De acordo com notícias de 27 de agosto, na terça-feira, o Google lançou uma nova geração de modelo de geração e edição de imagens AI Gemini 2.5 Flash Image (codinome "Nano Banana").O modelo agora está totalmente integrado aos recursos de edição de imagens do aplicativo Gemini.

Gemini 2.5 Flash Image já está disponível para visualização por meio da Gemini API, Google AI Studio e plataforma Vertex AI, e a versão estável deverá ser lançada oficialmente dentro de algumas semanas. Este modelo adota o modelo de faturamento de token.O preço é de US$ 30 por 1 milhão de tokens de saída, uma única imagem é contada fixamente como 1.290 tokens de saída (aproximadamente US$ 0,039 por imagem), e os padrões de cobrança para outros modos de entrada e saída são consistentes com o Gemini 2.5 Flash.

O Google disse em uma postagem técnica no blog que esta atualização traz quatro funções principais:Ele suporta fusão inteligente de múltiplas imagens, mantém a consistência dos personagens em diferentes telas para melhorar o desempenho narrativo, permite edição direcional precisa por meio de linguagem natural e usa a base de conhecimento mundial da Gemini para geração e processamento de imagens.

No início deste ano, quando o Google lançou pela primeira vez a função de geração de imagem nativa no Gemini 2.0 Flash, sua baixa latência, desempenho de alto custo e facilidade de uso foram bem recebidos pelos usuários, mas também houve feedback sobre como melhorar a qualidade da saída da imagem e aprimorar o controle criativo.

Para reduzir o limite de desenvolvimento, o Google atualizou simultaneamente o “modo de construção” do Google AI Studio (mais recursos serão lançados no futuro). Os desenvolvedores agora podem não apenas testar rapidamente os recursos de aplicação de IA do modelo, mas também realizar a reorganização criativa e a implementação do conceito por meio de um único comando. Depois de concluir a construção do aplicativo, os usuários podem implantar diretamente do Google AI Studio ou salvar o código no repositório GitHub com um clique.

Os desenvolvedores podem tentar inserir comandos como “Construir um aplicativo de edição de imagens que ofereça suporte aos usuários para fazer upload de imagens e aplicar filtros diferentes” ou selecionar modelos predefinidos para criação secundária. As funções acima são atualmente gratuitas e abertas para uso.

Mantenha a consistência das funções

Um desafio central que há muito enfrenta o campo da geração de imagens é como manter a consistência da aparência de um personagem ou objeto em vários processos de entrada e edição de comandos. Agora, os usuários podem posicionar com flexibilidade o mesmo personagem em diferentes contextos ambientais, apresentar um único produto em uma nova cena a partir de vários ângulos ou gerar ativos de marca com um estilo visual altamente unificado, tudo isso garantindo que as características principais permaneçam inalteradas.

O Google fornece um aplicativo de modelo personalizável (com suporte para programação visual) no Google AI Studio para demonstrar visualmente os poderosos recursos do modelo na consistência de funções.

Além da consistência dos personagens, o modelo também possui excelentes capacidades de adaptação visual de modelos. Atualmente, os desenvolvedores o aplicaram a uma variedade de cenários práticos, como cartões de listagem de imóveis, crachás uniformes de funcionários e renderizações dinâmicas de catálogos de produtos. Tudo isso pode ser alcançado com apenas um modelo de design básico.

Edição de imagens baseada em comandos

Gemini 2.5 Flash Image permite aos usuários obter transformação direcional e edição local precisa por meio de instruções em linguagem natural. Funções específicas incluem desfocar o fundo da imagem, remover manchas de camisetas, remover completamente uma pessoa da foto, ajustar a postura do sujeito, colorir fotos em preto e branco e quaisquer outras necessidades de edição que os usuários possam realizar por meio da descrição em linguagem natural.

Para apresentar visualmente essas funções, o Google desenvolveu um aplicativo de modelo de edição de fotos de modo duplo no Google AI Studio, que fornece uma interface visual e métodos puros de interação de controle de comando.

Integre o conhecimento do mundo nativo

Os modelos tradicionais de geração de imagens tendem a focar na representação estética, mas apresentam deficiências óbvias na compreensão semântica profunda do mundo real.O Gemini 2.5 Flash Image depende da enorme base de conhecimento mundial do Gemini para romper essa limitação e abrir uma nova dimensão de aplicação para geração de imagens.

Por exemplo, o Google criou um aplicativo de modelo no Google AI Studio que transformou uma tela simples em uma ferramenta de treinamento educacional interativa, demonstrando a capacidade abrangente do modelo de analisar diagramas desenhados à mão, responder a perguntas do mundo real e executar instruções de edição complexas em uma única etapa.

Fusão inteligente de múltiplas imagens

Gemini 2.5 Flash Image pode compreender e fundir de forma inteligente várias imagens de entrada simultaneamente. Os usuários podem incorporar objetos naturalmente em novas cenas, redefinir estilos de ambientes por meio de esquemas de cores ou texturas de materiais e concluir a fusão de múltiplas imagens com apenas um comando.

Para demonstrar esse recurso, o Google lançou um aplicativo de modelo dedicado no Google AI Studio. Os usuários podem colocar produtos em novas cenas simplesmente arrastando e soltando e gerando rapidamente imagens de fusão altamente realistas.

O novo líder na competição de imagens de IA

O lançamento do Gemini 2.5 Flash Image marca que o Google está diminuindo a distância com seus concorrentes e pretende competir diretamente com empresas como OpenAI e Adobe.

O modelo foi apresentado de forma discreta, mas bem-sucedida, antes de sua estreia oficial.Após sua aparição anônima na plataforma de testes cegos de crowdsourcing LMArena sob o pseudônimo de "nano-banana", ele rapidamente gerou discussões acaloradas na comunidade de IA e se tornou o modelo de edição de imagens mais bem avaliado do mundo.David Sharon, chefe de aplicativos Gemini, elogiou sua resposta ao mercado: "O feedback dos primeiros usuários foi muito entusiasmado e ele se tornou o modelo de edição de imagens com melhor classificação no mundo."

Este lançamento é sem dúvida uma resposta importante do Google ao mercado cada vez mais competitivo de IA. Em março deste ano, a OpenAI integrou o seu gerador de imagens GPT-4o diretamente no ChatGPT, o que não só provocou um aumento na participação dos utilizadores, mas também estabeleceu um novo padrão para a integração de ferramentas de IA através de uma série de conteúdos virais que demonstram o seu poder e facilidade de utilização.

Ao mesmo tempo, a gigante do software criativo Adobe também está fortalecendo ativamente seu principal produto, o Photoshop. Os três recursos recentemente lançados pela Firefly, nomeadamente "Harmonize" que combina automaticamente cor e iluminação, "Generative Upscale" que melhora a resolução e a melhorada "Remove Tool", consolidam ainda mais a sua posição no campo profissional.

A pressão competitiva forçou até mesmo os gigantes da indústria a ajustarem as suas estratégias. Depois que a Meta encontrou obstáculos no desenvolvimento interno, optou por licenciar a tecnologia da Midjourney. Wang Tao, chefe da Meta AI, considera isso um movimento necessário e enfatiza que a empresa precisa adotar uma “estratégia abrangente” para fornecer produtos ideais.

Esta dinâmica de mercado reflete o desenvolvimento polarizado da indústria de IA: por um lado, intensificação da consolidação entre grandes empresas e, por outro lado, rápida segmentação profissional. Cada vez mais empresas emergentes estão focadas na resolução de problemas específicos de longo prazo. Por exemplo, o modelo FLUX.1 Krea lançado pelo Black Forest Labs foi projetado para romper o "estilo AI" comum e obter efeitos de imagem mais realistas; O modelo Qwen-Image de código aberto do Alibaba tem excelente desempenho na solução do principal problema técnico de renderização de texto legível no sistema de geração.

Equilibrando criatividade e segurança

O anúncio do Google e a subsequente introdução de novas medidas de segurança podem ser vistos como uma resposta importante aos contratempos nas suas capacidades iniciais de geração de imagens de IA. Anteriormente, o Gemini causou polêmica generalizada devido a problemas de precisão com as imagens históricas geradas, o que levou a empresa a suspender o recurso e realizar uma otimização abrangente. A versão renovada de hoje vem com proteções de segurança mais rígidas.

Em resposta às ameaças cada vez mais desenfreadas de deepfakes e desinformação, o Google anunciou que implementará marcas d’água em todo o conteúdo gerado por IA. Cada imagem não contém apenas um logotipo visível, mas também incorpora uma marca d’água digital invisível SynthID criptografada, garantindo que o conteúdo gerado por IA possa ser claramente identificado.

Esta abordagem contrasta fortemente com as dificuldades jurídicas enfrentadas pelos concorrentes. Midjourney está atualmente enfrentando ações judiciais de direitos autorais da Disney e da Universal Pictures por suposta violação de dados de treinamento. O conselheiro geral da Disney, Horacio Gutierrez, assumiu uma posição firme, dizendo: "Pirataria é pirataria. O facto de uma empresa de IA se envolver neste tipo de conduta não diminui a sua natureza infratora."

Ao mesmo tempo, toda a indústria também enfrenta questões sobre a fiabilidade dos benchmarks de IA. Como aponta o estrategista de IA Nate Jones: “Quando buscamos demais as classificações da tabela de classificação, corremos o risco de desenvolver modelos que tenham um bom desempenho em testes específicos, mas que não consigam resolver problemas do mundo real”.

Contudo,Ao integrar ferramentas de edição poderosas e fáceis de usar em seu principal produto de IA, o Google está tentando atrair usuários convencionais com conveniência e controle criativo. Esta estratégia não apenas posiciona o Gemini como um chatbot, mas também o transforma em um mecanismo criativo abrangente para ocupar um lugar no campo em rápida evolução da IA ​​de geração de conteúdo.

Artigos relacionados:

Google lança seu modelo de geração de imagens mais avançado Gemini 2.5 Flash Image