Що таке Nano Banana? Пояснення моделі редагування зображень від Google

Це не була продуктова назва. Анонімна модель з’явилася на публічних майданчиках порівняння, де учасники оцінюють результати без знання автора, під заглушкою «nano banana». Вона часто перемагала, на неї звернули увагу, і кілька тижнів тривали здогадки, чия це робота, доки Google не підтвердив авторство.

Далі Google вдався до нетипового кроку і зберіг це прізвисько — тож серйозна інфраструктура публічно відома під дотепною назвою. Формально це образна модель Gemini; але шукають її саме за «banana».

Цей бекграунд пояснює дивну поведінку терміна в пошуку. Інтерес прийшов раніше за маркетинг, тож і запити типові для чуток — що це, хто зробив, чи реально це — замість звичних продуктових запитань.

Більшість моделей зображень зосереджені на генерації кадру з опису. Nano Banana натомість заточена під зміну наявного зображення — і складність тут у всьому, що Ви не просили змінювати.

Попросіть універсальну модель вдягнути людину на фото в червоне пальто — зазвичай отримаєте людину в червоному пальті, але трохи іншу: інша лінія щелепи, інші інтервали між очима — обличчя радше «родича». Ідентичність тримається одну правку і деградує через кілька. Те, за що Nano Banana «чіпляється», — це саме ідентичність, у низці послідовних інструкцій.

Звідси й модель взаємодії. Ви не пишете один розлогий prompt і приймаєте результат — Ви ведете розмову, де кожен крок коригує попередній. Пересуньте світло. Тепер зробіть вечір. Тепер винесіть його надвір. Цей цикл і є продуктом.

У всьому, де той самий об’єкт має з’являтися не раз. Предметна зйомка в різних сеттингах, персонаж у серії кадрів, варіації одного портрета, мокап однієї кімнати у чотирьох колірних схемах.

Вона також поблажлива до тих, хто не хоче вчити синтаксис prompt-ів. Оскільки інструкція — це правка, а не повна специфікація, звичайні речення працюють, а наслідок розпливчастого запиту — невелика зміна, а не невпізнаваний кадр.

Гірше вона пасує до «чистого аркуша». Коли немає вихідного зображення і немає суб’єкта для збереження, механізму сталості нічим займатися, і моделі, створені для text-to-image, зазвичай дають більше контролю над кадруванням, оптикою та стилем зі старту.

Проти Midjourney різниця — в авторстві естетики. Midjourney накладає виразний «фірмовий» стиль і зазвичай використовується, щоб зробити щось вражаюче; Nano Banana намагається лишити знімок у спокої там, де Ви не просили змін. Одна — стиліст, інша — ретушер.

Проти відкритих моделей — Stable Diffusion і FLUX — різниця в тому, де міститься контроль. Відкриті ваги дозволяють навісити ControlNet, LoRA та inpainting-пайплайни для точності, ціною складання конвеєра. Nano Banana ховає вужчий зріз цього контролю за одним реченням — швидше дістатися, важче «продавити».

Проти gpt-image-1, ця пара ближча між собою, ніж будь-яка з них до інших: обидві закриті, інструкційні, керовані розмовою і прив’язані до великого асистента. Практична різниця, про яку найчастіше звітують, — хто краще тримає обличчя протягом кількох кроків. Це варто перевірити на Вашому матеріалі, а не знімати з таблиці лідерів.

Ні до чого комерційно — ми не пов’язані з Google і не перепродаємо її моделі. Ця сторінка існує, бо люди питають, що це за річ, а чесна відповідь коротка, і довідник, який описує лише моделі, що нам подобаються, не був би довідником.

Її варто читати поруч зі сторінками про редагування тут, бо лексика збігається. Те, що Nano Banana робить розмовно, відкрите середовище робить іменованими техніками: inpainting — для зміни всередині маски, outpainting — за межами кадру, denoise strength — наскільки далеко результат може відхилитися від вихідника. Знання цих слів чітко показує, що саме робить будь-який редактор — і чого не робить.