“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)

规模2520亿澳元的澳大利亚未来基金宣布，已适度减持美国资产👍转投德日，同时增持包括黄金在内的大宗商品，并称将密切关注特朗😂普对美联储的施压行动。 澳大利亚规模达2520亿澳元（🙄约合1660亿美元）的主权财富基金——未来基金（Future❤️ Fund）表示，已削减在美国市场的敞口，并正密切关注美国总😘统特朗普对美联储的施压行动。 未来基金宣布其截至6月的🤗年度回报率达12.2%，是政府设定的6.1%的目标的两倍。首👏席执行官拉斐尔·阿恩特（Raphael Arndt）于周二接🤗受电话采访时告诉记者，美国资产仍是该基金最大持仓类别，但市场😁波动和政治不确定性已促使其削减了美国资产敞口。 阿恩特❤️指出，此次“适度减持美国市场资产”是“为实现投资组合多元化而👏进行的调整”，目的是将资金转向德国、日本等估值相对更具吸引力😁的市场。 阿恩特说：“我们最感兴趣的地区是欧洲大陆，尤🙌其是德国，该国政府已经宣布了一些刺激和投资经济的措施....🎉..多年来，我们一直在把资金转移到日本，这两个市场似乎都比美🤯国或澳大利亚股市便宜。” 阿恩特认为，特朗普对美联储的😡一系列攻击——包括试图解雇美联储理事莉萨·库克（Lisa C😎ook）、呼吁降息等，目前尚未影响到美联储的独立性。 😴“我们正密切关注此事。我认为这一问题至关重要，但目前来看，美😅联储似乎仍在独立运作，”阿恩特表示，“这是当前极具关注度的话😎题——不仅我们在关注，许多对冲基金经理现在也在重点关注。” 🔥 此前，澳大利亚主要养老金机构对此事持不同观点：澳大利亚❤️超级养老金（AustralianSuper）的首席投资官上周😂淡化了相关担忧，而澳大利亚退休信托基金（Australian🎉 Retirement Trust）则部分因特朗普对美联储的⭐施压，已减持美国国债持仓。 根据周二发布的最新数据，未🙄来基金约三分之一的投资组合配置于发达市场和新兴市场股票，其中👍有651.3亿澳元投资于发达市场，占该基金总投资的四分之一。😡这一数字高于2024年同期的468.3亿澳元。该基金本年度1😁2.2%的回报率，超过了上一年度9.1%的收益水平。 😎阿恩特指出，尽管市场存在波动，股票资产仍实现了稳健回报。他补🙌充称，基础设施类资产表现“异常出色”，对冲基金投资组合也录得🔥强劲收益。 阿恩特还表示，未来基金已增持澳元计价资产，🙄以“应对通胀和汇率波动风险”。 澳大利亚政府去年更新了👏未来基金的投资授权，要求该基金考虑加大对住房、能源、基础设施🚀项目等“国家重点领域”的投资。 阿恩特称，未来基金还在😡“多元化配置发达市场货币及大宗商品（包括黄金）的敞口”。返回😢搜狐，查看更多