最近，那个在社区中引发热议、代号为"Nano Banana"的图像编辑模型正式发布了。 如果说gpt-Image1让人初步感受到了原生图像生成的潜力，那么Nano Banana则标志着这种魔法般的能力真正开始落地。 谷歌Gemini团队的Nicole Brichtova、Kaushik Shivakumar、Mostafa Dehghani和Robert Riachi近日接受访谈，详细解读了Gemini 2.5 Flash背后的关键技术。他们探讨了 复杂编辑中交织式生成（interleaved generation）的实现方式，以及在保持人物一致性和实现精准像素控制方面的新突破。 锦秋基金（公众号：锦秋集；ID：jqcapital）认为，这篇文章揭示一部分了nano banana背后的技术思路，因此也做了编译。 Nano Banana凭借强大的原生图片编辑能力迅速出圈，大量用户夸赞它在人物一致性、风格泛化上取得了不可思议的进步；与此同时，作为gemini-2.5-flash的原生图 像生成功能，Nano Banana真正做到了理解图像与创造图像的融合。 应对复杂 指令 的新 范式 对于非常复杂的指令（例如，一 ...