Nano Banana为什么爆火出圈？

文｜许英博 连一席

Nano Banana能做什么？Nano Banana为什么火了？Nano Banana对于AI行业有什么影响和启示？

▍Nano Banana能做什么？

Nano Banana，正式名称 Gemini 2.5 Flash Image，是谷歌DeepMind团队于2025年8月26日发布的图像生成与编辑模型（一个模型多种功能）。输入：1）文本 2）文本+图像 3）图像+图像 4）多轮文本+图像。输出：图像。

亮点一：单图生成效果提升。人物一致性、跨视角一致性能力增强。

亮点二：图像编辑效果提升。多轮迭代修改后，效果更好。只改变需要修改的部分，像素级编辑能力增强。

亮点三：文字渲染效果提升。英文字母生成错误率较低，中文相对较高。英文基本达到可用阶段，中文偶尔可用。

▍Nano Banana为什么火了？

1）用户体验超群：文生图模型综合性能第一。从评测榜单、用户调用量和实测情况看，Nano-Banana整体效果优于DALL-E。

2）生成更迅速：耗时更短。云平台：生成一张图片用时2.3s，DALL-E用时4.1s。实测综合用时：13s。参数规模小，参数量在4.5B~8B。

3）价格持平：价格为30美元/1M token（$0.039/每张1024*1024图片），持平DALL-E的40美元/1M token （$0.04/每张1024*1024图片）。

4）便捷性更强：已集成到Gemini中，通过语言模型一站式解决用户需求。

▍Nano Banana对于AI行业有什么影响和启示？

模型侧：1）多模态领域（尤其是文生图）进展正在加速，未来1~2代文生图模型有望得到日常的广泛应用；2）原生多模态模型将成为下一个巨头必争之地。AI原生应用护城河进一步加固。文生图模型和语言模型将紧密结合，多轮指令修改是未来方向。

算力侧：多模态是未来Token调用量提升的强驱动力，1张图片=1290 output token。若人均每天生成5张图片，则日均贡献2.5万亿Token。

应用侧：多轮指令修改大幅降低应用门槛，未来修图像当今拍照一样容易。图片/视频等内容生成质量和效率进一步提升。

竞争格局：谷歌整体AI水平已非常接近OpenAI，局部上甚至胜出，如文生图、Google文档集成等服务。但对于传统工具可能形成降维打击。

后续展望：年底前有望迎来Gemini 3.0发布且展现更强能力。

▍风险因素：

1）中美关系超预期波动的风险；2）宏观经济恢复不及预期的风险；3）产业政策支持不达预期的风险；4）企业技术研发进展不及预期的风险；5）AI应用落地进程不及预期的风险；6）云厂商资本开支不达预期的风险；7）政府与企业IT支出不及预期的风险。

本文节选自中信证券研究部已于2025年9月16日发布的《AI Startup系列（2）—Nano Banana为什么爆火出圈？》报告，具体分析内容（包括相关风险提示等）请详见报告。