评测

Artificial Analysis 对 Google 10 月 6 日发布的 Nano Banana 2.1 出了评测。几个硬数字: 排名与能力 AA-Image-T2I v2.0 文生图榜:第 4 AA-Image-Editing v2.0 图像编辑榜:第 4 在衡量的全部 16 项生成与编辑能力上排名均高于前代,提升最大的是零售电商和生产力知识工作两类用例 架构上它基于 Gemini 3.6 Flash,在 Gemini API 上取代 Nano Banana 2(即 Gemini 3.1 Flash Image),单一模型同时支持文生图与编辑。评测条件为 Gemini API、1K 分辨率、默认设置。 定价 分辨率 单张价格 1K $0.0336 2K $0.0504 4K $0.0756 1K 价格是 Nano Banana 2 的一半,也是 AA-Image-T2I v2.0 前 7 名模型中最低的。价格砍半加全能力提升,对走量的图片场景是实打实的成本变化。 可用渠道 产品端:Gemini 应用、搜索 AI 模式、AI Studio、Flow、Stitch、Google Ads、Gemini Enterprise Platform。API 端:Gemini API、Vertex AI 及第三方提供商。详细分析和示例输出在 Artificial Analysis 的 Image Arena 里。 ...

Agent 上线只是开始。Google 在开发者博客开源了 AQuA(Ambient Quality Agent),一个 24/7 与生产 Agent 并排运行的质量智能体:从 Cloud Trace、Cloud Logging 或 BigQuery 里采样真实会话,自动诊断失败、聚类成问题簇、给出带代码行号的根因。数据不出项目边界,它也不在请求路径上,不写回 Agent。 为什么需要它 Google 的判断是:Agent 质量的前 80% 容易——评估集加上编码智能体的内循环,几天就能让已知场景达标;后 20% 难——上线后用户行为漂移、流量偏离评估集,升级模型或框架时健康检查全绿但质量静默下滑。失败还要分四层归因:模型(幻觉参数)、编排框架(路由错子智能体)、工具契约(schema 没写清有效值)、指令本身缺规则。 五阶段流水线 采样:随机抽取最多 1000 个近期会话,成本上限可预测 审查:按九项常见故障清单打分,产出结构化的 actual/expected 发现 聚类:相同失败机制归入候选问题簇 验证:另一个模型最多读三份完整转录复核每个簇,证据不足直接丢弃 跟踪:与 BigQuery 里的开放洞察匹配,标记 NEW/RECURRING,14 天不见自动 RESOLVED 可信度设计很克制:schema 里没有 confidence 字段,每条发现链接到具体 Cloud Trace 会话 ID,每个根因引用的代码行范围由服务器对照部署快照验证——指向不存在的文件或行会被直接拒绝。 实测数字 travel-concierge 示例(32 会话、1583 个 OpenTelemetry span):27 个会话产出 42 项发现、9 个候选簇,验证器拒掉 3 个误报簇,剩 6 个已验证问题。修掉两个单行提示词 bug 后重放同样 32 个会话:座位检查绕过从 15 个会话降到 2(降 87%),vegan 饮食约束丢失从 7 降到 0,整体通过率从 5/32 翻倍到 13/32。 ...