Google 发布 Nano Banana 2.1:画面更自然,改图更连贯

原文链接: https://deepmind.google/models/model-cards/nano-banana-2-1/ 来源: Google DeepMind 发现于: 小互 · AI 解读站 · 2026/10/7 说明: 本文由 AIHot 自动聚合,并由 GLM 翻译为中文(保留全部代码与链接)


发布于 2026年10月6日

Nano Banana 2.1

https://deepmind.google/models 了解更多 查看 PDF 版本

Model Card 旨在提供 Gemini 模型的关键信息,包括已知限制、缓解措施和安全性能。Model Card 可能会不时更新;例如,随着模型不断改进或修订,纳入更新的评估结果。

发布时间:2026年10月

模型信息

描述

Nano Banana 2.1 是 Gemini 3 系列模型的一员,该系列是一套能力强大、原生多模态的推理模型。Nano Banana 2.1 能够理解来自不同信息源(包括文本和图像)的输入,并在响应中生成图像和文本输出。

模型依赖

Nano Banana 2.1 基于 Gemini 3.6 Flash。

输入

文本字符串(例如,一个 prompt、一份或多份文档)和图像,token 上下文窗口最高可达 1M。

输出

图像,最大输出为 4K token;文本,最大输出为 64K token。

架构

Nano Banana 2.1 基于 Gemini 3.6 Flash。有关 Gemini 3.6 Flash 模型架构的更多信息,请参阅 Gemini 3.6 Flash 的模型卡。


模型数据

训练数据集

Nano Banana 2.1 基于 Gemini 3.6 Flash。有关 Gemini 3.6 Flash 训练数据集的更多信息,请参阅 Gemini 3.6 Flash 的模型卡。

训练数据处理

有关 Nano Banana 2.1 训练数据处理的更多信息,请参阅 Gemini 3.6 Flash 的模型卡。


实现与可持续性

硬件

Nano Banana 2.1 基于 Gemini 3.6 Flash。有关 Nano Banana 2.1 的硬件以及我们持续践行可持续运营承诺的更多信息,请参阅 Gemini 3.6 Flash 的模型卡。

软件

Nano Banana 2.1 基于 Gemini 3.6 Flash。有关 Gemini 3.6 Flash 软件的更多信息,请参阅 Gemini 3.6 Flash 的模型卡。


分发

Nano Banana 2.1 通过以下渠道分发;各渠道相关文档随附于对应链接:

我们的模型通过应用程序接口(API)向下游提供商提供,并须遵守相关使用条款。使用该模型无需特定的硬件或软件。对于 AI Studio 和 Gemini API,请参阅 Gemini API Additional Terms of Service;对于 Gemini Enterprise Agent Platform,请参阅 Google Cloud Platform Terms of Service。更多信息,请参阅 Gemini Model API instructions 和 Gemini API quickstart


评估

评估方法

Nano Banana 2.1 采用以下方法进行评估:

  • 能力 / 基准测试 涵盖图像生成的多个不同质量维度,大致分为两大类:
    • 能力集:使用多样化的 Text-to-Image(T2I)与编辑类公开基准测试以及内部评估,覆盖广泛的能力范围。
      • T2I:通用 Text-to-Image、i18n 文本渲染、事实性(Factuality)(世界知识、EDU 等)、Tool-Use、视觉设计。
      • 编辑:通用图像编辑、风格化、角色编辑、物体/环境编辑、基于墨迹(涂鸦)的编辑、多图像(多产品重构上下文、多角色等),
      • 多轮对话(Multi-Turn):涵盖静态与动态对话。
    • 回归集:基于在 Gemini 2.5 Flash Image 和 Gemini 3 Pro Image 上观察到的热门用例,确保 Nano Banana 2.1 不出现任何明显的能力回退。
  • 评估方法
    • 通过 SxS 人工评估获得多样化 T2I 与编辑任务在整体偏好、设计质量等方面的 Elo 分数。
    • 使用单侧 AutoRater 评估事实性。

结果

以下为截至 2026 年 10 月的结果:

能力:Text-to-Image

能力基准测试 Nano Banana 2.1 (Thinking) Nano Banana 2.1 (No Thinking) Gemini 3.1 Flash Image (“Nano Banana 2” Thinking) Gemini 3 Pro Image (“Nano Banana Pro”)
整体偏好 1050 +/- 14 1015 +/- 13 990 +/- 7 935 +/- 8
信息图表设计 1048 +/ 17 1001 +/- 17 961 +/- 12 912 +/- 12
信息图表事实性 0.521 0.328 0.179 0.265

能力:编辑

能力基准测试 Nano Banana 2.1 (Thinking) Nano Banana 2.1 (No Thinking) Gemini 3.1 Flash Image (“Nano Banana 2” Thinking) Gemini 3 Pro Image (“Nano Banana Pro”)
通用编辑 1026 +/- 12 980 +/- 15 938 +/- 11 939 +/- 10
单角色一致性 1028 +/- 14 1021 +/- 14 981 +/- 10 991 +/- 9
多角色一致性 1106 +/- 14 1068 +/- 14 978 +/- 10 1011 +/- 10
基于遮罩/墨迹的编辑 1049 +/- 15 1042 +/- 16 965 +/- 12 927 +/- 12
产品一致性 1024 +/- 18 981 +/- 18 955 +/- 22 965 +/- 14
风格化 1062 +/- 20 1036 +/- 17 991 +/- 12 990 +/- 12
多参考图编辑 1066 +/- 22 1041 +/- 20 988 +/- 13 989 +/- 12

预期用途与限制

优势与预期用途

Nano Banana 2.1 能够利用 Gemini 的现实世界知识提供精确的结果,并真实反映你周围的世界——从复杂的信息图表到符合历史事实的场景。它非常适合以下类型的应用:

  • 以专业级别的精度和控制力创建与编辑图像,并支持多次快速迭代
  • 为海报和复杂图表生成清晰的文本
  • 长上下文的现实世界知识
  • 跨多种语言的本地化文本渲染

已知限制

Nano Banana 2.1 可能表现出基础模型的一些普遍性局限,例如幻觉。此外,偶尔可能出现响应缓慢或超时问题。

Nano Banana 2.1 在以下方面仍有质量提升空间:

  • 小字号文本渲染效果不佳(在 1k 模型中常常模糊)、长段落、页面长度方面表现欠佳
  • 输入图像与生成的输出图像之间的角色一致性并非总是完美
  • 在基于遮罩/涂鸦的编辑中,指令遵循和墨迹保持能力不完整
  • 在图像编辑过程中,我们观察到极少数主体姿态持续保留的情况,即输入图像的结构对齐被保留在生成的输出图像中
  • 偶尔在空间定位上出现混淆(例如左/右等)
  • 在涉及世界知识、3D 推理和事实性的高级能力方面仍然有限

除此之外,我们还在持续提升越狱(jailbreak)抵抗力,并最近在 Frontier Safety 方面加强了缓解措施。

Gemini 3.6 Flash 的知识截止日期为 2026 年 3 月——在某些领域,用户可以获得更新的信息;而在另一些领域,模型的知识可能仅限于 2025 年 1 月(与 Gemini 3 Model Family 保持一致)。有关已知限制的更多信息,请参阅 Gemini 3.6 Flash 模型卡。

可接受使用

有关 Nano Banana 2.1 可接受使用的更多信息,请参阅 Gemini 3.6 Flash 模型卡片。


伦理与内容安全

评估方法

有关 Nano Banana 2.1 评估方法的更多信息,请参阅 Gemini 3.6 Flash 模型卡片。

安全政策

有关 Nano Banana 2.1 安全政策的更多信息,请参阅 Gemini 3.6 Flash 模型卡片。

人工红队测试结果

我们由模型开发团队之外的专业团队开展人工红队测试,并将高层次发现反馈给模型团队。在儿童安全评估方面,Nano Banana 2.1 满足了规定的发布阈值;这些阈值由专家团队制定,旨在保护在线儿童,并践行 Google 在旗下所有模型和 Google 产品中对儿童安全的承诺。总体而言,在包括儿童安全在内的内容安全政策方面,与 Gemini 3 Flash 相比,我们观察到了相当或更好的安全表现。此外,红队测试的范围还涵盖了我们严格政策之外的潜在问题,并与 Gemini 3.1 Pro 进行了性能比较,未发现任何严重隐患。

前沿安全评估

Nano Banana 2.1 是 Gemini 3 模型家族的一员。为对 Nano Banana 2.1 进行前沿安全评估,我们依据前沿安全框架中所述的对 Gemini 3.1 Pro 和 Gemini 3.7 Flash 的评估结果。我们发现 Gemini 3.1 Pro 和 Gemini 3.7 Flash 均未达到任何追踪或关键能力水平。我们的评估表明,与 Gemini 3.1 Pro 或 Gemini 3.7 Flash 相比,Nano Banana 2.1 不具备有意义的新能力,也没有实质性的性能提升;因此基于这些结果,我们确信 Nano Banana 2.1 同样不太可能达到任何追踪或关键能力水平。

有关我们前沿安全评估的更多信息,请阅读 Gemini 3.1 Pro 模型卡片和 Gemini 3.7 Flash 模型卡片。

风险与缓解措施

有关 Gemini 3 系列(包括 Nano Banana 2.1)风险与缓解措施的更多信息,请参阅 Gemini 3.1 Pro 模型卡片。

最新模型卡片

https://deepmind.google/models/model-cards/nano-banana-2-1/

Nano Banana 2.1

https://deepmind.google/models/model-cards/nano-banana-2-1 了解更多 https://deepmind.google/models/model-cards/gemini-3-8-flash/

Gemini 3.8 Flash

https://deepmind.google/models/model-cards/gemini-3-8-flash 了解更多 https://deepmind.google/models/model-cards/gemini-robotics-on-device-2/

Gemini Robotics On-Device 2

https://deepmind.google/models/model-cards/gemini-robotics-on-device-2 了解更多 https://deepmind.google/models/model-cards/gemini-robotics-er-2/

Gemini Robotics ER 2

https://deepmind.google/models/model-cards/gemini-robotics-er-2 了解更多 https://deepmind.google/models/model-cards/lyria-3-5/

Lyria 3.5

https://deepmind.google/models/model-cards/lyria-3-5 了解更多 https://deepmind.google/models/model-cards/gemini-3-6-flash/

Gemini 3.6 Flash

https://deepmind.google/models/model-cards/gemini-3-6-flash 了解更多