Nano Banana 2 Lite 图像生成与编辑工作台

Nano Banana 2 Lite 是什么

它是 Google 把速度放在第一位的图像模型，2026 年 6 月 30 日发布，模型 ID 为 gemini-3.1-flash-lite-image，架构名 Gemini 3.1 Flash Lite Image。Google 自己把这笔账说得很直白：这是 Nano Banana 家族迄今最快、最省的图像模型，为高吞吐、高速度、大规模场景而做。

它不替代 Nano Banana 2，也不替代 Nano Banana Pro。Google 把它定位在超低延迟关键的近实时、大批量流程上，并且明确点名：还在调用第一代 gemini-2.5-flash-image 的开发者，可以直接换成这一档。

这一档该怎么读，本质是一道吞吐量的题。Google 公布的同一提示词一分钟实测里，Lite 交出了 21 张，旗舰档只交出 3 张；同时官方家族图把 Lite 在画面质量与推理两项上都排在高一档之下。两份材料都附在下面。

Google 给这一档的四个数字

下面四项是发布公告里以原文出现的数字。本页其余内容要么是它们的复述，要么明确标注了第三方出处，要么描述的是本工作台。

Google 那场一分钟实测

发布公告里有一段左右并排的视频，标题是「一分钟能生成多少只动物」。两块画面跑同一个提示词，跑满六十秒：用水彩画出一个数字，数字是几就在周围画几只动物。每块画面各自报数，这是 Google 对这一档吞吐量最直接的说明。

两个总花费并不矛盾。Lite 这一侧花得多，是因为它多跑出了七倍的张数；折到单张上，它差不多正好是对方的一半，而 0.0336 四舍五入就是 Google 公布的 0.034。七倍吞吐配上不到六成的单价，这就是这一档存在的全部理由，而且这段演示是 Google 自己做的，不是转售商的宣传。

这两个数字有一条前提要说清楚：它们是 Google 宣传视频里的计数器，不是独立跑分，而且提示词只是一件很轻的活，纯色背景上的水彩平铺主体，方形画幅。换成更密的画面、更长的指令，或者要挂好几张参考图的修图任务，未必还能落在 2.8 秒。

这一档在家族里的位置

Google 随发布给出一张四个维度的家族对照图。它是这次发布里最有用的一份材料，因为它把这一档让掉了什么，和不宣传它赢在哪里一样写明白了。

横着看 Lite 这一行，选它的理由很清楚：它是三档里唯一在延迟和成本上都拿到「低」的。竖着看画面质量这一列，代价也一样清楚，上面两档都是「高」，它只有「中」。推理还再低一格，落到「低」。

同一张模型卡上，Google 给这一段的标题写着「质量上不妥协」，家族页也称 Lite 是迄今最高效、质量与速度平衡最好的模型。这两句都没说错，只是四维对照图是更精确的那份文件。要把一条大批量流水线押在这一档上之前，值得先看一眼这张图。

可以直接复制的提示词

下面每一条都来自标注的出处，逐字照录。其中四条来自 Google，一条来自一个会公开自己示例输入的第三方工作台。点开任意一条即可载入工作台。

A charming watercolor painting of the number n, with n animals around it, on a clean white background, formatted as a perfect 1:1 square. Do not include any text, letters, words, or writing.

A lone astronaut stands poised at the threshold of a futuristic corridor, their back to the viewer, gazing out towards a distant, mountainous landscape visible at the far end. The composition is perfectly symmetrical, using the clean, repeating lines of the brightly lit hallway to create a powerful vanishing point. The corridor itself is a marvel of sleek, sterile design, with glowing white panels on the walls and ceiling, and a highly reflective, cyan-tinted floor that mirrors the entire scene, doubling its visual impact. The astronaut, clad in a white and gold-trimmed spacesuit, is the central, human element in this otherwise impersonal, high-tech environment. The lighting is bright and even, giving the scene an ethereal, almost heavenly quality. The color palette is a minimalist blend of stark white, cool cyan, and the earthy tones of the distant planet. The artistic style is one of clean, utopian science fiction, evoking a sense of calm, wonder, and the beginning of a grand journey into the unknown.

Create a beautiful travel lifestyle image of a woman in a light linen dress standing on a sunlit Mediterranean terrace. The background includes blue sea, white coastal houses, flowering bougainvillea, terracotta steps, and warm afternoon light. Use a soft travel-magazine aesthetic, natural colors, realistic facial and clothing details, and a balanced composition that feels bright, graceful, and shareable.

Keep the same woman's face, hairstyle, expression, pose, and clothing, but replace the plain studio background with a beautiful Mediterranean seaside terrace. Add blue ocean water, white coastal buildings, soft flowers, warm sunlight, and a refined travel-lifestyle atmosphere. Preserve the subject's identity clearly and make the final image feel elegant, bright, and natural.

Create a charming editorial illustration of an outdoor breakfast table under a lemon tree. Include croissants, honey, tea, fresh fruit, wildflowers, ceramic plates, linen napkins, and soft morning sunlight. Use warm hand-painted textures, tasteful color harmony, and a polished storybook-meets-lifestyle-magazine style. The composition should feel cozy, beautiful, and visually refined.

这类活适合用它

Google 自己的说法是「快速构思」和「高速流水线」。下面这份清单只收 Google 演示过的、或公开示例能直接佐证的用途，不把图像模型理论上能干的事都列一遍。

• 大批量出草稿。Google 那场一分钟实测就是全部论据：它跑完 21 张廉价 1K 图，重模型才跑完 3 张。
• 跟着用户操作实时补图。Google 在 Gridscape 里演示过：一块无限画布，随着话题展开即时生成配图；Space Lift 则把一张房间照片变成多套室内方案。
• 方向没定下来之前快速试。先 1K 把方向跑通，再把胜出的提示词挪到分辨率更高、推理更强的档位。
• 一张照片做整套合成。Google 的 Anywhere 演示只挂一张图，就能让同一个人出现在世界各地地标明信片上。
• 关卡、道具、场景这类跟随当前状态变化的素材，Google 引用 Latitude 的案例时给出的理由正是这一点。
• 商品图与场景图草稿：用参考图流程保住商品本身，换掉周围的环境。
• 在已有照片上换背景、换环境，也就是本页下方做了实测的那类修图。
• 版式比语言更重要的本地化打样。Google 自己的限制清单把语法与文化语感列在画面效果之后，所以图里的译文当草稿看。

本工作台实际开放的参数

能提交什么，以工作台里的选择器为准。别家页面上写的是别家的账号，价格也由服务端结算，不由本页决定。

上面七个比例就是本工作台对 Nano Banana 2 Lite 实际接受的完整清单，它和 Nano Banana 2 的清单并不一样，后者有十五档，含 auto，也含 1:4、8:1 这种极端画幅。选择器更窄是本站的限制，不是模型的限制。

参考图五张的上限同样得说清楚。Google 对这款模型完全没有公布参考图数量上限，第三方接口文档里允许十张。本工作台没有把一个未经服务端确认的数字写进界面，而是沿用了上一代 Nano Banana 更保守的上限。如果你的修图任务需要更多参考图，那正是该在这里换一个模型的信号。

本工作台里三档模型的对照

下面只有第一组行是 Google 的材料。控件那几行是本站选择器的实际状态，这也是它们可能和别家对同三款模型的描述对不上的原因。

三档里只有 Lite 在本站被限在 1K，所以它和 Nano Banana 2 之间的取舍，通常不落在分辨率上。真正要回答的是：同一个预算，你要五倍数量的成图，还是要少数几张被 Google 评为高出一档的图。

别家为什么给出不一样的数字

搜这款模型时，排在前面的几个站会写出本站并不提供的参数。它们未必错，那是在描述模型自身的接口规格和各自的账号，但比价之前值得先搞清差别在哪。

nanobanana.im 那一页写的是十五档宽高比、最多十张参考图、每次生成 2 credits，和它自家上一代 Nano Banana 同价。kie.ai 公开的请求结构里，同一款模型同样接受十五个宽高比取值、文件上限十张，十五和十就是从这类接口规格里来的。模型能吃下比本站开放得更多的参数，本站选择器只是传了一个更窄的集合。

价格上，kie.ai 自己的页面在相邻两处对同一个 1K 档给出了两种说法，一处写 4 credits，一处写 3 credits。两处都当作该平台的宣传文案看，而不是能拿来约束它的报价。真正对你这笔任务生效的数字，是工作台在你提交前打出的那一行。

• 宽高比：竞品页面写十五档，本站选择器七档，模型接受得比本站传过去的更多。
• 参考图：第三方接口文档允许十张，本站五张，而 Google 自己根本没有公布上限。
• 积分价格随平台而异且会变；对你这笔任务生效的是工作台报价。

用参考图修图，不用画蒙版

修图从你有权使用的图片和一句指令开始，指令要同时说清改什么、什么必须留住。这里没有蒙版要画：模型自己去判断指令指的是哪一部分，其余保持不动。Google 自己的限制说明对难例就没那么有把握了，它明确提醒，蒙版编辑、白天到黑夜这类大幅光照改动，以及多图融合，仍可能产出不自然的结果、画面瑕疵或拼接断裂。

本页下方那组前后对照是量过的，不是随便凑的一对。把两张图切成九宫格逐块比较，中间一列的相关性是 0.88 到 0.96，左右两侧接近零甚至为负。这正是「主体被保留、周围被替换」的特征。这个数是本站自己算的，不是 Google 的说法。两张图和提示词出自同一条公开示例，所以配对关系既有文档可查，也有实测支持。

指令分两半写。前半句写主体和要改的地方，后半句写不能动的部分，比如轮廓、机位，或者其余部分的颜色。

• 先看脸和手。Google 自己把小尺寸人脸列为弱项，而人像修图里最常见的不想要的改动就是长相漂移。
• 把画面里的小字放到原始尺寸下重读一遍。拼写准确是 Google 点名的另一个弱项，五个词的招牌就足以暴露问题。
• 背景被换掉的位置，重点比对倒影、投影和物体接触点，接缝通常就藏在那里。
• 一次只改一条指令，这样差异能归因到指令，而不是归因到模型自身的随机性。

在这里怎么生成或修图

四步，按工作台要求的顺序来。

1. 粘贴提示词，或者用复制按钮直接载入上面清单里的一条。
2. 分辨率留在 1K，从七个宽高比里选一个，或者先用 1:1。
3. 如果这是修图而不是新生成，附上参考图，最多五张。
4. 看报价，按工作台提示登录，然后提交。任务失败时先看它的状态再重试，避免重复提交。

这一页不承诺什么

模型页该讲清楚自己的说法到哪里为止。下面就是这一页的边界。

• 不承诺任何免费额度。积分或试用赠送以你账号里显示的为准，不在本页。
• 4 秒和 0.034 美元是 Google 针对自家 API 公布的数字，不是对本站的实测；真实延迟还取决于你提交时服务端的负载。
• Google 没有公布这款模型的参考图上限，所以本站五张的上限是一个保守选择，不是有文档依据的模型限制。
• 一分钟实测出自宣传视频，而且只跑了单一且很轻的提示词。不要把 2.8 秒读成长指令或多参考图修图任务的保证。
• 家族图的四维评级是从公布的图片上读出来的，不是从文字规格里抄的，因为 Google 没有以表格形式发布这四个维度。
• Elo 分数与延迟对比的原始出处是 Google 标注的 arena.ai 与 artificialanalysis.ai，本页引用的具体读数来自第三方对这些图表的解读。本页没有任何一项跑分是本站自己跑的。
• 按 Google 的说法，输出会带 SynthID 水印，本站无法去除。Google 给出的核验方式是：把图片传进 Gemini 应用，问一句是不是 Google AI 生成的。
• 图内文字、小尺寸人脸、信息图的准确度、角色一致性，都写进了 Google 自己的「待改进」清单。任何要紧的内容，请放到原始尺寸下校对。
• 图例里既有 Google 官方素材，也有第三方工作台的示例。没有一张是本站生成的，而且公开了提示词不等于同一个结果一定能复现。
• 模型 ID 是 Google 当前公布的标识，可用性与行为都可能随时变化。

图片与数字的出处

本页每一个数字、每一张图都能追到下面某一个来源。凡是从第三方而非 Google 来的，表里都写明了。