TL;DR：
谷歌一口气丢出俩新模型：Gemini Omni Flash让你聊着天就能改视频，Nano Banana 2 Lite 4秒出一张高清图，价格低到两毛多。更骚的是，这俩还能串联——先光速生图，再一键变视频。但……Coding依然是硬伤，Gemini 3.5 Pro你在哪？！
刚想夸谷歌最近低调，结果它反手就扔出两个王炸——Gemini Omni Flash 和 Nano Banana 2 Lite。别被这些绕口的名字劝退，简单说：一个是“说话就能做视频”的魔法工具，另一个是“快到起飞”的图片生成器。而且它们还能组合使用，搞出一套从图到视频的全自动流水线。
视频版Nano Banana：麻瓜也能爆改哈利波特了
先聊最炸裂的 Gemini Omni Flash。这玩意在Google I/O 2026大会上亮过相，现在终于开放API了1。它的核心能力简单粗暴：用自然语言直接修改和生成视频。就像改文档一样，你说“把雕像变成泡泡”，视频里的雕像就真炸成一堆泡泡；你说“把房间灯光调暗”，灯光瞬间暗下来。
官方放出的演示视频里，有人对着摄像头自拍，然后一句话把自己P到几十个地标景点里，接着点一下，静态照片就变成了动态短片——赛博旅游，这回真·端到端了。还有更离谱的：上传一张房间照片，模型能自动生成各种装修风格方案，点一下视频按钮，直接给你一段电影级的空间漫游。绿幕和特效？不存在的，现场直播奇异博士。
四项杀手锏功能：
- 对话式视频编辑：用聊天的方式改视频，跟改飞书文档似的。
- 多模态参考：图片、文字、视频随意组合，保持场景一致性。
- 现实世界知识：不用写三页Prompt描述建筑风格，Gemini自己知道哥特式和巴洛克式的区别。
- 文字与动作同步：让文字直接出现在视频里的物体上，且跟随运动。
价格方面，每秒视频输出成本0.10美元，跟Veo 3.1 Fast持平1。目前只支持10秒视频，后续会更长——谷歌自己列了一堆局限，倒是挺坦诚。
光速香蕉：4秒出图，只要两毛多
另一边，大家心心念念的“香蕉”也迎来了极速版。Nano Banana 2 Lite（官方代号gemini-3.1-flash-lite-image）2，专为延迟敏感场景设计。出图延迟约4秒，是上一代Nano Banana 2的五分之一（后者约20秒）。价格更是砍到地板：一张1K分辨率图片仅需约0.034美元，换算下来两毛多人民币1。
速度砍了，价格砍了，但生图和编辑能力并没有明显缩水。文字渲染效果依然出色，在Benchmark上和Grok等模型处于同一水平线1。谷歌甚至直接喊话：如果你还在贪便宜用初代Nano Banana，赶紧换，Lite版全方位碾压。
双剑合璧：从生图到视频无缝衔接
你以为这只是两款独立的模型？谷歌说：“真正的神奇之处，在于将这些模型串联起来使用。”1
具体怎么玩？先拿 Nano Banana 2 Lite 光速出一张商品图、房间效果图或者风景图，再把它作为参考素材喂给 Gemini Omni Flash，一键转化为动态视频。谷歌甚至专门做了三个Demo APP来秀操作：
- Anywhere：自拍一张，瞬间把你P到世界各地，再点一下变视频。
- Space Lift：上传房间照片，一键生成各种装修风格，然后电影级空间漫游。
- Omni Product Studio：给产品拍张白底图，自动生成场景化商品图和电商短视频。
从“产品”到“广告素材”，全链路自动跑完。跨境电商的福音来了，装修方案SaaS公司可能要慌了。
多模态到底有什么用？谷歌的答案
2026年的AI战场，Coding几乎成了模型智商的代名词，每家都在往死里卷写代码。谷歌却死磕多模态，图什么？
短期看，这套模型能直接赋能一堆自家产品：Stitch、Pixel内置P图、NotebookLM。再加上安卓生态的加持，商业化完全不用愁。电商、装修、短视频——这些场景的需求是真的，钱也是真的。
更重要的是，多模态这张牌桌上，谷歌可能是唯一能组齐一套牌的玩家。从文本、图像、视频到音乐，模型全家桶都齐了，还能互相联动。而Coding……嗯，暂时追不上就是追不上。
等等，Gemini 3.5 Pro到底啥时候来？
文章最后，作者忍不住替所有开发者喊一嗓子：Gemini 3.5 Pro到底啥时候来啊！！！ 毕竟大家都在等那个能跟Claude 4、GPT-5硬刚的Coding怪兽。不过谷歌的回应也很明显：时间全花在多模态上了。哈萨比斯，你听见了吗？
参考链接：