谷歌 Nano Banana 2.1 发布

谷歌发布 Nano Banana 2.1（gemini-nano-banana-2.1）——Nano Banana 系列的最新一代图像生成与对话式编辑模型，10 月 6 日起 GA。AI 博主「歸藏的AI工具箱」第一时间上手实测：中文的文字清晰度和错字问题大幅改善，中文字体设计与排版「没有 GPT 那种破碎感，画面干净」；与 GPT 系竞品相比的主要优势是 4K 输出——「感觉一下又有用了」。

要点

• 定位：Nano Banana 2 的高效升级版，图像生成 + 对话式编辑，速度与成本对标 Flash 档
• 分辨率：1K / 2K / 4K 三档输出（Gemini 3.1 Flash Image 才有的 512px 档不含）
• 中文实测：文字清晰度与错字率大幅改善，中文字体排版美学明显提升（博主实测口径）
• 定价：输出图像 $30/百万 token——2K 每张 $0.0504、4K 每张 $0.0756，恰为上一代的一半
• 能力：最多 14 张参考图编辑、Google 搜索与图搜 grounding、Thinking 三档推理、视频转图像、全输出 SynthID 水印
• 接口：Interactions API（generativelanguage.googleapis.com/v1beta/interactions）

价格腰斩的算法

官方定价页把账算得很透明：两张模型的每张图 token 消耗相同（1K=1120、2K=1680、4K=2520），价格差全部来自输出 token 单价——$30 对上一代的 $60。换算成创作者语言：4K 出图从每张 $0.151 降到 $0.076，批量出图的工作流（电商、社媒配图）成本直接减半。但注意输入价反向上涨：$0.50 → $1.50（三倍），多参考图的重编辑场景要重新算账。

中文渲染为什么是大事

图像模型的中文文字渲染长期是短板——招牌、海报、UI mockup 里的汉字经常是「看起来像字的噪声」。这一代把 14 张参考图编辑与 4K 输出组合起来，海报级交付的完整工作流第一次都在一个模型里；歸藏的实测把「中文可用」列为 2.1 的头号变化，这对中文市场的电商与设计工具链是直接的生产力变化——此前需要「生成 + PS 改字」两步的活，现在一步到位；配合 4K 输出，出片从「预览稿」升级到「可交付稿」。验证路径也简单：同一提示词在 2.0 与 2.1 各跑一轮，对比招牌文字的笔画正确率——这一步任何用户都能在 AI Studio 里十分钟内做完，也是判断「中文改善」成色的最诚实方式。

与竞品的格局对照

图像生成赛道的价目表如今排得很密：FLUX.3 的极高保真路线、GPT 系的原生多模态、Midjourney 的订阅制，以及 Nano Banana 的「token 计价 + 对话式编辑」。2.1 的差异化在于三点组合：对话式迭代（改图不用重写提示词）、搜索 grounding（生成时能引用真实图像参考）、以及谷歌云的用量计费——对工程团队，最后一点往往比跑分更决定选型——计费可预测性在预算会上比任何基准图都有说服力。歸藏实测里「没有 GPT 那种破碎感」的评价，针对的正是多轮编辑后画面崩坏的老问题——这也是对话式编辑从演示走向生产的关键分界。

又一次效率降价

Nano Banana 系列走的是「Flash 价格 + Pro 质量」路线，这次输出减半、输入三倍的定价结构调整，说明谷歌在为高频对话式编辑场景（多轮、多参考图）重新分配成本——编辑越多，输入占比越高。回到那条主线上：模型能力的单位成本每半年砍半，而质量评价标准随之上移——上一代的「像不像」已经是这一代的默认项。对开发者，图像模型的竞争已经卷到「每张图几分钱」的颗粒度；对用户，全输出带 SynthID 水印则是这一代模型的共同底色。