Related articles
《科创板日报》9 月 1 日讯 一张三维建模图、一个手办模型、一个印有 「Nano-banana」 字样的包装盒……在刚刚过去的周末，朋友圈突然涌现出大量雷同的 「3D 打印手办」 图片。这些手办或是明星角色，或是家中宠物，种类繁多令人眼花缭乱。此时此刻，在某社交平台上以 「手办」 为关键词进行搜索，同样会看到许多相似的内容。
与此形成呼应的是，今日早盘，3D 打印概念震荡拉升。截至发稿，海正生材、长江材料等多股涨停，金橙子、思看科技等纷纷上涨。
然而，这场 3D 打印热潮背后的真正主角，却是谷歌推出的一款代号 「纳米香蕉」（Nano-banana） 的图像生成与编辑模型。前文提到的 「3D 打印手办」 图片，便是 Nano-banana 的 「杰作」。简单来说，通过上传人物或动物图片素材，再输入特定提示词和指令，该模型便能够将人像转化为同款 「手办」。不过与真正手办不同的是，Nano-banana 生成的 「手办」 仅存在于图片之中。
据悉，这款模型正式名称为 Gemini 2.5 Flash Image，自 8 月 26 日正式上线后，其凭借图像编辑实测中的惊艳效果迅速出圈。在海外知名 AI 排行平台 LMArena 的最新榜单中，Nano-banana 以 1362 的分数位列第一，大幅领先于第二名 flux（1191） 和 GPT（1170）。
除了 「做手办」 外，Nano-banana 还有许多使用场景，比如能够将用户提供的多个素材图，按照要求进行融合。据 3D 数字艺术家特拉维斯·戴维斯测试，该模型能够同时驾驭多达 13 个图片素材，并将他们全部融为一张图。
在谷歌 Gemini 官方转发的使用案例中，用户只需在地图上画出 「箭头」，Nano-banana 便会利用其世界知识推理具体位置与画面，从而将卫星图转换为风景图。此外，按照官方说法，该模型同时具备图片生成与修改、局部重绘、风格迁移等图片编辑能力。
实现上述效果的关键在于 Nano-banana 以下核心能力：跨图一致性、多图融合、对话式/指令式精细编辑、以及 「借助 Gemini 世界知识」 带来的更强常识/语义理解。目前，用户可通过 Gemini App、API 等方式访问 Nano-banana，其 API 定价为每百万输出 token30 美元。具体而言，生成单张图片约消耗 1290 个输出 token，折算成本约 0.039 美元。
值得一提的是，截至目前诸多海外平台如 Adobe、WPP、Figma 等已在真实平台迅速集成 Nano-banana 并验证生产力提升，同时给出了高度评价。华福证券表示，谷歌 Nano-banana 出圈意味着多模态模型向更高能力突破，同时看好多模态领域的爆发。
现如今，AI 图像模型已成为科技巨头的核心竞争领域。3 月 26 日，OpenAI 推出基于 GPT-4o 模型的图像生成功能——Images in ChatGPT，标志着 ChatGPT 正式实现从单一语言模型向全模态智能体的跨越。8 月 23 日，Meta 宣布将与 Midjourney 合作开发图像和视频生成技术。
华泰证券认为，原生多模态模型架构得到业界认可，OpenAI 和 Google 的原生多模态模型已经在性能、延时、部署上展现出了优势。整体而言，多模态为主的产品商业化快于文本产品，从大模型到多模态已是商业化的必由之路，多模态大模型和应用发展的奇点将至。
就投资层面来看，该机构指出，多模态有望在算力和应用两方面带来相关投资机会。算力侧，供给端原生多模态模型需要比非原生模型更多的算力，需求端视频的推理算力需求远大于文字，视频 Agent 的落地进一步催生推理算力需求。应用侧，供给端国内的视频生成模型领先，需求端广告、零售、创作、教育等领域均有 AI 化需求。
