Google 升级 Gemini 图像编辑：换装换背景不走样，支持多图合成

想给合照里的自己换件衣服，结果 AI 直接顺手给你换了一张脸，这种抓狂的体验很多人都遇到过。

Google 正式在 Gemini 应用中上线了由 Google DeepMind 研发的新图像编辑模型，官方定名为 Gemini 2.5 Flash Image。开发者也可以通过 Gemini API、Google AI Studio 和 Vertex AI 调用它。

前阵子在匿名评测平台 LM Arena 上，有个代号叫 nano-banana 的神秘模型突然霸榜，把 Black Forest Labs 的 Flux-Kontext 甩在身后。大家猜了半天，现在 Google 自己揭晓了谜底。

换衣服可以，别动我的脸

传统的文生图模型最大的痛点就是缺乏一致性。你让它改改背景，它往往连主角的长相、宠物的斑纹一起重新抽卡，改到最后人已经不是原来的人了。

这次更新最核心的突破就是保真度。Google DeepMind 视觉生成模型产品主管 Nicole Brichtova 解释，他们特别针对人物和宠物的长相特征做了优化，避免那种看起来很像但又不太对劲的违和感。

现在只要给 Gemini 一张照片，让它给你换个复古发型，或者给家里的吉娃娃穿上一件芭蕾舞裙，主体特征都能稳稳保留。

除了单张图微调，它还支持多图融合。比如你分别上传一张自己的照片和一张小狗的照片，可以让它把你们俩天衣无缝地放到一个篮球场里。

它还支持多轮连续修改。你丢给它一张空房间的照片，先让它给墙壁刷上油漆，再接着说加一个书架，然后再添一张咖啡桌。在这个过程中，模型只改动你指定的部分，其余画面完好无损。

得益于多模态推理能力，它还能做风格迁移，比如把花瓣的纹理质感挪到一双雨靴上。API 调用的定价则是每张图 0.039 美元，比 OpenAI 的 gpt-image 和 BFL 的 Flux-Kontext 都稍便宜一些。

所有通过 Gemini 编辑生成的图片都会带有可见水印，并在元数据中嵌入不可见的 SynthID 数字水印。为了防止滥用，Google 的服务条款明确禁止生成未经同意的亲密图像。

为什么重要

对于日常修图的用户和自媒体创作者来说，这个模型完全值得现在就去试。它把过去需要在专业软件里抠图、蒙版、反复微调的门槛，压缩成了一句自然语言指令。拿它来做家居软装搭配、角色设计概念图或者宠物表情包，效率会高出不少。

对行业竞争而言，Google 显然是在抢夺被 ChatGPT 分走的流量。目前 ChatGPT 周活跃用户已突破 7 亿，而 Google 首席执行官 Sundar Pichai 在 7 月财报会上透露 Gemini 的月活跃用户为 4.5 亿，换算成周活差距更大。之前 OpenAI 靠着 GPT-4o 掀起一波吉卜力风格热潮，把 GPU 跑冒烟；Meta 上周选择接入 Midjourney，大厂对视觉创作入口的争夺已经白热化。

我们认为，Google 这一步走得相当实在。它没有去硬拼极致的艺术大片生成，而是死磕一致性和多轮编辑，精准踩中了普通用户最核心的痛点。隐患在于，社交网络上的普通人很少会去查看元数据里的 SynthID，生成图越逼真、改动越自然，防范假图传播的压力就会成倍放大。