上周刷海外开发者论坛，看到「Start building with Nano Banana 2 Lite and Gemini Omni Flash」的话题突然热起来，不是那种空喊口号的预热帖，是楼主直接晒了个刚跑通的小Demo——用前者接硬件，跑后者的推理，实现了个基础识别功能。
两个产品搭一起，没搞复杂适配
Nano Banana 2 Lite是轻量型边缘开发板，体积小巧，硬件接入简单，不用折腾复杂驱动。Gemini Omni Flash是端侧优化的大模型，主打在硬件上直接运行，不用依赖云端。之前也有开发者尝试过把大模型和边缘开发板结合，但大多要自己搞定模型量化、部署，还有硬件和模型的适配，门槛高到不少人望而却步。这次的话题里，官方已经提供了预适配的环境包，开发者不用碰那些底层配置，直接写自己要的功能逻辑就行。
对中小开发者，门槛确实降了一档
之前要做个端侧AI的小应用，哪怕是个简单的物件识别，也得花不少时间调通模型和硬件的适配，光是搞定部署可能就要大半天。这次的组合，从社区反馈看，只要跟着官方给的步骤走，很快就能跑通第一个原型，不用懂太复杂的大模型部署知识，也不用有很深的硬件开发经验。哪怕是刚接触端侧开发的新手，也能上手试试，不用一开始就啃厚得像砖头的技术文档。
这对生态来说，是个明确的信号
中小团队和个人开发者应该是最直观的受益者，之前想做个小的AI硬件原型，要么没技术支撑，要么要投入不少精力在底层适配，现在用这俩，能把更多精力放在自己要做的具体功能上。对提供这两个产品的方来说，这也是把大模型往下沉，从云端拓展到端侧的尝试，给开发者提供了一个低门槛的入口，说不定能催生出不少小而实用的AI应用——比如给老人用的智能提醒小工具，或者给小朋友用的互动小玩具。
不过也有个摆在台面上的问题：Gemini Omni Flash的模型能力有限，能覆盖的场景不多，要是想做更复杂的功能，能不能用这俩搭出来？你会不会想试试用它们做点什么？
素材来源：Google DeepMind Blog · AI情报、大模型
查看报道原文
发表第一条评论吧