Google liefert Nano Banana 2 Lite und Gemini Omni Flash an Entwickler aus – mit 4-Sekunden-Pfad von Bild zu Video

Die Latenzzahlen sind ein Frontend-Budget, kein Benchmark

Die Kernspezifikation von Nano Banana 2 Lite lautet: Text-zu-Bild-Ausgabe in 4 Sekunden für 0,034 $ pro Bild in 1K-Auflösung. Google positioniert das als „schnelle Ideenfindung und hochfrequente Entwickler-Pipelines, bei denen Geschwindigkeit und Kosten die entscheidenden Faktoren sind.“

Für alle, die eine Oberfläche rund um Generierung bauen, entscheidet genau diese 4-Sekunden-Zahl, ob man einen Ladeindikator oder eine Live-Vorschau zeigt. Sie liegt in einer unbequemen Mitte: zu lang, um sich instantan anzufühlen, aber kurz genug, um eine interaktive Entwurfs-UI zu rechtfertigen, in der Nutzer einen Prompt anpassen und wiederholt neu generieren. Der Preis spielt aus demselben Grund eine Rolle — bei 3,4 Cent pro Bild wird eine UI, die bei jeder Tastenpause oder Slider-Bewegung neu generiert, finanziell vertretbar, was mit einem Premium-Modell nicht der Fall wäre.

Google positioniert dies explizit als direkten Ersatz für das ursprüngliche Nano Banana (gemini-2.5-flash-image) und teilt Entwicklern mit, sie könnten es „jetzt austauschen“. Das ist eine Migrationsbotschaft, die sich an bestehende Frontend-Integrationen richtet, nicht nur an Neuentwicklungen.

Die Interactions API und die Drei-Bearbeitungen-Grenze

Das konkreteste Frontend-Detail ist unauffällig: Die Interactions API verwaltet Sitzungsverlauf und Kontext, sodass „Nutzer bis zu drei aufeinanderfolgende Bearbeitungen stapeln können“. Das ist eine echte Einschränkung, um die man das Design herum aufbauen muss, kein Marketing-Punkt.

Dialogbasiertes Bearbeiten — das Grundprinzip von Gemini Omni Flash — funktioniert nur, wenn die UI Zustand über mehrere Interaktionsrunden hinweg mitträgt. Ein Stapel von drei Bearbeitungen bedeutet, dass die Oberfläche dieses Budget dem Nutzer kommunizieren muss: welche Bearbeitungen bereits angewendet wurden, wann das Limit erreicht wird und wie man verzweigen oder neu starten kann. Einen mehrstufigen Editor zu bauen, ohne diese Grenze sichtbar zu machen, würde zu verwirrenden Sackgassen führen.

Omni Flash generiert 10-Sekunden-Videos für 0,10 $ pro Sekunde, was laut Google „dem Preis von Veo 3.1 Fast entspricht“. Die Preisparität mit einem bestehenden Modell gibt Frontend-Teams eine bekannte Kostenbasis für die Kalkulation pro Rendering.

Das Verkettungsmuster ist das eigentliche Produkt, das Google verkauft

Die eigentliche Magie entsteht, wenn man diese Modelle miteinander verkettet. Nano Banana 2 Lite dient als schnelles Bildgenerierungsmodell, dessen Ausgabe dann als Referenz an Gemini Omni Flash übergeben wird, um sie in ein hochwertiges Video zu animieren.Montana Labs

Alle drei Demo-Apps kodieren denselben UI-Ablauf: Ein Standbild mit dem schnellen Bildmodell generieren, dann per Klick oder Button dieses Standbild in einen animierten Clip umwandeln. Anywhere versetzt ein Selfie an Sehenswürdigkeiten und animiert es auf Klick; Space Lift generiert Raum-Umgestaltungen und spielt bei Tap eine filmische Präsentation ab; Omni Product Studio verwandelt statische Bilder in E-Commerce-Videos.

Jede App folgt einer zweistufigen Interaktion, bei der das günstige, schnelle Modell die Browsing-Phase übernimmt und das teure Videomodell nur bei expliziter Nutzerentscheidung aufgerufen wird. Das ist ein sinnvolles Muster zur Kostenkontrolle in einer Medien-UI — man animiert nicht alles, sondern nur das, was der Nutzer ausgewählt hat.

Die Einschränkungen, die bestimmen, was heute produktionsreif ist

Omni Flash befindet sich in der öffentlichen Vorschau, und die Einschränkungen begrenzen den UI-Umfang direkt. Videos sind auf 10 Sekunden begrenzt. Audio-Referenz-Uploads und Szenenerweiterung werden in der Gemini API noch nicht unterstützt. Video-Referenzen bis zu 3 Sekunden werden vom API-Schema akzeptiert, aber „derzeit vom Modell nicht korrekt verarbeitet“ — eine Falle für alle, die nur gegen das Schema validieren und annehmen, dass es funktioniert.

Google weist außerdem darauf hin, dass die Konsistenz von Figuren bei Szenenwechseln und Kameraschwenks nachlässt. Für ein Frontend, das eine durchgängig konsistente Figur über mehrere generierte Clips hinweg verspricht, definiert diese Einschränkung die Grenze zwischen einer Demo und einem produktionsreifen Feature.

Beide Modelle tragen eine SynthID-Wasserzeichenkennung, die über die Gemini-App, Chrome oder die Suche überprüfbar ist — ein Transparenzmechanismus, der außerhalb der eigenen App liegt, aber es lohnt sich, ihn Nutzern beim Teilen generierter Medien sichtbar zu machen.

Was die Aufteilung in zwei Modelle von Medien-UI-Teams verlangt

Die konkrete Implikation dieses Releases ist, dass Google Frontend-Teams einen abgestuften Generierungs-Stack in die Hand gibt und erwartet, dass die Oberfläche zwischen den Stufen vermittelt. Nano Banana 2 Lite für Massenentwürfe, Nano Banana 2 als Allrounder, Nano Banana Pro für genauigkeitskritische Arbeiten und Omni Flash für den Video-Höhepunkt.

Das gut umzusetzen bedeutet: Nicht das Modell, sondern die UI entscheidet, wann Geschwindigkeit zählt und wann Qualität zählt — günstig und schnell in der Explorationsphase, teuer und langsam im Moment der eigentlichen Nutzerabsicht. Die Demo-Apps sind Googles Art zu zeigen, dass das Produkt die Orchestrierung zwischen diesen Modellen ist — und das Frontend der Ort, an dem diese Orchestrierung für den Nutzer sichtbar wird.