7月1日消息,Google 同日发布四项 AI 产品和模型更新,覆盖图像生成、视频编辑、笔记应用和表格数据预测。图像侧,Nano Banana 2 Lite 将文本转图像的成本压至每张 0.034 美元、延迟降至 4 秒以内。视频侧,Gemini Omni Flash 以 0.10 美元/秒的定价首次向开发者开放对话式视频生成和编辑 API。消费端,NotebookLM 利用 Nano Banana 2 Lite 新增了 60 秒竖屏视频概览功能。研究侧,Google Research 发布了表格数据基础模型 TabFM。四项更新指向同一个方向:将生成式 AI 的单位成本压到足以支撑大规模流水线级使用。 Nano Banana 2 Lite:4 秒出图,每张 0.034 美元
Nano Banana 2 Lite(API 标识符 gemini-3.1-flash-lite-image)是 Nano Banana 图像模型家族中速度最快、成本最低的版本,定位为高吞吐量开发者流水线的专用模型。文本转图像延迟约 4 秒,标准定价为每张 1K 分辨率图像 0.0336 美元,批量处理可降至 0.0168 美元。Google 将其定位为第一代 Nano Banana(gemini-2.5-flash-image)的直接替代品,建议现有用户立即切换。
Nano Banana 2 Lite 已在 Google AI Studio、Gemini API 和 Gemini 企业代理平台上线。消费端同步铺开,覆盖 Google 搜索的 AI Mode、Gemini 应用、NotebookLM、Google Photos、Stitch、Google Flow 和 Google Ads。所有生成图像强制附带 SynthID 水印和 C2PA 内容凭证。在 Nano Banana 产品线中,该模型与面向生产级应用的 Nano Banana 2(gemini-3-flash-image)和高保真场景的 Nano Banana Pro(gemini-3-pro-image)形成三级梯队,分别对应不同的质量-成本取舍。 Gemini Omni Flash:对话式视频编辑首次向开发者开放 API
Gemini Omni Flash(gemini-omni-flash-preview)是 Google 在今年 I/O 大会上发布的 Omni 系列模型的轻量版本,此次首次以公开预览形式向开发者提供 API 访问。该模型支持文本转视频、图像转视频和视频编辑,定价为每秒视频输出 0.10 美元,与 Veo 3.1 Fast 持平。当前生成上限为 10 秒、最高 720p 分辨率,每个提示最多生成 3 段视频。 Omni Flash 的核心能力是对话式视频编辑。它基于 Google 新推出的 Interactions API 构建,支持有状态的多轮交互——开发者在第一轮生成视频后,可以通过传递 previous_interaction_id 在后续轮次中对同一视频进行增量编辑,模型会记住此前的场景上下文。例如,先生成一段猫坐在地毯上的视频,再通过文字指令将猫换成美洲狮幼崽,或者更换背景、调整灯光,此前的编辑效果在后续轮次中保持不变。每轮编辑都是一次独立的视频生成,因此编辑密集的会话成本会累积——大约每 10 秒视频 1 美元。但相比无状态生成需要从零开始描述整个场景,有状态编辑减少的是无效重试的次数。
两个模型协同:低成本多模态生成管线
Google 在发布中明确建议将 Nano Banana 2 Lite 和 Gemini Omni Flash 搭配使用。工作流程是:先用 Nano Banana 2 Lite 快速生成一组静态参考图像(4 秒/张、0.034 美元/张),再将选中的图像传入 Omni Flash 生成带动画和音效的视频(0.10 美元/秒)。Google 展示了一个室内设计场景的演示:上传一张照片,Nano Banana 2 Lite 生成多个设计概念方案供选择,再由 Omni Flash 将选定方案渲染为动态视频。通过 Interactions API 的多轮状态保持,用户最多可在一个会话中累积三次顺序编辑。这种"静态快速迭代 + 动态精细化"的流水线设计,适合广告创意、电商素材和内容生产等需要批量产出视觉资产的场景。
NotebookLM 上线短视频概览,底层使用 Nano Banana 2 Lite
消费端产品 NotebookLM 同日上线了短视频概览功能(Short Video Overviews),将 Nano Banana 2 Lite 的能力直接嵌入了笔记工作流。用户上传研究素材后,NotebookLM 可将其中的特定概念生成约 60 秒的竖屏视频,包含 AI 生成图像、旁白和图表。这是 NotebookLM 继音频播客、长视频概览和电影式视频概览之后的第四种内容输出形态。操作路径为:打开笔记本,在右侧 Studio 栏选择 Video,然后选择 Short 格式,指定希望聚焦的主题后生成。
该功能目前面向 Google AI Ultra(100 美元/月)和 AI Pro(20 美元/月)订阅用户在网页和移动端开放,仅支持英语内容。Google 表示免费用户的支持即将上线。NotebookLM 对 Nano Banana 2 Lite 的使用,是 Google 将低成本生成模型从开发者 API 向消费产品渗透的一个具体案例。
TabFM:表格数据的零样本基础模型
同日发布的 TabFM 属于不同的产品线。这是 Google Research 推出的一款专为表格数据分类与回归设计的基础模型,将表格预测任务重新定义为上下文学习问题。TabFM 在推理时不需要在目标数据集上训练参数,而是将训练数据作为"上下文"读入,对新样本进行单次前向传播生成预测,免去了手动特征工程、超参调优和重复训练的步骤。
Google 在 TabArena 基准上对 TabFM 进行了评估。TabArena 是一个使用 Elo 评分系统、基于胜负对比来排名表格 ML 方法的基准平台,覆盖 38 个分类数据集和 13 个回归数据集。TabFM 已在 Hugging Face 和 GitHub 开源,提供兼容 scikit-learn 接口的 Python 库,支持 JAX 和 PyTorch 后端。Google 表示将在未来几周内将 TabFM 集成至 BigQuery,届时用户可通过 AI.PREDICT SQL 命令直接执行分类和回归任务。
单位成本下降正在改变生成式 AI 的使用场景
这轮发布的共同主题是单位经济性。Nano Banana 2 Lite 的 0.034 美元/张和 Omni Flash 的 0.10 美元/秒,让图像和视频生成从"按需创作"进入了"批量流水线"的成本区间。对于广告平台、电商工具和内容管理系统的开发者,这意味着将 AI 图像和视频生成嵌入后端自动化流程在经济上变得可行。但低成本也意味着更多的消耗量,Google 推出的按需计量供给(Provisioned Throughput)选项暗示,在高并发生产环境下,吞吐量预留和实际使用模式将决定真实的单位成本。
TabFM 的价值判断逻辑不同。表格数据预测长期由 XGBoost、LightGBM 等梯度提升树方法主导,近一年表格基础模型(如 TabPFNv2、TabICLv2)开始在基准测试中超越传统方法。TabFM 是 Google 在这一方向的入场,其零样本能力和 BigQuery 集成降低的是 ML 工程门槛而非推理成本。
Omni Flash 的编辑能力边界和 TabFM 的实际落地值得观察
Omni Flash 当前的 10 秒/720p 限制意味着它还不是一个通用视频编辑工具,更像是短格式视觉资产的快速原型工具。对话式编辑的多轮状态保持目前最多支持三次顺序编辑,复杂项目仍然需要传统后期流程。该模型处于公开预览阶段,Google 标注的停用日期为 2027 年 6 月 30 日,正式版本的时间表尚未公布。TabFM 的 BigQuery 集成计划在"未来几周"落地,届时它面对的检验不是基准分数,而是企业用户在真实业务数据上的预测质量是否足以替代现有的模型训练流程。NotebookLM 短视频功能向免费用户的开放时间同样待定。