Fuga de Nano Banana 2: Un Vistazo al Próximo Modelo de IA de Imágenes de Google

Hace unos meses, Nano Banana se hizo conocido por crear figuras de IA hiper-realistas con estéticas de estilo coleccionable. Ahora, está de vuelta en el centro de atención — esta vez por una razón inesperada.

El 10 de noviembre, una compilación de vista previa anticipada del próximo modelo de imágenes de Google, Nano Banana 2 (NB 2.0), apareció brevemente en la plataforma de terceros Media.io. La compilación fue eliminada en cuestión de horas, pero fue tiempo suficiente para que las capturas de pantalla y los resultados de pruebas circularan ampliamente en línea.

La fuga de corta duración ya ha provocado una intensa discusión en toda la comunidad de IA. Entonces, ¿qué vieron realmente las personas y cuán lejos empuja Nano Banana 2 los límites de la generación de imágenes?

Primeras Impresiones de la Fuga

Los usuarios que lograron probar el modelo antes de que fuera retirado compartieron una serie de ejemplos cautivadores. Aunque no oficiales, estos resultados tempranos sugieren un modelo con una comprensión mucho más profunda de la luz, los materiales y el contexto.

”IA que Entiende la Física”

Dos puntos de referencia tempranos, apodados informalmente la “Prueba de la Copa de Vino” y el “Desafío de la Hamburguesa de Vidrio,” demostraron cuán precisamente Nano Banana 2 puede manejar la transparencia y la refracción.

En el ejemplo de la copa de vino, se informó que el ángulo de refracción de la luz a través del vidrio y el líquido desviaba menos de tres grados — un nivel impresionante de realismo físico para un modelo generativo. La prueba de “Hamburguesa de Vidrio” empujó límites similares, combinando transparencia, reflexión y textura de superficie realista en una sola imagen. Otra demostración, el “Océano Rosa,” mostró difusión de color precisa y reflexión de luz en toda una superficie de agua estilizada.

Generación Más Rápida y Texto de Alta Fidelidad

La velocidad parece ser uno de los puntos fuertes del modelo: escenas 4K complejas se representaron aparentemente en alrededor de 10 segundos.

Más sorprendente es la precisión de la representación de texto. Los primeros probadores afirman que Nano Banana 2 puede generar maquetas de interfaz de usuario completas, con menús legibles, URLs e incluso superposiciones de marca de tiempo — tareas que han desafiado tradicionalmente a los modelos basados en difusión.

Razonamiento Lógico y Matemático

Quizás la capacidad más intrigante demostrada en las pruebas filtradas fue el razonamiento visual. Dada una foto de un problema de matemáticas escrito a mano, Nano Banana 2 no solo podía interpretar la pregunta sino también generar una derivación paso a paso como si estuviera escrita en una pizarra digital.

Esto sugiere una comprensión multimodal más integrada — la capacidad de combinar el razonamiento de texto, matemáticas e imagen en una sola salida.

Comparación entre Nano Banana 1 y 2: Del Realismo Visual a la Coherencia Cognitiva

Para entender la magnitud de la actualización, veamos comparaciones lado a lado entre Nano Banana (V1) y Nano Banana 2 (V2) en varias categorías.

Fidelidad de Indicación

Indicación: “Haz que la chica se gire.”

Aunque el primer modelo podía ajustar la postura, a menudo perdía el estilo de arte original. En contraste, Nano Banana 2 preservó la estética cel-shaded y el trabajo de línea del original mientras realizaba la transformación con precisión. El resultado se siente más como una edición verdadera que una recreación.

Consistencia Física

Indicación: “Pasó la prueba de referencia del reloj y la copa de vino sin falta — 11:15 en el reloj, copa de vino llena hasta el borde.”

V2 siguió la indicación casi literalmente, con iluminación correcta, tiempo y reflexiones. V1 capturó la escena general pero perdió detalles clave — una señal de la comprensión de escena más limitada del modelo más antiguo.

Representación de Texto y Simulación de Interfaz de Usuario

Cuando se le pidió que generara una captura de pantalla de un escritorio Windows 11 mostrando la página web de Gemini 3 de DeepMind, Nano Banana 2 produjo un diseño casi indistinguible de una captura de pantalla real del navegador. El texto, los iconos y los elementos de la interfaz eran todos nítidos y legibles.

En comparación, V1 renderizó la misma indicación con texto distorsionado o ilegible — una limitación común de los modelos de difusión anteriores.

Razonamiento Visual

Indicación: “Resuelve esta pregunta y muestra la derivación paso a paso.”

Aquí, la mejora va más allá de la calidad visual. La solución de V1 parecía lógica pero era matemáticamente incorrecta debido a errores de transcripción. V2, sin embargo, interpretó correctamente el problema y derivó la respuesta correcta — un vistazo del razonamiento simbólico genuino en un modelo visual.

WaveSpeedAI Confirma Integración

La vista previa filtrada en Media.io ha sido cerrada oficialmente, pero el futuro lanzamiento del modelo ya está en el horizonte.

WaveSpeedAI ha confirmado planes para integrar Nano Banana 2 una vez que esté disponible públicamente. Se proporcionará acceso anticipado a través de un programa de lista de espera para pruebas y retroalimentación.

Mientras tanto, los usuarios aún pueden explorar Nano Banana (V1) directamente a través de la plataforma de WaveSpeedAI — una buena manera de apreciar cuán lejos ha llegado el modelo antes del debut oficial de V2.

• Prueba Nano Banana (Edición)
• Prueba Nano Banana (Texto a Imagen)

Reflexiones Finales

Si los resultados filtrados son auténticos, Nano Banana 2 representa más que solo una actualización incremental — apunta hacia una nueva fase de modelado de imágenes de IA donde el razonamiento visual, la simulación de física y la comprensión multimodal convergen.

Ya sea que el lanzamiento final coincida con estas impresiones tempranas está por verse, pero una cosa es clara: la próxima generación de síntesis de imágenes de IA está llegando más rápido, y más inteligente, de lo que nadie esperaba.