Google DeepMind-ը թողարկել է Nano Banana 2 Lite-ը՝ պատկերների իր ամենաարագ մոդելը

Google DeepMind-ը թողարկել է Nano Banana 2 Lite-ը, որը հայտնի է նաև Gemini 3.1 Flash-Lite Image անունով։ Լաբորատորիան այն անվանում է Gemini-ի պատկերների ամենաարագ և ամենաարդյունավետ մոդելը՝ ստեղծված բարձր արագությամբ գեներացիայի և խմբագրման համար մինչև այժմ եղած ամենացածր գնով։ Մոդելը հասանելի է Gemini հավելվածի Flash-Lite ռեժիմում, Google AI Studio-ում, Gemini API-ում և Gemini Enterprise Agent Platform հարթակում։

Արագություն, գին և կերպարի հետևողականություն

Մոդելը կառուցված է երեք դրույթների շուրջ՝ զգալիորեն կրճատված ուշացում գաղափարների վրա աշխատելիս, բավական ցածր գին, որ հազարավոր պատկերների գեներացումը ծանր արտադրական մոդելների արժեքի մի մասով հնարավոր լինի, և որակ, որը, ընկերության խոսքով, չի կորցնում վերահսկողությունը՝ կերպարի հետևողականություն, ճշգրիտ խմբագրում և իրական աշխարհի իմացություն։ Թողարկման հետ հրապարակվել են մոդելի քարտը և համեմատական գրաֆիկներ պատկերների գեներացիայի ու խմբագրման Elo գնահատականների, 1k լուծաչափի պատկերի ուշացման և գնի վերաբերյալ։

Առաջին օգտատերերը և նրանց թվերը

Latitude-ը՝ ձայնով կառավարվող հեռուստախաղի ստեղծողը, հայտնել է, որ մոդելը կայուն, բարձրորակ 1k պատկերներ է տալիս մոտ 2,7 անգամ ավելի արագ, քան Gemini 3.1 Flash Image-ը, և մեկ API-ի միջոցով մշակում է տեքստից պատկերի գեներացիա, խմբագրումներ և մի քանի պատկերների կոմպոզիցիա։ Manus-ի համահիմնադրի խոսքով՝ ընկերությունը մոդելը փորձարկում է ինքնավար աշխատանքային հոսքերում իրական ժամանակում պատկերներ ստեղծելու համար, և որակը մոտենում է ամբողջական Nano Banana 2-ին։ Locket-ի հիմնադիրը նշել է կերպարի հետևողականությունը և ցածր ուշացումը միլիոնավոր ակտիվ օգտատերերի համար մասշտաբավորվող գնով։ Էջում ներկայացված են նաև սպառողական ցուցադրություններ՝ Space Lift-ը՝ սենյակների վերաձևավորման համար, Gridscape-ի վիզուալ կտավը, Peek-A-Word-ը՝ տեքստը պատկերների վերածելու համար, և Anywhere-ը՝ 3D գլոբուս, որը անհատականացված բացիկներ է ստեղծում։

Հայտնի սահմանափակումներ և ջրանիշ

DeepMind-ը բացահայտ թվարկում է մոդելի թույլ կողմերը։ Նրան դեռ դժվար են տրվում փոքր դեմքերը, տեքստի ճիշտ ուղղագրությունը և մանր մանրամասները, իսկ իրական աշխարհի իմացությունը ծավալուն է, բայց անսխալ չէ։ Թարգմանված կամ լոկալիզացված տեքստը կարող է ունենալ քերականական ու մշակութային անճշտություններ, իսկ բարդ խմբագրումները՝ դիմակով խմբագրում, ցերեկվա լույսը գիշերայինով փոխարինելը կամ մի քանի պատկերի միաձուլումը, երբեմն անբնական արդյունք են տալիս։ Պատկերներին ուղեկցում է SynthID-ը՝ DeepMind-ի գործիքը, որը անտեսանելի թվային ջրանիշ է ներկառուցում, որպեսզի AI-ով ստեղծված պատկերները հնարավոր լինի ճանաչել։