In questo articolo Indice dei contenuti 2 sezioni
Google ha rilasciato Nano Banana 2.1, la nuova versione del suo modello di intelligenza artificiale dedicato alla generazione e alla modifica delle immagini. Secondo l’azienda di Mountain View il passo avanti riguarda soprattutto due aspetti: la qualità dell’editing e la capacità di mantenere coerenti i soggetti da un ritocco all’altro. Le promesse, però, si scontrano già con un primo test indipendente che racconta una storia un po’ diversa e mette in discussione la tenuta del modello quando le modifiche si accumulano.
Sulla carta l’aggiornamento punta proprio sul terreno dove questi strumenti mostrano più spesso i loro limiti. Chi lavora con le immagini generate sa bene quanto sia frustrante chiedere un piccolo cambiamento e ritrovarsi con un volto leggermente diverso, uno sfondo che si sposta o dettagli che spariscono senza motivo. Con Nano Banana 2.1 Google rivendica progressi proprio su questo fronte, cioè sulla possibilità di intervenire su una foto o un’illustrazione lasciando intatto tutto il resto.
Cosa promette Google con Nano Banana 2.1
Il cuore della novità sta nella coerenza dei soggetti. In pratica il modello dovrebbe riconoscere meglio persone, oggetti e personaggi presenti in un’immagine e conservarne l’aspetto anche dopo una o più richieste di modifica. È una caratteristica fondamentale per chi usa questi strumenti in modo professionale, perché permette di costruire una serie di immagini partendo da una base comune senza dover ricominciare ogni volta da capo.
Il miglioramento dichiarato riguarda anche l’editing in senso più ampio, ovvero la precisione con cui il sistema interpreta le istruzioni e applica i cambiamenti richiesti. Un modello che modifica bene è un modello che tocca solo ciò che serve, senza stravolgere l’insieme. Ed è esattamente su questo punto che la prova indipendente ha voluto vederci chiaro, spingendo il software ben oltre il classico ritocco singolo.
Il benchmark sulle 40 modifiche consecutive
Il benchmark realizzato da maxfusion.ai ha sottoposto il modello a una sequenza di 40 modifiche consecutive sulla stessa immagine. L’idea è semplice ma piuttosto rivelatrice: non basta che un sistema funzioni bene al primo tentativo, conta anche quanto riesce a restare fedele all’originale quando le richieste si susseguono una dopo l’altra. Ogni passaggio infatti eredita i piccoli errori di quello precedente, e alla lunga queste imprecisioni possono sommarsi fino a trasformare in modo evidente il risultato finale.
È quella che in gergo si chiama deriva, un progressivo allontanamento dall’immagine di partenza che emerge proprio nelle catene di ritocchi più lunghe. Ed è qui che Nano Banana 2.1 ha mostrato il suo punto debole. Il test ha misurato per il modello di Google una deriva molto più alta rispetto a quella registrata da FLUX 3, il sistema scelto come termine di paragone nella stessa prova.
Il confronto pesa perché tocca esattamente l’area in cui Google ha concentrato le proprie rivendicazioni. Se da un lato l’azienda parla di progressi sulla coerenza, dall’altro la misurazione indipendente segnala che su sequenze prolungate di interventi il modello tende a perdere fedeltà in maniera più marcata del concorrente. Due letture dello stesso strumento che, almeno per ora, non coincidono del tutto.
Il risultato non cancella i miglioramenti annunciati sulle singole modifiche, ma sposta l’attenzione su un aspetto spesso trascurato nelle presentazioni ufficiali: la tenuta nel tempo di un’immagine sottoposta a molti passaggi. Nel test condotto su 40 interventi in fila, la deriva di Nano Banana 2.1 è risultata sensibilmente superiore a quella di FLUX 3.
Fonte: TecnoAndroid
