Google DeepMind, en hızlı görsel modeli Nano Banana 2 Lite'ı yayımladı

Google DeepMind, Gemini 3.1 Flash-Lite Image adıyla da bilinen Nano Banana 2 Lite'ı yayımladı. Laboratuvar modele en hızlı ve en verimli Gemini görsel modeli diyor; model, bugüne kadarki en düşük maliyetle yüksek hızlı üretim ve düzenleme sunmak üzere tasarlandı. Model, Gemini uygulamasının Flash-Lite modunda, Google AI Studio'da, Gemini API'de ve Gemini Enterprise Agent Platform'da kullanılabilir.

Hız, maliyet ve karakter tutarlılığı

Model üç iddia etrafında konumlandırılıyor: fikirler üzerinde çalışırken belirgin biçimde azalan gecikme, ağır üretim modellerinin maliyetinin küçük bir bölümüne binlerce görsel üretmeye yetecek kadar düşük bir fiyat ve şirkete göre kontrolden ödün vermeyen kalite — karakter tutarlılığı, hassas düzenleme ve gerçek dünya bilgisi. Lansmanla birlikte bir model kartı ile görsel üretimi ve düzenleme Elo puanları, 1k çözünürlüklü görsel başına gecikme ve fiyat karşılaştırma grafikleri yayımlandı.

İlk kullanıcılar ve rakamları

Sesle kontrol edilen bir televizyon oyunu geliştiren Latitude, modelin tutarlı ve yüksek kaliteli 1k görselleri Gemini 3.1 Flash Image'a göre yaklaşık 2,7 kat daha hızlı ürettiğini, tek bir API üzerinden metinden görsel üretimini, düzenlemeleri ve çoklu görsel kompozisyonunu işlediğini belirtti. Manus ise modeli özerk iş akışları içinde gerçek zamanlı görsel üretimi için test ettiklerini ve kalitenin tam Nano Banana 2'ye yaklaştığını söyledi. Locket'in kurucusu, milyonlarca aktif kullanıcıya ölçeklenebilen bir fiyatta karakter tutarlılığına ve düşük gecikmeye dikkat çekti. Tanıtım sayfasında tüketici demoları da yer alıyor: odaları yeniden tasarlayan Space Lift, Gridscape'in görsel öğrenme tuvali, metni görsele çeviren Peek-A-Word ve kişiselleştirilmiş kartpostallar üreten 3B küre Anywhere.

Bilinen sınırlar ve filigran

DeepMind, modelin zayıf noktalarını açıkça sıralıyor. Model küçük yüzlerde, doğru yazımda ve ince ayrıntılarda hâlâ zorlanabiliyor; gerçek dünya bilgisi geniş ama yanılmaz değil. Çevrilmiş veya yerelleştirilmiş metinler dilbilgisi ve kültürel nüans açısından sorunlu olabiliyor; maskeli düzenleme, gündüzden geceye ışık değişimi ya da birden çok görseli birleştirme gibi gelişmiş işlemler doğal olmayan sonuçlar üretebiliyor. Görsellere, DeepMind'ın yapay zekâyla üretilen görüntülerin tanımlanmasını sağlayan görünmez dijital filigranı SynthID eşlik ediyor.