跳到主要内容
Zubnet AI › 学习 › Wiki › Imagen
模型

Imagen

别名:Gemini Image
Google 的图像生成模型系列,从 Imagen 扩散模型到被称为 Nano Banana 的对话式 Gemini 图像模型。

为什么重要

Google 是少数在文本、图像和视频上都拥有前沿模型的公司之一,它的图像模型通过 Gemini 应用、Google 相册、Workspace、搜索和 Android 触达了极其庞大的用户群。Imagen 的研究也影响了整个领域:它发现文本编码器和图像模型同样重要,这一结论影响了 Stable Diffusion 3、FLUX 等许多模型。

Nano Banana 则让对话式图像编辑走向了大众。上传一张照片,说一句“改成傍晚,再把那辆车去掉”,而其他一切(包括人物的面孔)都保持不变,这相比以往的工具是一次飞跃,几周之内就带来了数亿次图像编辑。

深度解析

Imagen 曾是 Google 的文生图模型家族。第一个版本于 2022 年 5 月以研究论文的形式发表,它表明把大型语言模型用作文本编码器,再配上扩散模型,生成的图像比此前任何方法都更忠实于提示。Google 当时没有公开发布它,之后才陆续把后续版本放进自家产品:2023 年底的 Imagen 2、2024 年的 Imagen 3 和 2025 年的 Imagen 4。此后 Google 关停了所有 Imagen 模型(Imagen 4 于 2026 年 8 月 17 日关停)。

在 Imagen 之外,Google 还把图像生成直接内置到了 Gemini 模型里。这第二条产品线在 2025 年 8 月以 Nano Banana 的昵称走红,如今 Google 的图像生成全部由它承担。

最初的设计

Imagen(2022 年)使用冻结的 T5-XXL 文本编码器和一组级联的扩散模型:一个生成 64×64 的图像,另外两个超分辨率模型先把它放大到 256×256,再放大到 1024×1024。与 Stable Diffusion 不同,它直接在像素上工作,而不是在压缩的潜空间里。后来的版本转向了更高效的潜在扩散设计,照片级真实感、文字渲染和提示遵循度都稳步提升。Imagen 4 带来了更锐利的细节、好得多的文字排版、最高 2K 分辨率的输出,以及一个快速版本。

两条模型路线

直到 2026 年,Google 都有两种图像生成路线:

  • Imagen 模型曾是专用的文生图生成器。你发送提示,它返回图像。它们速度快,单张图像的成本相对较低,在照片级真实感和风格方面很强。
  • Gemini 图像模型把图像生成作为多模态 LLM 的原生能力。第一个被广泛使用的是 Gemini 2.5 Flash Image(Nano Banana,2025 年 8 月)。基于 Gemini 3 Pro 的 Nano Banana Pro 于 2025 年 11 月推出,能在图像中准确渲染文字,输出最高可达 4K,可以融合多张参考图,还可选择用 Google 搜索做事实接地。此后这条产品线又陆续推出了新版本。

实际的区别在于,Gemini 模型是带着 LLM 的全部知识和推理能力去理解请求的。它们可以在多轮对话中持续编辑,让同一个角色在多张图像中保持一致,遵循复杂的版式,画出标注正确的图表和信息图,并运用世界知识。过去,如果只是根据清晰的提示生成单张图像,Imagen 往往就够了。如果要做编辑、多图合成或任何需要推理的事,Gemini 模型是更好的选择。

在哪里使用

普通用户可以在 Gemini 应用和各种 Google 产品里用到 Gemini 图像模型。开发者则通过 Google AI Studio 里的 Gemini API 和 Google Cloud 上的 Vertex AI 访问,按图像张数或输出 token 计费。第三方平台也提供这些模型。

水印与安全措施

Google 模型生成的每张图像都带有 SynthID,这是一种嵌入像素的隐形水印,设计上能经受裁剪、压缩和滤镜处理。Google 允许用户在 Gemini 应用里检查图像是否带有这种水印,在部分产品中还会附上 C2PA 内容凭证。这些模型会过滤不安全内容,并限制对真实人物的描绘,不过近期版本的逼真程度再次引发了人们对深度伪造和虚假信息的担忧。

竞争格局

主要的替代选择有:OpenAI 的 GPT Image 模型,采用类似的 LLM 原生路线;以美感见长的 Midjourney;提供开放权重和 API 的 Black Forest Labs 的 FLUX;以及来自中国实验室的模型,比如字节跳动的 Seedream 和阿里巴巴的 Qwen-Image。这个领域发展很快,公开排行榜上的领先者每隔几个月就会易主。

← 所有术语
ESC