Fonctionnalités clés
- Génération et édition d’images natives — générer des images ou modifier des photos existantes via des prompts en langage naturel. (Générer / Modifier).
- Fusion multi‑images — combiner plusieurs images d’entrée en une seule scène photoréaliste.
- Cohérence des personnages — conserver la même apparence du sujet ou du personnage à travers les modifications et les prompts. (Cohérence).
- Filigranage SynthID — tous les résultats incluent un SynthID invisible pour identifier le contenu généré par l’IA. (Filigrane).
Détails techniques
- Architecture et positionnement : basé sur la famille Gemini 2.5 Flash — conçu comme une variante « Flash » à faible latence qui échange un peu de taille/débit de modèle contre des temps de réponse par appel bien plus rapides et une meilleure efficacité en coûts, tout en conservant des capacités de raisonnement supérieures aux précédents niveaux Flash.
- Formats et limites d’entrée : accepte des images base64 intégrées pour de petites entrées et des téléchargements de fichiers via la File API pour des images plus volumineuses (recommandé pour >20 MB). Prend en charge les types MIME courants (JPEG, PNG).
- Modes de fonctionnement : texte‑vers‑image, édition d’images (inpainting / masquage sémantique), transfert de style, composition multi‑images et réponses entrelacées texte+image (utile pour des instructions illustrées, des recettes ou du contenu mixte).
- Mécanismes de provenance et de sécurité : filigranes visibles sur les résultats de l’IA, plus des marqueurs SynthID cachés et des couches d’application des politiques pour limiter le contenu explicitement interdit.
Performances de référence

Limitations et risques connus
- Contraintes de politique de contenu : les modèles appliquent des politiques de contenu (par exemple, l’interdiction de contenu sexuel explicite et de certains contenus illicites), mais l’application n’est pas parfaite — la génération d’images de figures publiques ou d’icônes controversées peut encore être possible dans certains scénarios, donc les contrôles de conformité aux politiques sont essentiels.
- Modes de défaillance : possible dérive d’identité lors de modifications extrêmes, désalignement sémantique occasionnel (lorsque les prompts sont sous‑spécifiés) et artefacts dans des scènes très complexes ou lors de changements de point de vue extrêmes.
- Provenance et mésusage : bien que des filigranes et SynthID soient présents, cela ne prévient pas les abus — ils aident à la détection et à l’attribution mais ne remplacent pas l’examen humain dans des flux de travail sensibles.
Cas d’usage typiques
- Produit et e‑commerce : placer/cataloguer des produits dans des photos d’ambiance via la fusion multi‑images.
- Outils créatifs / design : itérations rapides dans les applications de design (intégration Adobe Firefly citée).
- Édition et retouche photo : modifications localisées à partir du langage naturel (supprimer des objets, changer la couleur/l’éclairage, restyler).
- Narration / ressources de personnages : maintenir la cohérence des personnages à travers les vignettes et les scènes.