Google ogłosiło Nano Banana 2, najnowszą wersję swojego modelu generowania obrazów. Model oferuje kombinację, która była trudna do osiągnięcia w generowaniu obrazów AI: szybkość wnioskowania, wysoką jakość wizualną i silne rozumienie pojęć ze świata rzeczywistego. Działa z prędkością opisywaną przez Google jako "Flash speed", produkując jednocześnie obrazy nadające się do zastosowań komercyjnych i produkcyjnych.

Co się zmieniło w stosunku do pierwszej wersji

Oryginalne Nano Banana Pro zostało uruchomione razem z Google Flow i szybko stało się podstawą obrazową dla wielu produktów Google. Nano Banana 2 buduje na tym fundamencie z trzema kluczowymi ulepszeniami: głębszą wiedzą o świecie, lepszą spójnością obiektów w wielu generacjach oraz jakością wyjściową spełniającą specyfikacje produkcyjne bez potrzeby postprodukcji.

Wiedza o świecie odnosi się do rozumienia przez model tego, jak wyglądają i oddziałują na siebie prawdziwe obiekty, środowiska i właściwości fizyczne. Model z silną wiedzą o świecie produkuje obrazy, w których oświetlenie zachowuje się realistycznie, materiały mają właściwe tekstury, a relacje przestrzenne mają sens. Jest to szczególnie zauważalne w scenach architektonicznych, fotografii produktowej i obrazach obejmujących złożone materiały, takie jak szkło, metal lub tkanina.

Spójność obiektów

Jednym z utrzymujących się wyzwań w generowaniu obrazów AI było zachowanie spójnego wyglądu obiektu w wielu obrazach. Wygeneruj tę samą postać dwa razy, a często otrzymasz zauważalnie różne wyniki. Nano Banana 2 rozwiązuje to dzięki ulepszonej spójności obiektów, co oznacza, że postać, produkt lub obiekt zachowuje swoją tożsamość wizualną w oddzielnych generacjach.

Ma to znaczenie dla każdego procesu roboczego wymagającego ciągłości wizualnej: katalogów produktów, w których przedmioty muszą wyglądać identycznie pod różnymi kątami, projektowania postaci, gdzie figura musi pozostać rozpoznawalna w różnych scenach, lub treści marki, gdzie spójność jest niezbędna.

Prędkość i wydajność

Oznaczenie "Flash speed" jest znaczące. Modele generowania obrazów generalnie wymuszały kompromis między jakością a czasem wnioskowania. Modele wyższej jakości wymagają dłuższego czasu generowania. Nano Banana 2 twierdzi, że przełamuje ten kompromis, produkując obrazy klasy produkcyjnej z prędkościami porównywalnymi do poziomu lekkiego modelu Flash Google.

Szybkie wnioskowanie ma praktyczne implikacje wykraczające poza samo oszczędzanie czasu. Umożliwia interaktywne kreatywne procesy robocze, w których użytkownik może iterować na promptach i widzieć wyniki w czasie zbliżonym do rzeczywistego. Zmniejsza również koszt obliczeniowy na obraz, co ma znaczenie w skali dla aplikacji generujących tysiące obrazów dziennie.

Specyfikacje gotowe do produkcji

Google podkreśla, że wyniki Nano Banana 2 spełniają "specyfikacje gotowe do produkcji". W generowaniu obrazów oznacza to zazwyczaj wystarczającą rozdzielczość, prawidłową obsługę przestrzeni kolorów, czyste krawędzie bez widocznych artefaktów i spójną jakość w różnych typach promptów. Rozróżnienie ma znaczenie, ponieważ wiele obrazów generowanych przez AI wymaga ręcznej obróbki, zanim będzie można je wykorzystać w druku, reklamie lub listingach produktów.

Model produkujący naprawdę gotowe do produkcji wyniki redukuje lub eliminuje ten etap postprodukcji, gdzie obecnie spoczywa znaczna część kosztów i czasu w kreatywnych procesach roboczych wspomaganych przez AI.

Gdzie pasuje w stosie AI Google

Nano Banana 2 wpisuje się w szerszy ekosystem generatywny AI Google obok Veo dla wideo i Lyria dla dźwięku. Zasila generowanie obrazów wewnątrz Google Flow, zunifikowanej przestrzeni roboczej do tworzenia treści, którą Google aktualizowało wcześniej w tym tygodniu. Ścisła integracja oznacza, że ulepszenia Nano Banana bezpośrednio poprawiają każdy produkt zbudowany na jego bazie.

Model jest również dostępny przez API Google, co czyni go dostępnym dla deweloperów budujących własne aplikacje. Pozycjonuje go to zarówno jako funkcję skierowaną do konsumentów, jak i komponent infrastruktury dla narzędzi stron trzecich.

Krajobraz konkurencyjny

Generowanie obrazów jest jednym z najbardziej konkurencyjnych segmentów AI. Modele wielu firm osiągnęły imponujące wyniki na benchmarkach jakości. To, co wyróżnia Nano Banana 2, to kombinacja prędkości, jakości i integracji. Produkowanie doskonałych obrazów wolno, lub produkowanie szybkich obrazów z widocznymi kompromisami jakościowymi, to problemy już rozwiązane. Robienie obu jednocześnie w skali produkcyjnej jest trudniejsze, i to właśnie tę lukę celuje Nano Banana 2.

Dla każdego korzystającego z generowania obrazów AI w procesach produkcyjnych wniosek jest prosty. Poprzeczka dla tego, co lekki, szybki model może wyprodukować, znacznie się podniosła. Prędkość nie musi już odbywać się kosztem jakości, i to zmienia sposób projektowania kreatywnych potoków pracy.