8月27日，谷歌DeepMind于8月26日正式發布新一代圖像生成與編輯模型Gemini 2.5 Flash。該模型在Gemini應用中實現了更精準的文字指令驅動圖像編輯能力，能夠在修改圖片時保持人物、動物或物體的外觀一致性，并在多項任務中表現優于OpenAI的GPT-4o，顯示出谷歌在多模態AI生成領域的持續進步。

與此前圖像生成工具相比，Gemini 2.5 Flash在根據復雜文本修改圖像方面展現出更高準確率。其最大亮點為“角色一致性”功能——在生成多張圖像時，即使背景、光線或主體姿態發生變化，模型仍能保持同一角色或物體的外觀統一。這一能力特別適合品牌宣傳、產品多角度展示和系列化視覺內容的批量制作。

該模型支持高精度的局部圖像編輯，用戶無需手動選擇區域即可通過文字指令實現背景虛化、物體移除、瑕疵修復和色彩調整等操作。此外，Gemini 2.5 Flash還具備多圖像融合能力，可一次性合并最多三張圖像，例如將產品圖像自然嵌入室內場景中，生成高度逼真的合成畫面。

“風格遷移”也是此次升級的重要功能，用戶可將某種紋理、色彩或圖案應用到目標對象上，同時保持其原有形狀與結構細節。更引人注目的是，模型還展現出初步的“現實推理”能力，能夠模擬簡單因果關系，例如生成“氣球飛向仙人掌并被刺破”的連貫畫面。

目前，Gemini 2.5 Flash的圖像編輯功能已在Gemini應用中上線，用戶需手動切換至“Flash”模型方可使用。生成圖像均帶有可見水印和不可見的SynthID數字水印，以聲明其AI生成屬性。開發者現可通過Gemini API、Google AI Studio和Vertex AI平臺接入該模型，其定價為每百萬輸出token 30美元，單張圖像處理成本約0.039美元。