Vad är Nano Banana? Googles modell för bildredigering förklarad

Det var inte ett produktnamn. En oetiketterad modell dök upp i publika arenor för head-to-head-utvärdering, där folk jämför anonyma utdata utan att veta vilket system som gjort dem, under platshållaren ”nano banana”. Den vann ofta, folk lade märke till det, och gissningarna om vem som låg bakom pågick i veckor innan Google bekräftade det.

Google gjorde sedan något ovanligt och behöll smeknamnet, vilket är skälet till att en seriös infrastrukturkomponent offentligt går under ett skämtnamn. Den formella identiteten är en Gemini-bildmodell; det sökta namnet är bananen.

Den historiken är värd att känna till eftersom den förklarar varför termen beter sig märkligt i sök. Intresset kom före all marknadsföring, så frågorna folk ställer är de du ställer om ett rykte — vad är det, vem gjorde det, är det på riktigt — snarare än frågor om en produkt.

De flesta bildmodeller är byggda för att generera en bild från en beskrivning. Nano Banana är byggd för att ändra en bild du redan har, och det svåra är allt du inte bad den ändra.

Ber du en generell modell sätta personen på det här fotot i en röd rock får du oftast en person i röd rock som inte riktigt är samma person — lite annan käklinje, annat ögavstånd, ett ansikte som läser som ett syskon. Identiteten överlever en ändring och urholkas över flera. Det Nano Banana är byggd för att hålla fast vid är just den identiteten, över en följd av instruktioner.

Interaktionsmodellen följer av det. Du skriver inte en enda utsmyckad prompt och accepterar det som kommer; du för en dialog där varje tur justerar förra resultatet. Flytta ljuset. Gör det till kväll. Sätt ut honom. Den loopen är produkten.

Allt där samma motiv måste förekomma mer än en gång. Produktfoto i flera miljöer, en karaktär över en sekvens rutor, en uppsättning variationer på ett porträtt, en mockup som ska visa ett och samma rum i fyra olika kulörer.

Den är också ovanligt förlåtande för dig som inte vill lära dig prompt-syntax. Eftersom instruktionen är en redigering snarare än en specifikation räcker vanliga meningar, och felutfallet för en vag begäran blir en liten ändring snarare än en oigenkännlig bild.

Där den passar sämre är blankt blad. När det saknas källbild och inget motiv att bevara har konsekvensmaskineriet inget att göra, och modeller byggda för text-till-bild ger dig oftast mer kontroll över inramning, optik och stil från stillastående.

Jämfört med Midjourney handlar skiljelinjen om estetiskt authorship. Midjourney lägger på en stark husstil och används oftast för att skapa något slående; Nano Banana försöker lämna bilden orörd utom där du bad om ändring. Den ena är stylist, den andra retuscherare.

Jämfört med de öppna modellerna — Stable Diffusion och FLUX — handlar skiljelinjen om var kontrollen ligger. Öppna vikter låter folk bulta på ControlNet, LoRA:er och inpainting-pipelines för exakt kontroll till priset av att sätta ihop kedjan. Nano Banana lägger en smalare del av den kontrollen bakom en mening, vilket går snabbare att nå men är svårare att pressa förbi.

Jämfört med gpt-image-1 står de två varandra närmare än något annat: båda är stängda, instruktion-följande, konversationsdrivna modeller kopplade till en stor assistent. Den praktiska skillnad de flesta rapporterar gäller vilken som håller ett ansikte bättre över flera turer, och det är värt att testa på ditt eget material i stället för att lita på en topplista.

Inget kommersiellt — vi är inte affilierade med Google och säljer inte vidare deras modeller. Den här sidan finns för att folk frågar vad grejen är och det ärligt korta svaret räcker, och en katalog som bara beskrev modeller vi råkar gilla vore ingen katalog.

Den är värd att läsa tillsammans med redigeringssidorna här, för vokabulären går att överföra. Det Nano Banana gör konverserande gör det öppna ekosystemet med namngivna tekniker: inpainting för en ändring innanför en mask, outpainting för en ändring utanför ramen, denoise-styrka för hur långt resultatet får driva från källan. Att kunna de orden gör det mycket tydligare vad en editor gör — och inte gör.