מהו Nano Banana? הסבר על מודל העריכה של Google

לא היה זה שם מוצר. מודל ללא תווית הופיע בזירות השוואה ציבוריות שבהן משווים פלטים אנונימיים מבלי לדעת מי הפיק אותם, תחת מציין המקום "nano banana". הוא ניצח פעמים רבות, אנשים שמו לב, והניחושים מי עומד מאחוריו נמשכו שבועות עד ש-Google אימתה זאת.

Google עשתה אז צעד חריג ושמרה על הכינוי, ולכן תשתית רצינית ידועה בציבור בשם היתולי. הזהות הרשמית היא מודל תמונות מסדרת Gemini; השם שאנשים מחפשים הוא הבננה.

ההיסטוריה הזו חשובה להבנה כי היא מסבירה מדוע המונח מתנהג בצורה מוזרה בחיפוש. העניין הגיע לפני השיווק, ולכן השאלות שאנשים שואלים הן של שמועה — מה זה, מי יצר את זה, האם זה אמיתי — ולא של מוצר.

רוב המודלים לתמונות נבנים סביב יצירת תמונה מתיאור. Nano Banana נבנה סביב שינוי תמונה קיימת, והחלק הקשה הוא כל מה שלא ביקשתם לשנות.

אם תבקשו ממודל כללי להלביש את האדם שבתצלום במעיל אדום, בדרך כלל תקבלו אדם במעיל אדום שאינו בדיוק אותו אדם — קו לסת מעט אחר, מרווח עיניים שונה, פנים שנראות כמו אח. הזהות שורדת עריכה אחת ומתנוונת בכמה. הדבר ש-Nano Banana נבנה לשמר הוא אותה זהות, לאורך סדרה של הוראות עוקבות.

מודל האינטראקציה נגזר מכך. אינכם כותבים prompt יחיד ומקבלים מה שחוזר; אתם מנהלים שיחה שבה כל סבב מכוון את התוצאה הקודמת. הזיזו את האור. עכשיו ערב. עכשיו הוציאו אותו החוצה. הלולאה הזו היא המוצר.

לכל מצב שבו אותו נושא חייב להופיע יותר מפעם אחת. צילום מוצר בכמה סטים, דמות ברצף פאנלים, סט וריאציות על דיוקן אחד, מוקאפים שצריכים להראות חדר אחד בארבע סכמות צבע.

הוא גם סלחני מהרגיל כלפי מי שלא רוצים ללמוד תחביר prompt. מאחר שההוראה היא עריכה ולא מפרט, משפטים פשוטים עובדים, וכאשר הבקשה עמומה, הכשל הוא שינוי קטן — לא תמונה לא-מוכרת.

היכן שהוא מתאים פחות הוא מקרה הדף הריק. כשאין תמונת מקור ואין נושא לשמר, מנגנון העקביות אינו נדרש, ומודלים שנבנו ל-text-to-image נותנים בדרך כלל יותר שליטה על פריימינג, אופטיקה וסגנון מנקודת התחלה ריקה.

מול Midjourney, הקו המפריד הוא מחברוּת אסתטית. Midjourney מטיל סגנון בית חזק ומשמש בדרך כלל ליצירת משהו בולט; Nano Banana מנסה להשאיר את התמונה כפי שהיא מחוץ למה שביקשתם. האחד סטייליסט, השני ריטאצ’ר.

מול המודלים הפתוחים — Stable Diffusion ו-FLUX — ההבדל הוא היכן שוכנת השליטה. משקולות פתוחות מאפשרות לחבר ControlNet, LoRA ושרשראות inpainting להשגת שליטה מדויקת במחיר הרכבת הצנרת. Nano Banana מציב פרוסה צרה יותר של אותה שליטה מאחורי משפט, שמספקת תוצאה מהר יותר וקשה יותר לפרוץ את גבולותיה.

מול gpt-image-1, הדמיון גדול יותר מאשר לכל דבר אחר: שניהם סגורים, מצייתי-הוראות, מונעי שיחה ומחוברים לאסיסטנט גדול. ההבדל המעשי שרבים מדווחים עליו הוא מי משמר פנים טוב יותר לאורך כמה סבבים, ושווה לבדוק זאת על החומר שלכם במקום להסתמך על טבלת דירוגים.

אין קשר מסחרי — אין לנו שיתוף פעולה עם Google ואיננו משווקים את המודל שלה. הדף הזה קיים משום שאנשים שואלים מה זה, והתשובה הכנה קצרה, ומדריך שמתאר רק את המודלים שאנחנו אוהבים אינו מדריך.

שווה לקרוא לצד דפי העריכה כאן, כי הלקסיקון עובר ביניהם. מה ש-Nano Banana עושה בשיחה, האקוסיסטם הפתוח עושה בטכניקות בעלות שם: inpainting לשינוי בתוך מסכה, outpainting לשינוי מעבר לפריים, ו-denoise strength עד כמה מותר לתוצאה לסטות מהמקור. היכרות עם המונחים האלה מבהירה בהרבה מה כל עורך עושה — ומה לא.