谷歌 Nano Banana 2 Lite 上线：4 秒出图，每张 0.034 美元，正面叫板字节 Seedream
谷歌推出轻量文生图模型 Nano Banana 2 Lite，1K 图定价 0.034 美元、平均 4 秒出图，在审美…
谷歌近日正式上线 Nano Banana 2 Lite 文生图模型，官方调用名称为 gemini-3.1-flash-lite-image，已登陆 Google AI Studio、Gemini API 以及 Gemini 企业代理平台。该模型以 0.034 美元/张的 1K 分辨率定价与约 4 秒的端到端生成时延，直接对标字节跳动最新轻量文生图模型 Seedream 5.0 Lite，被业界视为谷歌主动踏入此前由中国厂商主导的「性价比战场」。
价格贴身肉搏，差距仅 0.001 美元
在 API 定价层面，Nano Banana 2 Lite 单张 1K 图的生成成本被压至 0.034 美元，而 Seedream 5.0 Lite 同期定价约为 0.035 美元（国内官方渠道折算约 0.22 元/张）。单张仅 0.001 美元的差额看似微小，但在内容、电商、游戏、教育、广告等高频调用场景下，调用量的成倍放大足以让成本与延迟成为关键变量。
值得注意的是，Nano Banana 2 Lite 并非取代同系列 Pro 版本，而是将「高频海量出图」这一档补齐：在牺牲多分辨率支持（仅 1K）与部分重型能力的同时，将算力集中在速度与单位成本上，瞄准当前文生图场景下「又慢又贵」的真实痛点。
4 秒 vs 45 秒：延迟才是分水岭
据 AI 模型评测平台 Artificial Analysis 提供的第三方数据，Nano Banana 2 Lite 的端到端生成时延约为 4.0 秒，而 Seedream 5.0 Lite 高达 45.1 秒。二者在价格上的微小差距，远不及延迟上十倍级的差异来得关键。
对设计工具、电商后台、广告平台、社交应用与游戏 UGC 而言，4 秒级响应意味着「改一句提示词、换一个风格、几秒看到结果」的即时反馈，使图像生成有机会嵌入实际产品交互流，而非仅仅作为离线的图片工具。
审美 Elo 反超 Pro：轻量也能不妥协
在基于人类盲测的文生图审美偏好评分上，Nano Banana 2 Lite 取得 Elo 1251，高于 Seedream 5.0 Lite 的 1132，并在部分基准上甚至超过同系列参数量更大的 Pro 版本，打破了「参数量决定一切」的传统认知。
这一表现得益于两项核心策略：
- 知识蒸馏：Lite 版在训练中利用 Gemini 3.1 系列更大规模模型生成的合成数据进行对齐，继承了旗舰模型对物理世界与复杂物体关系的理解能力。
- 场景化特训：针对风景、人像、常见物体等最高频提示词场景进行精细化清洗与权重提升，在通用场景上比追求通用的大模型更稳定。
在细节控制上，Lite 版通过引入文本感知分支强化了 OCR 级文字生成能力，并采用特征锚定机制提升多轮生成中同一主体的面部与服装一致性，缓解了轻量模型「便宜但不敢用」的顽疾。
技术上，Lite 版默认运行于 Low-Thinking 模式，跳过大部分复杂逻辑推理步骤，直接利用训练好的潜空间映射快速采样；同时针对 1K 分辨率请求做了算子融合与批处理优化，提升 GPU 利用率以摊薄单图推理成本。
接棒视频生成：Omni Flash 解锁完整链路
在 Nano Banana 2 Lite 发布的同时，谷歌解禁了多模态模型 Gemini Omni Flash，二者在生态中构成接力关系：Lite 负责极速出图，Omni Flash 负责视频生成与对话式编辑。
Omni Flash 在「Overall Preference」与「Instruction Following」两个 Elo 维度上均位列前茅，领先于阿里 HappyHorse、快手 Kling v3 Pro 以及字节 Seedance 2.0。其 Interactions API 可在三轮自然语言指令内保留会话历史并叠加修改，避免视频编辑中的「记忆丢失」。输出定价为 0.10 美元/秒（与 Veo 3.1 Fast 持平），支持最长 10 秒视频生成。
谷歌已针对电商、室内设计、社媒传播三个场景上架了对应功能模块，例如先由 Lite 生成多角度商品静态图，再一键转为电商短视频，缩短素材制作周期。当前的局限包括暂不支持音频参考上传、场景延展受限以及复杂运镜下的人物一致性仍有优化空间。
从参数竞赛转向生产竞赛
旗舰模型时代，行业比的是人脸真假、构图复杂度与光影高级感；而在 Lite 级别，问题变成了另一套：一张图多少钱、多久返回、能否批量运行、能否稳定修改、能否接进视频。
Seedream 代表的路线，是把搜索、推理、理解与生成揉进同一套图像系统；Nano Banana 2 Lite 展现的则是另一种思路——用 Gemini 家族的基础能力，把轻量图像模型做成高吞吐、低延迟、可接视频的生产接口。两条路线背后，是字节依托内容产业链的爆款逻辑与谷歌依托开发者工具、云平台与企业工作流的基础设施逻辑之间的差异。