四秒一張圖:Nano Banana 2 Lite 把生成變成互動的一部分

四秒是 Google 放在 Nano Banana 2 Lite 發表說明最前面的數字,也是唯一對「這個模型到底要做什麼」有意義的數字。
一次文生圖大約四秒,對比 Gemini 3.1 Flash Image 的大約十一秒——依廠商自己的比較,快約 2.7 倍。輸出上限 1K。十四種長寬比。API 介面跟大哥們一樣:文生圖、圖像編輯、多圖合成,還有附在圖旁邊的文字回覆,因為底子仍然是一個多模態模型。
它在 OpenRouter 圖像榜排第八,每週 17.4 億 token,每百萬輸入 token 0.25 美元、每百萬輸出 30 美元。輸入價是 Nano Banana 2 的一半,輸出價一樣,這告訴你真正的成本住在哪裡。
這些都不刺激。全都很有用,而且有一個實在的論點:市場是在無聊的那個級距決定的。
為什麼四秒改變的是產品,不只是等待
互動軟體有個門檻,大約在三到五秒之間,它跟人有多少耐心無關。在門檻以下,一個系統可以是一個迴圈。在門檻以上,一個系統就必須是一個 job。
具體說:四秒,你可以在使用者放開按鍵時生成,結果還在使用者看著螢幕的時候回來。你可以做一個情緒板工具,改一個詞就重算整面格線。你可以把生圖放進表單的自動完成裡。十一秒,這些都做不到——每一個都會變成進度條、轉圈圈,和一個「要不要繼續等」的決定。
這就是 Lite 級距存在的理由,也是用量數字長那樣的原因。這個模型不是被用來做主視覺。它是被用來做你在做出主視覺之前丟掉的那四十張圖。
Google 的定位用語異常直接:「高速開發者 pipeline」、「快速視覺探索」、「以相對重型生產模型一小部分的成本生成數千張圖」。翻譯:這是你還在決定要什麼時用的那個級距。

1K 上限是交換,而且是對的交換
Nano Banana 2 Lite 輸出 1K,十四種長寬比。沒有 2K,沒有 4K。如果你需要,就該往家族上層走,用會到 4K 的 Nano Banana 2.1。
很容易把解析度上限讀成一種限制。更好的讀法是:它是讓速度成為可能的機制。解析度是擴散模型裡最貴的變數——把像素變四倍不是運算變四倍,是更糟——所以一個承諾五秒內交件的模型,必須在某個地方放棄解析度。
你換到的是十四種長寬比,這比聽起來重要。長寬比是最常逼你生成第二次的參數:你生了一張 16:9 的主視覺,然後需要一個 9:16 的版本發限動,而裁切是錯的。一個能在四秒內以 1K 處理全部十四種的模型,讓你為每個版位各生一次同一個概念,那就是「一個素材」和「一組素材」的差別。
SynthID,以及不可見浮水印的爭論
每一份輸出都帶著看不見的 SynthID 浮水印。Google 在它的圖像模型上做這件事已經一段時間,通常只被一句話提到然後就忘了。
它值得超過一句話,因為「不可見浮水印」是那種只有在大規模時才變得有趣的東西。可見的浮水印是品牌決定。不可見的是基礎設施:它讓平台能回答「這是不是生成的」,而不改變圖片看起來的樣子,而且它撐得過大多數常見的編輯。
這套基礎設施是好是壞,完全取決於誰在問、為什麼問。對一個過濾合成上傳的圖庫平台,它有用。對一個想在交付物上帶來源中介資料的創意總監,它有用。對一個想讓生成圖與照片無法區分的人,它是障礙——而它肉眼不可見、在程式碼裡可偵測,正是重點。
對在這類模型上做產品的人還有一個實務上的小麻煩:如果你的 pipeline 會剝掉中介資料或激進地重新編碼,你可能正在移除一個下游平台開始要求的訊號。那是合規問題,它會先出現在採購表單上,才出現在 bug report 裡。
它在榜上其他模型之間的位置
看 OpenRouter 前八名,形狀就出來了。Google 佔四席。OpenAI 兩席。位元組跳動一席,Meta 一席。兩個 Google Flash 級距的模型——Nano Banana 2 以 57.6 億 token 排第一,Nano Banana 2 Lite 以 17.4 億——與其說在互相競爭,不如說在覆蓋兩種不同的工作:預設,和快速的預設。
那是一個刻意的產品結構,跟語言模型裡行得通的是同一套。用一個讓大量使用變得合理的價格,提供一個夠好的模型;再用一個更好的,給那些值得等待的場合。兩者之間的差距,變成你的應用做的路由決定,而不是你的使用者必須理解的選擇。
對開發者來說,實際的含意是你大概該呼叫兩個模型,不是一個。用 Lite 的速度寫規格,用全品質算最終版。成本差距比時間差距小。
讓路由變得明顯的算術
拿一個現實的工作算一下,因為抽象的價格比較會把決定藏起來。假設你需要一張最終主視覺,而你願意在定案前試二十個方向。Lite 速度,每次四秒,那是八十秒的探索——不到一分半,塞得進一杯咖啡的時間。每次十一秒,那將近四分鐘,長到你會放棄試第二十個想法。
兩個模型的輸出 token 每百萬同價,所以省下的全在輸入側,以及在你願意做多少次呼叫。第二部分是大家漏掉的。更便宜的模型不只是每次嘗試更便宜;它改變你能合理做幾次嘗試,而嘗試次數才決定最終那張圖好不好。
所以正確的架構很無聊:把探索路由到 Lite,把那一個核准的方向路由到更大的模型,用 2K 或 4K。兩組 key、一個提示詞模板、一個 boolean。大多數抱怨生圖成本的團隊,是兩個工作都在跑貴的那個模型。
該注意什麼
明顯的風險是 Lite 級距悄悄變成唯一大家負擔得起的級距,而當所有人都在為吞吐量最佳化時,品質往下收斂。文字生成大致就是這樣,結果對大多數任務還可以,對需要講究的任務很糟。
另一個風險更具體:1K 的輸出在螢幕上好看,在印刷、在大型看板 mockup、或在任何有人放大到 200% 的場合就散掉。四秒的交件時間鼓勵「永遠不放大」的習慣。那是工作流的風險,不是模型的缺陷,但那是會出貨的那種。
儘管如此,這才是會定義今年大多數圖片怎麼被做的級距。不是因為它最好,而是因為它快到能成為思考的一部分,而不是思考之後的事——也因為每百萬輸入 token 0.25 美元,你負擔得起錯四十次再對一次。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
GPT Image 2.6 守住 token 價格,帳單卻變貴了
GPT Image 2.6 沿用 2.5 的全部 token 費率,每張圖卻更貴,因為更多工作現在花在輸出 token 上。上線十一天,定價結構說得比排行榜更多。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。