Google két új, fejlesztőknek szánt médiamodellel bővítette API-kínálatát: Nano Banana 2 Lite (hivatalos neve Gemini 3.1 Flash Lite Image) és Gemini Omni Flash. A cég ezeket arra tervezi, hogy olcsó, gyors és nagy-throughput képi és videós munkafolyamatokat tegyen lehetővé alkalmazásokban és szolgáltatásokban.
Mire képesek a modellek (input/output)
- Nano Banana 2 Lite: multimodális modell, amely fogad szöveget és képet, és 1k maximális felbontású képet generál, illetve szöveges kimenetet ad. A cég szerint egy kép előállítása körülbelül négy másodpercet vesz igénybe.
- Gemini Omni Flash: multimodális modell, amely fogad szöveget, képet és videót, és 720p felbontású videókat ad vissza szinkronizált audióval, legfeljebb 10 másodperces klipekre. A generálási időt a Google nem részletezte.
Elérhetőség és integrációk
Mindkét modell elérhető a Gemini API-n, a Google AI Studio-ban és a Gemini Enterprise Agent Platformon, valamint a Gemini alkalmazáson és a Google Flow-on keresztül. Ezen felül Nano Banana 2 Lite hozzáférhető AI Mode-ban a Google Search-ben, NotebookLM-ben, Google Photos-ban, Stitch-ben és Google Ads-ben; Gemini Omni Flash elérhető YouTube Shorts-on is. A Gemini Omni Flash fejlesztői elérhetősége nagyjából hat héttel követi azt, hogy a modellt a fogyasztók számára bevezették a Google alkalmazásokban.
Ár
- Nano Banana 2 Lite: 0,034 USD per 1k felbontású kép.
- Gemini Omni Flash: 0,10 USD per másodperc 720p videó.
Teljesítmény és emberi értékelések
Google közlése szerint mindkét modell kedvező emberi értékeléseket kapott, és mindkettő előkelő helyen szerepel az Arena.ai közösségi rangsorain. Konkrét Elo-értékek az Arena.ai szerint:
- Nano Banana 2 Lite: 1 250 Elo a képtermelésben (ötödik hely), megjegyzendő, hogy a Nano Banana Pro 1 245 Elo-val szerepel ugyanott.
- Gemini Omni Flash: 1 527 Elo a videógenerálásban (első hely), és 1 347 Elo a videószerkesztésben (második hely, ByteDance Seedance 2.0 mögött 1 377 Elo-val).
Google belső emberi-értékeléses összehasonlításai szerint a Gemini Omni Flash első helyet ért el általános preferenciában és utasításkövetésben videószerkesztésnél (504 példán) és a Meta MovieGenBench-en (1 003 prompt), valamint holtversenyben az elsők között szerepelt a VBench I2V-n (355 kép-szöveg pár).
Működési részletek és korlátok
Google minden modellhez modellkártyát közölt, amely tartalmazza az alaparchitektúrát és a jól ismert korlátokat. Ugyanakkor a paraméterszámokat és a felhasznált tanítóadatok pontos összetételét nem hozták nyilvánosságra.
- Nano Banana 2 Lite egy multimodális transzformer, amely szöveg és képek alapján tanult, és a Gemini 3.1 Flash-Lite költséghatékony multimodális alapmodelljén fut.
- Gemini Omni Flash multimodális transzformer, amely szöveg, kép, hang és videó adatokon tanult.
A Gemini Omni Flash beszédet is tartalmazó 720p klipeket generál szöveges promptból, kezdőképből vagy hivatkozó képekből. Szerkesztési módja konverzációs: a Google Interactions API-ján keresztül a modell megőrzi a munkamenet előzményeit, és az utasítások az előző klipet módosítják, ahelyett hogy újragenerálnák azt; ez legfeljebb három egymás utáni szerkesztésre vonatkozik.
Az együttműködés módja: ugyanazon Gemini API-n vagy a Google AI Studio webes felületén keresztül egy Nano Banana 2 Lite által létrehozott kép átadható a Gemini Omni Flash-nek kezdőképként, amelyből a videót generálja.
Háttér és idővonal
A "Nano Banana" elnevezés eredetileg munkanevként jelent meg a Gemini 2.5 Flash Image bevezetésekor 2025 augusztusában. Azóta a család további variánsokkal bővült: Nano Banana Pro (2025 november), Nano Banana 2 (2026 február), és most Nano Banana 2 Lite. A Gemini Omni Flash először 2026. május 19-én, a Google I/O-n vált közismertebbé, kifejezetten a Gemini alkalmazás előfizetői, a Google Flow felhasználói és a YouTube Shorts számára.
Miért számít ez?
A Google állítása szerint a generatív média most már annyira olcsó és gyors, hogy futásidőben, közvetlenül egy alkalmazáson belül érdemes használni — nem csak lassú, kurált előállítási lépésként. Ez megváltoztatja a mediatermelés egységköltségét: tíz másodperces klipek láncolhatók hosszabb tartományokká, és a fejlesztők az API-kon keresztül automatizálhatják a generálást. Kiemelt felhasználási területek lehetnek a nagy volumenű digitális hirdetések és a közösségi média tartalomgyártása.
Megjegyzések és korlátok a gyakorlathoz
Fontos megkülönböztetni a képgenerálás és a videógenerálás piacát: a Nano Banana 2 Lite és a Gemini Omni Flash nem állítanak elő olyan magas felbontású anyagokat, amelyek Hollywood-szintű produkciókhoz elegendőek lennének. Gyorsaságuk és költséghatékonyságuk azonban értéket képviselhet nagy volumenű, automatizált, személyre szabott multimédiás munkafolyamatokban, különösen ha interakciót, automatizálást és ügynökalapú (agentic) munkafolyamatokat kapcsolnak hozzá.
A Google által közzétett számok és emberi értékelések nagyrészt belső összehasonlításokon alapulnak; független megerősítések korlátozottak.
Összegzés
Nano Banana 2 Lite és Gemini Omni Flash a Google irányított próbálkozásai arra, hogy olcsó, gyors és fejlesztőbarát multimédiás generálást tegyenek elérhetővé. A modellcsalád célja, hogy a képből videóba vezető munkafolyamatokat egyszerűbbé és olcsóbbá tegye, különösen nagy volumenű alkalmazásokban és automatizált rendszerekben.
