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！

2毛一张、4秒出图，Google发布了一款电商广告低成本铺量的首选图片模型。（雷峰网） 作者丨rhea 编辑丨马晓宁 李娜 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。01Google 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这次不同的是，Google在发布层面明确把 Lite 和 Omni Flash 放进同一条开发者工作流里，谷歌给的用法很直接，它在发布博客里写的是把两个模型串起来（chain）：用 Lite 快速出一张图，再把这张图作为参考喂给 Omni Flash，动成视频。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。02Lite 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。03Lite 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 130