核心概念

Google DeepMind 於 2026 年 6 月 30 日發布兩款針對速度與成本優化的生成式 AI 模型：Nano Banana 2 Lite（正式代號：Gemini 3.1 Flash Lite Image）與 Gemini Omni Flash（Gemini-omni-flash-preview）。兩者分別對應圖像與影片生成兩大場景，設計重心都在「讓高吞吐量生產工作流可行」——不是追求頂尖品質，而是在可接受品質內把速度和成本壓到最低。

Nano Banana 2 Lite（圖像生成）

定位為「最快、最具成本效益的 Gemini 圖像模型」，核心取捨是以部分細節品質換取吞吐量：

  • 生成速度：4 秒內完成一張文字轉圖像（Text-to-Image）輸出
  • 成本：每 1,000 張 1K 解析度圖像 $0.034 美元
  • 品質底線：保持可靠的提示遵守（prompt adherence）、強角色一致性（character consistency）、清晰文字渲染（text rendering）

Nano Banana 系列目前共有四個版本，由輕到重排列：

版本 定位 適用場景
Nano Banana 2 Lite 速度最優先 高容量實時工作流
Nano Banana 2 效能與成本平衡 一般生產需求
Nano Banana Pro 複雜專業用例 精細創作、高品質輸出
Nano Banana（舊版） 已不推薦 —

「Lite」的角色類似 LLM 生態裡的 Flash 或 Haiku：不是最好，但在大量重複性任務（批次生成商品圖、社群素材、故事板分鏡）裡，速度與成本差距足以改變工作流可行性。

Gemini Omni Flash（影片生成）

這是一個多模態影片生成與會話式編輯模型，特色是讓使用者以自然語言對影片進行迭代修改，而非每次從零重生成。

核心能力：

  • 會話影片編輯：用自然語言精煉和編輯已生成的影片，不需要重新輸入完整提示
  • 多模態參考輸入：可同時接受圖像、文字、影片作為參考素材
  • 真實世界知識應用：模型理解歷史、生物學、敘事邏輯，生成的影片符合物理和語意常識
  • 文字動作同步：將文字、圖形與影片動作對齊

定價與規格：

  • $0.10 美元 / 秒影片輸出（與 Veo 3.1 Fast 相同定價）
  • 最長支援 10 秒生成（本次發布版本）

已知限制（值得注意，代表技術尚未成熟）：

  • 不支援上傳音頻參考與場景擴展（scene extension）
  • 3 秒以上的影片參考輸入無法被正確處理
  • 場景切換與平移鏡頭運動中的角色一致性仍有落差

整合工作流

Google 示範了將 Nano Banana 2 Lite 與 Gemini Omni Flash 串接在同一管線的應用模式：先用圖像模型生成靜態畫面，再交由影片模型產生動態版本，並透過 Interactions API 維持會話歷史，支援最多三輪順序編輯堆疊。這讓「文字→圖→影片」的連續創作流程在 API 層面成為可能。

安全機制

兩個模型均內建 SynthID 水印技術（Google DeepMind 開發的 AI 內容標記標準），可透過 Gemini 應用、Chrome 或 Google Search 驗證 AI 生成內容來源，符合 AI 內容透明度的監管趨勢。

關鍵要點

  • 速度即護城河：Nano Banana 2 Lite 的 4 秒 / $0.034 定價，把圖像生成的邊際成本壓到足以支撐每日數萬次的商業工作流，傳統設計師難以在速度維度競爭
  • 會話式影片編輯是方向轉折點：Gemini Omni Flash 的核心不是「影片品質」，而是「可迭代的影片生成」——這是從「產品」到「工具」的設計哲學轉變，類比文字生成的 chat interface 對 LLM 普及的作用
  • Nano Banana 命名有意義：名稱帶有 Google 一貫的內部代號文化，但「Banana」暗示輕量、快速（banana test：一個連猴子都會的速度），對開發者而言這是明確的訊號——選 Lite 就是選速度，別期待頂尖品質
  • 10 秒上限是早期版本的誠實標示：Google 在發布時明確列出限制，而非迴避，顯示這是「開放早期存取以收集回饋」的策略，而非完整產品發布
  • SynthID 做為標準推廣：把水印技術內建進模型而非可選功能，是 Google 試圖讓 AI 內容標記成為行業預設的佈局

實務應用

適合用 Nano Banana 2 Lite 的場景：

  • 電商商品圖批次生成（SKU 數量大、需快速迭代）
  • 社群媒體素材流水線（每日更新、容量高）
  • 故事板 / 分鏡草稿（品質要求不高，速度優先）
  • A/B 測試大量創意變體（需要快速驗證假設）

適合用 Gemini Omni Flash 的場景：

  • 廣告影片原型製作（導演需要快速看效果、多輪修改）
  • 短影音素材生成（10 秒長度已符合大部分 Reels / Shorts 需求）
  • 教育動態圖解（結合多模態參考，精確控制視覺呈現）

不適合的場景：

  • 需要 3 秒以上影片輸入參考的精細剪輯工作
  • 對角色一致性要求極高的長序列製作
  • 需要音效同步的影片（目前不支援音頻參考）

相關頁面：Gemini 3.5 Flash Computer Use：從獨立模型到內建工具 | AlphaEvolve：Gemini 驅動的演化式編程 Agent 跨領域衝擊 | Gemini 3.5 Live Translate：70 語言近實時語音翻譯

延伸觀點

「最快 Gemini 模型」≠「市場最快」：Google 的官方定位是「Gemini 家族最快最便宜的圖像模型」，但這個說法需要校正。2026 年中的市場數據顯示，Z-Image Turbo 約 1 秒生成、$0.01/張；Seedream v5.0 Lite 約 2 秒、$0.026/張；Nano Banana 2 Lite 在速度與價格上均不是全市場最優。此外，Google AI Arena 的盲測評比中，Nano Banana 2 Lite（Gemini 3.1 Flash Image）排名第三，落後於 GPT Image 2（第一）與 Riverflow 2.0 Pro（第二）。這意味著 Google 的競爭優勢不在裸效能，而在生態系整合——只有 Google 能把這個模型內嵌進 Google Ads、YouTube Shorts、Google Photos、NotebookLM，讓用戶在既有工作流中不知不覺使用。

YouTube Shorts 免費分發是關鍵槓桿：Gemini Omni Flash 對 YouTube Shorts 和 YouTube Create App 用戶免費開放（Creator 等級），這個分發策略是任何 API-only 影片生成競爭對手難以複製的。對 Google 而言，讓數億 YouTube 創作者採用 Gemini 影片工具，比在 API 市場上打價格戰更有戰略價值——一旦創作習慣形成，切換成本會大幅提升。兩個來源（Google AI 官方文件與第三方分析）均確認這一免費分發策略。

Interactions API 的架構意義：會話式影片編輯需要跨請求維持狀態，這在傳統的無狀態 AI API 設計中是例外而非常規。Google 透過 Interactions API 提供最多三輪堆疊編輯，本質上是把「影片生成」從無狀態函式升級成有狀態會話——這跟 LLM 從 completion API 進化到 chat API 的演化路徑一致。多個獨立來源（morphic.com、imagine.art、Google 官方文件）均確認此 API 設計的存在與三輪上限，屬可信共識。對開發者而言，這意味著影片工作流的 UX 設計邏輯需要重新思考：不再是「提交一個完美 prompt」，而是「對話式地逼近目標」。

反向連結

以下頁面引用了本頁：