谷歌这次在多模态上的动作，确实有点意思。虽然Coding能力还是被诟病，但要说搞“多模态”，谷歌手里攒的牌确实不少。 Gemini Omni Flash 这个视频版“Nano Banana”模型，今天正式开放API了。官方用四个数字魔术演示了一波效果，直接看下来，这一致性和文字清晰度，绿幕和特效都省了，现场直播奇异博士既视感。 同时，大家一直关注的“香蕉”图像模型，也迎来了一个“光速版”——Nano Banana 2 Lite。官方称这是迄今为止最快、最经济高效的Gemini图像模型。4秒出一张图，1K分辨率图像成本才两毛多，跟Nano Banana 2放一起对比，这个速度提升简直是起飞了。比起来，某些模型一次生图就要3分钟……难怪Gemini 3.5 Pro迟迟没动静，看来资源和精力全扑在多模态上了。 其实，2026年Google I/O上首次亮相的Gemini Omni Flash，当时就把多模态推理能力与视频生成、编辑深度结合，引发了不少讨论。现在它通过Gemini API和Google AI Studio正式向开发者开放。核心能力有几个方面：一是对话式视频编辑，用自然语言修改和精修视频，像改文档一样方便；二是多模态参考，能组合图像、文本、视频输入，保持场景控制一致性；三是调用Gemini的世界知识构建视频，不用用户写长篇Prompt描述建筑风格；四是文字与动作同步，通过简单提示词就能把文字图形连接到视频动作。 价格方面，每秒视频输出成本0.10美元，跟Veo 3.1 Fast持平。定位上，作为轻量版视频生成模型，Omni Flash更强调Gemini世界知识，生态也全面朝Gemini层靠拢。不过谷歌很坦诚，列了现阶段的一些局限：目前只支持10秒视频生成；暂不支持音频参考上传和场景扩展；API支持最长3秒视频作为参考素材，但模型还无法正确处理这类输入；场景切换和运镜时的人物一致性也有局限。 Nano Banana 2 Lite专为高速处理设计，瞄准对延迟极度敏感、需批量快速处理图像的实时场景，比如电商素材批量生成、广告创意迭代、自动化内容流水线。核心卖点就是光速和低价：出图延迟约4秒，是Nano Banana 2的五分之一；1K图片成本约0.034美元，是Nano Banana 2的一半。但生图和图像编辑能力并没有明显缩水，文字渲染效果依然出色，Benchmark上跟Grok等模型处于同一水平线。所以谷歌建议，如果还在用初代Nano Banana，赶紧换，Lite版在各项关键指标上已经全方位碾压了。 更值得关注的是，这两款模型还能串联起来使用。AIGC创作需要反复迭代，素材管理一向麻烦。现在借助它们，图像生成与视频创作无缝衔接——先用Nano Banana 2 Lite高速出图，再把生成的图像作为参考素材喂给Gemini Omni Flash，一键转化成视频。谷歌甚至做了3个Demo APP来展示这个魔法Workflow：Anywhere可以自拍后瞬间P到地标景点，再点一下变动态视频；Space Lift上传房间照片，出装修方案后直接生成电影级空间漫游；Omni product studio则是跨境电商的福音，拍张白底图，出场景化商品图，再变电商短视频——从产品到广告素材，全链路自动跑完。 问题来了：在Coding几乎等同于模型智商代名词的2026年，各家都在Coding上卷生卷死，谷歌死磕多模态，图什么？AGI叙事那套先放一边，短期来看，这套多模态模型确实能赋能旗下很多产品。这次的两个新模型，让人看到多模态在垂直场景的更多潜力——电商、装修、短视频，这些业务需求是真实的，钱也是真实的。加上有安卓生态加持，商业化基本不用担心。Coding谷歌暂时追不上，但多模态这张牌桌上，谷歌可能是唯一能组齐一套牌的玩家。 不过……Gemini 3.5 Pro到底什么时候来啊？