Nano Banana 2.1 的进步不在「画得更好看」，而在「改得动」
谷歌今天正式发布图像模型 Nano Banana 2.1。官方把改进拆成三块：视觉设计、基于蒙版的局部编辑、主体一致性。多数报道会盯着第一块，但我认为后两块才是真正会改写工作流的部分——它把图像模型从「一次性生成器」推向「可反复修改的素材工具」。
这次改的三件事，指向同一个方向
- 视觉设计：生成素材的构图与完成度更高，减少「一眼 AI 感」。
- 蒙版编辑：可以精准选中并修改现有图像的局部区域，不必重新生成整张画面。
- 主体一致性：编辑或批量生成关联图片时，更好地保留主体样貌与特征。
三者解决的是同一个问题：可控性。生成式图像早期比的是「一次成图好不好看」，但真实项目里大部分时间花在「第 3 版比第 2 版差在哪、怎么只改那一只袖子、改完别把背景也改了」。
为什么「一致性」才是分水岭
主体一致性决定了同一角色、同一产品能否稳定出现在多张图里。它直接决定三件事能不能成立：品牌素材的批量产出、分镜与连环画面、以及操作教程里的步骤图。没有一致性，模型只能做单张插图；有了一致性，它才开始能做「素材库」。
对实际工作流的影响
- 做运营与电商的，可以在不改动未编辑区域的前提下，把同一商品换背景、换季节、换模特姿态，边际成本显著下降。
- 做内容与培训的，步骤图、界面示意、角色插画的返工次数会明显减少。
- 对开发者，模型 ID 为
gemini-nano-banana-2.1，支持文本、图片、音频、视频输入，可输出 1K/2K/4K 分辨率，接入面覆盖 Gemini 应用、搜索 AI 模式、AI Studio、Flow、Stitch 与 Gemini 企业平台。
一个冷静的提醒
官方口径之外，行业媒体指出 ChatGPT Images 2.5 在「持续微调同一张图」这件事上仍然领先：更擅长保留上一轮修改成果、不动未编辑区域、反复迭代不降质；微软的 MAI-Image-2.6 紧随其后。也就是说，这一轮的竞争已经不是「谁画得漂亮」，而是「谁在第十次修改后还站得住」。
建议：如果你的流程里有大量「改局部、保整体」的活，值得用它做一次 A/B；如果你的需求只是出单张配图，升级带来的体感会小得多。
参考来源
延伸阅读：63GW 涨到 474GW：数据中心的瓶颈已经不在芯片，在并网队列 · DLSS 5 正式版体验：十年没进步的游戏画面，英伟达怎么让它以假乱真？