[AINews] Nano Banana 2 aka Gemini 3.1 Flash Image Preview: the new SOTA Imagegen model

[AINews] Nano Banana 2 (он же Gemini 3.1 Flash Image Preview): новая SOTA-модель генерации изображений

Первая модель Gemini 3.1 уже здесь....

Лучшая модель для изображений снова с нами!

AI News за 25.02.2026–26.02.2026. Мы проверили 12 сабреддитов, 544 Twitters и 24 Discord-сервера (263 канала и 12920 сообщений) для вас. Сэкономленное время чтения (при 200 слов/мин): 1283 минуты. Сайт AINews позволяет искать по всем прошлым выпускам. Напоминаем, что AINews теперь является разделом Latent Space. Вы можете подписаться/отписаться от различных частот рассылки!

Поздравляем Perplexity с запуском Computer и с тем, что они заменяют Bixby в качестве AI по умолчанию на сотнях миллионов телефонов Samsung, но это скорее новости для потребителей.

Новость, которой AI-инженеры могут воспользоваться уже сегодня — это Nano Banana 2, формальное название которой 3.1 Flash Image. Главная история — это цена: модель оценена как #1 модель генерации изображений в мире по версии Arena и ArtificialAnalysis, при этом стоит в два раза дешевле (при $67 за 1000 изображений против Nano Banana Pro ($134/1k) и GPT Image 1.5 ($133/1k) за генерацию, а также FLUX.2 [max] за $140/1k изображений для редактирования).

Модель поставляется с консистентностью персонажей и заземлением через поиск, а также отличным рендерингом текста. Разумеется, каждая генерация помечается SynthID.

Разумеется, никаких исследовательских деталей или статей нет, так что наше освещение на этом заканчивается.

AI Twitter Recap

Nano Banana 2 от Google (Gemini 3.1 Flash Image Preview) и новая мета оценки изображений

Запуск Nano Banana 2 + охват развёртывания: Google и DeepMind выпустили Nano Banana 2 (он же Gemini 3.1 Flash Image Preview) как модель генерации/редактирования изображений «Flash-уровня», развёртываемую в Gemini App, Search (AI Mode/Lens), Flow, Google Ads и в превью через AI Studio / Gemini API / Vertex AI (Google, GoogleDeepMind, GeminiApp, sundarpichai, demishassabis). Заявленные особенности продукта подчёркивают знания о мире, улучшенный мультиязычный рендеринг текста, управление соотношением сторон, апскейл до 4K и консистентность нескольких субъектов (например, «до 5 персонажей и 14 объектов») (Google, joshwoodward).Результаты Arena/Artificial Analysis + ценовой сигнал: Несколько оценщиков сообщают, что Nano Banana 2 занимает #1 по Text-to-Image и сильные позиции по редактированию, при этом подрезая цены «Pro» — например, $67 за 1000 изображений, по данным Artificial Analysis, против ~$133–134 у GPT Image 1.5 и Nano Banana Pro (ArtificialAnlys, arena, kimmonismus). Arena добавила подкатегории изображений и отметила наибольший прирост в рендеринге текста и 3D-изображениях/моделировании (arena). Это также напоминание, что лидерборды становятся продуктовыми рычагами: интеграции «day-0» (например, fal) и пакеты промптов/шаблонов выходят вместе с победами в evals (шаблоны GeminiApp, промпты GoogleAI).Генерация с заземлением через поиск в реальном времени: Google неоднократно позиционирует NB2 как работающую на информации и изображениях из веб-поиска в реальном времени (а не только на статическом предобучении), позиционируя её как демо в стиле «более точных видов из любого окна в мире» (sundarpichai).Доступность у партнёров: Nano Banana 2 быстро появилась в сторонних продуктах, включая Perplexity Computer (AravSrinivas).

Агентный кодинг + продуктизированные «задачи», память и evals (и реакция против сложности)

Агенты всё чаще «просто работают», но всё ещё проваливаются вне распределения: Несколько практиков описывают скачок надёжности/полезности кодинг-агентов в последних frontier-моделях (например, GPT-5.2 / GPT-5.3 Codex, Opus 4.6, Gemini 3.1) — переход от «proof of concept» к чему-то вроде делегирования CLI-работы джуниорам (teortaxesTex, paul_cal). Другие предупреждают, что продвинутая ML/data engineering работа остаётся хрупкой вне распределения (michalwols, MParakhin).«Задачи» как новый слой упаковки: Microsoft с Copilot Tasks продвигает делегирование в духе «меньше слов, больше дела» с видимыми пользователю планами и контролем, в формате «research preview» (mustafasuleyman, yusuf_i_mehdi).Постоянная память становится обязательной — и порождает проблемы интероперабельности: Широко обсуждаемое обновление сообщает, что Claude выкатил автопамять («запоминает, что выучил, между сессиями») (trq212), что подтверждается в экосистеме Claude (omarsar0). Разработчики сразу же сталкиваются с трением рабочих процессов, когда память/состояние живёт в скрытых директориях, специфичных для инструмента (что вредит «мультиагентной, мультиинструментальной» преемственности) (borisdayma).Инструментарий выходит быстро: боты для исправления багов в PR, циклы код↔дизайн и улучшения на уровне редактора:Cursor Bugbot Autofix автоматизирует исправление проблем, найденных в PR (cursor_ai, aye_aye_kaplan).Codex от OpenAI «code → design → code» с круговым обменом с Figma стремится сделать итерации UI менее лоссовыми (OpenAIDevs, figma).Длиннодистанционные Next Edit Suggestions от VS Code фокусируются на предсказании того, где НЕ редактировать, и на поддержке «потока» (code, pierceboggan, alexdima123).Инфляция evals + опасения накрутки бенчмарков: Треды указывают, что высокие оценки в лидербордах могут маскировать токено-неэффективное рассуждение и провалы на «bullshit-тестах» (например, варианты с повторяющимися токенами «strawberry»), предупреждая о чрезмерном доверии к метрикам типа HLE/GPQA без учёта стоимости (scaling01). Arena отвечает добавлением более гранулярных тест-режимов вроде Multi-File React для моделей кода (arena).Сложность — это настоящий налог: Повторяющаяся инженерная озабоченность в том, что хвастовство «10k LOC в день» создаёт долгосрочный долг сложности — агенты упрощают доставку, а не поддержку (Yuchenj_UW). Ещё один угол: кодинг-агенты могут создавать неявный lock-in, если они «слопифицируют» вашу кодовую базу так, что работать без них становится болезненно (typedfemale).

Дистрибуция и retrieval-стек Perplexity: интеграция с Samsung и новые embedding-модели

Системная интеграция Perplexity на Samsung S26 («Hey Plex»): Perplexity сообщает, что каждый Galaxy S26 будет поставляться со встроенной Perplexity, включая wake word и глубокую интеграцию с ОС; Bixby маршрутизирует веб-/исследовательские/генеративные запросы в Perplexity, обрабатывая on-device действия (perplexity_ai, perplexity_ai, AravSrinivas). Это позиционируется как часть более широкого партнёрства, которое также нацелено на Samsung Internet и опциональное позиционирование как поиск по умолчанию (perplexity_ai).Выпущены pplx-embed / pplx-embed-context (MIT): Perplexity выпустила два семейства embedding-моделей размером 0.6B и 4B, включая «context»-вариант для embedding-чанков документов в RAG; обе под лицензией MIT и доступны через HF + Perplexity API, со статьёй (arXiv:2602.11151) (perplexity_ai, perplexity_ai, alvarobartt). Они также раскрывают внутренние бенчмарки вроде PPLXQuery2Query / PPLXQuery2Doc с 115k реальных запросов по 30M документов из 1B+ страниц (perplexity_ai). Arav утверждает, что embedding-модели «лидируют в индустрии» (AravSrinivas).Стратегический взгляд: Пара шагов — дистрибуция через ОС + примитивы retrieval — указывает, что Perplexity пытается владеть и входной дверью (точкой входа ассистента), и ядром поискового стека (embeddings + evals), вместо зависимости от сторонних платформ.

Инференс, ядра и инфра: поддержка MoE, гетерогенное железо и движение KV

MoE становится «первоклассным» в 🤗 Transformers: Hugging Face выкатил более глубокую инфраструктуру MoE (загрузка, expert backends, expert parallelism, поддержка хаба) и подчёркивает сотрудничество по более быстрому обучению MoE (в том числе с Unsloth) (ariG23498, mervenoyann).DeepSeek и серьёзность мульти-хардверного инференса: Ранее в выпуске DeepSeek называют «серьёзной по части поддержки инференса на разнообразном железе» (teortaxesTex). Отдельно деталь DeepSeek DualPath описывает размещение KV-кэша в DRAM decode-сервера с последующим перемещением на prefill-GPU через GDRDMA, чтобы избежать локальных бутылочных горлышек PCIe (JordanNanos). Это отражает более широкий сдвиг: инференс всё чаще становится задачей системной архитектуры, а не только оптимизации на уровне ядра.Покрытие ядер и поколения GPU: vikhyatk описывает построение inference-ядер по архитектурам NVIDIA (sm80→sm110) и отмечает проблемы ISA на edge-устройствах, такие как отсутствие SVE у CPU Orin (vikhyatk, vikhyatk).Квантизация не везде безопасна: Оценки показывают, что GGUF-квантизации MiniMax M2.5 деградируют гораздо сильнее ожидаемого по сравнению с Qwen3.5, что говорит: «просто берите Q4» — не универсальный совет для разных семейств моделей (bnjmn_marie).

Модели мира, агенты в симуляторах и «мультиплеерные» среды

Solaris: стек моделирования мультиплеерного мира Minecraft: Крупный исследовательский релиз предлагает, чтобы моделирование мира фокусировалось на общем глобальном состоянии, а не на пиксельном рендеринге, и выпускает (1) движок сбора мультиплеерных данных, (2) мультиплеерный DiT с «memory efficient self forcing design», обученный на 12.6M кадров, и (3) оценочный набор VLM-judge для мультиагентной консистентности (sainingxie, georgysavva). Идея: мультиагентная способность требует общего представления под индивидуальными видами.LLM как embodied-контроллеры (игрушечный, но показательный пример): Порт CARLA→OpenEnv показывает, как маленькая Qwen 0.6B учится тормозить/уворачиваться, чтобы избежать пешеходов, за ~50 шагов с использованием TRL + HF Spaces (SergioPaniego). Это иллюстрирует тренд к циклам «LLM+env», где обратимость ограничена и ошибки сохраняются.

Точка напряжённости в governance: Anthropic против Пентагона по слежке и автономному оружию

Сообщается о кампании давления Пентагона, затем Anthropic отвечает публично: Широко обсуждаемое утверждение гласит, что DoD выставил Anthropic «финальное предложение», включая угрозы пометить компанию как «риск для цепочки поставок» и требования неограниченного военного использования (KobeissiLetter). Затем Anthropic опубликовала заявление CEO, проведя явные красные линии: никакой массовой внутренней слежки и никакого полностью автономного оружия (учитывая текущую надёжность), а также сообщила об угрозах, связанных с Defense Production Act (AnthropicAI). Широко цитируемый отрывок перепощен с подробностями (AndrewCurran_).Реакция индустрии + механика солидарности: Позиция вызвала сильную поддержку известных исследователей/инженеров, которые рассматривают её как «ценности под давлением», а не «политический театр» (fchollet, TrentonBricken, awnihannun). Петиция, направленная на координацию «общего понимания», как сообщается, собрала подписи сотрудников OpenAI/Google (jasminewsun, sammcallister, maxsloef). Это примечательно как явная попытка предотвратить динамику race-to-the-bottom через прозрачность относительно позиций каждой лаборатории.Почему это технически важно: Ключевой спор — о возможностях против надёжности и о том, что формулировки «законного использования» расходятся с тем, что frontier-модели могут безопасно делать сегодня. Озабоченность надёжностью проявляется и в других местах датасета (например, минимальные тест-кейсы по безопасности, где модели сливают конфиденциальную информацию, даже когда им указано этого не делать) (jonasgeiping, random_walker).

Топ твитов (по вовлечённости)

Заявление CEO Anthropic о требованиях DoD (красные линии по слежке и автономному оружию) — @AnthropicAIGoogle запускает Nano Banana 2 / Gemini 3.1 Flash Image Preview (широкое развёртывание + «pro на flash-скорости») — @GeminiApp, @sundarpichai, @GoogleDeepMindСистемная интеграция Perplexity + Samsung S26 («Hey Plex») — @perplexity_aiКоннекторы Claude доступны на бесплатном плане (150+ коннекторов) — @claudeaiТред о репортаже «финального предложения» Пентагона Anthropic — @KobeissiLetterАвтопамять Claude Code — это огромно (реакция разработчиков) — @trq212

Продолжайте чтение с бесплатным 7-дневным пробным периодом

Подпишитесь на Latent.Space, чтобы продолжить чтение этого поста и получить 7 дней бесплатного доступа к полному архиву публикаций.