Google 週二發布 Nano Banana 2.1，這是其影像生成與編輯模型的最新版本，在視覺品質、提示詞遵循、文字渲染及多輪角色一致性方面帶來廣泛改進，同時維持產品線一貫的 Flash 級速度與成本效益。該模型是 Gemini 3 Pro Image（又稱 Nano Banana Pro）的更高效能版本。

此次更新正逐步推出至 Gemini 應用程式、Google 搜尋的 AI 模式、Google Ads，以及包括 Google AI Studio、Flow 與 Stitch 等開發者工具。此時，Nano Banana 家族已成為 Google 消費者 AI 策略的核心支柱。2025 年 9 月，初代模型能將自拍轉換為收藏級公仔的能力，將 Gemini 推上兩大應用程式商店榜首，終結 ChatGPT 近三年的領先地位，並適逢 Alphabet 市值突破 3 兆美元。Version 2 隨後於 2 月推出，建構於 Gemini 3.1 Flash Image 之上，並引入 Google 搜尋接地（grounding）功能，使真實事件或人物的影像更加準確。

Google 在 X 上宣布了此次發布：

Meet Nano Banana 2.1, our latest image generation and editing model This upgraded version outperforms our previous models across the board, with notable leaps in visual design, mask-based editing, and subject consistency to help you create more natural-looking images. pic.twitter.com/d858DrzrF3

— Google (@Google) October 6, 2026

更銳利的編輯能力與更強的基準測試表現

Google 在此次新版本中強調三大重點升級：改進的視覺設計、更精確的遮罩式編輯（僅變更影像中被標記的區域），以及更強的主體一致性，使人物或物件在多次編輯後仍可被辨識。這種一致性是多影像工作流程的基礎——例如分鏡圖、產品組合與系列藝術作品——否則這些場景就得逐一手動修圖。規格上，該模型可同時處理多達 14 張參考影像，對多達四個角色保持一致性，並對多達十個物件還原度。它可輸出 1K、2K 與 4K 解析度，修正了 1:4、1:8、4:1 與 8:1 等極端全景長寬比上的拼接瑕疵，並能更準確地渲染文字與資訊圖表版面。

這些改進在基準測試中同樣可見。在文字生圖測試的整體偏好評比中，Banana 2.1 獲得 1,050 ELO 分，相較於 Nano Banana 2 的 990 分與 Nano Banana Pro 的 935 分——在由人類偏好兩兩比較建立的排名系統中，這是相當顯著的差距。

開發者可透過可設定的思考等級（從最低到高等級）獲得更多控制權，並可透過 Google 網頁與圖片搜尋的接地功能，讓模型在生成影像前先查詢相關資訊。

效率提升也延伸至成本面。透過 Google 的開發者 API，標準 1K 影像現售 0.0336 美元——約為 Nano Banana 2 定價 0.067 美元的一半——而 4K 影像為 0.0756 美元，先前則為 0.151 美元。批次處理另享 50% 折扣。實際而言，生成一千張標準解析度影像的成本現在約為 33.60 美元，低於先前的 67 美元，使 Nano Banana 2.1 同時成為品質領先者與生成式影像市場中最具成本效益的選項之一。對於大量生成影像的產品而言，單張影像定價直接影響營運成本，這也是此次降價的意義不僅止於表面的品質提升。隨著供應範圍擴大，這些基準測試優勢能否在實際日常使用中成立，將是對 Google 宣稱的直接考驗。

來源：Metaverse Post