Google 上周推出了 Nano Banana 2 Lite（正式名称为 gemini-3.1-flash-lite-image），作为其图像生成堆栈的入口点，位于 Nano Banana 2 之下，远低于 Nano Banana Pro。它在大约四秒内提供文本到图像的输出，比 Nano Banana 2 快 2.7 倍，并且被定位为原始 Nano Banana (gemini-2.5-flash-image) 的直接替代品。明确的宣传：相同的谷歌生态系统，更少的钱，更少的等待。

该模型可通过 Google AI Studio、Gemini API 和企业代理平台使用，并且已融入到消费产品中，包括搜索、Gemini 应用程序、NotebookLM 和 Google Photos。它通过交互 API 与 Gemini Omni Flash（Google 的新视频生成模型）配合使用，使用户可以在单个会话中堆叠最多三个连续编辑。 Nano Banana 系列现在是一个干净的三层结构：Lite 用于速度和成本，Nano Banana 2 用于质量速度平衡，Nano Banana Pro 用于复杂的专业工作。

Nano Banana 2 Lite 在 1K 分辨率下每张图像的价格约为 0.034 美元，大约是 Nano Banana 2 价格的一半，后者在相同分辨率下每张图像的价格为 0.067 美元。这使得 Lite 模型与 Seedream 5.0 Lite 直接竞争，后者每张图像的价格为 0.031-0.035 美元。 Reve 2.0 通过 API 降低了每张图像约 0.0067 美元的价格，尽管它缺乏 Google 基础设施附带的部署广度。 Qwen Image Edit 是一个适用于标准用例的优秀、免费、开源选项。

那么，Nano Banana 2 的质量下降是否足够集中，足以对您的特定工作流程产生影响？它的分布是否足以让大多数人不会注意到？

我们对五个类别的两个模型运行了相同的提示来找出答案。答案比你想象的更难预测。

现实主义

真实感测试是 Nano Banana 2 与其 Lite 兄弟之间差距最明显的地方。两个模型都收到了相同的技术要求很高的肖像提示：日落时分屋顶上的一位 32 岁女建筑师的电影图像，穿着米色风衣，戴着圆框眼镜，左手专门拿着卷起的蓝图，身后是散焦的城市天际线，黄金时刻灯光带有柔和的边缘光，模拟 50mm 镜头的浅景深，垂直 4:5 的长宽比，逼真的皮肤纹理和微妙的胶片颗粒。

提示明确地将每个元素框定为可能失败的独立约束。

Nano Banana 2 Lite 通过了基本测试。拍摄对象穿着正确，姿势正确，戴着圆形眼镜，手持蓝图，站在屋顶上，身后是模糊的城市。但就细节而言，它有点不太现实：拍摄对象只有一只手，与身体的其他部分相比，它的尺寸太大了。边缘光几乎察觉不到。皮肤纹理在缩略图范围内保持不变，但无法经受住仔细检查。最终，该图像看起来像是一张合格的库存照片，而不是电影肖像。

Nano Banana 2 产生了与摄影不同的东西。拍摄对象在魔法时刻以完全真实的纽约市天际线为背景，背景虚化的城市灯光在背景中绽放，远处隐约可见一条河流。景深非常惊人。温暖的边缘光将主体与背景清晰地分开。按照要求，蓝图在她的左手，而不是右手。

两种模型都与对称性作斗争。例如，纽扣和一些带子的孔不一致，但同样，这些都是经过仔细检查才能发现的细节。

对于社交媒体内容或快速视觉模型，Lite 版本是可行的 - 它传达了概念。对于任何图像是最终产品的东西——英雄图像、客户可交付成果、作品集——它将在缩略图上方的任何分辨率下显示其接缝。摄影质量是 Lite 型号的架构做出的最大的单一让步，并且始终如一。

及时遵守

即时依从性测试使用了不同的策略：密集的多元素场景，其中每个标记的细节都充当独立的故障点。提示描述了从石像鬼的栖息处看到的蒸汽朋克城市景观，包括一个标有“Atlas & Sons Cartographers，Est. 1842”的热气球、一辆具有特定命名路线的缆车、一座齿轮驱动的钟楼、一个石像鬼拿着一份标有“第 7 区 - 谴责”的文件、一张带有特定标题的前景报纸，以及下面详细的维多利亚街景。

逻辑：如果一个模型可以同时容纳 10 个特定的约束，那么您就可以信任它来处理复杂的创意简报。

两种模型都产生了视觉上引人注目的蒸汽朋克场景。两者都正确地将石像鬼置于前景，钟楼置于中心，气球置于天空，缆车穿过画面。乍一看，这些差异只是表面的——精简版更暗、更情绪化，而完整版则更干净、更明亮。但具体细节却讲述了不同的故事。在 Lite 版本中，气球上显示的是“Est. 1942”而不是 1842，这主要是由于 AI 难以正确渲染文本。缆车路线标签部分出现乱码。前景报纸标题的边缘变得模糊，特别要求的细节失去了可读性。

总的来说，它更注重视觉效果而不是文本，这对于大多数用例来说都是可以的。

Nano Banana 2 几乎一切都正确。气球上清楚地写着“Atlas & Sons Cartographers Est. 1842”。缆车标志上写着“Upper Vantis – 4 Stops”。石像鬼拿着一份文件，但文字难以辨认。前景报纸以干净易读的字体写着“钟楼寂静无声——城市哀悼”。每个命名元素都以清晰的形式出现在它应该出现的地方，并带有正确的标签。使用更明亮、更具编辑性的灯光的构图决定在这里也得到了回报——它使标记的细节保持可读性，而不是被气氛吞没。

临时提示用户不会在虚构的成立日期发现一位数的换位。但概念艺术家、世界构建者和叙事插画家——使用这些模型向客户或合作者传达特定创意逻辑的人——会立即注意到。

Lite 模型模糊或调换特定图像内文本标签的倾向并不是灾难性的失败，但它引入了手动校正步骤，在规模上会造成严重后果。

空间意识

空间意识测试评估了每个模型如何处理多深度场景合成：近距离的多个物体、中距离的人体主体以及退回到背景黑暗中的大气元素。

这个场景——一位中世纪的炼金术士坐在一张杂乱的木桌上，周围环绕着浑天仪、点燃的蜡烛、沙漏、头骨、星图和一个发光的绿色罐子，他身后的拱形窗户中映出一只黑猫的剪影——需要令人信服的三维分层来解读为连贯的而不是组装的。

两种模型都理解场景的基本空间语法。前景物体以适当的比例和阴影细节渲染，学者占据中景，与周围物体有正确的遮挡关系，拱形窗户与月光夜空营造出一种令人信服的后退感。这两种模型都不会错放物体、破坏深度平面或引入空间矛盾。场景架构（前、中、后）在两个输出中均正确建立。

差异是微妙而真实的。 Nano Banana 2 的版本具有更丰富的大气深度梯度：烛光在到达石墙时自然褪色，背景的朦胧读作真正的大气深度而不是数字柔化，整体场景具有绘画般的温暖，暗示着体积空间。 Lite 版本的深度在结构上是正确的，但略有压缩——背景看起来更像是一个舞台，而不是一个带有实际人工智能的后退房间。