Google 上線兩款多媒體模型：千圖只需 0.034 美元，影片支援對話式精修

想在工作流裡批次生成圖片和影片，算力賬單往往比創意本身更讓人頭疼。

Google 一口氣開放了兩個多媒體模型：主打極致價效比的生圖模型 Nano Banana 2 Lite，以及首次向開發者開放的影片生成與多輪編輯模型 Gemini Omni Flash。兩者目前都已在 Google AI Studio、Gemini API 以及 Gemini 企業級智慧體平臺上架。

4 秒出圖，生一千張才三分錢

Nano Banana 2 Lite 對應的底層代號是 gemini-3.1-flash-lite-image，它從立項開始就是奔著高通量和低延遲去的。

最顯眼的變化在成本。它的呼叫價格被壓到了每 1000 張圖 0.034 美元，相當於人民幣兩毛多錢就能產出一千張圖。

生成速度上，它能把文本轉圖片的延遲壓到 4 秒左右。Google 官方直接建議開發者用它換掉早期的 Nano Banana 舊版。

雖然走的是輕量低價路線，官方表示它依然保留了較好的提示詞遵循度、角色一致性，以及在圖片中渲染文字的能力。

在 Google 的產品生態裡，這個輕量模型正在被塞進各種常用工具。除了 API 渠道，它也同步推向了 Google 搜尋的 AI Mode、Gemini 應用、NotebookLM、Google 相簿、Google Ads 和 Google Flow 等應用。

對話式改影片，還能把兩套模型串起來

另一邊，在今年 Google I/O 上亮相過的 Gemini Omni Flash 也在同日推出了公開預覽版。

這個模型的特點是把多模態推理和影片生成合在一起，支援用文本、影像和已有影片作為輸入，最核心的玩法是可以用日常對話對影片做連續修改。

它的價格定在每秒輸出 0.10 美元，和 Veo 3.1 Fast 持平。官方演示裡展示了數字魔術效果，比如從手機螢幕裡抓出 3D 氣球文字，或者把螢幕裡的水直接倒進真實的玻璃杯中。

不過作為預覽版，它目前還有明顯的限制。Omni Flash 當前單次僅支援生成 10 秒影片，API 暫不支援音訊參考輸入與場景延長，雖然介面接收 3 秒以內的參考影片，但當前模型還無法正確處理，且鏡頭平移或切換場景時角色一致性依然有待最佳化。

Google 還在推一種組合玩法：先用極其廉價的 Nano Banana 2 Lite 快速產出靜態圖，再把它丟給 Omni Flash 動起來，配合 Interactions API 可以最多疊加三輪連續編輯。為了做演示，Google 放出了旅行換景的 Anywhere、室內重灌的 Space Lift，以及面向電商的 Omni Product Studio 三款示例應用。

這兩款模型生成的內容均預設打上了 Google 的 SynthID 數字水印，方便後續核驗。

為什麼重要

對開發者和中小團隊來說，這兩個模型的價值在於把「多媒體流水線」的試錯成本打到了地板價。

過去做電商批次素材或者互動原型，生成上萬張圖片或者試探影片效果，賬單很容易失控。現在用 Nano Banana 2 Lite 做大批次低成本草稿，只挑選滿意的送進 Omni Flash 做動態化，普通創作者也能搭一套輕量廣告工作室，很值得現在進 AI Studio 調一下提示詞。

從行業競爭來看，Google 明顯在針對商業落地打組合拳。它不再單單和對手比拼超高畫質的單張成片，而是靠 Nano Banana 家族拉出清晰的梯隊：2 Lite 負責衝量和極速，2 負責日常主力，Pro 負責高精度專業需求，再加上對話式改影片的 Omni，試圖把企業廣告與內容生產的管線全包攬下來。據 TechCrunch 報道，Google 最近還頂著爭議和獨立製片廠 A24 簽下了 7500 萬美元的合作，可見其滲透專業製作領域的決心。

但我們認為，這種「快而廉價」的策略也有隱患。當前 Omni Flash 在鏡頭移動時的角色一致性問題、音訊參考的缺失，說明它離真正的成片工具還有距離。更現實的挑戰在於，如此低廉的生成門檻極易加劇網路上的低質內容氾濫，如何說服挑剔的專業客戶而不是僅僅淪為資訊流廣告刷量工具，是 Google 接下來要解決的難題。