Hauptfunktionen
- Native Bildgenerierung & -bearbeitung — Bilder generieren oder vorhandene Fotos über natürlichsprachige Prompts bearbeiten. (Generieren / Bearbeiten).
- Mehrbild-Fusion — mehrere Eingabebilder zu einer fotorealistischen Szene kombinieren.
- Konsistenz von Charakteren — dasselbe Subjekt bzw. denselben Charakter über Bearbeitungen und Prompts hinweg beibehalten. (Konsistenz).
- SynthID-Wasserzeichen — alle Ausgaben enthalten eine unsichtbare SynthID, um KI-generierte Inhalte zu identifizieren. (Wasserzeichen).
Technische Details
- Architektur & Positionierung: basiert auf der Gemini 2.5 Flash-Familie — konzipiert als niedrig-latenzige „Flash“-Variante, die etwas Modellgröße/Durchsatz gegen deutlich schnellere Antwort pro Aufruf und Kosteneffizienz eintauscht, bei gleichzeitig stärkerem Schlussfolgern als frühere Flash-Stufen.
- Eingabeformate & -grenzen: akzeptiert inline base64 images für kleine Eingaben und Datei-Uploads über die File API für größere Bilder (empfohlen für >20 MB). Unterstützt gängige MIME-Typen (JPEG, PNG).
- Betriebsmodi: Text-zu-Bild, Bildbearbeitung (Inpainting / semantische Maskierung), Stiltransfer, Mehrbild-Komposition und verzahnte Text+Bild-Antworten (nützlich für illustrierte Anleitungen, Rezepte oder gemischte Inhalte).
- Herkunftsnachweis & Sicherheitsmechanismen: sichtbare Wasserzeichen auf KI-Ausgaben plus versteckte SynthID-Markierungen sowie Richtlinien-Durchsetzungsebenen, um explizit unzulässige Inhalte zu begrenzen.
Benchmark-Leistung

Einschränkungen & bekannte Risiken
- Einschränkungen durch Inhaltsrichtlinien: Modelle setzen Inhaltsrichtlinien durch (z. B. untersagen sie explizit sexuelle Inhalte und bestimmte illegale Inhalte), aber die Durchsetzung ist nicht perfekt — das Generieren von Bildern öffentlicher Personen oder kontroverser Symbole kann in manchen Szenarien dennoch möglich sein, daher sind Richtlinienprüfungen essenziell. )
- Fehlermodi: mögliche Identitätsdrift bei extremen Bearbeitungen, gelegentliche semantische Fehlausrichtung (wenn Prompts zu wenig spezifiziert sind) sowie Artefakte in sehr komplexen Szenen oder bei extremen Blickwinkeländerungen.
- Herkunft & Missbrauch: Zwar sind Wasserzeichen und SynthID vorhanden, sie verhindern Missbrauch jedoch nicht — sie unterstützen Erkennung und Zuordnung, sind aber kein Ersatz für menschliche Prüfung in sensiblen Workflows.
Typische Anwendungsfälle
- Produkt & E-Commerce: Produkte in Lifestyle-Aufnahmen platzieren/katalogisieren via Mehrbild-Fusion.
- Kreativ-Tools / Design: schnelle Iterationen in Design-Apps (Adobe Firefly-Integration genannt).
- Fotobearbeitung & Retusche: lokale Bearbeitungen per natürlicher Sprache (Objekte entfernen, Farbe/Beleuchtung ändern, umstylen).
- Storytelling / Charakter-Assets: Charaktere über Panels und Szenen hinweg konsistent halten.