🍌🤖 موزِ نانو! موز مرموز دنیای هوش مصنوعی

چند هفته‌ای بود همه جا حرف از یه مدل ناشناس بود که توی رقابت‌های LMArena (مرجع مقایسه مدل‌های مختلف هوش مصنوعی) سر و صدا کرده بود:
— رتبه ۱ ویرایش تصویر
— رتبه ۱ تبدیل متن به تصویر

خروجی‌های این مدل، اونقدر قوی و متفاوت بود که اسمش سر زبون‌ها افتاد: Nano Banana.

حدس و گمان‌هایی بود که این مدل، آیا وابسته به یک شرکتِ بزرگ هست یا توسط یک تیم کوچک در حال توسعه هست؟

امروز معما حل شد؛ گوگل رسماً اعلام کرده این مدل در واقع همون Gemini 2.5 Flash Image هست که به اپلیکیشن جمنای و ابزارهای توسعه‌دهنده‌ها اضافه شده.


🎯 چرا همه درباره این مدل قدرتمند حرف می‌زدن؟

✅ ثبات در شخصیت و صحنه
یکی از دردسرهای مدل‌های قبلی این بود که وقتی می‌خواستی عکسی رو ویرایش کنی، قیافه‌ی شخصیت داخل تصویر عوض می‌شد یا حیوان خانگی‌ت دیگه شبیه خودش نبود. نانو بانانا این مشکل رو تا حد زیادی حل کرده. مثلا می‌تونی ازش بخوای دوستت رو با مدل موی دهه ۶۰ یا لباس بالرین نشون بده، بدون اینکه چهره‌ش تغییر کنه.

✅ پیروی از دستورات پیچیده
فقط بحث تغییر ساده نیست. این مدل دستورات دقیق و عجیب رو هم می‌فهمه. مثلاً می‌گی «شخص سمت چپ رو به شوالیه قرون وسطایی تبدیل کن ولی پس‌زمینه دست‌نخورده بمونه»، یا حتی «این عکس سگ رو با این عکس آدم ترکیب کن»؛ و نتیجه دقیقاً همون می‌شه که خواستی.

✅ ترکیب تصاویر و خلاقیت
می‌تونه المان‌های یک تصویر رو به تصویر دیگه منتقل کنه. مثلا رنگ و بافت گلبرگ‌های یک گل رو بذاره روی یک جفت چکمه. این یعنی از طراحی محصول گرفته تا هنر دیجیتال، دست شما برای خلاقیت بازه.

✅ کیفیت بصری و واقع‌گرایی
تصاویر خروجی آنقدر طبیعی و دقیق هستن که انگار با دوربین گرفته شدن. همین باعث شده توی بنچمارک‌های LMArena رتبه‌ی اول رو بگیره و حتی از مدل‌های Midjourney و OpenAI جلو بزنه (رتبه‌بندی داخل تصاویر بالا هستن).

✅ دسترسی و ادغام راحت
هم برای کاربرهای عادی در اپلیکیشن جمنای باز شده (تا ۱۰۰ ویرایش رایگان در روز) و هم برای کاربرهای پولی (تا ۱۰۰۰ ویرایش). توسعه‌دهنده‌ها هم می‌تونن از طریق API و AI Studio و Vertex AI بهش دسترسی داشته باشن.


🎯 چرا این مدل مهمه؟

‼️ رقابت با فتوشاپ و ابزارهای سنتی
نانو بنانا می‌تونه خیلی از کارهایی که با Photoshop ساعت‌ها طول می‌کشه، در چند ثانیه انجام بده. یک پلتفرم فروش آنلاین حتی گزارش داده با این مدل تونسته هزینه‌های عکاسی رو به‌شدت پایین بیاره و نرخ فروشش رو ۳۴٪ افزایش بده.

‼️ کاربردهای تجاری و خلاقانه
از ساخت تبلیغات آماده در کمتر از یک ساعت گرفته تا خلق کاراکتر برای بازی‌های ویدیویی، این مدل به تیم‌های خلاق سرعت و دقت تازه‌ای داده.

‼️ رقابت داغ در دنیای هوش مصنوعی
مدل‌های OpenAI با GPT-4o و Midjourney بازار رو تکون داده بودن. اما گوگل با نانو بنانا نشون داد عقب نیست. مخصوصاً وقتی بدونیم جمنای ماهانه ۴۵۰ میلیون کاربر داره، در برابر ۷۰۰ میلیون کاربر هفتگی ChatGPT.

‼️ ایمنی و مسئولیت‌پذیری
گوگل برای جلوگیری از سوءاستفاده، همه‌ی تصاویر رو با واترمارک‌های SynthID (قابل‌دیدن و نامرئی) علامت‌گذاری می‌کنه. این یعنی جعل و فیک‌سازی سخت‌تر می‌شه.


🎯 چطور می‌تونید امتحانش کنید؟

🔻 وبسایت https://nanobanana.ai
🔻 اپلیکیشن جمنای (وب یا موبایل iOS/Android): کافیه عکس‌تون رو آپلود کنید و دستور بدید.
🔻 در Google AI Studio و Vertex AI: برای توسعه‌دهنده‌ها با چندین توکن رایگان روزانه و یا با هزینه حدود ۰.۰۳۹ دلار به‌ازای هر تصویر.
🔻 وبسایت LMArena: برای دیدن عملکردش در رقابت با مدل‌های دیگه.


🖥 @Explore_AI