Google 上线两款多媒体模型：千图只需 0.034 美元，视频支持对话式精修

想在工作流里批量生成图片和视频，算力账单往往比创意本身更让人头疼。

Google 一口气开放了两个多媒体模型：主打极致性价比的生图模型 Nano Banana 2 Lite，以及首次向开发者开放的视频生成与多轮编辑模型 Gemini Omni Flash。两者目前都已在 Google AI Studio、Gemini API 以及 Gemini 企业级智能体平台上架。

4 秒出图，生一千张才三分钱

Nano Banana 2 Lite 对应的底层代号是 gemini-3.1-flash-lite-image，它从立项开始就是奔着高通量和低延迟去的。

最显眼的变化在成本。它的调用价格被压到了每 1000 张图 0.034 美元，相当于人民币两毛多钱就能产出一千张图。

生成速度上，它能把文本转图片的延迟压到 4 秒左右。Google 官方直接建议开发者用它换掉早期的 Nano Banana 旧版。

虽然走的是轻量低价路线，官方表示它依然保留了较好的提示词遵循度、角色一致性，以及在图片中渲染文字的能力。

在 Google 的产品生态里，这个轻量模型正在被塞进各种常用工具。除了 API 渠道，它也同步推向了 Google 搜索的 AI Mode、Gemini 应用、NotebookLM、Google 相册、Google Ads 和 Google Flow 等应用。

对话式改视频，还能把两套模型串起来

另一边，在今年 Google I/O 上亮相过的 Gemini Omni Flash 也在同日推出了公开预览版。

这个模型的特点是把多模态推理和视频生成合在一起，支持用文本、图像和已有视频作为输入，最核心的玩法是可以用日常对话对视频做连续修改。

它的价格定在每秒输出 0.10 美元，和 Veo 3.1 Fast 持平。官方演示里展示了数字魔术效果，比如从手机屏幕里抓出 3D 气球文字，或者把屏幕里的水直接倒进真实的玻璃杯中。

不过作为预览版，它目前还有明显的限制。Omni Flash 当前单次仅支持生成 10 秒视频，API 暂不支持音频参考输入与场景延长，虽然接口接收 3 秒以内的参考视频，但当前模型还无法正确处理，且镜头平移或切换场景时角色一致性依然有待优化。

Google 还在推一种组合玩法：先用极其廉价的 Nano Banana 2 Lite 快速产出静态图，再把它丢给 Omni Flash 动起来，配合 Interactions API 可以最多叠加三轮连续编辑。为了做演示，Google 放出了旅行换景的 Anywhere、室内重装的 Space Lift，以及面向电商的 Omni Product Studio 三款示例应用。

这两款模型生成的内容均默认打上了 Google 的 SynthID 数字水印，方便后续核验。

为什么重要

对开发者和中小团队来说，这两个模型的价值在于把「多媒体流水线」的试错成本打到了地板价。

过去做电商批量素材或者交互原型，生成上万张图片或者试探视频效果，账单很容易失控。现在用 Nano Banana 2 Lite 做大批量低成本草稿，只挑选满意的送进 Omni Flash 做动态化，普通创作者也能搭一套轻量广告工作室，很值得现在进 AI Studio 调一下提示词。

从行业竞争来看，Google 明显在针对商业落地打组合拳。它不再单单和对手比拼超高画质的单张成片，而是靠 Nano Banana 家族拉出清晰的梯队：2 Lite 负责冲量和极速，2 负责日常主力，Pro 负责高精度专业需求，再加上对话式改视频的 Omni，试图把企业广告与内容生产的管线全包揽下来。据 TechCrunch 报道，Google 最近还顶着争议和独立制片厂 A24 签下了 7500 万美元的合作，可见其渗透专业制作领域的决心。

但我们认为，这种「快而廉价」的策略也有隐患。当前 Omni Flash 在镜头移动时的角色一致性问题、音频参考的缺失，说明它离真正的成片工具还有距离。更现实的挑战在于，如此低廉的生成门槛极易加剧网络上的低质内容泛滥，如何说服挑剔的专业客户而不是仅仅沦为信息流广告刷量工具，是 Google 接下来要解决的难题。