گوگل از مدل پیشرفته Nano Banana 2.1 با قابلیت تولید تصاویر 4K، حفظ ثبات چهره سوژه‌ها و کاهش 50 درصدی هزینه‌های پردازش رونمایی کرد.

گوگل از جدیدترین مدل پردازش و تولید تصویر خود با نام Nano Banana 2.1 رونمایی کرد. این سیستم ارتقایافته که بر پایه‌ی جمینای 3.6 فلش توسعه یافته است، با هدف رفع چالش‌های متداول در تولید بصری، وضوح خروجی را تا سطح 4K ارتقا می‌دهد و در عین حال هزینه‌های پردازش را به نصف می‌رساند. انتشار این ابزار به‌صورت تدریجی در اپلیکیشن جمینای، موتور جستجوی گوگل، گوگل ادز و پلتفرم‌های تخصصی توسعه‌دهندگان آغاز شده است.

یکی از دستاوردهای محوری در هوش مصنوعی نانو بنانا گوگل، حل معضل ناهمگونی سوژه‌ها هنگام تغییر زاویه یا پس‌زمینه است. این مدل با اتکا به الگوریتم‌های پیشرفته‌ی حفظ ثبات سوژه (Subject Consistency)، امکان دریافت همزمان حداکثر 14 تصویر مرجع را دارد و می‌تواند فرم چهره‌ی 4 شخصیت و ساختار 10 شیء مجزا را در خلال پرامپت‌های متوالی ثابت نگه دارد. طراحان همچنین از طریق قابلیت ویرایش مبتنی‌بر ماسک می‌توانند بخش‌های مشخصی از تصویر را بدون دست‌خوردن سایر بخش‌ها اصلاح کنند.

Nano Banana 2.1

از نظر توان محاسباتی، مدل Nano Banana 2.1 ظرفیت پردازش پرامپت‌ها و داده‌های سنگین را تا سقف 1 میلیون توکن در پنجره زمینه ارائه می‌دهد. این توان پردازشی، خلق تصاویر در وضوح 1K و 2K تا کیفیت بسیار شفاف 4K را در نسبت‌های ابعادی گوناگون مانند کادرهای عریض پانوراما میسر ساخته است. کاربران برای ویرایش می‌توانند تصاویری تا حجم 7 مگابایت را به‌صورت مستقیم و تا 30 مگابایت را از فضای ابری آپلود کنند، در حالی که تحلیل هر تصویر ورودی تنها حدود 1,120 توکن مصرف می‌کند. علاوه بر این، امکان تنظیم سطح تفکر تحلیلی و اتصال به جستجوی گوگل برای اعتبارسنجی جزئیات واقعی در این نسخه پیاده‌سازی شده است.

در بعد اقتصادی، گوگل تعرفه استفاده از توکن‌های تصویر را با تخفیف 50 درصدی، از 60.00 دلار به 30.00 دلار به‌ازای هر 1 میلیون توکن کاهش داد. نرخ ورودی و خروجی متنی نیز به‌ترتیب 1.50 دلار و 7.50 دلار تعیین شده است. بر همین اساس، هزینه تولید هر تصویر 1K به 0.0336 دلار، وضوح 2K به 0.0504 دلار و کیفیت 4K به 0.0756 دلار می‌رسد که برای پردازش‌های دسته‌ای تا 0.0168 دلار کاهش می‌یابد. دسترسی به قابلیت‌های مدل Nano Banana 2.1 در پلتفرم‌هایی نظیر استودیو هوش مصنوعی گوگل (Google AI Studio)، فلو (Flow) و استیچ (Stitch) همراه با فناوری ردیابی اصالت اثر فراهم شده است؛ هرچند ایجاد چهره‌ی افراد واقعی روی پلتفرم سازمانی آن مجاز نخواهد بود.