Google出手了!全新生成模型Nano Banana 2 Lite問世:生圖最快4秒完成,成本只要1元?
Google出手了!全新生成模型Nano Banana 2 Lite問世:生圖最快4秒完成,成本只要1元?

重點一:Google 同日推出影像模型 Nano Banana 2 Lite 與影片模型 Gemini Omni Flash。

重點二:Nano Banana 2 Lite 主打速度成本,Google 稱文字生圖約 4 秒、每張 1K 圖 0.034 美元(約新台幣 1.1 元),是家族中最快最省的一款。

重點三:Gemini Omni Flash 首度以公開預覽對開發者開放,支援文字、圖片、影片輸入的影片生成與對話式編輯,每秒影片輸出 0.10 美元。

Google 同一天推出兩款生成式媒體模型:影像模型 Nano Banana 2 Lite 與影片模型 Gemini Omni Flash。前者主打「快與省」、已對開發者開放;後者把 Gemini 的多模態推理能力延伸到影片生成與編輯,目前以公開預覽形式在 Gemini API 與 Google AI Studio 提供,尚未進入正式版(GA)。

Google 的算盤是讓開發者能把兩者串起來,打造從生圖到成片的一條龍多媒體工作流。(文中美元對新台幣換算,均以 1 美元兌新台幣 32 元粗估。)

模型 類型 模型代號 狀態 價格/限制
Nano Banana 2 Lite 圖片 gemini-3.1-flash-lite-image 已開放 每張 1K 圖 0.034 美元(約新台幣 1.1 元);Google 稱約 4 秒
Gemini Omni Flash 影片 gemini-omni-flash-preview 公開預覽 每秒影片輸出 0.10 美元(約新台幣 3.2 元);目前最長 10 秒

Nano Banana 2 Lite:家族中最快最省的一款

Nano Banana 2 Lite(模型代號 gemini-3.1-flash-lite-image)主打高速與低成本,專為講求速度、成本的快速發想與高吞吐量開發流程設計。

官方給出兩個關鍵數字:文字生圖 Google 稱約 4 秒(此為 Google 公布的延遲表現,非服務保證);收費則是每張 1K 解析度圖片 0.034 美元(約新台幣 1.1 元),換算下來,生成 1,000 張約 34 美元(約新台幣 1,100 元)。

但即使以速度為優先,它仍維持可靠的提示詞遵循度、穩定的角色一致性,以及清晰的圖中文字。Google 建議目前還在用初代 Nano Banana 的開發者直接換上這一款。

在消費端,Nano Banana 2 Lite 屬「開始陸續推出」,而非一次全面上線,將陸續登上搜尋的 AI Mode、Gemini App、NotebookLM、Google Photos、Stitch、Google Flow 與 Google Ads 等產品。

至於 Nano Banana 家族的分工,可簡單記成三段:2 Lite 補上「要求極速」的一端,面向近即時、高流量、對延遲敏感的工作流;Nano Banana Pro(Gemini 3 Pro Image)守住「要求精準」的另一端。

至於 Nano Banana 2(Gemini 3.1 Flash Image)則是效能與成本最平衡的萬用選項。

Gemini Omni Flash:用自然語言做影片、改影片

另一款主角 Gemini Omni Flash(模型代號 gemini-omni-flash-preview)最早在 Google I/O 亮相,這次首度透過 Gemini API 與 Google AI Studio 對開發者開放,狀態為「公開預覽」。

它原生支援以文字、圖片、影片的任意組合作為輸入,進行影片生成與「對話式編輯」,也就是用自然語言下指令來修改影片。定價為每秒影片輸出 0.10 美元(約新台幣 3.2 元),與 Veo 3.1 Fast 同價。

Omni Flash 的主要強項,包括以自然語言對話式修改影片、結合圖片與文字與影片等多模態參照以維持畫面一致性、援引 Gemini 對真實世界知識來建構影片,以及讓文字與圖形、影片動作同步。

不過依 Omni 官方文件,現階段仍有明確限制:目前僅能生成最長 10 秒的影片(官方稱更長時長即將到來);Gemini API 尚不支援上傳音訊參照與場景延伸;長度 3 秒以內的影片參照雖被 API 接受,但模型目前無法正確處理;切換場景或鏡頭平移時,角色一致性仍有待加強。

此外,官方文件也註明,以使用者上傳影片進行編輯的功能並非所有地區皆可使用,開發者須留意地域限制。

在消費端,Omni Flash 登上 Gemini App 與 Google Flow,暫未如 Nano Banana 2 Lite 那樣進入搜尋的 AI Mode。

兩款串接,生圖到成片一條龍

Google 強調,真正的威力在於把兩款模型串起來:先用 Nano Banana 2 Lite 高速生圖,再把圖餵給 Gemini Omni Flash 動畫化成影片。搭配 Interactions API,開發者還能在多輪操作中保留工作階段的脈絡,讓使用者最多堆疊三次連續編輯。

Google 也一併釋出三款可直接改用的示範應用:Anywhere(上傳自拍或照片,瞬移到各地知名地標,再由 Omni Flash 動畫化)、Space Lift(室內設計改造)與 Omni product studio(將靜態圖轉為電商影片)。

平台、狀態與浮水印

兩款模型的開放狀態不一,逐一整理如下:

  • Nano Banana 2 Lite:在 Google AI Studio、Gemini API 與 Gemini Enterprise Agent Platform 對開發者開放(已正式開放);消費端正陸續推出。

  • Gemini Omni Flash:在 Gemini API、Google AI Studio 與 Gemini Enterprise Agent Platform 以「公開預覽」開放;消費端登上 Gemini App 與 Google Flow,影片編輯功能有地域限制。

在安全與透明度上,Gemini Omni Flash 與 Nano Banana 2 Lite 皆採用 SynthID 浮水印技術,使用者可透過 Gemini App、Chrome 或搜尋中的 Gemini 驗證內容是否由 AI 生成。

延伸閱讀:Fable 5要解禁了!Anthropic三周攻防懶人包:從模型停用到秘密談判,時間線一次看懂

資料來源:Google 官方公告Gemini API 文件:影像生成Gemini API 文件:Omni Flash 影片Google Cloud 公告Gemini 定價Gemini 適用地區

本文初稿為AI編撰,整理.編輯/ 李先泰

關鍵字: #Google #Gemini
往下滑看下一篇文章
從黑客松到理賠第一線,富邦人壽如何讓 AI 從創新提案變成工作夥伴?
從黑客松到理賠第一線,富邦人壽如何讓 AI 從創新提案變成工作夥伴?

當許多企業還在討論 AI 能做什麼,富邦人壽更關注:AI 如何被第一線同仁使用?而這也是「理賠智慧助理」能從黑客松發想、走進理賠現場,成為真實工作夥伴的原因。

為什麼富邦人壽會選擇從最複雜、也最不易標準化的環節–理賠–切入、嘗試將AI從「回答問題的工具」轉變成進入核心營運流程的「決策輔助夥伴」?

保險理賠為何難以AI化?答案藏在大量非結構化資訊裡

相較於客服問答或行政流程,理賠工作最大的挑戰在於資訊高度分散且缺乏標準格式:從診斷證明、病理報告、手術紀錄到醫療收據,每份文件不同醫院格式都不同,內容還充滿專業醫療術語;理賠人員不僅必須理解文件內容,還需要同步比對保單條款、法規要求以及醫學知識,才能做出適當判斷。

更複雜的是,就算是相同疾病或手術名稱,不同案件背景也可能導致不同理賠結果,因此,理賠長期被視為高度依賴專業經驗與人工判斷的工作,很難透過傳統自動化工具處理。

近年來,隨著理賠案件量持續增加、醫療技術快速演進,以及新舊世代交替帶來的人才培育壓力,如何兼顧理賠品質、作業效率與知識傳承,成為刻不容緩的議題。

富邦人壽開始思考:如果AI無法取代專業判斷,是否能先協助理賠人員更快掌握資訊、縮短搜尋時間,讓專業人才把時間投入在更高價值的分析與決策工作?這個想法在富邦集團導入微軟Copilot Studio並舉辦黑客松活動後獲得實踐機會,理賠團隊將構想轉化為可驗證的AI提案,並在主管支持與跨部門合作下,於2026年1月正式導入理賠現場。

「黑客松讓我們有機會快速驗證想法,也讓AI應用從概念走向實際場景。」富邦人壽理賠部資深襄理郭乃瑀如是說道。

數位時代為此特別專訪富邦人壽黑客松獲獎團隊「ClaimAIngels」的成員,深入了解這項 AI 專案如何從創新提案一路走進理賠第一線,成為同仁日常工作的決策輔助夥伴。

富邦人壽
富邦人壽理賠智慧助理透過黑客松加速落地!數位時代專訪團隊成員郭乃瑀 (左上)、 王羽藍(左下)、陳子聆(右上)、林庭樂(右下),分享過程與收穫。
圖/ 數位時代

AI成功落地的關鍵,不只是模型,還有資料與流程重建

從創意發想到實際上線,最大的挑戰不是技術,而是如何讓AI真正符合第一線需求。

富邦人壽理賠部資深襄理林庭樂指出,團隊一開始便深入訪談理賠同仁,發現大家真正需要的並不是AI幫忙做決定,而是協助整理資訊,因此將理賠智慧助理專案聚焦於三大領域:手術等級建議、病理報告判讀輔助,以及國外醫療文件翻譯與摘要,目標是協助同仁降低資料蒐集與查詢時間,讓理賠同仁可以快速掌握案件重點。

但要做到這一步,必須先建立可信任的資料基礎。

由於醫療資料來源眾多且格式不一,團隊投入大量時間整理歷史案件、建立醫療名詞對應關係、標註資料來源與判斷依據,並透過跨部門討論及醫師顧問協作,逐步建立一致的判讀標準。林庭樂表示:「這項工作看似基礎,卻是AI能否提供可靠建議的關鍵,更重要的是,它讓過去散落在資深同仁腦中的經驗知識,逐漸轉化為可被組織保存與運用的數位資產。」

富邦人壽理賠部專員陳子聆便感受到明顯改變。她說:「過去遇到新的手術名稱,往往需要花費一到兩個小時查閱條款、搜尋歷史案例並向資深同仁請教,現在,透過理賠智慧助理協助,資料搜尋時間縮短50%以上,能將更多心力放在案件分析與專業判斷上。」

理賠部理賠審核科資深襄理王羽藍則形容,理賠智慧助理更像是一位隨身秘書。她說:「它會先幫我們整理案件重點,也能提醒是否遺漏重要資訊。無論是判讀國內外醫療文件、核對醫療收據,或分析病理報告內容,都能快速提供參考依據,讓我們把時間投入更重要的專業決策。」

除了資料基礎建設,金融業導入 AI 的另一個關鍵挑戰是風險與合規。

因應金融監理要求以及個資保護需求,團隊在設計理賠智慧助理時建立多層防護機制與使用護欄,並持續優化提示詞設計,以降低AI幻覺、資料外洩與誤判風險,確保AI始終在可控範圍內運作。

不過,對富邦人壽而言,上線並不代表結束,而是優化的開始。

團隊發現,理賠智慧助理初期使用率表現亮眼,但隨著時間推移逐漸下降,為了找出原因,團隊同仁與第一線理賠同仁召開多場討論會議,讓其了解,生成式 AI 並非一次建置完成就能長期發揮效益,必須持續蒐集使用回饋、改善建議,進而調整功能設計。

郭乃瑀表示:「根據同仁回饋,團隊目前正規劃新增實支實付手術給付比例分析等功能,目標是讓AI更貼近實際工作流程、滿足使用者需求。」

從單一專案到組織能力,理賠智慧助理帶來的真正改變

隨著理賠智慧助理逐步成為理賠同仁的日常工作夥伴,其帶來的影響也不再侷限於效率提升,而是開始擴散至組織文化與創新模式的改變。

郭乃瑀表示,過去AI專案多半由資訊部門主導,但這次經驗讓大家發現,真正了解痛點的人其實是第一線同仁,因為只有其最清楚哪些流程最耗時、哪些資訊最難取得,以及哪些環節最適合導入AI。「隨著理賠智慧助理成果逐漸顯現,愈來愈多部門開始主動詢問專案推動經驗,如資料整理、風險控管、流程設計與使用者導入等做法,加速 AI 創新在組織內部的擴散與落地。」

對富邦人壽而言,理賠智慧助理並不只是單一 AI 工具,而是一次工作方式與文化的改變:從第一線提出需求、跨部門共同打造,到持續優化與回饋機制,AI 不再只是科技部門的工具,而逐漸成為工作現場的一部分,也讓數位轉型成為一種持續發生的創新能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓