คุณสมบัติหลัก
- การสร้างและแก้ไขรูปภาพแบบเนทีฟ — สร้างรูปภาพหรือแก้ไขรูปถ่ายที่มีอยู่ผ่านพรอมป์ต์ภาษาธรรมชาติ (สร้าง / แก้ไข)。
- การผสานภาพหลายภาพ — รวมภาพอินพุตหลายภาพเป็นฉากสมจริงภาพเดียว。
- ความสม่ำเสมอของตัวละคร — รักษาลักษณะของตัวแบบหรือตัวละครให้เหมือนเดิมข้ามการแก้ไขและพรอมป์ต์ต่างๆ (ความสม่ำเสมอ)。
- การวางลายน้ำ SynthID — เอาต์พุตทั้งหมดมี SynthID ที่มองไม่เห็น เพื่อระบุเนื้อหาที่สร้างด้วย AI (ลายน้ำ)。
รายละเอียดทาง技术
- สถาปัตยกรรมและการวางตำแหน่ง: พัฒนาบนตระกูล Gemini 2.5 Flash — ออกแบบเป็นรุ่น “Flash” แบบหน่วงต่ำที่ยอมแลกขนาดโมเดล/ปริมาณงานเล็กน้อย เพื่อให้ได้การตอบสนองต่อการเรียกแต่ละครั้งที่เร็วขึ้นมากและคุ้มค่าต้นทุน ขณะยังคงความสามารถในการใช้เหตุผลที่แข็งแกร่งกว่าระดับ Flash รุ่นก่อน。
- รูปแบบและขีดจำกัดของอินพุต: รองรับภาพแบบ base64 ฝังในบรรทัดสำหรับอินพุตขนาดเล็ก และการอัปโหลดไฟล์ผ่าน File API สำหรับภาพขนาดใหญ่ (แนะนำสำหรับ >20 MB) รองรับประเภท MIME ทั่วไป (JPEG, PNG)。
- โหมดการทำงาน: ข้อความเป็นภาพ, การแก้ไขภาพ (inpainting / semantic masking), การถ่ายโอนสไตล์, การประกอบภาพหลายภาพ และการตอบกลับแบบสลับข้อความ+ภาพ (มีประโยชน์สำหรับคำแนะนำที่มีภาพประกอบ สูตรอาหาร หรือเนื้อหาผสม)。
- กลไกที่มาและความปลอดภัย: มีลายน้ำที่มองเห็นได้บนเอาต์พุตของ AI ร่วมกับตัวบ่งชี้ SynthID ที่ซ่อนอยู่ และชั้นการบังคับใช้นโยบายเพื่อจำกัดเนื้อหาที่ชัดแจ้งซึ่งไม่อนุญาต。
ผลการทดสอบตามเกณฑ์มาตรฐาน

ข้อจำกัดและความเสี่ยงที่ทราบ
- ข้อจำกัดด้านนโยบายเนื้อหา: โมเดลบังคับใช้นโยบายเนื้อหา (เช่น ไม่อนุญาตเนื้อหาทางเพศที่โจ่งแจ้งและเนื้อหาบางประเภทที่ผิดกฎหมาย) แต่การบังคับใช้ยังไม่สมบูรณ์ — การสร้างภาพของบุคคลสาธารณะหรือสัญลักษณ์ที่เป็นข้อถกเถียงอาจยังเป็นไปได้ในบางสถานการณ์ ดังนั้น ต้องมีการตรวจนโยบาย。 )
- โหมดความล้มเหลว: อาจเกิดการเปลี่ยนแปลงเอกลักษณ์ในการแก้ไขที่รุนแรง ความไม่สอดคล้องทางความหมายเป็นครั้งคราว (เมื่อพรอมป์ต์กำหนดรายละเอียดไม่เพียงพอ) และอาร์ติแฟกต์ในฉากที่ซับซ้อนมากหรือการเปลี่ยนมุมมองอย่างสุดขั้ว。
- ที่มาและการใช้ในทางที่ผิด: แม้จะมีลายน้ำและ SynthID อยู่ แต่สิ่งเหล่านี้ไม่ได้ป้องกันการใช้งานในทางที่ผิด — ช่วยในการตรวจจับและระบุที่มา แต่ไม่อาจทดแทนการตรวจทานโดยมนุษย์ในเวิร์กโฟลว์ที่อ่อนไหวได้。
กรณีการใช้งานทั่วไป
- สินค้าและอีคอมเมิร์ซ: จัดวางสินค้า/ทำแคตตาล็อกสินค้าในภาพไลฟ์สไตล์ผ่านการผสานภาพหลายภาพ。
- เครื่องมือสร้างสรรค์/ออกแบบ: ทำซ้ำอย่างรวดเร็วในแอปออกแบบ (มีการอ้างถึงการผสานรวมกับ Adobe Firefly)。
- การแก้ไขและรีทัชภาพถ่าย: แก้ไขเฉพาะจุดด้วยภาษาธรรมชาติ (ลบวัตถุ เปลี่ยนสี/แสง จัดสไตล์ใหม่)。
- การเล่าเรื่อง/แอสเซ็ตตัวละคร: รักษาความสม่ำเสมอของตัวละครให้คงอยู่ข้ามแต่ละแผงและแต่ละฉาก。