這幾天，又一個現(xiàn)象級人工智能（AI）工具登場了——代號為“納米香蕉”（Nano Banana）的圖像模型，憑借實測中的驚艷效果迅速躥紅。

社交媒體上，科技粉、設(shè)計師、內(nèi)容創(chuàng)作者都在瘋狂刷屏，連接不斷發(fā)表各自的使用心得、實用教程、玩法合集，眾多網(wǎng)友嘗鮮后更直接封其為“掌管P圖的神”“AI生圖新王”“上手最強圖像模型”……

這根出圈的“香蕉”其實就是谷歌推出的新一代AI圖像生成與編輯模型Gemini 2.5 Flash Image，不僅能融合多張圖片拼接出全新畫面，還能理解地理、建筑與物理結(jié)構(gòu)，將二維地圖轉(zhuǎn)化為三維景觀。谷歌方面透露，“納米香蕉”上線一周內(nèi)，已累計完成超2億次圖像編輯。

這根“香蕉”究竟有多好玩

記者發(fā)現(xiàn)，網(wǎng)友用起“納米香蕉”來都是腦洞大開，各種玩法層出不窮。有的喜歡毫無違和感的跨時空合影，有的樂于給自己換各種發(fā)型，也有的用地圖生成三維景觀……當然，最高頻的還是用照片定制手辦模型，無論是真人、二次元角色，還是小寵物，主打一個“萬物皆可手辦”，大批網(wǎng)友玩得不亦樂乎。

AI生成手辦

蔡小姐是個AI狂熱粉，大模型一有風吹草動，她都會第一時間上手實測。連續(xù)玩了幾天“納米香蕉”后，她感到最興奮的有兩點：一是可以“用嘴P圖”，不需要很復雜的提示詞，直接和AI對話，它就能出色地完成P圖任務(wù)?！氨热?，我給了它一張背景是冬天的人像照片，人的表情本來很憂郁。我告訴AI，讓照片中的人笑一笑，很快它就生成了一張陽光燦爛的笑臉人像，而且畫面非常自然，感覺AI模型讀懂照片的能力提升了不少?！倍呛芏嗑W(wǎng)友“瘋狂打Call”的照片生成手辦功能。蔡小姐嘗試把一張自己穿著拉丁舞服的照片上傳后，分分鐘就生成手辦模型圖，整條裙子上各種復雜的細節(jié)還原得很逼真，三維效果也非常出色，讓她立馬就想擁有這款手辦。

出圈背后藏著哪些AI能力

很多人都好奇的是，這根火出圈的“香蕉”里到底藏著哪些AI能力的提升？

如果說去年一夜刷屏的文生視頻模型Sora是用人類已有的“零件”拼裝出一輛汽車，那么，“納米香蕉”就是讓它變成一輛性能炸裂的超級跑車?！凹{米香蕉”擁有斷檔領(lǐng)先的圖像一致性。提供一張人物照片，讓它生成8種表情，或者變化角度、背景，甚至轉(zhuǎn)成三維圖像，人物都不會變形。在連續(xù)20次編輯操作中，字符一致性準確率保持在95%以上。

在上海人工智能研究院技術(shù)總監(jiān)方帥看來，“納米香蕉”超多驚艷表現(xiàn)，都來自于理解能力的提升。谷歌團隊在介紹自己的產(chǎn)品時，也提到當模型在圖像理解能力上變得更強時，其中一部分能力可以遷移到圖像生成上來。

“納米香蕉”利用谷歌Gemini大模型的知識儲備來生成和編輯圖像。一年前的Sora被人詬病最多的就是在對物理規(guī)則的理解上。比如，在老奶奶吹蠟燭的視頻中，蠟燭并沒有隨風熄滅；在玻璃杯從空中墜落的視頻中，玻璃還沒有碎，里面的水已流出來了。但在“納米香蕉”中輸入氣球飄向仙人掌的圖像，并要求它預測下一幅畫面，它會顯示氣球炸裂，而仙人掌完好無損。

“納米香蕉”理解物理世界規(guī)則，知道氣球碰到仙人掌會炸裂。

更為重要的是，“納米香蕉”的交互模式高度符合人們想象中AI應用該有的樣子，它能夠精確解析自然語言指令中的編輯需求，支持超過100種語言的提示詞，識別準確率達到92%。比如，輸入一張人物圖像，說“給他戴上帽子”，模型就會輸出一張戴帽子的人物照。還有一個爆火的“火柴人”玩法，輸入若干張照片后，用火柴人畫出動作，模型就能生成邏輯自洽的動作圖，如一人踢腿進攻，一人蹲下防守。

還會有什么顛覆式AI應用

現(xiàn)象級應用總能引發(fā)人們對AI未來的更多想象，而由此帶來的改變正悄然加速。

在小紅書上，已有網(wǎng)友將自己的創(chuàng)意腦洞轉(zhuǎn)化成娃衣、飾品、手機殼、明信片等實體商品，通過軟件自帶的店鋪完成銷售閉環(huán)。這一以往只有設(shè)計師才能完成的工作，現(xiàn)在任何普通人都能參與，以成本15元、售價68元的藝術(shù)插畫手機殼為例，月銷100件即可創(chuàng)造不菲利潤。AI也帶來生產(chǎn)和銷售模式的變化，設(shè)計師們往往會先輸出海量的圖片，用流量判斷哪個受歡迎，再生產(chǎn)實體產(chǎn)品。

用語音讓Step1X-Edit模型將改變女孩外貌。小紅書AI大法師視頻截圖

“‘納米香蕉’圖片轉(zhuǎn)手辦的玩法非常有意思，但單靠它，目前還不能真正拿來做手辦?！倍卧洲k企業(yè)APEX-toy創(chuàng)始人馬力告訴記者，主要原因是手辦有很多細節(jié)，當下二次元手辦的平均配件數(shù)量在150個左右，有的甚至超過300個，AI還無法精細還原，“不過潮玩設(shè)計可能會用得上”。

事實上，中國“AI天團”在圖像生成和編輯領(lǐng)域的布局步伐并不慢。階躍星辰副總裁李璟表示，早在今年5月，階躍星辰的開源圖像編輯大模型Step1X-Edit已具備“納米香蕉”的同類能力，在語義精準解析、身份一致性保持、高精度區(qū)域級控制上表現(xiàn)驚艷，“實際演示中，我們看到只需要對話就可以任意修改圖片中的元素，比如改發(fā)型、改衣服顏色，將盒子里的粽子改成月餅，甚至讓人物變老30歲，都不在話下”。

Step1X-Edit用語音讓大模型將盒子中的月餅換成包子。 小紅書AI大法師視頻截圖

李璟還透露，Step1X-Edit與“納米香蕉”技術(shù)路線的追求不謀而合。但針對視頻、圖像類的交互產(chǎn)品，其背后的多模態(tài)大模型還將有大量的技術(shù)迭代。接下來的應用核心是智能終端智能體，如用于汽車、手機以及電腦桌面的工作助手智能體。階躍星辰正全力尋求“理解生成一體化”的架構(gòu)式突破，或?qū)砀嵏彩降腁I應用。

先做產(chǎn)品還是先做架構(gòu)，目前還沒有答案，唯一肯定的是，每個人都看到了機會，競爭變得異常激烈?！凹{米香蕉”團隊坦言：其目標不僅是提升視覺質(zhì)量，更要追求聰明和事實準確性；希望打造一個能理解用戶深層意圖的AI，甚至比人做得更好。