《科創(chuàng)板日報》9月1日訊 一張三維建模圖、一個手辦模型、一個印有“Nano-banana”字樣的包裝盒……在剛剛過去的周末，朋友圈突然涌現(xiàn)出大量雷同的“3D打印手辦”圖片。這些手辦或是明星角色，或是家中寵物，種類繁多令人眼花繚亂。此時此刻，在某社交平臺上以“手辦”為關(guān)鍵詞進行搜索，同樣會看到許多相似的內(nèi)容。

與此形成呼應(yīng)的是，今日早盤，3D打印概念震蕩拉升。截至發(fā)稿，海正生材、長江材料等多股漲停，金橙子、思看科技等紛紛上漲。

然而，這場3D打印熱潮背后的真正主角，卻是谷歌推出的一款代號“納米香蕉”（Nano-banana）的圖像生成與編輯模型。前文提到的“3D打印手辦”圖片，便是Nano-banana的“杰作”。簡單來說，通過上傳人物或動物圖片素材，再輸入特定提示詞和指令，該模型便能夠?qū)⑷讼褶D(zhuǎn)化為同款“手辦”。不過與真正手辦不同的是，Nano-banana生成的“手辦”僅存在于圖片之中。

據(jù)悉，這款模型正式名稱為Gemini 2.5 Flash Image，自8月26日正式上線后，其憑借圖像編輯實測中的驚艷效果迅速出圈。在海外知名AI排行平臺LMArena的最新榜單中，Nano-banana以1362的分數(shù)位列第一，大幅領(lǐng)先于第二名flux（1191）和GPT（1170）。

除了“做手辦”外，Nano-banana還有許多使用場景，比如能夠?qū)⒂脩籼峁┑亩鄠€素材圖，按照要求進行融合。據(jù)3D數(shù)字藝術(shù)家特拉維斯·戴維斯測試，該模型能夠同時駕馭多達13個圖片素材，并將他們?nèi)咳跒橐粡垐D。

在谷歌Gemini官方轉(zhuǎn)發(fā)的使用案例中，用戶只需在地圖上畫出“箭頭”，Nano-banana便會利用其世界知識推理具體位置與畫面，從而將衛(wèi)星圖轉(zhuǎn)換為風(fēng)景圖。此外，按照官方說法，該模型同時具備圖片生成與修改、局部重繪、風(fēng)格遷移等圖片編輯能力。

實現(xiàn)上述效果的關(guān)鍵在于Nano-banana以下核心能力：跨圖一致性、多圖融合、對話式/指令式精細編輯、以及“借助Gemini世界知識”帶來的更強常識/語義理解。目前，用戶可通過Gemini App、API等方式訪問Nano-banana，其API定價為每百萬輸出token30美元。具體而言，生成單張圖片約消耗1290個輸出token，折算成本約0.039美元。

值得一提的是，截至目前諸多海外平臺如Adobe、WPP、Figma等已在真實平臺迅速集成Nano-banana并驗證生產(chǎn)力提升，同時給出了高度評價。華福證券表示，谷歌Nano-banana出圈意味著多模態(tài)模型向更高能力突破，同時看好多模態(tài)領(lǐng)域的爆發(fā)。

現(xiàn)如今，AI圖像模型已成為科技巨頭的核心競爭領(lǐng)域。3月26日，OpenAI推出基于GPT-4o模型的圖像生成功能——Images in ChatGPT，標志著ChatGPT正式實現(xiàn)從單一語言模型向全模態(tài)智能體的跨越。8月23日，Meta宣布將與Midjourney合作開發(fā)圖像和視頻生成技術(shù)。

華泰證券認為，原生多模態(tài)模型架構(gòu)得到業(yè)界認可，OpenAI和Google的原生多模態(tài)模型已經(jīng)在性能、延時、部署上展現(xiàn)出了優(yōu)勢。整體而言，多模態(tài)為主的產(chǎn)品商業(yè)化快于文本產(chǎn)品，從大模型到多模態(tài)已是商業(yè)化的必由之路，多模態(tài)大模型和應(yīng)用發(fā)展的奇點將至。

就投資層面來看，該機構(gòu)指出，多模態(tài)有望在算力和應(yīng)用兩方面帶來相關(guān)投資機會。算力側(cè)，供給端原生多模態(tài)模型需要比非原生模型更多的算力，需求端視頻的推理算力需求遠大于文字，視頻Agent的落地進一步催生推理算力需求。應(yīng)用側(cè)，供給端國內(nèi)的視頻生成模型領(lǐng)先，需求端廣告、零售、創(chuàng)作、教育等領(lǐng)域均有AI化需求。