谷歌Gemini 2.5 Flash升级AI修图，多项性能超越GPT-4o

8月27日消息，科技媒体The Decoder于昨日（8月26日）发布博文称，谷歌DeepMind推出了新一代Gemini 2.5 Flash图像编辑模型。该模型集成于Gemini应用中，用户可通过文字指令对图像进行高精度修改，同时保持人物或动物的外观一致性。

据博文介绍，与之前的原生图像生成工具相比，Gemini 2.5 Flash在基于文字修改图像方面表现出更高的准确性，甚至在多项任务中超越了ChatGPT所使用的GPT-4o模型，使其能够更出色地完成复杂文本驱动的图像编辑。

新模型的一大亮点是其“角色一致性”功能。在生成多张图像时，即便人物的姿态、背景环境或光照条件发生变化，模型仍能保持同一人物、动物或物体的外观特征不变。这一特性尤其适合用于创作系列照片、多角度产品展示，可为品牌素材和产品目录的批量制作提供便利。

Gemini 2.5 Flash支持精准的局部文本编辑，用户无需手动框选区域，即可实现背景虚化、瑕疵修复、色彩添加或物体移除等操作。

该模型还具备多图像融合能力，可一次性合并最多三张图像，例如将产品图像与室内场景结合生成逼真的视觉效果。此外，“风格迁移”功能支持将某种纹理、色彩或图案应用到另一物体上，同时保持其原有形状与细节。“现实推理”能力则可模拟简单因果关系，例如呈现气球飞向仙人掌及其后续情景。

目前，Gemini 2.5 Flash已在Gemini应用中正式上线。用户需将模型切换至“Flash”模式方可使用图像编辑功能，所有生成的图像均会附带可见水印及不可见的SynthID数字水印。

开发者现可通过Gemini API、Google AI Studio及Vertex AI平台体验该模型，其定价为每百万输出token 30美元，单张图像的处理成本约为0.039美元。