Google DeepMind 的 Gemini 2.5 Flash Image 革新了 AI 影像編輯技術，在多次編輯中提供無與倫比的一致性。這項突破讓用戶能在修改過程中維持主體細節，解決了 AI 影像處理的一個主要限制。該模型在基準測試中的優異表現鞏固了其作為當前最先進技術的地位。
Google DeepMind 推出了一項突破性的 AI 影像編輯技術進展，將徹底改變我們操作數位影像的方式。這個神秘的「nano banana」模型最近在 LMArena 影像編輯排行榜上奪得冠軍，現已揭曉為 Google 的創作——正式名稱為Gemini 2.5 Flash Image——並且已經整合到 Gemini 應用程式中供用戶體驗。
Gemini 2.5 Flash Image 的關鍵創新在於其在多次編輯中展現的卓越一致性。雖然先前的 AI 影像編輯工具在修改過程中往往難以維持主體外觀，但 Google 的新模型展現了前所未有的能力，能在連續編輯中保持細節。這項突破解決了 AI 影像處理中最令人沮喪的限制之一：元素在每次修改時都會出現不可預測變化的傾向。
「Google 表示 nano banana（技術上稱為 Gemini 2.5 Flash Image）在編輯過程中具有無與倫比的一致性——它實際上能記住細節，而不是每次修改時都在擲骰子，」Ars Technica 資深科技記者Ryan Whitwam 指出。
這種在編輯過程中的一致記憶能力，代表了讓 AI 影像編輯對日常用戶更加可預測和實用的重大躍進。
Gemini 2.5 Flash Image 的技術表現令人印象深刻，該模型在 LMArena 基準測試中達到了驚人的1,362 ELO 分數，大幅超越了 Flux.1 Kontext [max] 等競爭對手的 1,191 分。這個排名鞏固了 Google 聲稱該模型代表當前 AI 影像編輯技術最先進水準的說法。
讓這項發展特別令人興奮的是現在提供給用戶的實際應用。Gemini 增強的影像編輯功能實現了幾個創新的使用案例。例如，你可以上傳一張人像照片並轉換主體的外觀——將他們置於不同的服裝風格、環境中，甚至重新想像他們成為特定時代的角色——同時保持他們可辨識的面部特徵和身體特徵。同樣地，寵物主人可以有趣地將他們的毛茸茸夥伴放置在創意場景中，而不會失去牠們的獨特外觀。
此外，該模型在合併多張影像元素方面表現卓越。Google DeepMind 視覺生成模型產品負責人 Nicole Brichtova 向 TechCrunch 解釋：「這次更新在讓編輯更加無縫方面做得更好，模型的輸出可用於任何你想使用的目的。」一個引人注目的例子展示了該工具如何將一張女性照片與一張狗的單獨影像結合，創造出她們自然擁抱在一起的場景——本質上讓日常用戶能夠使用以前需要豐富Photoshop 專業知識才能實現的精密照片合成能力。
該模型還支援多輪編輯工作流程，允許用戶透過一系列提示逐步完善影像。例如，你可以從一張房間照片開始，反覆添加家具、改變色彩方案或修改照明條件，同時保持整體美學的連貫性。這種反覆能力讓非設計師更容易進行複雜的影像專案。
Google 實施了重要的防護措施來解決 AI 生成影像的倫理問題。每張使用 Gemini 2.5 Flash Image 創建或編輯的影像都包含角落的可見「AI」浮水印和嵌入在影像資料中的不可見SynthID 數位浮水印。SynthID 技術特別重要，因為即使在適度的影像修改後仍能被檢測到，有助於對抗 AI 生成內容的潛在濫用。
Brichtova 強調，雖然 Google 旨在提供創作自由，但有明確的界限：「我們希望給用戶創意控制權，讓他們能從模型中得到想要的東西，但這不意味著什麼都可以。」該公司的服務條款明確禁止生成非同意的親密影像，模型還包含額外的內容防護措施以防止濫用。
AI 影像工具的競爭環境在最近幾個月變得更加激烈。OpenAI 在 GPT-4o 中的影像生成能力在今年稍早為 ChatGPT 帶來了顯著的使用量激增，而 Meta 最近宣布與Midjourney 合作授權 AI 影像模型。Google 在 Gemini 2.5 Flash Image 上的進展代表其縮小與 OpenAI 競爭差距的努力，因為 ChatGPT 目前每週約有 7 億用戶，而 Gemini 每月有 4.5 億用戶。
對於開發者來說，Google 正透過多個管道提供新的影像模型。除了面向消費者的 Gemini 應用程式外，該技術很快將透過Gemini API、AI Studio 和Vertex AI 平台提供，讓第三方應用程式和服務能夠整合使用。
Gemini 2.5 Flash Image 的發布標誌著民主化先進影像編輯能力的重要里程碑。曾經需要專業軟體知識和技術技能的任務，現在透過自然語言提示就能完成。正如業界觀察家指出的，Google 特別針對日常使用案例設計了這個影像模型，例如幫助用戶視覺化他們的居家和園藝專案。
要體驗 Google 新的 AI 影像編輯能力，用戶只需開啟Gemini 應用程式並開始嘗試提示。整合功能現已推出，讓我們一窺精密影像處理變得如同對話般自然的未來。
