产品应用8

谷歌Nano Banana Pro：AI图像新神降临

新智元2025-11-20

AI 摘要

谷歌推出基于Gemini 3 Pro的Nano Banana Pro图像生成模型，实现史诗级进化，知识储备、文字渲染和细节把控出色，支持4K，还能直连搜索，但在部分领域有待改进。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

谷歌 GR2 模型：让机器人有了‘腿’

谷歌发布 Gemini Robotics 2（GR2），能将相机图像和文字指令转为机器人关节控制命令，可同时控制人形机器人腿、躯干、手臂和手部，简化模型训练和设计，不过谷歌未公布其基础模型等信息。

浙江大学ReLER团队开源的PhyEdit，用3D foundation model明确目标几何，让DiT图像编辑器负责最终渲染。单张图片里物体能移动并形成连续状态，在多项指标表现出色，还具备多种能力，已被ACM MM 2026接收。

DeepMind换帅一周后震荡持续，谷歌将拆分它，把部分非技术团队转入谷歌汇报体系。谷歌联合创始人谢尔盖·布林重新介入Gemini。此外，Gemini因算力、内讧、官僚等问题落后。

当前图像编辑模型处理三维状态常出错。浙江大学ReLER团队提出并开源PhyEdit，用显式3D几何preview指导图像编辑，还加入深度监督，构建数据集和评测基准，成绩超Nano Banana Pro，且GUI也开源。