Η Google ανακοίνωσε επίσημα τη διαθεσιμότητα του Gemini 2.5 Flash Image, του ισχυρού μοντέλου τεχνητής νοημοσύνης που έγινε viral τον Αύγουστο με την ονομασία «Nano Banana», καθιστώντας το πλέον διαθέσιμο παγκοσμίως για προγραμματιστές και επιχειρήσεις.
Από το «Nano Banana» στο εργαλείο παραγωγής εικόνας Gemini 2.5
Το εργαλείο, που έκανε την πρώτη του εμφάνιση ανώνυμα στην crowdsourced πλατφόρμα αξιολόγησης LMArena, αναγνωρίστηκε σύντομα ως το πιο αξιόπιστο μοντέλο επεξεργασίας εικόνας. Η στρατηγική δημιουργίας «buzz» απέδωσε και τώρα, με την επίσημη κυκλοφορία του στις 2 Οκτωβρίου, το μοντέλο αποκτά επαγγελματικές λειτουργίες για καθημερινή χρήση.
Το Gemini 2.5 Flash Image είναι προσβάσιμο μέσω:
- Gemini API
- Google AI Studio
- Vertex AI
Νέες δυνατότητες: Από character consistency μέχρι 10 αναλογίες εικόνας
Η νέα έκδοση εισάγει σημαντικές βελτιώσεις:
- Υποστήριξη 10 αναλογιών εικόνας, από κινηματογραφική οριζόντια έως κάθετη για social media
- Αυξημένο «character consistency» – διατηρεί την ομοιότητα χαρακτήρων σε πολλές τροποποιήσεις
- Multimodal δυνατότητες – κατανόηση και συνδυασμός εικόνας και κειμένου ταυτόχρονα
- Προηγμένες λειτουργίες επεξεργασίας σε συνομιλιακή ροή, με υψηλή συνέπεια και ακρίβεια
Η Nicole Brichtova, product lead στη Google DeepMind, δήλωσε:
«Δίνουμε πλέον δυνατότητες που απαιτούσαν ειδικά εργαλεία στα χέρια των καθημερινών δημιουργών – και η δημιουργικότητα που ξεδιπλώνεται είναι εντυπωσιακή».
Ενσωμάτωση από νωρίς στην αγορά – Παράδειγμα η Cartwheel
Η startup Cartwheel, που ασχολείται με AI εικονογράφηση, τόνισε ότι το Gemini 2.5 Flash Image είναι το πρώτο μοντέλο που διατηρεί πιστότητα πόζας από οποιαδήποτε γωνία κάμερας χωρίς να θυσιάζει τη «γνώση του κόσμου».
Ο Andrew Carr, συνιδρυτής, ανέφερε:
«Άλλα μοντέλα απέτυχαν να αποδώσουν χαρακτήρες από αυθαίρετες γωνίες ή να διατηρήσουν τη συνέπεια πόζας. Το Gemini 2.5 ήταν το πρώτο που το πέτυχε».
Τιμολόγηση και στόχευση επιχειρήσεων
Η Google όρισε την τιμή στα:
- $0.039 ανά εικόνα
- $30 ανά εκατομμύριο tokens εξόδου
Ένας ανταγωνιστικός τιμοκατάλογος, ειδικά για επιχειρησιακή χρήση μέσω της πλατφόρμας Vertex AI.
Ανταγωνισμός στην αγορά και στρατηγική της Google
Η κυκλοφορία έρχεται ως απάντηση στον ολοένα εντονότερο ανταγωνισμό, ιδιαίτερα μετά την ενσωμάτωση του GPT-4o Image Generator από την OpenAI στο ChatGPT.
Άλλοι ανταγωνιστές περιλαμβάνουν:
- ByteDance με το Seedream 4.0, που ανταγωνίζεται άμεσα το «Nano Banana»
- Meta, που στρέφεται σε τεχνολογία της Midjourney λόγω εσωτερικών αποτυχιών
- Black Forest Labs (φωτορεαλισμός)
- Alibaba (απόδοση κειμένου σε εικόνα)
Ασφάλεια και νομική συμμόρφωση: Νέα στάνταρντ
Μετά τα προβλήματα που αντιμετώπισε με λανθασμένες ιστορικές απεικονίσεις σε προηγούμενη έκδοση του Gemini, η Google παρουσιάζει ενισχυμένα μέτρα ασφαλείας:
- Εμφανή υδατογραφήματα σε όλες τις εικόνες
- Αόρατο υδατογράφημα τύπου SynthID, με κρυπτογραφική υπογραφή, για την πιστοποίηση AI περιεχομένου
Αυτό έρχεται σε αντίθεση με τον ανταγωνισμό, όπως η Midjourney, η οποία αντιμετωπίζει νομικές προσφυγές από Disney και Universal σχετικά με τα δεδομένα εκπαίδευσης.
Gemini ως πλήρης δημιουργική πλατφόρμα
Με την ενσωμάτωση προηγμένων εργαλείων επεξεργασίας εικόνας στο βασικό AI προϊόν της, η Google μετατρέπει σταδιακά το Gemini από chatbot σε δημιουργική μηχανή ευρείας χρήσης – σε αντίστοιχο ρόλο με την OpenAI, που μόλις λάνσαρε το Sora 2 για βίντεο.
Το Gemini 2.5 Flash Image σηματοδοτεί ένα νέο στάδιο στη δημιουργία εικόνας με AI, προσφέροντας δυνατότητες επαγγελματικού επιπέδου με εστίαση στην προσβασιμότητα, ασφάλεια και δημιουργικότητα. Η Google ποντάρει ότι με τον σωστό συνδυασμό εργαλείων, τιμής και εμπιστοσύνης, θα κυριαρχήσει στην ταχέως εξελισσόμενη αγορά της γενετικής τεχνητής νοημοσύνης.
