Nano Banana 2 Lite

Artigo original ↗ Discussão no Hacker News ↗

Desempenho do modelo e comparações

  • Muitos acham que o ChatGPT Image 2 é notavelmente mais forte do que os modelos do Google em estética, detalhes e, especialmente, prompts nuançados; alguns o chamam de “insano” e se perguntam por que ele não estava no gráfico de comparação do Google.
  • No entanto, sua latência é muito pior (frequentemente ~2 minutos em 1024×1024), tornando-o menos adequado para fluxos de trabalho rápidos.
  • O Nano Banana 2 Lite (NB2L) é descrito como uma versão destilada, mais rápida e mais barata do NB2, com desempenho pior em prompts altamente nuançados, mas melhor renderização de texto do que o NB1.
  • Alguns usuários preferem os modelos de imagem do Google no geral para seus fluxos de trabalho; outros dizem que o Gemini ainda está “atrás”, especialmente em comparação com a OpenAI e certos concorrentes mais novos (por exemplo, Grok, Krea2, Ideogram) em qualidade ou benchmarks.
  • Benchmarks públicos de imagem e leaderboards de ELO são amplamente criticados por serem ruidosos, manipuláveis e enviesados para estética em vez de seguir instruções.

Latência, custo e casos de uso práticos

  • O principal diferencial do NB2L é a velocidade (frequentemente alguns segundos vs ~30s para o NB2, e muito mais para o ChatGPT Image 2) e um preço ligeiramente menor que o do NB1.
  • Alguns acham o preço ainda alto para uso pessoal, mas aceitável para empresas e fluxos de trabalho pesados em API.
  • Casos de uso mencionados: imagens em massa/relatórios, ilustrações para blogs, prototipagem rápida, livros infantis com semelhança, restauração de fotos e mockups de reforma de banheiro.
  • Usuários observam prioridades diferentes: fluxos de trabalho de arte de alto nível toleram custo/latência; imagens embarcadas ou “descartáveis” precisam ser baratas e rápidas.

Capacidades e limitações

  • O NB2L suporta proporções de aspecto por meio de certas APIs (por exemplo, Vertex), contradizendo uma afirmação inicial de que não suporta.
  • O comportamento de edição é relatado como melhorado em relação aos modelos de imagem anteriores do Gemini, mas ainda se degrada após várias edições.
  • O texto em imagens frequentemente sai distorcido e pode aparecer sem ser solicitado, embora prompts negativos às vezes consigam suprimi-lo.
  • Alguns estão frustrados com mensagens frequentes de segurança ou recusa em prompts relacionados a notícias e conteúdo envolvendo crianças.

Acesso, ferramentas e UX

  • Há reclamações sobre os níveis fragmentados de produto do Google: diferenças entre o app Gemini, AI Studio, Workspace e acesso pelo Google One; alguns precisam de várias contas pagas.
  • As soluções alternativas incluem ferramentas de terceiros (por exemplo, clientes genéricos de API, OpenRouter, outras interfaces) para unificar o acesso aos modelos.
  • A infraestrutura do Google às vezes retorna erros RESOURCE_EXHAUSTED sob carga paralela.

Preocupações éticas e legais (especialmente imóveis)

  • Há um grande subthread sobre fotos de imóveis geradas por IA ou fortemente editadas: muitos as descrevem como enganosas ou francamente fraudulentas.
  • Exemplos incluem disposições impossíveis de móveis, acessórios falsos, dimensões de cômodos alteradas, iluminação irrealista e vistas das janelas modificadas.
  • Alguns argumentam que isso deveria claramente se enquadrar como propaganda enganosa/fraude e ser ilegal ou melhor fiscalizado; outros observam que a representação incorreta semelhante já existia antes da IA (lentes grande-angulares, Photoshop).
  • Há discussão sobre regulações emergentes (por exemplo, exigências de divulgação), regras de MLS contra alterar a condição do imóvel e fraca aplicação de proteção ao consumidor.
  • Ideias propostas: processos judiciais, responsabilidade mais rígida (forçar proprietários/vendedores a corresponder aos recursos anunciados) ou até plugins de navegador/ferramentas de IA que “desfaçam” imagens de anúncios.
  • Preocupação mais ampla de que ferramentas de IA reduzam o custo da fraude e adicionem “atrito econômico” sem criar valor real.

Marca d’água e proveniência

  • O Google diz que as imagens carregam marcas d’água invisíveis SynthID.
  • Alguns veem isso como necessário para evitar uma enxurrada sem identificação de imagens geradas por IA; outros não gostam de qualquer marca d’água obrigatória em seu trabalho artístico, considerando a mensagem de “risco da IA” exagerada e concentradora de poder.

Prompting e marketing

  • Os exemplos de prompts na página do produto são ridicularizados como obviamente gerados por máquina ou redator publicitário e irreais para usuários reais, que tendem a usar prompts concisos e direcionados em vez disso.