Google Earth inclui Nano Banana 2 para gerar imagens globais

Introdução

Nano Banana 2 Google Earth virou o assunto mais quente em geotecnologia no fim de julho. Em 30 de julho de 2026, o Google liberou a geração de imagens por IA, dentro do Earth na web, para transformar visualmente qualquer lugar do mundo com um prompt. Um dia depois, em 31 de julho, a empresa suspendeu o recurso ao detectar compartilhamentos que violavam políticas, com a promessa de reabrir apenas após implementar salvaguardas mais fortes. (blog.google)

O anúncio destacou usos positivos, como visualizar a história de Pompeia ou montar infográficos educativos na própria interface do Earth. A atualização posterior reforçou que as imagens eram marcadas com SynthID e não alteravam a visualização padrão vista por outras pessoas. O recuo rápido mostra a tensão entre inovação acelerada e riscos de desinformação quando IA generativa entra em dados geoespaciais de alta confiança. (blog.google)

O artigo a seguir explica o que a integração trouxe de novo, por que foi congelada, e como aproveitar a mesma família de modelos em fluxos profissionais de imagem, sem abrir brecha para uso indevido. As referências incluem o post oficial do Google Earth, documentação técnica da API Gemini e análises independentes.

O que o Google lançou e por que isso importa

Em 30 de julho de 2026, o Earth passou a aceitar prompts de texto para gerar imagens sintéticas ancoradas em um local específico. A proposta: pegar a base de imagens de satélite, aéreas e 3D do Earth e, com o Nano Banana 2, criar visões contra-factuais, cenários futuros ou reconstruções históricas, como “ruínas de Pompeia em 78 d.C.” ou um “distrito comercial em um terreno vazio em Tóquio”. O recurso ficava no Earth para web, com um botão “criar imagem”, e prometia aplicações em educação, turismo, arquitetura e planejamento. (blog.google)

O Nano Banana 2 é parte da família Gemini Image, projetada para geração e edição com entendimento semântico do mundo físico. Na documentação pública, o modelo é descrito como a escolha geral para equilibrar qualidade, custo e latência, com raciocínio de composição antes da geração, suporte a grounding em busca e criação até 4K, o que explica a ambição de uso dentro de um produto de mapas. (ai.google.dev)

Poucas iniciativas de IA colocam o usuário leigo tão perto de um pipeline geoespacial. Isso importa por dois motivos. Primeiro, reduz o atrito entre imaginar e prototipar ideias para um lugar real, algo valioso para urbanismo tático, estudos de impacto ou visual merchandising. Segundo, eleva o nível do debate sobre autenticidade visual, já que a mesma interface confiável que mostra o “mundo real” agora também pode compor cenários hipotéticos com realismo.

O recuo em 24 horas, o que deu errado e o que foi preservado

No dia 31 de julho de 2026, o Google suspendeu a função. A justificativa foi objetiva, houve compartilhamento de imagens que aparentavam violar políticas, então a empresa decidiu retirar o recurso enquanto trabalha em guardrails mais fortes. O post oficial enfatizou dois pontos, as imagens eram marcadas como geradas por IA e não substituíam a camada principal do Earth, portanto não “contaminavam” o mapa visto por terceiros. (blog.google)

A imprensa e testes independentes evidenciaram o risco prático, com relatos de prompts capazes de simular cenários de desastre ou guerra em locais reais. A crítica central, mesmo com marca d’água, é que capturas de tela e recortes circulam fora dos verificadores automáticos, o que amplia o potencial de desinformação visual. Ainda assim, o Google afirmou que todas as imagens geradas incluíam SynthID, verificável por Lens e por aplicativos Gemini, algo confirmável em coberturas como The Atlantic e PC Gamer. (theatlantic.com)

O saldo, apesar da suspensão, preserva avanços. A família Nano Banana segue disponível em produtos como Gemini e na API para desenvolvedores. Para quem precisa de geração e edição de imagens com custo e latência competitivos, o Nano Banana 2 continua recomendação oficial fora do Earth, o que sustenta casos de uso corporativos sem a fricção pública dos mapas. (ai.google.dev)

Como o Nano Banana 2 funciona, pontos fortes e limitações práticas

O Nano Banana 2, conhecido como Gemini 3.1 Flash Image, é otimizado para velocidade e qualidade equilibradas. A documentação técnica destaca três pilares, grounding em busca para ancorar o conteúdo em conhecimento atual, uma etapa padrão de “pensar” que refina a composição antes de renderizar e saída com resoluções elevadas. Esses atributos explicam por que o modelo se encaixa em fluxos que pedem iteração rápida com controle de layout, tipografia e consistência de estilo. (ai.google.dev)

Resultados recentes de divulgação corporativa e notas de produto mencionam a disponibilidade das variantes Nano Banana 2 Lite e Pro. A Lite enfatiza custo mínimo e máxima velocidade, enquanto a Pro prioriza precisão e controle de edição em nível de estúdio, todas dentro da família Gemini Image gerenciada pelo Google DeepMind. Para times que medem throughput por dólar, a Lite é aliada em campanhas de grande volume, já a Pro serve a composições complexas e retargeting visual de maior fidelidade. (deepmind.google)

Limitações continuam, como qualquer gerador de imagens. Nos testes reportados por veículos e pela própria comunidade, há riscos de alucinação de detalhes, vieses de treinamento e a sempre presente possibilidade de uso indevido quando prompts pedem situações de crise em locais reais. O lesson learned é que guardrails precisam combinar bloqueios de prompt, detecção de contexto sensível e validação da intenção de uso quando a ferramenta opera sobre dados georreferenciados. (pcgamer.com)

Casos de uso legítimos, do quadro-negro ao canteiro de obras

• Educação histórica e geográfica. Professores podem contextualizar períodos e eventos, criando visualizações de sítios arqueológicos, mapas temáticos e infográficos com fatos recuperados por modelos de linguagem, reduzindo a carga de produção manual. O exemplo oficial citou Pompeia e a Estátua da Liberdade, ambos guiados por prompts simples. (blog.google)
• Planejamento urbano e imobiliário. Arquitetos e urbanistas ganham maquetes conceituais rápidas para vender ideias e comparar cenários de uso do solo antes de CAD e BIM detalhados, acelerando aprovações internas e conversas com stakeholders. (blog.google)
• Turismo e storytelling local. Secretarias e guias podem criar peças visuais para promover roteiros e revitalizações, testando versões com estilos diferentes e fazendo pesquisa de percepção com públicos diversos, sem contratar estúdios de 3D a cada variante. (cloud.google.com)
• Marketing e varejo. Plataformas como WPP Open já integram a família Nano Banana a fluxos de criação, o que indica maturidade para campanhas e produção de thumbnails e infográficos contextuais. (cloud.google.com)

Esses benefícios se mantêm válidos, mesmo com a pausa no Earth. A diferença é operacional, usa-se a API Gemini, a AI Studio ou o aplicativo Gemini para obter resultados semelhantes, porém fora do ambiente cartográfico público. (ai.google.dev)

Riscos de desinformação geoespacial, o que aprendemos em 48 horas

A reação pública foi um estresse test involuntário. Quando se une um gerador moderno de imagens a uma interface associada à realidade, o efeito de autoridade do mapa “vaza” para a imagem sintética. Mesmo que o Google tenha marcado tudo com SynthID, o percurso informal da informação, print, recorte, repost, dilui a marca d’água ou remove o contexto. O resultado, pessoas vendo “evidências visuais” críveis de eventos que nunca ocorreram. Relatos de testes práticos publicados por jornalistas e analistas reforçam essa dinâmica. (theatlantic.com)

Há, porém, aprendizados úteis para o setor. Quando o objetivo é exploração criativa em dados geográficos, alguns padrões de segurança fazem diferença, bloqueios por classe de prompt, detecção de entidades críticas como hospitais, escolas, usinas, marcos cívicos, filtros por tema sensível, guerra, terrorismo, catástrofes, e checagem ativa de intenção de uso em contextos corporativos. Esses mecanismos podem vir combinados a verificadores de procedência e a fricções visuais, por exemplo, overlays discretos persistentes enquanto a imagem é visualizada e exportada, além de metadados C2PA quando aplicável.

O que as empresas podem fazer hoje, sem depender da volta no Earth

Enquanto o Google trabalha nos novos guardrails, times podem implementar fluxos seguros com a própria família Gemini Image. As recomendações práticas abaixo foram sintetizadas a partir da documentação pública e dos anúncios de disponibilidade de produto.

• Use Nano Banana 2 como padrão para equilíbrio entre qualidade, custo e latência. Reserve a versão Pro para tarefas de precisão, como key art, campanhas de alto valor ou edições com controle fino de iluminação e composição. Para volume, adote a Lite. (ai.google.dev)
• Limite prompts por contexto. Em projetos geoespaciais, bloqueie termos de desastre, conflito e infraestrutura crítica e adicione listas de permissão por categoria de projeto, como jardim comunitário, praça, mobiliário urbano ou fachada comercial conceitual. Isso reduz maus incentivos e acelera aprovações de compliance.
• Ative marcação de procedência em todas as saídas, inclua SynthID quando disponível e adote C2PA no pipeline de publicação. Instrua equipes a evitar “screenshots de screenshots”, priorizando exportações diretas e revalidações no Lens ou no app Gemini. (theatlantic.com)
• Crie revisão humana em duas etapas. Primeiro, revisão criativa, composição, semântica, legibilidade. Depois, revisão de risco, veredicto jurídico e de políticas, com atenção a representações de locais sensíveis e comunidades vulneráveis.
• Modele custos e SLA com as cotas do Gemini. Para catálogos e variações, agende janelas de geração para horários de menor custo, aproveitando a escalabilidade do back-end e controlando latência média em picos. (ai.google.dev)

Para onde vai a integração de IA e mapas, tendências de curto prazo

A suspensão não encerra a tendência, apenas define a próxima fase. O setor já discute modelos que integram raciocínio multimodal, referências cruzadas e verificações de consistência temporal antes de aceitar uma edição visual. Papers recentes e roadmaps de produto apontam para editores com “refinamento estrutural” para mitigar drift, além de pipelines que equilibram edição estética com aderência a restrições físicas de cena. Em paralelo, os modelos proprietários continuam melhorando leitura de tipografia, coerência de objetos e consistência entre frames, o que deve elevar a barra de qualidade em tasks de infográfico e mockups urbanos. (arxiv.org)

No lado corporativo, a general availability do Nano Banana 2 e do Pro no ecossistema Cloud, somada à integração com parceiros como WPP, indica que a estratégia de Google para imagens é pragmática, acesso amplo com níveis de preço e velocidade que cobrem desde prototipagem até produção. A consequência para times de produto, separar claramente ambientes de exploração criativa, internos ou sandbox, da superfície pública de mapas, que exige o dobro de cuidado. (cloud.google.com)

Conclusão

A experiência de 30 e 31 de julho de 2026 marca um ponto de inflexão, a mesma interface que educa o mundo sobre geografia testou a fantasia controlada. A pausa foi necessária, e o reconhecimento público dos riscos foi correto. O lado promissor continua vivo, com modelos como Nano Banana 2 disponíveis em Gemini e na API para que escolas, cidades e marcas explorem protótipos visuais de qualidade, agora com tempo para amadurecer políticas e sinalizações de procedência. (blog.google)

A mensagem final é prática. Quando IA entra no mapa, a régua ética precisa subir. Com combinações de bloqueios de prompt, marcação verificável, revisão humana e governança clara, a geração de imagens georreferenciadas pode iluminar possibilidades sem ofuscar a confiança que torna ferramentas como o Google Earth valiosas em primeiro lugar. (theatlantic.com)