Google lança o Nano Banana 2 Lite e o Gemini Omni Flash para desenvolvedores, com um percurso de imagem de 4 segundos até ao vídeo

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

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

Para quem está a construir uma interface em torno da geração de conteúdo, os 4 segundos são o número que decide se se mostra um indicador de carregamento ou uma pré-visualização em direto. Fica num meio-termo incómodo: demasiado longo para parecer instantâneo, suficientemente curto para justificar uma interface de rascunho interativa em que o utilizador ajusta um prompt e volta a executar repetidamente. O valor do custo importa pela mesma razão — a 3,4 cêntimos por imagem, uma interface que gera conteúdo a cada pausa de tecla ou alteração de deslizador torna-se financeiramente defensável de uma forma que um modelo premium não seria.

A Google posiciona explicitamente este modelo como substituto direto do Nano Banana original (gemini-2.5-flash-image), dizendo aos desenvolvedores que já podem "trocá-lo agora". Trata-se de uma mensagem de migração dirigida a integrações de frontend já existentes, não apenas a novos projetos.

A Interactions API e o limite de três edições

O detalhe mais concreto para o frontend passa quase despercebido: a Interactions API mantém o histórico de sessão e o contexto, para que "os utilizadores possam acumular até três edições sequenciais". Trata-se de uma restrição real a ter em conta no design, não de um argumento de marketing.

A edição conversacional — a premissa do Gemini Omni Flash — só funciona se a interface mantiver o estado entre interações. Um limite de três edições significa que a interface precisa de comunicar esse orçamento ao utilizador: que edições já foram aplicadas, quando se está a aproximar do limite e como ramificar ou reiniciar. Construir um editor de múltiplas interações sem evidenciar este limite geraria becos sem saída confusos.

O Omni Flash gera vídeos de 10 segundos a 0,10 $ por segundo, o que a Google refere ser "o mesmo preço do Veo 3.1 Fast". A paridade de preços com um modelo já existente dá às equipas de frontend uma base de custo conhecida para raciocinar por cada geração.

O padrão de encadeamento é o verdadeiro produto que a Google está a vender

A verdadeira magia acontece quando se encadeiam estes modelos entre si. Usar o Nano Banana 2 Lite como modelo de geração de imagem de alta velocidade e depois passar essa imagem como referência para o Gemini Omni Flash, para a animar num vídeo de alta qualidade.Montana Labs

As três aplicações de demonstração codificam todas o mesmo fluxo de interface: gerar uma imagem fixa com o modelo de imagem rápido e depois deixar que um clique ou botão transforme essa imagem num clipe animado. A Anywhere transporta uma selfie para pontos turísticos e anima-a ao clicar; a Space Lift gera reformulações de espaços e reproduz uma apresentação cinematográfica ao tocar; o Omni product studio transforma imagens estáticas em vídeos de comércio eletrónico.

Cada uma é uma interação em duas fases, em que o modelo barato e rápido gere a fase de exploração e o modelo de vídeo, mais caro, só é invocado após um compromisso explícito do utilizador. É um padrão sensato para controlar custos numa interface multimédia — não se anima tudo, anima-se apenas aquilo que o utilizador escolheu.

As limitações que condicionam o que se pode lançar hoje

O Omni Flash encontra-se em pré-visualização pública, e as ressalvas condicionam diretamente o âmbito da interface. Os vídeos estão limitados a 10 segundos. O carregamento de referências de áudio e a extensão de cenas ainda não são suportados na Gemini API. Referências de vídeo até 3 segundos são aceites pelo esquema da API, mas "não são atualmente processadas corretamente pelo modelo" — uma armadilha para quem valida apenas contra o esquema e assume que funciona.

A Google também assinala que a consistência das personagens se degrada em mudanças de cena e movimentos de câmara panorâmicos. Para um frontend que promete uma personagem coerente ao longo de vários clipes gerados, esta limitação marca a fronteira entre uma demonstração e uma funcionalidade pronta para produção.

Ambos os modelos incluem a marca de água SynthID, verificável através da aplicação Gemini, do Chrome ou da Pesquisa Google — um mecanismo de transparência que existe fora da aplicação que se constrói, mas que vale a pena evidenciar aos utilizadores que geram conteúdo multimédia partilhável.

O que a divisão em dois modelos exige das equipas de interface multimédia

A implicação concreta deste lançamento é que a Google está a entregar às equipas de frontend uma pilha de geração em camadas, esperando que a interface faça o encaminhamento entre elas. O Nano Banana 2 Lite para rascunhos em volume, o Nano Banana 2 como generalista, o Nano Banana Pro para trabalho em que a precisão é crítica, e o Omni Flash para o resultado final em vídeo.

Construir bem em torno disto significa que é a interface, e não o modelo, que decide quando a rapidez importa e quando a qualidade importa — barato e rápido na fase exploratória, dispendioso e lento no momento da intenção do utilizador. As aplicações de demonstração são a forma que a Google encontrou de mostrar que o produto é a orquestração entre estes modelos, e o frontend é onde essa orquestração se torna visível para o utilizador.