“惊艳”两个字已不足以形容，它是跨时代的领先。 锦缎 🤯 若论当前最火的AI应用，非谷歌的香蕉Nano Bana😜na莫属。 Nano Banana原名是Gemini 🚀2.5 Flash Image，但自从它验明真身，大家普遍反👍映还是Banana好记。 而听劝的谷歌，也马上把模型名😉换了回去。 不论是文本生成还是图像编辑，Nano Ba🔥nana都展现出了断档领先的实力。 首先来看看评分： 💯 图：LMarena文生图模型排行榜 图：LMar🥳ena图像编辑模型排行榜 展开全文 可以看到，文🤯生图能力属于最优一档，而图像编辑能力更是碾压级别，几乎砸穿了🙌Photoshop的锅。 我们可以笃定，Nano Ba😉nana之后，全球软件业彻底变天了。 01 用户体验：😆惊艳两个字已不足以形容 事实上，惊艳这两个字，已经不足🎉以形容Nano Banana的强大。 先前的文生图评测🚀中，我们已经见识过它的本事。 但根据Gemini AP⭐I文档中的描述，它还有几个其他的拿手好活： 在Nano🥳 Banana被发现出现于LMarena之前，各家大模型对于🥳文生图中的文字几乎都束手无策。 哪怕不提汉字，只是英文🙌单词，生成出来的基本都是乱码，令人难以理解。 Nano🤩 Banana轻而易举地攻克了这一难关。 而最近让Na🤗no Banana在网络上爆火的原因，则是有网友发现它可以制🎉作精度极高的手办图。 图片中的手办完全能够以假乱真，圈🙌外人可能完全无法分辨这到底是不是真的手办。 除此之外，😀Google还明确介绍了Nano Banana的其他生图优势😜： 例如逼真的场景、风格化的插图和贴纸、产品模型和商业😡摄影、极简风格和负空间设计等。 而在图像编辑方面，Na🤯no Banana也能够出色的完成以下任务：例如添加和移除元😊素、局部重绘、风格迁移、组合多张图片、高保真细节保留等有效解😆决了以往模型牵一发而动全身的问题。 这么说可能有些抽象💯，我们用Nano Banana团队在采访中谈到的例子来解释。🙄 ①像素级的修图编辑 最常见的需求之一：只想修改😜一张图像中的一处细节，但又希望其他部分保持原样。 旅游🎉照片P掉路过的游客、自拍照去掉熬夜的黑眼圈，这些对于以往的多🤯模态模型来说，并不是一项很简单的挑战。 微小的修改往往🌟会导致图像整体风格或结构的不协调，而观感则会遭到严重的破坏。😡 Robert Riachi在采访中提到，团队在模型2😜.0版本时期遇到的一个主要挑战，就是编辑时往往无法保证与图像😀其他部分的一致性。 但通过持续的爬坡训练和用户反馈收集🤔，Nano Banana才取得了明显的进步。 无论是给😂小猫戴上一顶帽子，还是调整一件家具的方向，它都能做到保持场景🥳的整体姿态和结构不变，让编辑的部分与图像其余部分无缝融合。 😉 而这种精准的控制力，对于需要高度一致性的创作场景至关重🤗要。 ②不同角度的渲染 图像虽然是2D的，但它反🤔映的内容却是3D的。 因此，想要完成对现实世界中物体的🤩精确编辑，还需要AI对三维空间具备一定的理解能力。 N🥳anoBanana能够从不同的角度渲染角色和物体，创造出全新😉的场景。 比如，上传一件家具的图像，让它从侧面或是背面🥳重新生成，生成的结果仍然能保持高度一致性。 这种能力不😘仅是像素的复制，而是通过理解对象的外观和深层结构，对原始图像🔥进行实质性变换，而创作自由度也是由此而来。 ③交错式生⭐成 相比于文本，图像中包含的信息往往更多。 对于😁较为复杂的图像生成任务，Nano Banana引入了交错式生🚀成的新范式。 传统的文生图模型需要一次性处理所有细节，🤔如果指令中包含大量修改或元素的提示，模型就很容易发生饱和现象🎉。 Nano Banana采取的解决方案是化整为零。 🤩 将复杂的提示分解为多个步骤，逐步进行编辑或生成。 😀 这种增量生成的方式，能够让模型处理细节时更加精准。 🙄同时，它还可以积累上下文信息，从而生成高度复杂且高质量的图像😊。 创作流程因此变得更加灵活可控，模型处理复杂任务的能🥳力也得以显著提升。 ④超越用户的预期 Mosta😉fa Dehghani在访谈中提到了一个词智能感。 他😁给出了一个有趣的例子：在要求模型执行某项操作时，模型并未原封🤯不动地遵循并执行他的指令。 但最终生成的结果却比他实际😉描述的要更好，这使得他感到十分惊喜。 可以看出，Nan😅o Banana已经打破执行命令的工具这一格局。 它具😎备一定的真实世界的相关知识和常识，能够在一些特定情境下对用户🤔的模糊或错误指令进行修正和优化。 这种智能带来的影响可💯好可坏，或许它无法达成用户的预期效果，但也可能生成更符合用户❤️潜在需求甚至更具创意的图像。 对于大部分人来说，这种智😆能还是会明显提升用户体验，毕竟创意总是可遇而不可求的。 🙄 02 商业化前景：文生图盈亏平衡出现曙光 任何先进的😉技术，其商业化落地都离不开成本效益的考量。 而Nano😆 Banana在图像领域的应用，自然也涉及到成本和潜在的盈利🎉模式。 Robert Riachi在采访中，明确提出多😴模态数据（图像和视频等）的爬坡训练非常困难。 这需要大😅量的人类偏好信号，因此训练就需要投入巨大的时间成本和资源。 🔥 机器学习的过程中，需要锚定一个指标用于评估训练结果的好🎉坏。 以往的指标往往需要几个小时才能获取到有效反馈，而😘Google的研究团队则始终在努力寻找更为高效的训练指标。 😁 另一方面，图像的极度主观性，使得收集并处理用户反馈成为😜一个同样耗时且昂贵的过程。 Kaushik Shiva⭐kumar强调了人工评分在图像生成评估中的成本效益问题。 😍 先前我们的AI竞技场一文中曾经介绍过，LMarena就采⭐用了这种人工评分的方式。 我们看到的排行榜上的Vote😍s正是由该网站的使用者进行投票得出的。 即便是效果如此😎出色的Nano Banana，目前的投票数量也只有22万左右😘。 因此，让足够多的用户进行图像质量评分固然能提供良好😡的信号，但这种方式的成本恐怕令Google团队都难以承受。 👍 这条路走不通，就必须寻找更加高效且经济的评估指标，也就🙄是Nano Banana目前使用的文本渲染度量，这项技术我们👍后面再介绍。 除了训练成本，模型部署上线后的推理成本也😆要考虑。 目前，Nano Banana的API定价为：😅 文字输入：＄0.30/M tokens 文字输⭐出：＄2.50/M tokens 图像输入：＄0.30❤️/张 图像输出：＄0.039/张 在Google😁 AI Studio上可以免费使用，但近期已经设置免费额度。🤩 如此低的定价再加上高质量的生成效果，Nano Ban😴ana的性价比可以说是直接拉满。 与此同时，本周网上已😊经开始出现第三方平台以更低的价格提供Nano Banana的🥳API服务。 以AI领域现有的产品迭代速度，其他厂商推😢出水平相近的模型恐怕也只是时间问题。 仅仅依靠Nano😉 Banana的使用费用，极难覆盖Google在如此先进的模😀型上投入的巨大成本。 因此，这一重新定义AI图像领域的🎉模型的诞生，更多还是为了应对市场份额和生态系统的竞争。 🙌 AIGC作为科技巨头公司竞争的焦点，Google必须不断推🌟出有竞争力的产品以对抗OpenAI或是Midjourney等😁公司。 而Nano Banana和Gemini 2.5🔥 Pro两款高用户评分产品的存在，有效保持了Google在A😂I领域的领导地位。 从技术角度来看，模型的迭代和优化是😢一个几乎永不间断的过程。 平民级别的价格能够带来的，是😆所有厂商都急需的大量真实用户数据。 Google这样的😉科技公司，更多是通过平台上提供的各种服务实现盈利。 即🙄使Nano Banana现在可能亏本，但低成本的图像生成和编😊辑能力，不仅可以用来吸引用户进入Google的生态系统，鼓励😎用户使用Google提供的相关服务；未来，还可能成为某些更大🙌利润业务的核心组件。 03 技术逻辑：跨时代的强大 😁 Nano Banana能够在AI图像领域实现如此强大的能🌟力，归功于Google团队在多模态学习、用户反馈机制和创新架🤩构设计等方面的长期投入和努力。 在观看完Google官🥳方发布的约30分钟的采访后，不得不对其技术能力感到惊讶。 😍 ①文本渲染度量 这是Kaushik Shivaku🎉mar始终坚持的一项指标，起初谁也没能想到它就是成功的关键。🌟 前面我们说过，Google团队需要找到一个无需依靠用⭐户主观评价的指标来判断模型是否在越变越好。 在Nano🙄 Banana正式发布之前，无论是国内还是国外的多模态模型，😁生图水平参差不齐。 但在图片中加入文字这件事上，所有的🙄模型都无法准确完成。 看起来，文字生成只是AI图像领域👍的一个分支，但Google团队坚持以此为优化目标。 最😢终结果也证明了这是一个无比正确的决定。 在对文本渲染的😢不断优化过程中，研究团队发现图像生成质量也在不断提高。 💯 天才般的想法，加上持之以恒的努力，成就了Nano Bana🤩na的强大。 ②多模态统一模型与正向迁移 Mos🚀tafa Dehghani提出了Nano Banana的核心😀理念之一：实现原生的图像生成和多模态理解与生成。 这意😎味着模型会在同一个训练运行中学习所有模态和不同的能力，而最终😂目标则是实现跨不同维度的正迁移。 简单地说，就是要让模😴型不仅能理解和生成单一模态（比如文本或图像），还能利用从一种😊模态中学到的知识，帮助理解和生成另一种模态。 例如，模🚀型可以从图像、音频和视频中学到真实世界的相关知识，从而更好地😅理解和生成文本。 就像Robert Riachi提到的🤯一种名为报告偏差的现象： 人们在日常对话中通常不会提及😡哪些显而易见、习以为常的事物，比如朋友家的普通沙发。 🤯但如果展示一张房间的图片，沙发就会自然呈现在眼前。 说😴实话，这个例子举得有点莫名其妙，但确实有一定道理： 图🤗像和视频等视觉信号里，包含着大量关于真实世界的隐性信息，而这😜些信息无需明确请求即可获取。 对于一个多模态模型来说，🔥视觉信号是了解世界难得的捷径。 这种统一的多模态学习方😡式，帮助Google团队建立了更全面和深入的世界模型。 😘 Gemini系列产品也在各种模态任务中表现出了更高的智能化😉程度，LMarena的数据已经验证了这一点。 因此，采😆访中提及图像理解和图像生成被视为姐妹，在交错生成中互相促进。⭐ ③从错误中学习：用户反馈驱动爬坡训练 Robe🚀rt Riachi着重强调了利用人类偏好进行爬坡训练的重要性🤗。 但前面已经说过，不可能模型每次生成图片都让人类来判🌟断孰优孰劣。 因此，Google团队收集了大量来自Tw😀itter等平台的真实用户反馈，将失败案例转化为评估基准，而😜这些恰恰是用于改进模型的宝贵信号。 在模型的2.0版本😢发布时，团队成员敏锐地注意到一个常见的失败案 例： 🙌 编辑时无法保持图像其余部分的一致性。 于是，以此为🤯基础，团队开始针对于具体问题进行爬坡训练和迭代。 这种🚀以用户为中心、从错误中学习的机制，正是Nano Banana🤯能够解决这一挑战的关键。 ④团队协作：Gemini与I🔥magen的融合 采访的最后，Robert Riach🙌i也谈到了Nano Banana的成功离不开Gemini和I😉magen两个团队的紧密协作。 Gemini团队专注于👍指令遵循和世界知识等方面，确保模型能够理解用户的意图并生成符😜合逻辑的内容。 Imagen团队专注于图像的视觉质量，😅确保生成的图像自然美观，且不出现明显问题。 Gemin😍i 2.5 Pro之前的长期霸榜已经说明其功能的强大，而融合🤯两个团队的视角和专业知识，Nano Banana做到了兼顾图👍像的智能性和美观性。 Nano Banana在Goog👏le AI Studio上线后，我们也可以发现，它和Gemi😎ni 2.5 Pro是融为一体的，在原先的聊天界面就可以直接😴使用，而非两个独立的模型。 这种跨团队的深度合作，使得😂Google的产品体系上升到了一个新的高度。 04 结💯语 就像很多标题所说，Nano Banana的出现毫无😉疑问给AI图像领域带来了革命性的变化。 从像素级的完美🌟编辑，到交错式的复杂图像构建； 从对用户意图的智能理解👏，到超越预期的创意发散； 人工智能在视觉艺术上的创作潜😅力正在被逐步发掘。 但与此同时，以假乱真的高质量图像也👏在改变很多行业的现状。 尽管Nano Banana生成😍的图像目前也已经明确带有AI生成标识，但它的作品已经足以满足😍大多数人的需求。 未来的创作者和艺术家又该何去何从？ 👏 唯一可以确定的，是AI图像领域的未来将会更加智能、更加😅高效、更具创意。 而人机之间的协作，也即将开始书写全新⭐的篇章，全球软件业正因此重塑。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

近日，多位浦发银行信用卡用户反映，其名下万事达“无价世界卡”🔥在境外遭遇盗刷。记者获悉，浦发银行已向部分用户提供补偿措施，👏包括积分补偿、消费返还及费用减免等。同时，浦发银行信用卡中心😜也迅速回应称，近期已监测到部分客户存在未经本人授权的异常交易🤯，并已启动风险防控机制。 然而，这一事件仍引起高度关注🥳：在移动支付盛行、跨境消费日益频繁的背景下，“隔空”盗刷是如😡何发生的？一旦损失产生，责任应如何划分？而在磁条卡仍在海外大😎量使用的现实下，支付安全风险该如何防范？ 隔空盗刷如何😂发生？ 与国内“刷卡必须输入密码”的普遍习惯不同，海外🙌信用卡交易中，持卡人多数场景只需提供卡号、有效期与CVV码（❤️Card Verification Value）即可完成支付😉。缺乏密码验证的流程，令信用卡信息一旦泄露，极易被复制利用。😜 CVV码由发卡行通过算法生成，并印制在卡背签名栏附近💯。它与卡号、有效期共同构成离线交易的核心验证要素，主要用于酒😊店预订、电话订票、网络购物等无需实体卡的支付。 “盗刷😉的关键往往在于CVV码。”浙江杭州一位支付行业技术专家对记者😘解释称，“卡号和有效期在很多支付环节可能被记录，若再加上CV🚀V码，几乎等同于拿到一张可交易的信用卡。” 记者了解到🙌，CVV码被盗取存在多种途径。最常见的是数据泄露，黑客通过攻😊击电商网站、支付平台甚至银行数据库，批量窃取卡片信息。暗网交😂易是另一途径，一整套包括卡号、有效期、CVV、姓名及地址的信⭐息，售价仅数美元至十几美元不等。 此外，钓鱼诈骗也较为😢普遍，犯罪分子伪造银行或支付平台网站，通过短信或邮件诱导用户😍输入信用卡信息。物理偷盗同样存在风险，一些ATM或POS机被😍安装盗录设备，同时配合针孔摄像头偷窥CVV码。 业内人🚀士分析，此次浦发“无价世界卡”事件，部分用户近期并未使用过卡😉片或访问可疑网站，大概率涉及某电商或支付平台数据泄露，被黑产😘批量盗取。 值得注意的是，犯罪团伙通常不会立即动用盗取😀的信息，而是将其绑定到具备NFC功能的手机电子钱包中，等待数🔥月后集中进行“爆发式”盗刷，以规避风控系统监测。“这就是典型😆的‘无卡支付’盗刷。”一位银行风控人士指出。 600元⭐如何刷出2万元额度？ 除了盗刷行为本身，此次事件还引发😴了一个令人费解的现象：部分用户的信用卡额度仅为数百元，但盗刷🤔金额却高达数万元。 “这与海外信用卡的离线交易机制密切😊相关。”上述支付行业人士对记者说，在该模式下，商户无需实时与😡发卡行交互即可完成交易，先行放行后，再在数天或最长30天内提🤗交清算。这意味着，犯罪分子可以在短时间内集中完成多笔交易，而😁银行的实时额度系统尚未更新冻结金额，从而形成“账面可用余额虚😘高”。 一位从事支付清算的技术专家向记者解释：“离线交👏易模式下，商户先消费、后入账，结算通常可延迟数天。而国内银行😜多采用‘T+1’更新额度逻辑，两者之间存在错配，为盗刷提供了😜可乘之机。” 展开全文 更复杂的是，一些银行在境🎉外场景下会自动上调临时额度至原授信的3至5倍，以提升用户体验😡。这一机制在正常情况下便利了大额消费，但在盗刷场景下却被犯罪😁分子利用，相当于提供了额外的“杠杆空间”。业内人士分析，这也💯是为何原本额度不高的卡片，在短时间内出现数万元盗刷的原因之一😂。 责任如何划分？ 在信用卡盗刷案件中，责任归属🙄长期是争议焦点。根据最高法2021年出台的司法解释，信用卡盗🥳刷案件中举证责任主要在银行。北京大成（长春）律师事务所律师葛💯仲彰认为，如果银行未能识别伪卡交易或未及时拦截异常消费，即未👏能尽到安全保障义务，应承担主要赔偿责任；而持卡人若存在信息泄😘露、延迟挂失等过错，则需自行承担部分损失。 记者了解到🤔，司法实践中，多数案件银行需承担七成以上责任。例如，华北某地🙌法院近期审理的一起案件中，持卡人王某的信用卡境外被盗刷200🎉0元。他在第一时间冻结账户并报警，法院最终判定银行未尽风控义🚀务，应承担全部赔偿责任。 但跨境交易中的维权远不如国内😉顺畅。“国际卡组织通常要求持卡人在规定时间内提交包括交易凭证👏、沟通记录在内的支持文件，否则银行无法代表客户申请拒付或退款🥳。”一位金融律师提醒，“时间优先、证据为王，这是跨境维权的基🥳本原则。” 通常来说，信用卡交易链条涉及发卡行、国际卡🙄组织、收单行、商户等多方主体。上述律师称，法院在审理时通常认🎉定消费者作为弱势一方，银行及相关机构应对外承担赔偿责任，至于🚀各方之间的责任再通过内部追偿解决。 不过，也存在法院酌😅定责任的情况。若原告在卡片保管上存在明显疏忽，法院可能判定持💯卡人与银行各自承担一定比例责任。 支付安全：磁条卡换芯😆片卡 从介质层面看，磁条卡仍是盗刷高发的重要原因。业内🤔普遍共识是，磁条卡被盗刷的概率是芯片卡的数倍。老版万事达卡多🔥数仅具备磁条功能，安全性远逊于支持EMV芯片标准的卡片。 🤯 中国市场近年来已逐步完成芯片卡替换，但在海外，磁条卡仍然🚀被大量使用。一旦持卡人持有的仍是磁条卡，境外交易的安全隐患就👏不可避免。 “从安全角度看，磁条卡确实是软肋。”前述支😘付行业人士表示，“更换芯片卡既是资金安全的需要，也能提升支付😉体验。” 据悉，万事达已在中国市场推出兼容EMV和银联😀PBOC3.0标准的新型芯片卡，实现“一芯双应用”，可同时支👏持境内外使用。与此同时，卡组织的活动与权益也已明确限定在新发😘芯片卡用户范围内，以进一步推动存量磁条卡的更新换代。 🎉前述人士称，对于普通持卡人而言，主动更换芯片卡不仅能降低盗刷😜风险，还能参与更多权益活动；而对于银行和卡组织，全面淘汰磁条🎉卡则是提升支付体系安全性的必由之路。返回搜狐，查看更多