机器之心
1 个来源谷歌 DeepMind 发布 Nano Banana 2.1，强化专业设计能力
Google DeepMind 正式推出 Nano Banana 2.1，这是基于 Gemini 3.6 Flash 的图像生成与对话式编辑模型。新版本重点提升视觉设计、蒙版编辑、主体一致性和图像自然度，并已在 Gemini API、Gemini App、Google AI Studio 等平台上线。评测显示其在信息图设计和局部编辑等任务上较前代有明显进步，进一步面向专业设计师和视觉生产场景。
返回信息流
新闻事件
SynthePulse Insight · AI 深度解读
Nano Banana 2.1 的 0.1 步：谷歌把图像模型推向“可交付”的边界
版本 1 · 1 个来源
Google DeepMind 发布 Nano Banana 2.1，基于 Gemini 3.6 Flash，在官方评测中设计完成度、蒙版编辑与多角色一致性均有提升，并已进入 Gemini API 等产品。但模型卡同时列出多项明确限制，提示这仍是一次面向生产体验的集中升级，而非能力边界的突破。
- Nano Banana 2.1 已正式发布，底层基于 Gemini 3.6 Flash，模型 ID 为 gemini-nano-banana-2.1，并成为 Gemini API 中的稳定模型。
- 官方评测显示，开启 Thinking 后 Infographic Design 得分 1048，整体偏好 1050，Mask/Ink-Based Editing 1049，General Editing 1026，均高于 Nano Banana 2 与 Nano Banana Pro。
- 多角色一致性从 Nano Banana 2 的 978 提升至 1106，单角色一致性从 981 提升至 1028。
- 开发者侧支持 1K、2K、4K 输出，多图融合最高接收 14 张参考图，并优化了 1:4、4:1、1:8、8:1 等宽幅画面的平铺伪影。
- 模型卡承认小字号文字在 1K 输出中仍可能模糊、长段落渲染有限、角色一致性并非始终稳定、蒙版编辑可能残留痕迹等限制。
- 所有评测分数均来自谷歌公布的模型卡与官方评测，采用侧对侧人类评价并以 Elo 形式衡量，缺乏第三方独立验证。
展开章节目录一次 0.1 升级，瞄准的是“能不能交付”
一次 0.1 升级，瞄准的是“能不能交付”
Google DeepMind 正式发布 Nano Banana 2.1 图像生成与编辑模型，底层基于 Gemini 3.6 Flash，属于 Gemini 3 系列。它已成为 Gemini API 中的稳定模型，模型 ID 为 gemini-nano-banana-2.1，并已分发到 Gemini App、Google AI Studio、Gemini API、Google Search AI Mode、Google Ads、Flow 和 Stitch 等产品与开发平台。
从命名看这只是一次“0.1”级别的更新，但谷歌给出的定位是面向高效率的图像生成和对话式编辑，在保持 Flash 级别速度与成本效率的同时，继续向专业图像生成和编辑靠近。换言之，这次升级的重点不是扩大能力边界，而是把已有能力推进到更接近实际工作流可用的程度。
设计完成度：从“画得好”到“像设计稿”
生成模型能画好单个物体，与能完成一整张平面设计，仍是两回事。Nano Banana 2.1 针对完整设计任务进行了强化，官方展示涵盖瑞士平面设计、复古海报和网页 UI 等案例，模型需要理解完整设计要求，将字体、图片、色块和版式组织到同一画面。
评测数据体现了这一变化。在开启 Thinking 的情况下，Nano Banana 2.1 的 Infographic Design 得分为 1048，此前 Nano Banana 2 为 961、Nano Banana Pro 为 912；整体偏好得分为 1050，此前两款模型分别为 990 和 935。谷歌这部分评测采用侧对侧人类评价，并通过 Elo 形式衡量整体偏好和设计质量。
需要说明的是，这些分数来自谷歌公布的模型卡与官方评测，并非第三方独立验证，因此更适合理解为官方口径下的相对提升，而非绝对能力认证。
蒙版编辑：局部控制向“确定性”靠近
局部编辑看起来简单，实际对模型约束很强：用户圈出图中一个物体，希望改变周围环境，同时保持主体的位置、尺寸和外观，模型既要准确理解蒙版范围，也要避免修改无需改变的内容。
在 Mask/Ink-Based Editing 评测中，Nano Banana 2.1 Thinking 得分达到 1049，此前 Nano Banana 2 为 965、Nano Banana Pro 为 927；更广义的 General Editing 得分也由此前两款模型的 938、939 提升至 1026。
这一能力直接影响生成式图像工具能否进入真实工作流。实际设计过程很少一次成稿，更多是一轮轮局部调整：换背景保留产品、改衣服保持人物、重做某块排版而其他部分尽量不动。模型越能控制修改范围，越接近传统编辑软件提供的确定性。
多角色一致性：多人同框不再轻易“换脸”
主体一致性是连续视觉内容中的常见难题：单张图把人物画得逼真已不罕见，真正困难的是连续生成后这个人依然像同一个人，或者一次引入多个人物、多件产品后每个主体都能保持原本特征。
Nano Banana 2.1 在多人场景提升尤其突出。谷歌评测中，单角色一致性从 Nano Banana 2 的 981 提升至 1028；多角色一致性从 978 提升到 1106，后者也领先 Nano Banana Pro 的 1011。官方展示了将多名不同模特参考图组合到同一时尚大片中的案例，模型需要同时处理人物身份、服装、距离、姿态以及整体场景关系。
这种能力进一步向“素材复用”靠近：一次拍摄或一组产品图可以被重新放进不同场景，已有角色能继续出现在后续画面中。对商业设计而言，生成结果不再是一张张彼此孤立的图片。
自然度与信息图：两条并行的产品线
Nano Banana 2.1 的另一项官方重点是更自然的图像观感。Google API 文档提到，新模型提升了 1K、2K 和 4K 分辨率下的视觉质量与真实感，官方样例涵盖微距昆虫、人物摄影、自然景观、静物以及绘画作品，强调材质、光线、空间关系和细节的自然程度。这一方向不易量化，却直接决定生成图片第一眼给人的感受。
信息图这条路线也被继续押注。Nano Banana 系列可调用 Gemini 的世界知识，并利用 Google Web Search 和 Image Search 进行 grounding，用于信息图、教育图示及真实对象生成。在 Infographic Factuality 指标上，Nano Banana 2.1 Thinking 得分为 0.521，Nano Banana 2 为 0.179，Nano Banana Pro 为 0.265，谷歌使用 AutoRater 评估。
需要留意的是，该指标采用自动评估而非人工核验，0.521 的绝对水平与评估口径细节不明，难以据此判断实际可靠性。
模型卡里的限制：升级不等于解决
从谷歌自己公布的模型卡看，Nano Banana 2.1 仍存在相当明确的限制：小字号文字仍可能模糊，尤其在 1K 输出中；长段落和整页文本的渲染质量仍然有限；输入图片和生成图片之间的角色一致性也并非始终稳定。
蒙版和涂鸦编辑虽然已经提升，但仍可能出现指令执行不完整以及编辑痕迹残留，部分情况下模型还会过度继承原图中主体的姿态和结构；左右等空间位置关系偶尔也会判断错误。谷歌同时承认，在世界知识、高级 3D 推理和事实准确性方面仍有提升空间。
这些限制在实际使用中的触发频率与严重程度，来源并未量化。因此更合理的理解是：Nano Banana 2.1 是一次针对实际生产体验的集中升级，版本号只增加了 0.1，调整的却恰好是生成式图像进入工作流后最容易暴露问题的地方。
可信度边界
本文所有事实与数据均来自机器之心对 Google DeepMind 发布 Nano Banana 2.1 的报道及其引述的谷歌模型卡与官方评测。评测分数由谷歌自行发布，采用侧对侧人类评价并以 Elo 形式衡量，Infographic Factuality 使用 AutoRater 自动评估，均缺乏独立第三方复现或验证。模型卡自述限制为谷歌官方承认，但实际触发频率与严重程度未量化。文章未说明 Nano Banana 2.1 的具体发布时间、定价或与 Nano Banana 2 的完整版本差异。
核心结论
Nano Banana 2.1 的价值不在于版本号，而在于谷歌把升级对准了生成式图像进入真实工作流后最容易暴露的环节：设计完成度、局部控制、连续编辑中的一致性以及图像自然度。官方评测显示这些维度均有提升，但模型卡列出的限制与评测缺乏第三方验证，意味着它更接近一次面向生产体验的集中打磨，而非能力边界的突破。
主报道
机器之心
主报道来源