Google ścina koszty generowania obrazów. Modele Nano Banana 2 Lite i Gemini Omni Flash otwierają nowe możliwości
Szybkie tempo pracy i wysokie koszty infrastruktury chmurowej to główne bariery, z którymi mierzą się deweloperzy oraz twórcy korzystający z generatywnej sztucznej inteligencji.
Tworzenie zaawansowanych materiałów wideo lub generowanie tysięcy grafik na potrzeby e-commerce potrafi błyskawicznie przepalić budżet projektowy. Google postanowiło rozwiązać ten problem, udostępniając dwa nowe, zoptymalizowane pod kątem wydajności modele: Nano Banana 2 Lite oraz Gemini Omni Flash. Nowe układy drastycznie obniżają koszty API, skracając jednocześnie czas generowania mediów do kilku sekund.
Dla rynku to wyraźny sygnał – faza zachwytu nad samymi możliwościami AI mija, a technologiczni giganci zaczynają walkę na optymalizację kosztową i czystą prędkość obliczeniową.
Nowy król prędkości, czyli Nano Banana 2 Lite
Model Nano Banana 2 Lite (w dokumentacji technicznej oznaczony jako gemini-3.1-flash-lite-image) został zaprojektowany z myślą o systemach wymagających masowego przetwarzania danych w czasie rzeczywistym. Google stworzyło ten algorytm jako bezpośredniego i tańszego następcę starszej generacji (gemini-2.5-flash-image).
Kluczowe parametry techniczne nowego modelu wyglądają następująco:
- Czas reakcji (Latency): model generuje gotowy obraz o rozdzielczości 1K w zaledwie 4 sekundy, co czyni go idealnym narzędziem do systemów automatycznego prototypowania.
- Cena za milion operacji: koszt wygenerowania jednego obrazu w wysokiej rozdzielczości spadł do zaledwie 0,034 USD.
Mimo nastawienia na oszczędność zasobów, model zachowuje wysoką powtarzalność postaci, precyzyjnie renderuje napisy wewnątrz grafik i bezbłędnie reaguje na skomplikowane komendy tekstowe. Poza dostępem przez API i Google AI Studio, model trafia już do usług konsumenckich, w tym do wyszukiwarki Google, asystenta Gemini, Google Photos oraz platformy reklamowej Google Ads.
Multimedialne łańcuchy i Gemini Omni Flash
Prawdziwy przełom następuje jednak w momencie połączenia obu nowych modeli w jeden ciąg roboczy. Google udostępniło deweloperom model Gemini Omni Flash (gemini-omni-flash-preview), który pozwala na natywne, konwersacyjne edytowanie materiałów wideo za pomocą zwykłego tekstu. Usługa została wyceniona bardzo agresywnie – koszt sekundy wyjściowego materiału wideo wynosi 0,10 USD.
Dzięki nowej architekturze programiści mogą tworzyć aplikacje, które najpierw błyskawicznie generują statyczną grafikę za pomocą Nano Banana 2 Lite, a następnie automatycznie przekazują ją jako obraz referencyjny do Gemini Omni Flash w celu animacji. System potrafi utrzymać stałe cechy postaci i tła, korzystając z bazy wiedzy Gemini (m.in. z zakresu fizyki i logiki narracyjnej), by tworzyć naturalnie wyglądające sekwencje filmowe.
Ograniczenia wersji testowej i bezpieczeństwo
Jako że Gemini Omni Flash debiutuje w wersji public preview, Google otwarcie informuje o kilku technicznych ograniczeniach, które zostaną usunięte w nadchodzących aktualizacjach:
- Maksymalna długość generowanego wideo wynosi obecnie 10 sekund.
- Interfejs API nie obsługuje jeszcze przesyłania ścieżek audio jako materiałów referencyjnych oraz funkcji rozszerzania sceny.
- Występują chwilowe błędy w przetwarzaniu referencyjnych plików wideo o długości do 3 sekund oraz drobne zniekształcenia postaci przy gwałtownych ruchach kamery.
Oba modele posiadają zintegrowany system ochrony oparty na technologii SynthID. Każda grafika oraz plik wideo wygenerowany przez nowe układy Google otrzymuje niewidoczny znak wodny osadzony w strukturze pliku, co pozwala na natychmiastową weryfikację autentyczności materiału w wyszukiwarce Google oraz przeglądarce Chrome.
