Gemini 2.5 Flash Image (Preview)
活跃google/gemini-2.5-flash-image
由 Google LLC•发布日期: 8/26/2025
Gemini 2.5 Flash Image是谷歌最新的先进视觉模型，用于高质量图像生成、多图像融合和基于提示词的编辑。
$0.02每请求
Gemini 2.5 Flash Image (Preview) 背景介绍
概述
Gemini 2.5 Flash Image（预览版），代号'nano-banana'，是Google LLC最新的先进图像生成和编辑模型。该模型旨在提供高质量的图像合成和强大的创意控制能力，利用多模态输入和深度世界知识来生成视觉吸引力强且逻辑一致的图像。该模型面向寻求强大、可扩展的AI驱动图像解决方案的创意专业人士和企业用户。
发展历史
Gemini 2.5 Flash Image的开发建立在Google在多模态AI方面的持续进展基础之上，整合了从之前Gemini模型中获得的经验教训。该模型于2025年8月26日正式发布预览版，在图像融合、基于提示的编辑和角色一致性方面引入了重大改进。其发布标志着AI图像生成的一个里程碑，预计在从预览版过渡到稳定版本时将持续改进。
关键创新
- 多图像融合，允许从多个输入进行复杂且详细的图像合成
- 跨提示和编辑的角色和对象一致性，实现连贯的故事叙述和产品可视化
- 自然语言驱动的局部图像编辑，支持精确修改，如背景模糊和对象移除
Gemini 2.5 Flash Image (Preview) 技术规格
架构
Gemini 2.5 Flash Image基于Gemini 2.5 Flash多模态架构构建，支持大规模输入上下文和先进的图像理解。它集成了文本、图像、视频、音频和PDF输入，利用Google的世界知识和专有的视觉-语言技术进行高保真图像生成和编辑。
参数
确切的参数数量未公开，但该模型在与最先进的大型多模态模型一致的规模上运行，支持多达100万个输入令牌，每次响应生成多达8192个输出令牌。
功能
- 将多个图像融合为单一详细输出
- 在编辑和提示过程中保持角色或对象的一致性
- 使用自然语言指令进行基于提示的局部图像编辑
局限性
- 在渲染小面部特征和图像中精确拼写方面存在挑战
- 在细粒度图像细节和准确性方面存在一些限制，预期将持续改进
Gemini 2.5 Flash Image (Preview) 性能
优势
- 与领先模型相比，图像生成和编辑延迟较低
- 在LMArena基准测试中表现强劲，展示了先进的多模态推理能力
实际效果
在实际应用中，Gemini 2.5 Flash Image在快速、高质量的图像合成和编辑方面表现出色，特别是在需要一致视觉叙述或产品表现的场景中。其处理大输入上下文和通过自然语言执行细致编辑的能力使其在创意、营销和企业自动化任务中非常有效。
Gemini 2.5 Flash Image (Preview) 适用场景
应用场景
- 您有一个营销团队需要在多个营销活动中生成一致的产品视觉效果。Gemini 2.5 Flash Image确保产品图像在视觉上保持连贯，即使在从不同提示编辑或生成时也是如此，提高品牌一致性并减少手动设计工作。
- 您正在开发一个互动故事平台，需要角色在各种场景和编辑中保持一致的外观。该模型的角色一致性功能保证视觉元素保持稳定，增强叙事沉浸感和用户参与度。
- 您管理一家创意机构，经常根据客户反馈编辑图像，如模糊背景或移除瑕疵。通过基于提示的局部编辑，Gemini 2.5 Flash Image能够进行精确的、自然语言驱动的修改，加快周转时间并提高客户满意度。
最佳实践
- 利用自然语言提示进行精确直观的图像编辑任务
- 利用多图像融合从不同来源创建复杂构图或合成新的视觉概念
该模型暂无价格表。
技术规格
上下文长度1,000,000
发布日期8/26/2025
输入格式
jpgpngwebp
输出格式
pngbase64
功能特性
功能
Multi image fusionRole/object consistency across prompts and editsPrompt based localized image editingReal world knowledge-driven image generationLarge context data handlingFast image generation with low latency