Google เปิดตัว "Nano Banana": โมเดลภาพ Gemini 2.5 Flash Image เปิดใช้งานอย่างเป็นทางการ

เมื่อวันที่ 26 สิงหาคม 2568 Google ได้เปิดตัวโมเดลภาพรุ่นใหม่ใน Gemini App อย่างเป็นทางการในชื่อ Gemini 2.5 Flash Image หรือชื่อเล่นที่ตลาดเรียกกันว่า "Nano Banana" พัฒนาโดย Google DeepMind ตามประกาศบนบล็อกทางการของ Google โมเดลนี้ครองอันดับสูงสุดในการประเมินผลด้านการแก้ไขภาพระดับโลกในปัจจุบัน โดยมีความสามารถหลัก 3 ประการ ได้แก่ หนึ่ง สามารถผสานภาพหลายภาพให้กลายเป็นภาพเดียว สอง สามารถรักษาความสอดคล้องของตัวละครไว้ได้ในขณะที่ดำเนินเรื่องราวต่อเนื่อง (เช่น ตัวละครเดิมเปลี่ยนฉากหรือท่าทางแต่หน้าตายังคงเดิม) และสาม สามารถรับคำสั่งแก้ไขภาพที่แม่นยำผ่านภาษาธรรมชาติ เช่น "เปลี่ยนพื้นหลังเป็นภาพกลางคืน" หรือ "ใส่แว่นตาให้เขา" โดยโมเดลจะเข้าใจความหมายและแก้ไขเฉพาะจุดได้อย่างแม่นยำ แทนที่จะสร้างภาพทั้งภาพขึ้นใหม่

ความเร็วเป็นอีกจุดเด่นสำคัญของการเปิดตัวครั้งนี้ ทาง Google ระบุว่างานแก้ไขภาพส่วนใหญ่เสร็จสิ้นภายใน 10 วินาที ส่วนคำขอมาตรฐาน (เช่น คำสั่งแก้ไขภาพเดียว) ใช้เวลาเพียง 1-2 วินาทีก็สามารถได้ผลลัพธ์ ความเร็วในการตอบสนองระดับนี้ใกล้เคียงกับประสบการณ์ "แก้ไขแบบเรียลไทม์" ซึ่งแตกต่างอย่างชัดเจนจากโมเดลสร้างภาพในอดีตที่มักต้องรอหลายสิบวินาทีถึงหลายนาที

ความหมายเชิงเทคนิค: จาก "การสร้างภาพ" สู่ "การเข้าใจแล้วแก้ไข"

การแข่งขันของโมเดลสร้างภาพในปีที่ผ่านมา ส่วนใหญ่เน้นการ "สร้างภาพใหม่ทั้งหมดจากข้อความ" โดยแข่งกันที่คุณภาพ สไตล์ และองค์ประกอบภาพ จุดต่างของ Nano Banana คือการเน้น "การแก้ไข" มากกว่า "การวาดใหม่" คือคงตัวละคร องค์ประกอบภาพ และตรรกะแสงเงาของภาพต้นฉบับไว้ แล้วแก้ไขเฉพาะส่วนที่คำสั่งระบุ ซึ่งต้องอาศัยความเข้าใจเชิงความหมายของเนื้อหาภาพที่ลึกกว่าการสร้างพิกเซลใหม่ตามคำสั่ง ทาง Google ยังระบุด้วยว่าโมเดลนี้ใช้ "ความรู้เกี่ยวกับโลก" ของ Gemini เองในการสร้างและแก้ไขภาพ หมายความว่าไม่ได้เพียงแค่จดจำองค์ประกอบในภาพ แต่ยังใช้เหตุผลเชิงสามัญสำนึกเพื่อตัดสินว่าการแก้ไขนั้นสมเหตุสมผลหรือไม่ (เช่น เมื่อเปลี่ยนฤดูกาลก็ควรปรับแสงเงาและเครื่องแต่งกายให้สอดคล้องกันด้วย) ความสามารถ "เข้าใจแล้วแก้ไข" นี้ถือเป็นก้าวสำคัญที่ทำให้โมเดลภาพก้าวจากเครื่องมือสร้างความบันเทิงไปสู่เครื่องมือเพิ่มผลผลิตที่ใช้งานได้จริง

เทียบกับรุ่นก่อนหน้าและโมเดลร่วมยุค

เมื่อเทียบกับความสามารถสร้างภาพของ Google เองในอดีต Nano Banana ก้าวหน้าอย่างชัดเจนในด้านความสอดคล้องของตัวละครและการผสานหลายภาพ ซึ่งปัญหาตัวละครเดิม "หน้าตาเพี้ยน" ในแต่ละภาพเป็นจุดอ่อนที่มีมานานของโมเดลสร้างภาพ ในช่วงครึ่งปีแรกของปี 2568 OpenAI, Midjourney และผู้ให้บริการรายอื่นยังคงพัฒนาคุณภาพการสร้างภาพอย่างต่อเนื่อง แต่ส่วนใหญ่ยังใช้ "การสร้างภาพเดี่ยว" เป็นสถานการณ์การใช้งานหลัก ส่วน Nano Banana เน้นที่ "การผสานหลายภาพ + การแก้ไขต่อเนื่อง + ความเร็วระดับวินาที" ซึ่งตรงกับความต้องการในขั้นตอนการทำงานจริงที่ต้องแก้ไขซ้ำและปรับทีละขั้น มากกว่าการผลิตงานสำเร็จเพียงครั้งเดียว หลังเปิดตัว ข่าวนี้ได้จุดกระแสถกเถียงอย่างรวดเร็วในโซเชียลมีเดียและกลุ่มนักออกแบบ นักการตลาด หลายคนนำไปเปรียบเทียบกับเครื่องมือแก้ไขภาพที่มีอยู่เดิม (เช่นฟีเจอร์ AI ของ Photoshop) โดยเห็นว่าความหน่วงต่ำและการสั่งงานด้วยภาษาธรรมชาติช่วยลดอุปสรรคสำหรับ "ผู้ที่ไม่มีพื้นฐานด้านการออกแบบ" ในการแก้ไขภาพได้อย่างมาก นี่ยังถูกมองว่าเป็นการแสดงจุดยืนสำคัญของ Google ในสนามแข่งขันสร้างภาพ จากที่เคยเป็น "ผู้ตาม" กลายเป็น "ผู้นำอันดับหนึ่ง"

ความหมายสำหรับผู้บริหาร

สำหรับผู้บริหารที่ต้องผลิตสื่อการตลาด ภาพสินค้า หรือภาพประกอบโพสต์โซเชียลจำนวนมาก Nano Banana หมายถึง "อุปสรรคในการแก้ไขภาพ" ถูกลดลงไปอีกขั้น ไม่จำเป็นต้องมีทักษะออกแบบมืออาชีพ เพียงพิมพ์คำสั่งประโยคเดียวก็ปรับภาพได้ และเร็วพอที่จะแก้ไขให้ทุกคนดูได้ทันทีระหว่างประชุม ลองให้ทีมการตลาดหรือพนักงานหน้าร้านนำภาพสินค้าที่มีอยู่แล้วมาทดลองสั่งเปลี่ยนพื้นหลัง ฤดูกาล หรือรูปแบบการจัดวางด้วยคำสั่งภาษาธรรมชาติ แล้วประเมินว่าผลลัพธ์ที่ได้นำไปใช้งานจริงได้เลยหรือไม่ เพื่อพิจารณาว่าจะช่วยลดต้นทุนเวลาในการผลิตสื่อและการประสานงานกับนักออกแบบภายนอกได้มากน้อยเพียงใด