KechuAI

Gemini Nano Banana：Nano Banana 登顶 LMArena 之后，Google 把角色一致性编辑搬进了 Gemini App

AI
Google
Gemini
图像生成
图像编辑
2026/10/22
·

阅读时间: 大约 12 分钟

Gemini Nano Banana：Nano Banana 登顶 LMArena 之后，Google 把角色一致性编辑搬进了 Gemini App

Google 官方整理的 2025 年 Nano Banana 热门用法合集（官方博客）

2025 年 8 月，一个代号 “Nano Banana” 的神秘图像模型在 LMArena 匿名排行榜上被网友票选为全球第一，社交媒体上”给吉娃娃穿芭蕾舞裙""把自己放进不同年代”的病毒式短片层出不穷。几周后 Google 揭开面纱：它就是 Google DeepMind 的 Gemini 2.5 Flash Image。2025 年 8 月 26 日，Google 在 Gemini App 内推出这轮”重大升级”（major upgrade），把精确图片编辑能力直接交到普通用户手里。本文基于 Google 官方两篇博客（2025-08-26 MENA 更新公告、2026-01-15 命名由来官方复盘）做一手梳理，区分”官方称”与”可核实”。

一、背景：匿名代号怎么变成全球第一

要理解这次升级，先要理解 LMArena 的投票机制。按 Google 官方《How Nano Banana got its name》复盘：LMArena 是一个公开评测平台，通过匿名、众包的成对比较评估 AI 模型——用户提交一个 prompt，拿到两个未署名模型的回答，投票选出更好的那个，平台随后揭晓模型身份。团队常在开发阶段就用代号提交模型，以收集早期性能信号与真实人类反馈。

Google 的技术名当时已经锁定为 Gemini 2.5 Flash Image，但公开代号一直拖到提交前最后一刻：产品经理 Naina Raisinghani 在凌晨 2:30 被催促提交代号时，把自己的两个昵称（“Nano”与”Banana”）拼成了 “Nano Banana”。团队于 2025 年 8 月初把 Nano Banana 提交上 LMArena，用户先被它的编辑能力（保持人物相似度、多张图融合）震住，再注意到名字，讨论度随即发酵。Google 团队随后在 X 上发帖暗示自己就是背后的开发者。

2025 年 8 月 19 日 Google 产品经理在 X 上贴出"胶带贴香蕉"的暗示帖（官方博客截图）

官方复盘原文称：模型正式发布后，“Nano Banana became the top-rated image editing model in the world”。需要注意，这是 LMArena 人类偏好投票口径下的”top-rated”，并非第三方客观保真度基准分数。

二、2025-08-26 Gemini App 重大升级：改了什么

MENA 官方公告（2025 年 8 月 26 日）说明：Gemini App 年初已上线原生图像编辑，这一轮重点优化角色相似度保持（maintaining a character’s likeness from one image to the next）——官方明确点出，编辑自己或熟人照片时，“close but not quite the same” 的微妙瑕疵让人无法接受。升级后提供四类玩法：

  1. 换装 / 换场景：上传人物或宠物照片，模型在新造型、新职业、不同年代中保持其本来面貌；
  2. 照片融合（Blend photos）：上传多张照片合成全新场景，例如把自己和狗合成到篮球场肖像里；
  3. 多轮编辑（Multi-turn editing）：在模型生成的图上持续下指令——先给空房间刷墙，再加书架、家具、咖啡桌，每次只改指定区域、保留其余部分；
  4. 设计混合（Design mixing）：把一张图的颜色与质感迁移到另一张图的物体上（花瓣纹理涂到雨靴、蝴蝶翅膀图案做成裙子）。

完成编辑后，用户还可以把成品图再上传回 Gemini，转成一段趣味视频。公告明确：付费与免费用户在全球范围当天即可使用这一编辑能力。

三、机制层面：为什么”人物不像”是图像编辑的老大难

传统文生图模型每次采样都是独立生成，参考图的面部特征没有被显式锁定，多轮编辑后五官漂移是通病。Nano Banana 这一轮的工程重点（官方表述）是让模型在遵循新指令的同时，把参考主体的身份特征作为约束条件贯穿整个编辑链——这也是”多轮编辑”能成立的前提：只有主体身份稳定，连续下指令才有意义。

官方未在这篇消费者公告里披露训练细节、面部一致性量化指标或模型参数量；公告是产品向内容，技术机制只以”保持 likeness”的功能语言描述。要注意：它解决的是”同一张参考图衍生编辑”的身份保持，不等于任意两张无关照片之间的人脸替换或法律意义上的肖像复刻。

四、安全口径：可见水印 + 隐形 SynthID

公告明确：Gemini App 中所有创建或编辑的图像都带有可见水印，以及 Google 的隐形 SynthID 数字水印，用于标明 AI 生成。这是 Google 生成内容溯源体系的一部分——用户后续可通过 Gemini、Chrome 中的 Gemini 或搜索中的验证工具识别内容来源。水印属于合规约束，不改变画面内容，但意味着成品不适合要求”无任何标记”的线下印刷场景直接使用。

五、口碑口径批判：LMArena 第一 ≠ 客观最佳

读官方”top-rated in the world”时要拆开看：

  • LMArena 是成对偏好投票：没有绝对分，Elo 随提交模型池与时间持续漂移，一个月前的排名不能直接平移到今天；
  • 投票人群与 prompt 分布偏向社媒传播场景：病毒式整活（换装、年代穿越、宠物变装）容易拿票，严肃商业修图、精确文字渲染未必被覆盖；
  • 消费者公告没有给出 EditBench、FaceID 类保真度指标，“相似度质的飞跃”是定性描述，企业选型应自行用目标人物照片复测；
  • 当时能力封闭在 Gemini App，API 与开发生态的成熟度是另一条线，不能用 App 体验推断 API 表现。

六、后续演进（官方已核实的时间线）

  • 2025 年 10 月 13 日官方公告：Nano Banana 扩展到 Google Search（Lens 的 Create 模式）、NotebookLM（Video Overviews 新风格、上下文插图、Brief 格式），并预告登陆 Google Photos；官方称届时已累计生成超过 50 亿张图片；
  • 2026 年 6 月 30 日官方博客（Nano Banana 2 Lite 发布）把初代 Gemini 2.5 Flash Image 明确定位为 legacy model，建议开发者迁移到 Nano Banana 2 Lite（gemini-3.1-flash-lite-image，4 秒文生图、$0.034/千张图）。即初代在一年后已进入被替代序列。

七、客观分析：优势与局限

优势：

  1. 角色一致性是可感知的突破点：多轮编辑中主体不走样，这正是普通用户最高频的痛点；
  2. 零门槛、全球同步、免费可用：不靠专业修图软件，对话式连续编辑降低了创作门槛；
  3. 多输入融合：多张照片混合 + 风格迁移，玩法组合空间大；
  4. 自带双层水印：合规基线清晰，适合公开社交传播。

局限：

  1. 官方未公布量化保真数据，LMArena 排名是偏好投票而非客观基准，企业不可直接采信；
  2. 封闭于消费 App（发布时点），批量处理、API 集成需要另走开发者文档；
  3. 文字渲染、复杂手部/道具等细节官方未承诺，长链条多轮编辑仍可能累积漂移；
  4. 模型生命周期短：初代一年后即被官方列为 legacy，选型需跟踪家族换代。

八、谁该关注

  • 社交内容创作者：换装、年代穿越、宠物整活这类传播向玩法，当天即可上手；
  • 产品/市场团队做概念视觉：多轮改图比反复重 prompt 高效，可作为内部草图工具；
  • 严肃商业修图与身份复刻需求：应在 API 层用自有素材复测一致性，不宜只凭 LMArena 口碑决策；
  • 开发者：注意初代已为 legacy，新项目直接评估 Nano Banana 2 / 2 Lite 谱系。

参考来源