Nano Banana 2 Lite 圖像生成與編修工作台

Nano Banana 2 Lite 是什麼

它是 Google 把速度擺在第一位的圖像模型，2026 年 6 月 30 日發布，模型 ID 為 gemini-3.1-flash-lite-image，架構名稱為 Gemini 3.1 Flash Lite Image。Google 自己把這筆帳說得很直白：這是 Nano Banana 家族至今最快、最省的圖像模型，為高吞吐量、高速度與大規模情境而做。

它不取代 Nano Banana 2，也不取代 Nano Banana Pro。Google 把它放在超低延遲關鍵的近即時、大批量流程上，並且明白點名：還在呼叫第一代 gemini-2.5-flash-image 的開發者，可以直接換到這一檔。

這一檔該怎麼理解，本質上是一道吞吐量的題目。在 Google 公布的同一提示詞一分鐘實測裡，Lite 交出了 21 張，旗艦檔只交出 3 張；同時官方家族圖把 Lite 在畫面品質與推理兩項上都排在高一階之下。兩份材料都附在下面。

Google 給這一檔的四個數字

下面四項是發布公告裡以原文出現的數字。本頁其餘內容，不是它們的轉述，就是明確標示了第三方出處，或是描述本工作台。

Google 那場一分鐘實測

發布公告裡有一段左右並排的影片，標題是「一分鐘能生成多少隻動物」。兩塊畫面上跑同一個提示詞，跑滿六十秒：用水彩畫出一個數字，數字是幾就在周圍畫幾隻動物。每塊畫面各自報數，這是 Google 對這一檔吞吐量最直接的說明。

兩個總花費並不矛盾。Lite 這一側花得多，是因為它多跑出七倍的張數；折到單張，它差不多正好是對方的一半，而 0.0336 四捨五入就是 Google 公布的 0.034。七倍吞吐量配上不到六成的單價，這就是這一檔存在的全部理由，而且這段示範是 Google 自己做的，不是轉售商的宣傳。

這兩個數字有一項前提得講清楚：它們是 Google 宣傳影片裡的計數器，不是獨立跑分，而且提示詞只是一件很輕的活，純色背景上的水彩平鋪主體，方形畫幅。換成更密的畫面、更長的指令，或需要掛上好幾張參考圖的編修任務，未必還能落在 2.8 秒。

這一檔在家族裡的位置

Google 隨發布給出一張四個維度的家族對照圖。它是這次發布裡最有用的一份材料，因為它把這一檔讓掉了什麼，寫得和它贏在哪裡一樣清楚。

橫著看 Lite 這一列，選它的理由很清楚：它是三檔裡唯一在延遲與成本上都拿到「低」的。豎著看畫面品質這一欄，代價也一樣清楚，上面兩檔都是「高」，它只有「中」。推理再低一格，落在「低」。

同一張模型卡上，Google 為這一段下的標題寫著「品質不妥協」，家族頁也稱 Lite 是至今最高效、品質與速度平衡最好的模型。這兩句都沒說錯，只是四維對照圖是更精確的那份文件。要把一條大批量流程押在這一檔之前，值得先看一眼這張圖。

可以直接複製的提示詞

下面每一條都來自標示的出處，逐字照錄。其中四條來自 Google，一條來自一個會公開自己範例輸入的第三方工作台。點開任一條即可載入工作台。

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.

這類工作適合用它

Google 自己的說法是「快速發想」與「高速流程」。下面這份清單只收 Google 示範過的、或公開範例能直接佐證的用途，不把圖像模型理論上能做的事全部列一遍。

• 大批量出草稿。Google 那場一分鐘實測就是全部論據：它跑完 21 張平價 1K 圖，重模型才跑完 3 張。
• 跟著使用者操作即時補圖。Google 在 Gridscape 示範過：一塊無限畫布，隨著主題展開即時生成配圖；Space Lift 則把一張房間照片變成多套室內方案。
• 方向還沒定下來之前快速試。先用 1K 把方向跑通，再把勝出的提示詞移到解析度更高、推理更強的檔位。
• 一張照片做整套合成。Google 的 Anywhere 示範只掛一張圖，就能讓同一個人出現在世界各地地標的明信片上。
• 關卡、道具、場景這類跟著目前狀態變動的素材，Google 引用 Latitude 案例時給的理由正是這一點。
• 商品圖與情境圖草稿：用參考圖流程保住商品本身，換掉周圍的環境。
• 在既有照片上換背景、換環境，也就是本頁下方做過實測的那類編修。
• 版式比語言更重要的在地化打樣。Google 自己的限制清單把文法與文化語感列在畫面效果之後，所以圖裡的譯文請當草稿看。

本工作台實際開放的設定

能送出什麼，以工作台裡的選擇器為準。別家頁面上寫的是別家的帳號，價格也由伺服器端結算，不由本頁決定。

上面七個比例就是本工作台對 Nano Banana 2 Lite 實際接受的完整清單，它和 Nano Banana 2 的清單並不一樣，後者有十五檔，含 auto，也含 1:4、8:1 這類極端畫幅。選擇器較窄是本站的限制，不是模型的限制。

參考圖五張的上限同樣得說清楚。Google 對這款模型完全沒有公布參考圖數量上限，第三方介面文件裡允許十張。本工作台沒有把一個未經伺服器端確認的數字寫進介面，而是沿用上一代 Nano Banana 較保守的上限。如果你的編修任務需要更多參考圖，那正是該在這裡換一個模型的訊號。

本工作台裡三檔模型的對照

下面只有第一組列是 Google 的材料。控制項那幾列是本站選擇器的實際狀態，這也是它們可能和別家對同三款模型的描述對不上的原因。

三檔裡只有 Lite 在本站被限在 1K，所以它和 Nano Banana 2 之間的取捨，通常不落在解析度上。真正要回答的是：同一個預算，你要五倍數量的成圖，還是要少數幾張被 Google 評為高一階的圖。

別家為什麼給出不一樣的數字

搜這款模型時，排在前面的幾個站會寫出本站並不提供的設定。它們未必錯，那是在描述模型本身的介面規格與各自的帳號，但比價之前值得先弄清楚差別在哪。

nanobanana.im 那一頁寫的是十五檔長寬比、最多十張參考圖、每次生成 2 credits，和它自家上一代 Nano Banana 同價。kie.ai 公開的請求結構裡，同一款模型同樣接受十五個長寬比取值、檔案上限十張，十五與十就是從這類介面規格來的。模型吃得下比本站開放得更多的設定，本站選擇器只是傳了一個較窄的集合。

價格上，kie.ai 自己的頁面在相鄰兩處對同一個 1K 檔給出兩種說法，一處寫 4 credits，一處寫 3 credits。兩處都當作該平台的宣傳文案看，而不是能拿來約束它的報價。真正對你這筆任務生效的數字，是工作台在你送出前打出的那一行。

• 長寬比：競品頁面寫十五檔，本站選擇器七檔，模型接受得比本站傳過去的更多。
• 參考圖：第三方介面文件允許十張，本站五張，而 Google 自己根本沒有公布上限。
• 點數價格隨平台而異且會變動；對你這筆任務生效的是工作台報價。

用參考圖編修，不用畫遮罩

編修從你有權使用的圖片與一句指令開始，指令要同時說清楚改什麼、什麼必須留住。這裡沒有遮罩要畫：模型自己去判斷指令指的是哪一部分，其餘保持不動。Google 自己的限制說明對難例就沒那麼有把握了，它明確提醒，遮罩編輯、白天到黑夜這類大幅光照變動，以及多圖融合，仍可能產出不自然的結果、畫面瑕疵或拼接斷裂。

本頁下方那組前後對照是量過的，不是隨便湊的一對。把兩張圖切成九宮格逐塊比較，中間一欄的相關性是 0.88 到 0.96，左右兩側接近零甚至為負。這正是「主體被保留、周圍被替換」的特徵。這個數字是本站自己算的，不是 Google 的說法。兩張圖與提示詞出自同一條公開範例，所以配對關係既有文件可查，也有實測支持。

指令分兩半寫。前半句寫主體與要改的地方，後半句寫不能動的部分，例如輪廓、機位，或其餘部分的顏色。

• 先看臉和手。Google 自己把小尺寸人臉列為弱項，而人像編修裡最常見的不想要的變動就是長相漂移。
• 把畫面裡的小字放到原始尺寸下重讀一遍。拼寫準確是 Google 點名的另一個弱項，五個字的招牌就足以暴露問題。
• 背景被換掉的位置，重點比對倒影、陰影與物體接觸點，接縫通常就藏在那裡。
• 一次只改一條指令，這樣差異能歸因到指令，而不是歸因到模型本身的隨機性。

在這裡怎麼生成或編修

四步，依工作台要求的順序來。

1. 貼上提示詞，或用複製按鈕直接載入上面清單裡的一條。
2. 解析度留在 1K，從七個長寬比裡選一個，或先用 1:1。
3. 如果這是編修而不是全新生成，附上參考圖，最多五張。
4. 看報價，依工作台提示登入，然後送出。任務失敗時先看它的狀態再重試，避免重複送出。

這一頁不承諾什麼

模型頁該講清楚自己的說法到哪裡為止。下面就是這一頁的邊界。

• 不承諾任何免費額度。點數或試用贈送以你帳號裡顯示的為準，不在本頁。
• 4 秒與 0.034 美元是 Google 針對自家 API 公布的數字，不是對本站的實測；真實延遲還取決於你送出時伺服器端的負載。
• Google 沒有公布這款模型的參考圖上限，所以本站五張的上限是一個保守選擇，不是有文件依據的模型限制。
• 一分鐘實測出自宣傳影片，而且只跑了單一且很輕的提示詞。不要把 2.8 秒讀成長指令或多參考圖編修任務的保證。
• 家族圖的四維評級是從公布的圖片上讀出來的，不是從文字規格抄來的，因為 Google 沒有以表格形式發布這四個維度。
• Elo 分數與延遲對比的原始出處是 Google 標示的 arena.ai 與 artificialanalysis.ai，本頁引用的具體讀數來自第三方對這些圖表的解讀。本頁沒有任何一項跑分是本站自己跑的。
• 依 Google 的說法，輸出會帶 SynthID 浮水印，本站無法移除。Google 給的驗證方式是：把圖片傳進 Gemini 應用程式，問一句是不是 Google AI 生成的。
• 圖內文字、小尺寸人臉、資訊圖的準確度、角色一致性，都寫進了 Google 自己的「待改進」清單。任何要緊的內容，請放到原始尺寸下校對。
• 圖例裡既有 Google 官方素材，也有第三方工作台的範例。沒有一張是本站生成的，而且公開了提示詞不等於同一個結果一定能重現。
• 模型 ID 是 Google 目前公布的標識，可用性與行為都可能隨時變動。

圖片與數字的出處

本頁每一個數字、每一張圖都能追到下面某一個來源。凡是從第三方而非 Google 來的，表裡都寫明了。