Nano Banana 2 泄露：一窥谷歌下一代AI图像模型
Nano Banana 2 泄露：谷歌下一代 AI 图像模型一览
几个月前，Nano Banana 因能够创建具有收藏风格美学的超逼真 AI 人物而闻名。现在，它再次成为人们关注的焦点 — 这次是出于意想不到的原因。
在11月10日，谷歌下一代图像模型 Nano Banana 2 (NB 2.0) 的早期** 预览版本**短暂出现在第三方平台 Media.io 上。该版本在几小时内就被移除了，但这足以让截图和测试结果在网上广泛流传。
这次短暂的泄露已经在 AI 社区引发了激烈的讨论。那么人们到底看到了什么，Nano Banana 2 如何推动了生成成像的边界呢？
泄露版本的首次印象
在模型被下线前成功测试过它的用户分享了一系列令人瞩目的示例。虽然这些是非官方的，但这些早期结果表明该模型对光线、材料和上下文的理解要深得多。
“理解物理的 AI”
两个早期基准测试，非正式地被称为**“葡萄酒杯测试”** 和**“玻璃汉堡挑战”**，展示了 Nano Banana 2 在处理透明度和折射方面的精确性。
在葡萄酒杯示例中，光线通过玻璃和液体的折射角据报道偏差小于三度 — 这对于生成模型来说是令人印象深刻的物理逼真程度。“玻璃汉堡”测试推动了类似的边界，在单个图像中结合了透明度、反射和逼真的表面纹理。另一个演示 “粉红海洋” 展示了在风格化水面上准确的颜色扩散和光线反射。
更快的生成速度和高保真文字
速度似乎是该模型的强项之一：复杂的 4K 场景据报道在大约10秒 内渲染。
更令人惊讶的是文字渲染的准确性。早期测试人员声称 Nano Banana 2 可以生成完整的 UI 模型，包括可读的菜单、URL，甚至时间戳叠加 — 这些任务传统上对基于扩散的模型来说是一个挑战。
逻辑和数学推理
泄露测试中展示的最有趣的能力可能是视觉推理。给定一张手写数学问题的照片，Nano Banana 2 不仅可以解释问题，还可以生成** 逐步推导**，就像写在数字白板上一样。
这暗示了一种更一体化的多模态理解 — 在一个输出中结合文本、数学和图像推理的能力。
Nano Banana 1 和 2 的对比：从视觉逼真度到认知一致性
为了理解升级的规模，让我们查看 Nano Banana (V1) 和 Nano Banana 2 (V2) 在多个类别中的并排对比。
提示忠实度
提示： “让女孩转身。“
虽然第一个模型可以调整姿势，但它经常会丧失原始艺术风格。相比之下，Nano Banana 2 在执行变换时保留了源的 cel-shaded 美学和线条工作。结果感觉更像是一个真实的编辑而不是重新创作。
物理一致性
提示： “通过了时钟和葡萄酒杯基准测试 — 时钟显示 11:15，葡萄酒杯盛满。“
V2 几乎逐字地遵循了提示，具有正确的照明、时间和反射。V1 捕捉了总体场景，但错过了关键细节 — 这表明较旧模型的场景理解能力更有限。
文字渲染和 UI 模拟
当被要求生成显示 DeepMind 的 Gemini 3 网页的 Windows 11 桌面屏幕截图 时，Nano Banana 2 生成了一个几乎与实际浏览器屏幕截图无差别的布局。文本、图标和界面元素都清晰易读。
相比之下，V1 以扭曲或不可读的文本渲染了相同的提示 — 这是早期扩散模型的常见局限。
视觉推理
提示： “解决这个问题并显示逐步推导。“
这里的改进超越了视觉质量。V1 的解决方案看起来合乎逻辑，但由于转录错误在数学上是不正确的。然而，V2 正确地解释了问题并得出了正确的答案 — 这是视觉模型中真正符号推理的一瞥。
WaveSpeedAI 确认集成
Media.io 上的泄露预览已经被正式关闭，但该模型的未来发布已经在眼前。
WaveSpeedAI 已确认在 Nano Banana 2 公开可用后的集成计划。早期访问将通过白名单计划提供以进行测试和反馈。
与此同时，用户仍然可以直接通过 WaveSpeedAI 的平台探索 Nano Banana (V1) — 这是在 V2 正式推出前欣赏该模型进展的好方法。
最后的想法
如果泄露的结果是真实的，Nano Banana 2 代表的不仅仅是一个增量升级 — 它指向 AI 图像建模的新阶段，其中视觉推理、物理模拟和多模态理解 汇聚在一起。
最终版本是否与这些早期印象相符还有待观察，但一件事很清楚：下一代 AI 图像合成的到来速度比任何人预期的都要快，而且也更聪明。
与我们保持联系
Discord 社区 | X (Twitter) | 开源项目 | Instagram
