Google 最便宜的图像模型:四秒出图,每张都盖 SynthID

四秒,是 Google 放在 Nano Banana 2 Lite 发布稿最前面的数字,也是对这个模型真正用途唯一要紧的数字。
文生图大约四秒,对比 Gemini 3.1 Flash Image 的大约十一秒——按厂商自己的比较,快约 2.7 倍。输出上限 1K。十四种画幅。API 面跟它更大的兄弟一样:文生图、图像编辑、多图合成,以及图像旁边的一段文字回复,因为底下还是个多模态模型。
它靠每周 17.4 亿 tokens 排在 OpenRouter 图像榜第八,输入每百万 token 0.25 美元,输出每百万 30 美元。输入是 Nano Banana 2 的一半,输出同价——这告诉你钱到底花在哪。
这些都不刺激。全都很有用,而且有个站得住的说法:市场是在无聊的那一档被决定的。
四秒改的是产品,不只是等待
交互软件里有一条阈值,大概在三到五秒之间,它跟人有多耐心没关系。在阈值以下,系统可以是一个回路。在阈值以上,系统必须是一个任务。
具体点:四秒,你可以在按键松开时生成,结果到的时候用户还在看屏幕。你可以做一个情绪板工具,改一个词就重渲整面墙。你可以把图像生成放进表单的自动补全。十一秒,这些都不可能——每一个都会变成进度条、转圈,和一个要不要继续等的决定。
这才是 Lite 档存在的理由,也是用量数据长那样的原因。这个模型不是用来做首图的。它是用来做你在做出首图之前扔掉的那四十张。
Google 的定位话术难得直白:「高速开发者流水线」「连发式视觉探索」「以重生产模型零头的成本生成上千张图」。翻译过来:这是你还没想清自己要什么时用的那一档。

1K 是交易,而且换对了
Nano Banana 2 Lite 输出 1K,十四种画幅。没有 2K,没有 4K。需要更高的话,请往家族上面走,Nano Banana 2.1 能到 4K。
很容易把分辨率上限读成限制。更好的读法是:它就是让速度成为可能的机制。分辨率是扩散模型里最贵的变量——像素翻四倍不是算力翻四倍,是更糟——所以一个承诺五秒内出图的模型,必须在某个地方让掉分辨率。
换回来的是十四种画幅,这比听起来重要。画幅是最常逼你生成第二次的参数:你出一张 16:9 首图,然后 Stories 要 9:16,裁出来是错的。一个能在四秒里用 1K 搞定全部十四种画幅的模型,让你按投放位各生成一次同一个概念,这就是一个素材和一套素材的区别。
SynthID,和不可见水印这笔账
每一张输出都带不可见的 SynthID 水印。Google 在自家图像模型上做这事有一阵了,通常提一句就过去了。
它不止值一句,因为「不可见水印」是那种只有在规模上才有意思的东西。可见水印是品牌决定。不可见水印是基础设施:它让平台能回答「这是不是生成的」,而不改变图的样子,而且它能扛过多数常见编辑。
这套基础设施是好是坏,完全取决于谁在问、为什么问。对过滤合成上传的素材平台,有用。对想要交付物带来源元数据的创意总监,有用。对想让生成的图和照片无法区分的人,是障碍——而它在眼里看不见、在代码里查得到,正是重点。
对在这些模型上做产品的人还有个实际的麻烦:如果你的流水线剥掉元数据或者激进地重编码,你可能正在移除下游平台开始要求的信号。这是个合规问题,它会先出现在采购表上,再出现在 bug 报告里。
它在这张榜上的位置
看 OpenRouter 前八,形状就出来了。Google 占四席。OpenAI 两席。字节一个,Meta 一个。而两个 Google Flash 档模型——第一的 Nano Banana 2 的 57.6 亿,和 Nano Banana 2 Lite 的 17.4 亿——与其说在互相竞争,不如说在覆盖两份不同的活:默认,和快的默认。
这是有意的产品结构,也是语言模型上奏效过的同一个。用一个够好的模型、配一个让大批量使用变得合理的价格,再用一个更好的应付值得等待的场景。两者之间的差距,变成你的应用做的路由决定,而不是用户必须理解的选择。
对开发者,实际含义是你大概该调两个模型,不是一个。用 Lite 的速度写规格,用全画质渲最终稿。成本的差比时间的小。
让路由变得显然的那道算术
拿一个真实任务算一遍,因为抽象的价格对比会把决定藏起来。假设你要一张最终首图,并愿意在定稿前试二十个方向。Lite 速度,每张四秒,那是八十秒的探索——一分半以内,够泡杯咖啡。每张十一秒,是将近四分钟,长到你会放弃试第二十个想法。
两个模型的输出 token 单价一样,所以省下的全在输入侧,以及你愿意发多少次调用。第二点是人们漏掉的。更便宜的模型不只是每次更便宜;它改变了你能为多少次尝试找到理由,而尝试次数决定最终那张图好不好。
所以正确的架构很无聊:探索路由给 Lite,那一个被批准的方向路由给更大的模型,2K 或 4K。两个 key、一个提示词模板、一个布尔值。多数抱怨图像生成成本的团队,是两个活都在用贵的模型跑。
要留意的
明显的风险是 Lite 档悄悄变成唯一付得起的一档,随着所有人都在为吞吐优化,质量向下收敛。文本生成大致就是这么走的,结果对多数任务还行,对需要讲究的那些很糟。
另一个风险更具体:1K 的输出在屏幕上好看,在印刷、在广告牌样稿、在任何有人放大到 200% 的场合就散了。四秒的周转会鼓励「从不放大」的习惯。这是工作流的风险,不是模型的缺陷,但它是那种会被发出去的风险。
不过,今年多数图会怎么被做出来,是由这一档定义的。不是因为它最好。是因为它快到能成为思考的一部分,而不是思考之后——也因为输入每百万 0.25 美元,你错四十次再对一次的代价付得起。