Google 牺牲了图片分辨率、编辑能力和准确性换取了 「它」 的极致性价比！

6 月 30 日，Google 发布了两款面向开发者的新模型，这也促使我们对图像模型产生了更多的思考。

Nano Banana 2 Lite 的定位，是 Nano Banana 图像家族中速度最快、成本最低的一款，4 秒生成一张 1K (1024×1024) 分辨率的图像，一张0.034 美元，折合约人民币 0.25 元。

各家图像模型的产品线几乎都排在同一根轴上：顶层定位专业终稿，追求极致质量；中间层覆盖日常需求，平衡成本与效果；底层主打廉价快速，以量取胜。海外的 Flux、Grok Imagine，国内字节的 Seedream，都有自己的廉价档图像模型，价格普遍在 1.5 到 3.5 美分（约 0.1 到 0.25 元人民币） 一张的量级。

Lite 特殊的地方，在于它把调用一次的门槛压到了几乎可以忽略。一张图只要四秒、三分钱，做图这件事就从生成一张变成了可以批量生成、随时重来、快速试错。

可以说，这款便宜的模型改变了整个图像生成的场景，以前是人偶尔点一下，现在是机器可以不停地调。反正生成图片这么便宜，为什么不让机器人多试几次呢？

这就带出一个问题：真正需要 4 秒出图的，到底是谁?

大概率不是坐在屏幕前等精品图的人，这群对质量高度敏感的用户，多等十几秒也无所谓。真正在乎这四秒的，是后台自动跑的系统。广告平台要给一条投放生成几十版素材做 A/B 测试，电商要给成千上万的 SKU(Stock Keeping Unit，库存单位) 批量出变体图，内容平台要给不同用户生成不同封面，一个 Agent 在拼网页、做 PPT、写短视频脚本的时候要顺手补一张配图。这些场景的共同点是，图不是给人细看的作品，是流水线里的一个零件。

顺着这条线看，Google 此次的目标，就不是一个更优秀的图像生成工具。它想把生成一张视觉素材这件事，做成一个像调用函数一样便宜、能塞进任何自动化流程的环节。Nano Banana 2 Lite 加 Omni Flash，是它把视觉生产接进工作流的第一套零件。

01

Google 补齐的是一条视觉生成链路：

 Lite 出图，Omni Flash 出片

Lite负责低成本出图，Omni Flash负责把图变成视频，二者串联成了一套视觉生成流水线。

在此之前，谷歌的图像生成和视频生成是两个独立的产品线，中间没有官方推荐的衔接方式。开发者想从图片推进到视频，需要自己写胶水代码、做格式转换、处理接口不一致等问题。Lite 和 Omni Flash 的串联是谷歌第一次在架构层面把图生视频的标准链路做通，本质上是在补中间那截缺失的管道。

先看 Lite 所在的 Nano Banana 家族。它现在不是一个模型，是谷歌 Gemini 图像模型的一整个家族外号，按速度和成本这根轴分了几档：

Lite 的补充让整个 NB(Nano Banana)家族几乎完整覆盖了从专业到平民，从重度生产力到量大管饱的四象限：

表格：Nano Banana 家族产品矩阵

三档各管一段：PRO（Nano Banana PRO 简称，后文同） 管终稿和专业活，能出到 4K、能做复杂推理；NB2（Nano Banana 2简称，后文同） 是通用主力，质量和成本最平衡；Lite 只出 1K（1024×1024），把算力全压在快和便宜上。Lite 在家族里的位置很明确，它不是给人做一张要细看的图，是给系统做那种“要得多、要得快、单张不值钱”的图。谷歌自己也把它定位成初代 Nano Banana 的替代款，等于把最低那一档整个换新。

Omni Flash 补的是链路的下一环。Omni Flash 在 5 月 19 日的 I/O 大会上首次亮相，并在当天上线了消费端产品，而 6 月 30 日 是它首次通过 API 向开发者开放的日子。Omni Flash 能把一张图或一段文字变成十秒视频，还能靠 Interactions API 维持会话状态，让人用自然语言在同一段视频上连续叠加编辑（官方说的上限是三次）。

图：Gemini Omni 从展示页走向产品入口

图：Google 宣布 Nano Banana 2 Lite 与 Gemini Omni Flash 面向开发者开放

这条链路对应的定价也说明了它是给谁用的，Omni Flash 每秒 的收费标准是 0.10 美元，和 Veo 3.1 Fast（Google 推出的快速版生成模型） 持平；Lite 生成一张 1K 分辨率图像的标准价是 0.034 美元，约合人民币 0.25 元；100 张约 3.4 美元，折合人民币二十多元，批量档(指单次调用量达到阈值后触发的自动折扣)还能再砍一半到 0.0168 美元。

区分给人用还是给系统用不只是看单价高低，而是价格结构。消费级产品按次付费、按张计费，贵但灵活；流水线定价的特征是：单价压到足够低，同时提供批量折扣（批量档再砍一半），暗示调用方是按千次、万次为单位消耗的。一个人一个月做不了1000张图，但一个广告系统一小时就能跑掉一万张。这套定价不是让用户买得起，是让系统亏得起。

图：Nano Banana 2 Lite 与 Gemini Omni Flash 的组合工作流

这个价格标出来，几乎是明牌告诉你，它是给流水线批量调用定的，不是给一个人偶尔作图定的。

02

Lite 的取舍，以及它给实测立的标尺

新一代的 Nano Banana 出图方式已经变了。

出图之前和过程中，模型会先花一部分算力去想构图、检查空间关系和物理是否合理、斟酌图里的文字，然后才落笔，这跟老式扩散模型直接硬画不一样。这个想的过程要花时间。

Lite 的核心取舍，就是把大部分斟酌的步骤省掉，但也并不是完全放弃思考，官方依然显示有 Thinking On。Thinking On 是谷歌官方生成截图里标注的一个状态字段，表示模型在输出前启动了内部推演机制，换句话说，就是前面说的“先在脑子里摆盘”的那个过程。凭训练出来的直觉一步到位，省掉斟酌，就换来了 4 秒时间和和三分钱的价格。

图：Google 对 Nano Banana 推理能力的官方表述

PRO 像一个接单的大厨，拿到一个新需求会先在脑子里摆盘、分析客户的定制要求，再动手，慢，但讲究。Lite 像大排档炒饭的师傅，同一道菜炒过一万遍，凭肌肉记忆直接出锅，4秒上桌，图个七十分管饱，客户对它也本来就没那么多定制诉求。这两种做法没有高下，区别只在于来吃饭的人要的是什么，是单纯的填饱肚子，还是需要享受一顿美餐。

从这个角度看我们可以把传统的用图场景分为两类：

一类是图作为资产的场景。品牌主视觉、地铁站和高端商场的大幅海报、电商详情页的首图、影视海报、要印刷或者要放大长期使用的东西。这类图会被反复细看、会被放大、承载品牌形象和商业风险，一个错字或者一处崩坏放大之后就是事故。这类场景对质量有要求，得用 NB2 或者 PRO。

另一类是图作为耗材的场景。比如教育里给学生看个大概的示意图，信息流广告里大批量做 A/B 测试、电商海量 SU 的占位图，缩略图草稿，表情包，个性化推荐里千人千面、用完即弃的图。这类图即用即弃、量大、看个大概就行，并且对成本非常敏感，质量超过一定阈值之后的收益很低，这应该就是 Lite 的主场。所以区分不在模型强弱，在用图的人是谁。

这个判断是不是站得住脚，不能靠猜。所以我们分了三个维度、六个场景，把 Nano Banana 家族的 Lite、NB2、PRO 和字节的 Seedream 4.5 放在同一套提示词下并排跑了实测。

03

Lite 快在哪，又省掉了什么？

判断标准很简单：每个场景的图最终要能用。不管它是给广告投放、教学示意图还是公众号封面，能用就是及格线。在此之上再谈好不好看。

我们实测分三组维度、每组两个场景，一共六个场景。每个场景写一份内容一致的提示词，英文版喂 Nano Banana 家族（Lite、NB2、PRO），中文版喂字节的 Seedream 4.5。同一场景下四个模型并排出图，Lite 是主要的测试对象，图片满意的那组再用 Omni Flash 把 Lite 出的图做成视频。所有调用走 API。只选Lite的图做视频，是因为这一轮测试的核心问题是'Lite+Omni Flash这条链路能不能跑通'，NB2 和 PRO 的出图质量已经足够好，用它们做视频反倒掩盖了Lite在链路中的表现。

测试之前先看看官方披露的 Benchmark。

官方Benchmark数据展示

Lite 在质量上紧贴第一梯队，价格和速度依然非常有优势。

生成质量：Lite 虽然便宜，但从零画图的质量并不比贵几倍的对手差。Lite 在从零生图这项能力上得分 1251，只比自家高端版 NB2（1270）低了 19 分，但碾压了它自己的初代产品（1151）、Flux 的低配版（1069）、马斯克家的 Grok Imagine（1174）和字节的 SeedreamLite（1132）。

编辑质量：改图这项能力，并不是 Lite 的强项。Lite 得分 1308，输给了自家 NB2（1387），也被 Grok Imagine（1329）超过了。

延迟: Lite 的速度是碾压级的，Lite 4 秒出图，和 Flux 并列最快，NB2 要 20 秒，SeedreamLite 慢到 45 秒。

价格： Lite 单张 0.034 美元，比自家 NB2 的 0.067 便宜一半，但它并不是图里最便宜的，Flux 2 Klein 9B 起价仅为 0.016 美元，只是质量上并不如 Lite。

从这几个维度的 Benchmark 数据也可以看出，Lite不是最便宜的，但它在速度、质量、价格三者平衡上却是最优的。这几张官方图里还有两个彩蛋：

Lite 有“Thinking On”，说明它不是完全放弃思考的傻瓜式生成，依然有内部推理过程，只是比 PRO 少了很多斟酌。

官方 Benchmark 里只对比了Lite、NB2、初代和竞品，但 PRO 缺席了。潜台词可能是：PRO 定位的是专业级终稿，它的评分体系和这几款不在一条赛道上，PRO 的得分放进来可能会让对比失去意义。

04

六个场景实测：Lite 在什么场景可用？

测试维度 A，内容即资产的场景：Lite 能应急，但不是最优解

这个场景的任务是给地铁站或高端商场灯箱这种场景设计海报。提示词故意设计了几个难点：半空凝固的液体飞溅、凝露反光、电影级轮廓光、大量留白的编辑排版，以及三级中文文字，包括主标题、副标题、底角品牌细则小字。

从出图的文字上来看，四家表现都没出问题，这反而证明 NB2 Lite 的出图质量还不错。NB 2 和 NB PRO 有光影的应用细节，证实了在重度生产力端这两个模型依旧有独特的优势。

从 Flash 生成的视频上来看，瓶身细节表现还不错，但主体之外的冰块、柠檬就有些粗糙了，并且配乐和运镜以及画面切换节奏比较生硬。

我们在提示词中要求生成正方形，白底的图片，考验产品保真度和小字标签是否符合要求，在内容上也要能吸引用户产生购买欲、表达产品核心卖点，本身对质量要求较高。

这一组四个模型输出几乎没差别，如果盲测的话可能都难以分辨。文字清晰没犯错，产品细节和棚拍的效果都不错。

视频表现同样中规中矩，画面逻辑合理，运镜丝滑。也许是棚拍产品概念图本身不需要过多细节，反而落到了Omni Flash 的舒适区。

从这一组的测试中，我们也可以得出结论，资产场景的核心问题是容错率太低，错了就是事故，所以该用 PRO 还是得用 PRO。Lite 在这个维度上还没有达到靠得住的标准。

我们在提示词中要求生成的图片具有卡通风格，同时中文标注外膜、内膜、嵴、基质。这类图老师只需要一个示意，需要不断出新的类似图片来匹配试卷和题目，学生们也只是看个大概就行，所以放在耗材图片的场景里。

案例三:线粒体

文字较多的场景就发现 Lite 有些费劲了，基础字体没什么问题，但线粒体的嵴 (jí)字就乱码了，Seedream4.5 的表现也一样，NB2 还把内膜和外膜都标准反了。这说明在教学场景下，虽然内容是消耗品，但教育内容生僻字出现概率大且需要一定的严谨性，这类图如果当作资产来对待，用 PRO 更稳妥。

视频方面，用图片直接搭管线跑出来的视频反而增加了图片没有的标注，导致线粒体内膜被标了三次，其中包含一处标注错误和一处文字错误。好在基质颗粒和核糖体没有溢出线粒体之外，整体物理逻辑是完整的。

我们在提示词中的要求的是正方形，中文大字“夏日上新”加一行促销文案，主要需求是够用、量产、成本低。

案例四：T恤促销

这场景基本就看需求和审美了，并且电商场景最重要的是能还原商品图，本次架空测试属于零生成的测试场景，仅从结果上来看 Lite 出的图比较有视觉冲击力，是大促或者低成本铺量销售的首选。NB 2 的出图兼具真实性和美感，算是中间均衡派。NB PRO 虽然时间和单词出图成本最高，但 3D 假人和运动场景能满足专业运动品牌的特定展示需求，是质量最高的一组。

Omni Flash 的视频生成结果也没什么毛病，音乐和运镜已经图片元素的解构和动画效果都满足场景需求

我们从这组测试中也可以得到结论：促销图、批量素材这类量大管饱的需求，Lite 几乎是完美匹配，它生成的图片够快、够便宜、够好看。例外的是对于信息密度要求比较高的内容：生僻字和专业标注对准确性的要求，让“耗材”变成了“资产”，Lite 翻车率太高，得换 PRO。

我们要求生成一篇 Nano Banana 测评公众号推文的封面题图，横版，把香蕉和科技元素结合，还有中文大标题，内容是选题的陪衬，用于辅助用户理解，或单纯给文章增加视觉多样性。

案例五：公众号封面

这类图主要看账号调性和排版需求，封面最重要的是直击主题并吸引用户点击。本次属于脑洞概念生成测试。仅从结果看，Lite 出的是传统发光科技风，中规中矩，是快速配图发文的首选。NB2 增加了“剥开香蕉看芯片”的创意，兼具质感与点题深度。PRO 反倒有些出乎意料地拉胯，把香蕉和电子纹路融合在一起，没有任何逻辑关联。这场景反而是 Lite 效果不错，虽然也存在 AI 味依然很强，子标题也有重复的问题。

视频表现还不错，电子纹路动画和香蕉融为一体，没有不符合标准的图像，声音也合乎逻辑。

我们要求生成一张英伟达季度营收的财经数据图，横版，柱状图加折线，中文标题加一堆数字和百分比标签。

案例六：数据图表

这组主要是测数据图表生成，四个大框架都没翻车。简单来说：Lite 出图最快，带点科幻风，但里面小字有点糊，适合临时随便配个图；NB 2 表现最亮眼，科技感和数据融合得很好，视觉效果拉满但稍微有点用力过猛；PRO 最像正儿八经的金融财报，专业度拉满，就是成本最高；Seedream 则是极简PPT风，主打性价比，它的字和数字最清晰锐利（虽然横轴日期逻辑出了点小bug）。

更适合作为自媒体B-roll（辅助素材，如产品特写、数据图表、街景空镜、演示操作等）草稿，不适合直接做品牌级成片。

从这组的测试结果也可以看出：公众号封面、配图这类好看就行的需求，Lite 完全够用。数据图表这类需要有准确信息的需求，Lite 会编造数字、糊掉小字，拿去做 B-roll 凑合，但要直接发布就危险了。所以中间场景的分水岭是：图是装饰还是信息载体？装饰用 Lite，信息载体上用 PRO。

05

4秒出图之后，瓶颈从生成转向质检

Nano Banana 2 Lite 还有另一个名字， Gemini 3.1 Flash-Lite Image。Google 也将它定位于高频交互和大规模调用场景，本质上是用分辨率和部分复杂任务能力，换取更低的推理成本与延迟。

这种取舍也构成了它的能力边界。Lite 只支持 1K 输出，不支持 Google Search grounding，在小字、复杂信息图和事实准确性上更容易暴露问题。实测中线粒体的“嵴”字乱码、营收图的数字编造，都与这一能力边界一致。它能够生成一张在视觉上符合类型特征的图片，却不能保证其中每个文字、数字和标签都满足事实约束。因此，Lite 更适合作为视觉工作流的候选生成层，而不是未经校验直接交付终稿。

一条标准的自动化链路至少要包含四个环节：

第一层是生成。 Lite 根据提示词、参考图和结构化参数快速产生多张候选素材。它的任务是用低成本生成多张图片，让系统有更多结果可选。

第二层是自动校验。 这一步是硬门槛。OCR 扫一遍标题和小字，规则程序核对价格、日期、参数，图像相似度判断商品主体有没有跑偏，内容审核模型再过滤违规元素。只要踩了任何一条红线，直接淘汰，根本不会到发布这步。

第三层是模型分流。 对构图一般、风格不匹配但事实层没有问题的图片，可以继续调用 Lite 重生成；对复杂排版、品牌主视觉和多参考图一致性任务，则升级到 NB2 或 PRO。模型选择不应在任务开始前固定，而应由风险和失败类型动态决定。

第四层是人工验收。 只有品牌资产、专业知识、商品真实性和公开数据等高风险内容，才进入人工审核。人的时间不再花在从零制作每一张图，而是集中处理自动校验无法覆盖的边界情况。

假设 Lite 一次生成十张候选只需要约 0.34 美元，但其中有三张存在文字或结构错误。如果系统可以自动淘汰，错误成本接近于零；如果每张都需要编辑逐一检查，模型节省的生成费用很快就会被人工验收时间抵消。因此，判断 Lite 是否划算，不能只比较每张 0.034 美元的图片的生成成本，而要计算总成本。而总成本还包括自动校验的成本、人工审核、返工、错误发布造成的风险成本。

在低风险、高重复、可自动验证的任务里，生成成本仍然占据重要位置，Lite 的优势能够直接体现。到了数据图表、教学插图和品牌物料这类场景，生成费用可能只是总成本中最小的一项，错误检测和责任成本才是主要变量。

Lite 真正的意义，是改变图片在软件系统中的角色：过去，图片通常是由人制作并上传的成品；现在，它可以像文本和接口返回值一样，在 Agent 执行任务时被即时生成、筛选、丢弃和重做。视觉生成由独立的创作动作，变成自动化工作流中的一个可调用环节。

当生成速度和价格继续下降，系统的瓶颈也会从能否生成转向能否控制错误。真正难以复制的，不是4秒出图，而是针对不同任务建立风险分级、自动校验和模式选择：哪些素材可以直接使用，哪些需要升级到更强模型，哪些必须由确定性工具或人工完成。Lite 降低了候选素材的生成成本，却没有消除质量成本；它只是把质量控制从生成后的人工补救，前移成工作流内部的工程问题。

当一套系统每小时可以生成一万张图时，真正的技术问题已经不是能不能生成图片，而是图片生成之后的验收这一步怎么来做。

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

扫描上方二维码

或点击「阅读原文」关注专区。