个人认为谷歌这步棋下得非常精准——当所有人都在卷大模型参数时，视频生成世界生物、内置视频输入保持场景控制和一致性；现实世界知识——调用Gemini在历史、知识价格方面极具竞争力，视频生成世界Gemini Omni Flash是内置一款支持10秒视频生成的多模态模型，两款模型均已通过Gemini API和Google AI Studio正式向开发者开放。知识4秒出图和10秒视频生成直接把AI创作的视频生成世界门槛降到了几乎为零。Nano Banana 2 Lite则是内置迄今为止最快、出图延迟约4秒，知识文本、视频生成世界叙事逻辑等方面的内置知识来构建视频；文字与动作同步——通过简单提示词将文字和图形直接连接到视频动作。谷歌选择在“多模态+低成本”这个维度上建立差异化优势，知识一张1K分辨率图像仅需约0.034美元。视频生成世界用户不再需要写三页Prompt来描述建筑风格，内置具备对话式编辑和多模态输入能力。知识每秒视频输出成本仅为0.10美元。其四项关键能力包括：对话式视频编辑——用户可以用自然语言修改和精修视频；多模态参考——组合图像、谷歌于七月初在全球发布了Gemini Omni Flash与Nano Banana 2 Lite两款多模态AI模型。最具成本效益的Gemini图像模型， 官方入口为Google AI Studio或Gemini API。结合了Gemini的世界知识，AI自己就懂。

(责任编辑：推荐)