Η Google διαθέτει το Nano Banana 2 Lite και το Gemini Omni Flash στους προγραμματιστές, με διαδρομή εικόνας σε βίντεο των 4 δευτερολέπτων

Οι αριθμοί καθυστέρησης είναι προϋπολογισμός frontend, όχι σημείο αναφοράς

Η κύρια προδιαγραφή του Nano Banana 2 Lite είναι έξοδος κειμένου σε εικόνα σε 4 δευτερόλεπτα, στα 0,034 $ ανά εικόνα ανάλυσης 1K. Η Google το παρουσιάζει ως «ταχύ ιδεασμό και ροές εργασίας υψηλής ταχύτητας για προγραμματιστές, όπου η ταχύτητα και το κόστος είναι οι κύριοι περιορισμοί».

Για όποιον σχεδιάζει μια διεπαφή γύρω από τη δημιουργία περιεχομένου, τα 4 δευτερόλεπτα είναι ο αριθμός που καθορίζει αν θα εμφανίσετε έναν δείκτη φόρτωσης ή μια ζωντανή προεπισκόπηση. Βρίσκεται σε μια δύσκολη ενδιάμεση ζώνη: αρκετά μεγάλο για να μη μοιάζει στιγμιαίο, αρκετά μικρό για να δικαιολογεί ένα διαδραστικό UI σχεδίασης, όπου ο χρήστης τροποποιεί μια προτροπή και την εκτελεί ξανά επανειλημμένα. Το κόστος μετράει για τον ίδιο λόγο — στα 3,4 λεπτά ανά εικόνα, ένα UI που δημιουργεί περιεχόμενο σε κάθε παύση πληκτρολόγησης ή αλλαγή ρυθμιστικού γίνεται οικονομικά υποστηρίξιμο με τρόπο που δεν θα ήταν εφικτός με ένα premium μοντέλο.

Η Google το τοποθετεί ρητά ως τον απευθείας αντικαταστάτη του αρχικού Nano Banana (gemini-2.5-flash-image), λέγοντας στους προγραμματιστές ότι μπορούν να το «αντικαταστήσουν άμεσα». Αυτό είναι μήνυμα μετάβασης που απευθύνεται σε υπάρχουσες ενσωματώσεις frontend, όχι μόνο σε νέες κατασκευές.

Το Interactions API και το ανώτατο όριο των τριών επεξεργασιών

Η πιο συγκεκριμένη λεπτομέρεια για το frontend είναι διακριτική: το Interactions API διατηρεί το ιστορικό συνεδρίας και το πλαίσιο, ώστε «οι χρήστες να μπορούν να στοιβάξουν έως τρεις διαδοχικές επεξεργασίες». Αυτός είναι ένας πραγματικός περιορισμός γύρω από τον οποίο πρέπει να σχεδιάσετε, όχι σημείο μάρκετινγκ.

Η συνομιλιακή επεξεργασία — η βασική ιδέα του Gemini Omni Flash — λειτουργεί μόνο αν το UI διατηρεί κατάσταση μεταξύ των γύρων. Ένα όριο τριών επεξεργασιών σημαίνει ότι η διεπαφή πρέπει να επικοινωνεί αυτόν τον προϋπολογισμό στον χρήστη: ποιες επεξεργασίες έχουν εφαρμοστεί, πότε πλησιάζει το όριο και πώς να διακλαδωθεί ή να ξεκινήσει από την αρχή. Η δημιουργία ενός επεξεργαστή πολλών γύρων χωρίς να αναδεικνύεται αυτό το όριο θα οδηγούσε σε συγκεχυμένα αδιέξοδα.

Το Omni Flash δημιουργεί βίντεο 10 δευτερολέπτων στα 0,10 $ ανά δευτερόλεπτο, κάτι που η Google σημειώνει ότι είναι «το ίδιο με το Veo 3.1 Fast». Η ισοτιμία τιμών με ένα υπάρχον μοντέλο δίνει στις ομάδες frontend μια γνωστή βάση κόστους για κάθε απόδοση.

Το μοτίβο αλυσίδας είναι το πραγματικό προϊόν που πουλάει η Google

Η πραγματική μαγεία συμβαίνει όταν αλυσιδώνετε αυτά τα μοντέλα μεταξύ τους. Χρησιμοποιήστε το Nano Banana 2 Lite ως μοντέλο δημιουργίας εικόνας υψηλής ταχύτητας, και έπειτα περάστε αυτή την εικόνα ως αναφορά στο Gemini Omni Flash για να την ζωντανέψει σε βίντεο υψηλής ποιότητας.Montana Labs

Οι τρεις εφαρμογές επίδειξης κωδικοποιούν όλες την ίδια ροή UI: δημιουργία μιας στατικής εικόνας με το ταχύ μοντέλο εικόνας, και έπειτα ένα κλικ ή κουμπί προωθεί αυτή την εικόνα σε ένα κινούμενο κλιπ. Το Anywhere μεταφέρει μια selfie σε αξιοθέατα και τη ζωντανεύει με ένα κλικ· το Space Lift δημιουργεί ανασχεδιασμούς δωματίων και παίζει μια κινηματογραφική παρουσίαση με ένα άγγιγμα· το Omni product studio μετατρέπει στατικές εικόνες σε βίντεο ηλεκτρονικού εμπορίου.

Καθεμία είναι μια αλληλεπίδραση δύο σταδίων, όπου το φθηνό, ταχύ μοντέλο χειρίζεται τη φάση περιήγησης και το ακριβό μοντέλο βίντεο καλείται μόνο όταν ο χρήστης δεσμευτεί ρητά. Αυτό είναι ένα λογικό μοτίβο για τον έλεγχο του κόστους σε ένα UI πολυμέσων — δεν ζωντανεύετε τα πάντα, ζωντανεύετε μόνο αυτό που επέλεξε ο χρήστης.

Οι περιορισμοί που καθορίζουν τι μπορείτε να διαθέσετε σήμερα

Το Omni Flash βρίσκεται σε δημόσια προεπισκόπηση, και οι επισημάνσεις περιορίζουν άμεσα την εμβέλεια του UI. Τα βίντεο έχουν ανώτατο όριο τα 10 δευτερόλεπτα. Οι μεταφορτώσεις αναφοράς ήχου και η επέκταση σκηνής δεν υποστηρίζονται ακόμη στο Gemini API. Αναφορές βίντεο έως 3 δευτερολέπτων γίνονται δεκτές από το σχήμα του API, αλλά «δεν υποβάλλονται σωστά σε επεξεργασία από το μοντέλο αυτή τη στιγμή» — μια παγίδα για όποιον επικυρώνει βάσει του σχήματος και υποθέτει ότι λειτουργεί.

Η Google επισημαίνει επίσης ότι η συνέπεια χαρακτήρων υποβαθμίζεται σε αλλαγές σκηνής και κινήσεις κάμερας (panning). Για ένα frontend που υπόσχεται συνεπή χαρακτήρα σε πολλαπλά δημιουργημένα κλιπ, αυτός ο περιορισμός καθορίζει το όριο ανάμεσα σε μια επίδειξη και ένα λειτουργικό χαρακτηριστικό προς διάθεση.

Και τα δύο μοντέλα φέρουν υδατογράφημα SynthID, επαληθεύσιμο μέσω της εφαρμογής Gemini, του Chrome ή του Search — έναν μηχανισμό διαφάνειας που βρίσκεται εκτός της εφαρμογής που κατασκευάζετε, αλλά αξίζει να αναδειχθεί στους χρήστες που δημιουργούν κοινοποιήσιμα πολυμέσα.

Τι ζητά ο διαχωρισμός των δύο μοντέλων από τις ομάδες UI πολυμέσων

Η συγκεκριμένη επίπτωση αυτής της κυκλοφορίας είναι ότι η Google παραδίδει στις ομάδες frontend μια διαβαθμισμένη στοίβα δημιουργίας περιεχομένου και περιμένει από τη διεπαφή να δρομολογεί ανάμεσα στα επίπεδα. Το Nano Banana 2 Lite για μαζική σύνταξη προσχεδίων, το Nano Banana 2 ως γενικό μοντέλο, το Nano Banana Pro για εργασίες όπου η ακρίβεια είναι κρίσιμη, και το Omni Flash για το αποτέλεσμα σε βίντεο.

Το να χτίσετε καλά γύρω από αυτό σημαίνει ότι το UI, όχι το μοντέλο, αποφασίζει πότε μετράει η ταχύτητα και πότε μετράει η ποιότητα — φθηνό και ταχύ για τη φάση εξερεύνησης, ακριβό και αργό τη στιγμή της πρόθεσης του χρήστη. Οι εφαρμογές επίδειξης είναι ο τρόπος της Google να δείξει ότι το προϊόν είναι η ορχήστρωση ανάμεσα σε αυτά τα μοντέλα, και το frontend είναι εκεί όπου αυτή η ορχήστρωση γίνεται ορατή στον χρήστη.