今天，我看到了一个让我觉得激动人心的重大更新，Gemini 2.5 Flash Image （也叫 nano-banana ) 在 Gemini API 和 Google AI Studio（面向开发者）以及 Vertex AI（面向企业）提供。定价为 每百万输出 token $30，每张图像约为 1290 输出 token（约 $0.039/张图像）。

目前可以免费有限的体验。

Gemini 2.5 Flash Image 是 Google 最新的图像生成与编辑模型，支持多图像融合、角色一致性、自然语言局部编辑和世界知识增强。

主要功能和增强：

  • 角色一致性： 能够在多个提示和编辑中保持角色或物体外观的一致性，适用于讲故事、产品展示和品牌资产生成。

  • 基于提示的图像编辑： 允许通过自然语言进行有针对性的转换和精确的局部编辑（如模糊背景、移除物体、改变姿势、添加颜色等）。

  • 原生世界知识： 利用Gemini的世界知识，实现对现实世界的深度语义理解，解锁新的用例，例如理解手绘图表、回答现实问题和执行复杂编辑指令。

  • 多图像融合： 能够理解和合并多个输入图像，实现物体放入场景、房间风格改造和图像融合等功能。

我第一时间就上手体验了。

1. Gemini App

打开 Gemini App / Web , 把模型切换成 2.5 Flash，点击图片图标，输入提示词，等待生成。

2. Google AI Studio

打开 Google AI Studio，在聊天界面选择 Gemini 2.5 Flash Image Preview 模型。

生成封面图

我让它总结一篇英语文章的内容，生成封面图，效果不错：

以下是提示词：

总结以下文章的内容要点, 生成反应文章内容的封面图, 要求:
- 信息图 
- 加上丰富可爱的卡通人物和元素
- 先思考后生成
    
文章内容[]

生成手办模型

X上 ZHO 大佬的手办提示词这几天都火了吧，我把它改了一下，一次上传3张图，让它生成：

看起来还是挺真实的。以下是提示词：

turn this photo[图1] into a character figure. Behind it, place a box with the character’s image[图3] printed on it, and a computer showing a wallpaper[图2] on its screen. In front of the box, add a round plastic base with the character figure standing on it. set the scene indoors if possible

生成逻辑图

但是，让我沮丧的是，对于非英文文字生成的支持还不是很好，比如我让它根据提供的文字生成逻辑图。

它生成的图片是：

期待以后能在文字支持上更多样化~