谷歌AI生圖工具更新：擅長“圖文并茂”，幾乎“以假亂真”

記者｜董溫淑

編輯｜高宇雷

11月20日晚間，谷歌旗下圖像生成工具Nano Banana 2更新上線。Nano Banana（Gemini 2.5 Flash Image） 在8月首次發布，之后迅速引起巨大反響，一度被譽為“最強圖像生成引擎”。

比如，此前爆火社交網絡平臺的“把自己做成手辦”玩法，就是由Nano Banana提供圖片生成服務。

而本次升級，谷歌似乎正努力將這個工具從娛樂工具，進一步升級為效率與創作神器。

據官方簡介，Nano Banana 2（Nano Banana Pro）提供了更高的圖像質量、更一致的編輯、更強的3D生成，以及針對復雜任務更深入的推理能力。全網實測結果也支持了這種效果描述。有網友在實測后講道：“我已經分不清AI和現實了。”

Nano Banana 2發布后，「電廠」也第一時間獲取月度會員并進行體驗。根據實測，模型新增的文字理解功能堪稱驚艷，這也將圖像生成模型的能力邊界拓展至PPT等圖文并茂的解釋性圖片生成。

在諸多實例中，Nano Banana 2生成單張圖片普遍消耗75積分（作為對比，Nano Banana生成圖片消耗50積分）；Nano Banana 2的生成速度略慢于初代模型，不過仍能控制在半分鐘內。

“用一張圖片解釋人為什么會近視，繪本畫風，圖文并茂”，「電廠」首先輸入了這一指令，結果顯示Nano Banana 2生成了如下圖片。

可以看到，模型不僅遵循了畫風等基礎指令，還自主生成了近視成因的相關內容。

在“體現2025年華北地區糧食產量，PPT風格的匯報圖片”的指令下，Nano Banana 2生成的圖片中，分別標注出了華北地區各大省份的地理位置、糧食產量模擬數據等信息。用戶只需修改數據，就能直接使用。

為了進一步體現Nano Banana 2相比初代模型的性能提升，接下來，「電廠」又分別對兩代模型輸入指令，對比生成結果。

根據“用一張圖解釋三國鼎立的歷史故事，水墨畫風”的提示詞，模型輸出分別為：

（上- Nano Banana 2生成結果；下- Nano Banana生成結果）

可以看到，在兩個生成任務中，Nano Banana 2模型生成結果以地圖形式呈現，基本還原了魏蜀吳三國的相對地理位置，更符合現實情況，且在畫作主體中并未出現錯別字等問題；相較之下，初代模型對歷史故事的理解更加“扁平”，并未體現地理位置，并且出現了大量錯別字情況。

換句話說，借助Nano Banana 2已經具備了對PPT、繪本等解釋性圖片內容的生成能力。

此外在生成現實內容方面，Nano Banana 2也達到了“以假亂真”的效果。

在“一張街角抓拍照，一位女士邊走邊手機打視頻電話，路邊有來往行人”的提示詞下，Nano Banana 2生成的圖片除了呈現來往行人、視頻電話等核心要素，還自主增添了馬路、斑馬線、路邊咖啡店等要素。

值得一提的是，圖片右側所生成的咖啡店，還“細心”地保持了中英文店名的一致“咖啡啡- COFFEE”，實拍照片感十足。

面對漫畫生成等創作任務，Nano Banana 2同樣表現出合格的審美。以“四格漫畫，展現高樓火災時的合理逃生方式”的提示詞為例，生成圖片幾乎可以直接打印作為消防知識普及海報使用。

談及圖像生成產品的“暗面”，市場的擔憂普遍集中在人像版權濫用、DeepFake深偽黑產等問題，迄今市場尚未探索出明確的解決方案。

本次「電廠」也用Nano Banana 2成功生成了各類“名人照片”。

（提示詞：馬斯克與黃仁勛在發布會上握手的照片）

（提示詞：男演員肖戰身穿宇航服的照片）

無論如何，AI圖像生成將在內容創意、營銷、設計等領域創造巨大價值已是不爭的事實。Business Insights.最新報告預計，到2030年，全球AI圖像引擎市場預計將增加至917.45萬美元，2023年至2030年的復合年增長率達17.4％。

而Nano Banana 2在用戶群體中引發的討論，也將成為谷歌在大模型市場多模態能力競賽中的一大有利條件。

11月18日晚間，谷歌新一代大模型Gemini 3完成更新。市場普遍認為，Gemini 3圖像多模能力大幅提升 ，目前尚不清楚Gemini 3是否與Nano Banana 2底層能力互通。

不過，Nano Banana官方網頁中寫道：“谷歌尚未正式宣布Gemini與Nano Banana的具體關系，（但）Nano Banana的性能和能力表明了，它建立在 Gemini人工智能家族的基礎之上。”