谷歌Gemini 2.5：图像生成与编辑的革命性飞跃

智东西8月27日报道，今日，谷歌隆重推出了Gemini 2.5 Flash Image，此模型堪称谷歌在图像生成与编辑领域的巅峰之作。

该模型的核心亮点，无疑是其强大的图像编辑能力。谷歌声称，此模型能够将多个图像无缝融合至单一图像中，确保角色与场景的极高一致性，并能通过自然语言进行精准修改，同时充分利用Gemini的全球知识库。

这一特性解锁了众多有趣的应用场景，例如，根据特定视觉模板打造“球星卡”级别的设计，让每个人都能轻松体验顶级运动员的专属待遇。

此模型与谷歌Veo 3等视频生成模型相得益彰，结合使用可创造丰富的视频效果。海外AI创意平台Kera AI已用类似模式制作了一部广告大片。

诺贝尔奖得主、谷歌DeepMind联合创始人兼CEO Demis Hassabis特地发推，利用自己的照片为新模型宣传，展示了Gemini 2.5 Flash Image的角色一致性。他将照片背景改为古典风格，而人物面貌保持不变。

这款模型在上周以“nano-banana（小香蕉）”的代号出现在大模型竞技场中，并赢得了用户超过200万票的认可。正式揭晓后，Gemini 2.5 Flash Image在文生图与图像编辑领域均荣获全球第一，在图像编辑榜单上更是取得1362的高分，领先第二名的幅度接近15%。

在谷歌公布的基准测试中，Gemini 2.5 Flash Image在用户综合喜好度、人物、创造力、信息图、物体和环境的生成上均领先GPT-4o图像生成、Flux.1 Kontext（max）、Qwen Image Edit等模型，但在风格化能力上与GPT-4o图像生成仍有差距。

Gemini 2.5 Flash Image主要面向开发者，目前可在Gemini API、Google AI Studio以及面向企业的Vertex AI中访问。

Gemini API地址：https://ai.google.dev/gemini-api/docs/image-generation

该模型的价格为30美元/100万个输出token，每张图像包含1290个输出token，每张图像的价格约为**美元（折合人民币**元）。所有其他输入和输出模态均遵循Gemini 2.5 Flash的定价。

为了让开发者更轻松地运用Gemini 2.5 Flash Image构建AI应用，谷歌对AI Studio的“构建模式（Built Mode）”进行了重大更新。开发者可以利用AI打造应用程序，快速测试新模型的功能。

准备发布应用时，开发者可直接从谷歌AI Studio进行部署，或保存代码至GitHub。谷歌还在博客中分享了多个案例：

超强角色一致性，助Altman一键穿越

保持多轮对话和编辑中的角色与对象外观一致性，是图像生成与编辑的重大挑战。谷歌的Gemini 2.5 Flash Image允许用户将同一角色置于不同环境中，从不同角度展示单个产品，或生成一致的品牌资产，同时保留主题。

在示例应用中，用户只需上传一张自拍，即可生成从50年代到千禧年的六张写真，每一张都带有当时的时代特色，而用户的面貌始终保持不变。

智东西也上传了OpenAI联合创始人兼首席执行官Sam Altman的照片。谷歌的新模型让Altman一键穿越回过去，画面质感超真实，每个年代的服饰、发型都精准还原。

一句话精准P图，光线、色彩全可自定义

...