Google lança Nano Banana 2 Lite e Gemini Omni Flash para desenvolvedores, com caminho de imagem para vídeo em 4 segundos

Os números de latência são um orçamento de frontend, não um benchmark

A especificação de destaque do Nano Banana 2 Lite é uma saída de texto para imagem em 4 segundos, a US$ 0,034 por imagem em resolução 1K. O Google descreve isso como "ideação rápida e pipelines de desenvolvimento de alta velocidade, em que velocidade e custo são as principais restrições".

Para quem está construindo uma interface em torno de geração, 4 segundos é o número que decide se você mostra um spinner ou uma prévia em tempo real. Fica bem no meio do caminho: longo demais para parecer instantâneo, curto o suficiente para justificar uma UI de rascunho interativa, em que o usuário ajusta um prompt e roda de novo repetidamente. O custo importa pelo mesmo motivo — a 3,4 centavos de dólar por imagem, uma UI que gera a cada pausa de digitação ou mudança de slider passa a ser financeiramente viável de um jeito que um modelo premium não seria.

O Google posiciona isso explicitamente como o substituto direto do Nano Banana original (gemini-2.5-flash-image), dizendo aos desenvolvedores que eles podem "trocar agora mesmo". Essa é uma mensagem de migração voltada a integrações de frontend já existentes, não só a novos projetos.

A API de Interactions e o limite de três edições

O detalhe de frontend mais concreto passa quase em silêncio: a API de Interactions mantém histórico de sessão e contexto para que "os usuários possam empilhar até três edições sequenciais". Isso é uma restrição real para projetar em torno dela, não um ponto de marketing.

A edição conversacional — a premissa do Gemini Omni Flash — só funciona se a UI carregar estado entre os turnos. Uma pilha de três edições significa que a interface precisa comunicar esse limite ao usuário: quais edições já foram aplicadas, quando está se aproximando do limite e como ramificar ou reiniciar. Construir um editor multi-turno sem deixar esse teto visível geraria becos sem saída confusos.

O Omni Flash gera vídeos de 10 segundos a US$ 0,10 por segundo, o que o Google observa ser "o mesmo valor do Veo 3.1 Fast". A paridade de preço com um modelo já existente dá às equipes de frontend uma referência de custo conhecida para pensar por renderização.

O padrão de encadeamento é o produto real que o Google está vendendo

A verdadeira mágica acontece quando você encadeia esses modelos. Use o Nano Banana 2 Lite como modelo de geração de imagem de alta velocidade e, depois, passe essa imagem como referência para o Gemini Omni Flash animá-la em um vídeo de alta qualidade.Montana Labs

Os três aplicativos de demonstração codificam o mesmo fluxo de UI: gerar uma imagem estática com o modelo de imagem rápido e, então, deixar que um clique ou botão promova essa imagem a um clipe animado. O Anywhere transporta uma selfie para pontos turísticos e anima ao clicar; o Space Lift gera redecorações de ambientes e reproduz uma apresentação cinematográfica ao toque; o Omni product studio transforma imagens estáticas em vídeos de e-commerce.

Cada um é uma interação em dois estágios, em que o modelo barato e rápido cuida da fase de navegação e o modelo de vídeo, mais caro, só é chamado quando o usuário assume um compromisso explícito. É um padrão sensato para controlar custo em uma UI de mídia — você não anima tudo, anima só o que o usuário escolheu.

As limitações que definem o que você pode lançar hoje

O Omni Flash está em preview público, e as ressalvas restringem diretamente o escopo da UI. Os vídeos têm limite de 10 segundos. Uploads de referência de áudio e extensão de cena ainda não são suportados na API do Gemini. Referências de vídeo de até 3 segundos são aceitas pelo esquema da API, mas "não são processadas corretamente pelo modelo neste momento" — uma armadilha para quem valida contra o esquema e assume que funciona.

O Google também alerta que a consistência de personagem se degrada em mudanças de cena e movimentos de câmera (panning). Para um frontend que promete um personagem coerente ao longo de vários clipes gerados, essa limitação define a fronteira entre uma demo e um recurso pronto para produção.

Os dois modelos usam marca-d'água SynthID, verificável pelo app do Gemini, pelo Chrome ou pela Busca — um mecanismo de transparência que existe fora do aplicativo que você constrói, mas vale a pena destacar para usuários que geram mídia compartilhável.

O que a divisão em dois modelos exige das equipes de UI de mídia

A implicação específica desse lançamento é que o Google está entregando às equipes de frontend uma pilha de geração em camadas e esperando que a interface direcione entre essas camadas. Nano Banana 2 Lite para rascunhos em volume, Nano Banana 2 como o generalista, Nano Banana Pro para trabalhos que exigem precisão, e Omni Flash para o resultado final em vídeo.

Construir bem em torno disso significa que é a UI, não o modelo, quem decide quando velocidade importa e quando qualidade importa — barato e rápido na fase exploratória, caro e lento no momento de intenção do usuário. Os aplicativos de demonstração são a forma que o Google encontrou de mostrar que o produto é a orquestração entre esses modelos, e o frontend é onde essa orquestração se torna visível para o usuário.