Nano Banana Pro效果這么強(qiáng)，它的極限在哪里？

上周谷歌新推出的 Nano Banana Pro，相信大家已經(jīng)玩的不少了。

國(guó)內(nèi)外社交媒體上已經(jīng)有大量不同玩法的案例，知危把這些案例分為三種場(chǎng)景：

• 原畫(huà)設(shè)計(jì)類(lèi)：文生圖、圖生圖、草圖生圖、微調(diào)、文字渲染等；
• 知識(shí)科普類(lèi)：太陽(yáng)系、細(xì)胞、電解反應(yīng)等對(duì)象的概念視覺(jué)化；
• 實(shí)用辦公類(lèi)：漫畫(huà)上色和翻譯、超分辨率、空間視角轉(zhuǎn)換、內(nèi)容續(xù)寫(xiě)、論文板書(shū)等；

以上場(chǎng)景一般只是一次性生成。這兩天還有一些令人驚訝的進(jìn)展，Nano Banana Pro 已經(jīng)被整合進(jìn)谷歌的 NotebookLM 平臺(tái)，用于生成 PPT，這意味著，這款模型不僅適用單輪生成，也能服務(wù)深度多輪生成場(chǎng)景，特別是 PPT 需要在文風(fēng)、內(nèi)容等方面保持多圖一致性，對(duì)模型的長(zhǎng)上下文感知能力要求很高。

目前為止，對(duì)于以上場(chǎng)景，Nano Banana Pro 的表現(xiàn)都沒(méi)有令人失望。而在知危這次對(duì) Nano Banana Pro 的測(cè)評(píng)中，主要關(guān)注的是一些尚未被廣泛注意到的點(diǎn)，比如：

• 和 OpenAI 旗艦生圖模型 GPT Image-1（ GPT-4o 調(diào)用的生圖模型 ）的招牌能力的對(duì)比，比如畫(huà)風(fēng)轉(zhuǎn)換，基于復(fù)雜指令批量生成元素的能力，進(jìn)一步確定 Nano Banana Pro 的真實(shí) “ 江湖地位 ”；
• 從畫(huà)面瑕疵、隨機(jī)性出發(fā)的以假亂真的能力，比如監(jiān)控、電視屏幕、實(shí)驗(yàn)室拍攝等場(chǎng)景的模擬，這一點(diǎn)其實(shí)更早出現(xiàn) 在Veo 3、Sora 2 等視頻生成模型中；
• 3D空間轉(zhuǎn)換的更極端場(chǎng)景的壓力測(cè)試；
• 類(lèi)似 PPT 生成這種保持多圖一致性的場(chǎng)景測(cè)試，知危選用了更有趣的場(chǎng)景，仿照《 清明上河圖 》做一個(gè)長(zhǎng)江流域版本，需要五張圖拼接完成；

所以，本篇測(cè)評(píng)更多是在試探 Nano Banana Pro 的能力邊界，試圖窺探到它的極限，不代表日常使用 Nano Banana Pro 的體驗(yàn)。

那接下來(lái)就開(kāi)始測(cè)評(píng)吧！

首先當(dāng)然是跟 GPT Image-1 來(lái)個(gè)巔峰對(duì)決。

我們以《火影忍者》的一張經(jīng)典第七版合照為原圖，并用以下三個(gè)畫(huà)風(fēng)比較特別的動(dòng)漫來(lái)做畫(huà)風(fēng)轉(zhuǎn)換測(cè)試：

• 《名偵探柯南》
• 《蠟筆小新》
• 《JoJo的奇妙冒險(xiǎn)》

原圖：

畫(huà)風(fēng)參考圖：

來(lái)看看 Nano Banana Pro 參考《 名偵探柯南 》的畫(huà)風(fēng)畫(huà)成什么樣：

一眼精巧，除了卡卡西，基本每個(gè)人的表情都表達(dá)了相同的情緒，三個(gè)年輕忍者的體型都變成《 名偵探柯南 》那種頭大身小的風(fēng)格，但細(xì)看又有很多問(wèn)題，背景被替換成了參考圖的背景，三個(gè)年輕忍者的站位都變了，鳴人沒(méi)有怒視佐助。

再來(lái)看看 GPT Image-1 的表現(xiàn)：

乍一看，感覺(jué)模型啥都沒(méi)干，但細(xì)看后可以發(fā)現(xiàn)，佐助、鳴人的不爽表情的展現(xiàn)方式，和《 名偵探柯南 》確實(shí)比較相似，而且線條和陰影沒(méi)原來(lái)那么重和寫(xiě)實(shí)，確實(shí)更接近《 名偵探柯南 》那種更簡(jiǎn)潔的畫(huà)風(fēng)，可謂 “ 潤(rùn)物細(xì)無(wú)聲 ” 了。

鑒于這兩部動(dòng)漫在寫(xiě)實(shí)性上差距不是太大，我們?cè)儆酶卟町惖漠?huà)風(fēng)來(lái)測(cè)試，也就是《 蠟筆小新 》。

畫(huà)風(fēng)參考圖：

Nano Banana Pro 基本是重復(fù)了原來(lái)的套路，背景更換、表情畫(huà)風(fēng)模仿，其它幾乎一成不變。

GPT Image-1 的表現(xiàn)乍一看是直接崩壞。

但仔細(xì)想想就會(huì)發(fā)現(xiàn)，這不就是《 蠟筆小新 》里面對(duì)路人角色的刻畫(huà)方式嘛，太厲害了。

到目前為止，GPT Image-1 是完勝，Nano Banana Pro 的方法也有一定規(guī)律性，重點(diǎn)抓部分人物細(xì)節(jié)比如人臉、體型等，但失了對(duì)整體的把控。

而接下來(lái)《 JoJo 的奇妙冒險(xiǎn) 》畫(huà)風(fēng)的轉(zhuǎn)換測(cè)試，又一次讓知危開(kāi)了眼界。

畫(huà)風(fēng)參考圖：

Nano Banana Pro 完美再現(xiàn)了 JoJo 獨(dú)特的面部雕塑風(fēng)格，當(dāng)然它使用的還是一樣的手法，即聚焦面部和體型模仿，該有的缺點(diǎn)也都有，但就是覺(jué)得很成功，可能這兩點(diǎn)就是 JoJo 的畫(huà)風(fēng)精髓。

至于 GPT Image-1，且不說(shuō)有多失敗，簡(jiǎn)直可以說(shuō)沒(méi)禮貌。

接下來(lái)，為了再極致地測(cè)試一下 Nano Banana Pro 的細(xì)節(jié)刻畫(huà)能力，我們還是用火影忍者的原圖，以及 JoJo 的畫(huà)風(fēng)，但要增加人數(shù)，比如八人的曉組織。

原圖：

Nano Banana Pro 雖然只是把部分人物 JoJo 化，但人物線條更加硬朗了，而且這次人物的畫(huà)面布局沒(méi)有被改變。

GPT Image-1 又出現(xiàn)相同的崩壞，原因不明。

我們繼續(xù)增加人數(shù)，這一次畫(huà)面中大概有百來(lái)人。

原圖：

Nano Banana Pro 這次只完成了線條硬朗化，但真的一個(gè)人都沒(méi)落下。

總體而言，Nano Banana Pro 的畫(huà)風(fēng)轉(zhuǎn)換能力還是不如 GPT Image-1，但其有自己的特點(diǎn)，Nano Banana Pro 的一大優(yōu)勢(shì)就在于對(duì)局部細(xì)節(jié)的精確刻畫(huà)，畢竟這項(xiàng)能力是通過(guò)死磕文字渲染得到的，可能因此使其對(duì)畫(huà)面整體把握度不夠。

在測(cè)評(píng)過(guò)程中也發(fā)現(xiàn)很多出問(wèn)題的案例，Nano Banana Pro 是直接給你一個(gè)完全沒(méi)改過(guò)的圖像。目前大家對(duì)這些現(xiàn)象的猜測(cè)是模型的自回歸機(jī)制比重大于擴(kuò)散機(jī)制，也就是微調(diào)傾向大于重新繪制傾向。

接下來(lái)是對(duì)復(fù)雜指令遵循能力的測(cè)試，主要指一次性批量生成多個(gè)元素的能力，這也是當(dāng)時(shí) OpenAI 對(duì) GPT Image-1 模型的宣傳重點(diǎn)，所以這個(gè)測(cè)試也是對(duì)標(biāo) GPT Image-1 的。

首先是直接批量生成 36 個(gè) 呈 6*6 網(wǎng)格排列的玩具機(jī)器人陣列，并且每個(gè)機(jī)器人的具體特征需要經(jīng)過(guò)進(jìn)一步推導(dǎo)才可得出，綜合考驗(yàn)推理能力和生圖能力，提示詞會(huì)列出機(jī)器人基于行的顏色特征和基于列的表面特征。

提示詞：

嚴(yán)格俯視（正上方正交/orthographic top-down），整齊排列的 6x6 網(wǎng)格（6 行 × 6 列），白色背景，細(xì)薄灰色網(wǎng)格線將每個(gè)單元格分隔開(kāi)。每個(gè)單元格正中放置一個(gè)玩具機(jī)器人（總計(jì) 36 個(gè)），每個(gè)機(jī)器人都有**確定且唯一**的外形屬性和編號(hào)（兩位數(shù)，從 01 到 36，編號(hào)以黑色或深灰色小字印在機(jī)器人底座或底盤(pán)一側(cè)，清晰可辨）。

機(jī)器人風(fēng)格：復(fù)古玩具（懷舊機(jī)械/齒輪/鉚釘感），色彩鮮艷但材質(zhì)各異（按規(guī)則分配），每行和每列遵循確定性屬性映射（見(jiàn)下方規(guī)則），確保所有機(jī)器人互不重復(fù)。

嚴(yán)格保持頂視無(wú)透視變形（無(wú)魚(yú)眼、無(wú)傾斜），均勻平行光（自上而下）、細(xì)微柔和投影以顯示立體感但不改變頂視輪廓。

高分辨率、超細(xì)節(jié)，8K 輸出（或更高），極致細(xì)節(jié)（紋理、螺絲、劃痕、貼紙、反光、鉚釘、漆面厚度等），無(wú)景深模糊。

畫(huà)面干凈：只出現(xiàn)機(jī)器人、網(wǎng)格線與白色背景。高保真、真實(shí)感玩具質(zhì)感 + 稍微卡通化的色彩飽和度。

確定性生成規(guī)則：

為了保證“每一個(gè)機(jī)器人都不同且可復(fù)現(xiàn)”，請(qǐng)按照下面規(guī)則組合屬性（行 × 列 的組合生成唯一外形）：

行主色（Row 1 → Row 6，決定主色調(diào)）

Row 1: 正紅（crimson）

Row 2: 橙黃（amber）

Row 3: 橙（tangerine）

Row 4: 黃（sunny yellow）

Row 5: 綠（emerald）

Row 6: 青（teal）

列材質(zhì)/表面處理（Column 1 → Column 6，決定材質(zhì)與整體質(zhì)感）

Col 1: 拋光金屬（polished steel）

Col 2: 拉絲鋁（brushed aluminum）

Col 3: 黃銅（brass）

Col 4: 鉻鍍層（chrome）

Col 5: 涂漆塑料（high-gloss painted plastic）

Col 6: 半透明塑料（translucent acrylic）

向上滑動(dòng)文字

Nano Banana Pro 和 GPT Image-1最終都沒(méi)有給出好的結(jié)果，在畫(huà)面比例選擇、網(wǎng)格編排、機(jī)器人編號(hào)、顏色行一致性、表面列一致性等方面都有問(wèn)題，GPT Image-1 的表現(xiàn)更差。

Nano Banana Pro：

GPT Image-1：

下一步降低要求，把提示詞改為逐一描述每個(gè)機(jī)器人的特征，降低推理負(fù)擔(dān)，比如第二行機(jī)器人的特征描述：

Row 2（橙 主色）

Robot 07 — 主色：橙；材質(zhì)：拋光金屬。桶狀胸腔、豎直鉚釘排。

Robot 08 — 主色：橙；材質(zhì)：拉絲鋁。立方胸腔，粗紋理拉絲面。

Robot 09 — 主色：橙；材質(zhì)：黃銅。蝕刻花紋胸板。

Robot 10 — 主色：橙；材質(zhì)：鉻鍍層。流線腿部，鉻色邊框。

Robot 11 — 主色：橙；材質(zhì)：高光塑料。亮面大頭造型，塑料光澤強(qiáng)。

Robot 12 — 主色：橙；材質(zhì)：半透明塑料。橙色半透明外殼，見(jiàn)內(nèi)層接縫。

Nano Banana Pro 大幅提高了生成質(zhì)量，畫(huà)面比例選擇、網(wǎng)格編排、機(jī)器人編號(hào)、顏色行一致性基本都沒(méi)有問(wèn)題，表面列一致性上會(huì)有較大波動(dòng)，但整體保持了相同的材質(zhì)和表面處理，不同列之間的差異也很明顯。

GPT Image-1 則幾乎沒(méi)有任何改善：

GPT Image-1 目前完敗，我們繼續(xù)給 Nano Banana Pro 上難度，按行且以以下三個(gè)特征為一個(gè)循環(huán)，依次給每一個(gè)機(jī)器人再添加一個(gè)新特征：

• 戴著圍巾/布條（ scarf ）。
• 頭頂有發(fā)光燈泡/信號(hào)燈（ beacon ）。
• 三指機(jī)械手（ three-finger ）。

比如：

Row 2（橙 主色）

Robot 07 — 主色：橙；材質(zhì)：拋光金屬。桶狀胸腔、豎直鉚釘排。戴著圍巾/布條（scarf）。

Robot 08 — 主色：橙；材質(zhì)：拉絲鋁。立方胸腔，粗紋理拉絲面。頭頂有發(fā)光燈泡/信號(hào)燈（beacon）。

Robot 09 — 主色：橙；材質(zhì)：黃銅。蝕刻花紋胸板。三指機(jī)械手（three-finger）。

Robot 10 — 主色：橙；材質(zhì)：鉻鍍層。流線腿部，鉻色邊框。戴著圍巾/布條（scarf）。

Robot 11 — 主色：橙；材質(zhì)：高光塑料。亮面大頭造型，塑料光澤強(qiáng)。頭頂有發(fā)光燈泡/信號(hào)燈（beacon）。

Robot 12 — 主色：橙；材質(zhì)：半透明塑料。橙色半透明外殼，見(jiàn)內(nèi)層接縫。三指機(jī)械手（three-finger）。

生成的結(jié)果既驚艷又令人遺憾，Nano Banana Pro幾乎已經(jīng)按照提示詞生成了每個(gè)機(jī)器人應(yīng)有的特征，但網(wǎng)格排列錯(cuò)誤且視覺(jué)混亂。

目前可以認(rèn)為 Nano Banana Pro 的復(fù)雜指令遵循能力，是比 GPT Image-1 更勝一籌的。

接下來(lái)是測(cè)試 Nano Banana Pro 以假亂真的能力。

在 AI 接連攻破各種圖片生成能力限制后，人類(lèi)只能以圖片瑕疵和現(xiàn)實(shí)隨機(jī)性作為最后防線，但這道防線也變得越來(lái)越脆弱，所以這其實(shí)是在測(cè)試該模型的安全風(fēng)險(xiǎn)。

知危接連測(cè)試了監(jiān)控、老版數(shù)碼相機(jī)拍攝人物照片、手機(jī)拍攝物體照片、新聞屏幕，以及物理、化學(xué)、生物實(shí)驗(yàn)室拍攝等場(chǎng)景。

首先是監(jiān)控畫(huà)面的模擬，從圖中場(chǎng)景相關(guān)的線索比如香煙、拍攝時(shí)間、監(jiān)控標(biāo)識(shí)等很難發(fā)現(xiàn)問(wèn)題，而最終找到的破綻竟然是畫(huà)面左下角不應(yīng)該朝向顧客的計(jì)算器。

提示詞：

便利店收銀臺(tái)視角的監(jiān)控畫(huà)面，低分辨率，色彩略微失真，一個(gè)戴著口罩的人正在買(mǎi)煙。

人物照片則是比較能感受到違和感，畢竟 AI 直接生成的人物通常面部油膩光感很強(qiáng)，且特征比較趨同。

提示詞：

2000年代初的數(shù)碼相機(jī)拍攝，直射閃光燈，一群年輕朋友在一家昏暗的 KTV 里，紅眼效應(yīng)，皮膚上的油光，背景漆黑。

不過(guò)若是基于真實(shí)照片生成，預(yù)計(jì)會(huì)很難辨認(rèn)。

對(duì)于手機(jī)拍攝的物體照片，其仿真度也很高。特別是 Nano Banana Pro 確實(shí)能做到讓物體的擺放足夠凌亂而自然，知危找到的唯一破綻是可樂(lè)瓶的文字寫(xiě)倒了，但這通過(guò)微調(diào)也能輕松修改過(guò)來(lái)。

提示詞：

一張?jiān)趤y糟糟的床上拍的二手顯卡照片，床單皺皺巴巴，旁邊還有雜亂的充電線和半瓶可樂(lè)，頂燈光線昏暗。

這個(gè)照片的拍攝角度其實(shí)不是特別自然，可以讓 Nano Banana Pro 切換視角，生成效果也是一致性驚人，精確到每一個(gè)褶皺，還順便把可樂(lè)瓶的文字給修正了。

看來(lái)，往后很多二手平臺(tái)、評(píng)論區(qū)照片的真實(shí)性都需要更謹(jǐn)慎判斷了。

不僅是照片，連一段新聞是不是真的存在，可能也得多求證一番，為此知危也測(cè)試了這個(gè)場(chǎng)景。畫(huà)面幾乎無(wú)可挑剔，連摩爾紋都清晰地呈現(xiàn)了。

提示詞：

電視新聞畫(huà)面的屏攝（用手機(jī)拍電視屏幕），能看到屏幕的像素摩爾紋，新聞底部有滾動(dòng)字幕條，一個(gè)記者在街頭采訪。

測(cè)試實(shí)驗(yàn)室拍攝場(chǎng)景的仿真能力，主要是測(cè)試面向科研領(lǐng)域的安全風(fēng)險(xiǎn)。科研領(lǐng)域是最嚴(yán)謹(jǐn)?shù)孬@取新數(shù)據(jù)和新知識(shí)的場(chǎng)景，如果這道防線被攻破，人類(lèi)將不自知地被困在 AI 生成數(shù)據(jù)的牢籠中，科研數(shù)據(jù)不再有新穎性或已有規(guī)律下的隨機(jī)性，那才是真正被智子封鎖了人類(lèi)的科技發(fā)展。

當(dāng)然這里測(cè)試的更多是比較初級(jí)的科研場(chǎng)景，不然知危沒(méi)有足夠的專(zhuān)業(yè)知識(shí)來(lái)判斷真?zhèn)巍?/p>

在物理實(shí)驗(yàn)場(chǎng)景中，有一個(gè)很經(jīng)典的實(shí)驗(yàn)，就是用一顆子彈穿過(guò)蘋(píng)果，觀察蘋(píng)果的物理反應(yīng)和變化。

在實(shí)際實(shí)驗(yàn)情況下，蘋(píng)果潑濺的碎片是近乎粉末狀的。

圖源：
https://www.youtube.com/watch?v=jjUTZH_Vdxs（視頻發(fā)布于18年前）

但 Nano Banana Pro 生成的圖像（ 先不管不合理的攝像頭 ），蘋(píng)果潑濺的碎片卻像是切好的蘋(píng)果塊。

提示詞：

一顆子彈高速穿過(guò)一顆蘋(píng)果的瞬間。實(shí)驗(yàn)室實(shí)拍，分辨率較低。

Nano Banana Pro 還能生成子彈穿過(guò)梨的圖像，至于是否足夠仿真暫時(shí)無(wú)法判斷，知危沒(méi)有找到類(lèi)似的實(shí)驗(yàn)視頻來(lái)比較。

提示詞：

一顆子彈高速穿過(guò)一顆梨的瞬間。實(shí)驗(yàn)室實(shí)拍，分辨率較低。

在接下來(lái)的化學(xué)實(shí)驗(yàn)、生物實(shí)驗(yàn)仿真測(cè)試中，Nano Banana Pro 的表現(xiàn)也是驚人的。

提示詞：

鋁粉與氧化鐵（鐵銹）在高溫下發(fā)生劇烈的氧化還原反應(yīng)，火花四濺，實(shí)驗(yàn)室實(shí)拍，分辨率較低。

提示詞：

培養(yǎng)皿中的細(xì)菌菌落特寫(xiě)，瓊脂表面有反光，菌落呈現(xiàn)不規(guī)則的圓形，邊緣有絨毛感。實(shí)驗(yàn)室實(shí)拍，分辨率較低。

以上種種場(chǎng)景，如果以后都要依賴(lài)人類(lèi)靠肉眼去判斷，不僅難度大，也非常消耗時(shí)間精力。

這就不得不慶幸谷歌已經(jīng)推出了安全功能，Nano Banana Pro 會(huì)給每一張生成圖像添加的不可見(jiàn)獨(dú)特 SynthID 水印，讓用戶(hù)可以用 Gemini 直接檢驗(yàn)圖像是否由 Nano Banana Pro 生成。

空間感可謂是 Nano Banana Pro 的招牌能力，類(lèi)似 GPT Image-1 的畫(huà)風(fēng)轉(zhuǎn)換目前牢不可破的 “ 江湖地位 ”。

網(wǎng)上已經(jīng)有很多例子了，知危這里只是用比較困難的場(chǎng)景再給 Nano Banana Pro 再上上難度。

比如對(duì)于下圖，要求 Nano Banana Pro 畫(huà)出從左向右觀察的鳥(niǎo)瞰視圖。

圖源：
https://unsplash.com/photos/a-view-of-a-city-with-a-bridge-in-the-background-ZuxmKH6sCz8

Nano Banana Pro 最終沒(méi)有執(zhí)行成功，而是給出了和原圖一樣的輸出。

通過(guò)查看推導(dǎo)過(guò)程，發(fā)現(xiàn) Nano Banana Pro 可以認(rèn)出圖中中央位置的大橋是曼哈頓大橋。

知危又替換了新的提示詞：

畫(huà)出從這張圖的中央位置的大橋的左端駕車(chē)前進(jìn)的視圖。

這個(gè)任務(wù)其實(shí)更加困難，但 Nano Banana Pro 卻執(zhí)行成功了，雖然觀察視角并不是真的在車(chē)上。當(dāng)然圖中也出現(xiàn)了很明顯的幻覺(jué)，右側(cè)的大樓其實(shí)不存在，那是建好的曼哈頓廣場(chǎng)一號(hào)，正好就是左側(cè)正在施工中的大樓。

對(duì)現(xiàn)實(shí)中的圖片做空間轉(zhuǎn)換有過(guò)度依賴(lài)訓(xùn)練數(shù)據(jù)的可能，比如從谷歌地圖的全景照也能找到類(lèi)似上圖幻覺(jué)部分的視角。

為了擺脫這個(gè)依賴(lài)，我們?cè)僬乙恍┈F(xiàn)實(shí)中未建成的建筑設(shè)計(jì)圖來(lái)考考 Nano Banana Pro 。

比如下圖是出自伊斯坦布爾 Hayri Atak 建筑設(shè)計(jì)工作室的作品，其建筑形態(tài)很罕見(jiàn)，借鑒了生物細(xì)胞結(jié)構(gòu)。

當(dāng)要求 Nano Banana Pro 畫(huà)出這張建筑的空中鳥(niǎo)瞰視圖，結(jié)果很不錯(cuò)，建筑內(nèi)部四個(gè)交叉通道的空間細(xì)節(jié)都有考慮到，周邊建筑的細(xì)節(jié)也沒(méi)毛病。但陽(yáng)光和陰影的呈現(xiàn)表明建筑左側(cè)是不透光的，這里其實(shí)有誤。

當(dāng)再要求畫(huà)出建筑的空中鳥(niǎo)瞰左視圖，對(duì)內(nèi)部結(jié)構(gòu)的呈現(xiàn)就出現(xiàn)了比較嚴(yán)重的錯(cuò)誤，通道的連接不再是交叉的而是近乎無(wú)規(guī)則的。

總之，對(duì)于空間智能，谷歌邁出了很重要的一小步，且有數(shù)據(jù)優(yōu)勢(shì)（ 視頻、地圖等 ），但未來(lái)還有很長(zhǎng)的路要走。

最后一個(gè)測(cè)試場(chǎng)景是重頭戲！

我們要考驗(yàn) Nano Banana Pro 的長(zhǎng)上下文感知能力，類(lèi)似 PPT 生成需要保持多圖一致性，并且該場(chǎng)景更有趣，是用五張橫版圖片拼接而成的《 清明上河圖 》畫(huà)風(fēng)的、展現(xiàn)明朝或唐朝時(shí)期的長(zhǎng)江流域風(fēng)景與民俗風(fēng)情的新版《 清明上河圖 》。

要知道，原版《 清明上河圖 》刻畫(huà)的只有一個(gè)城市，也就是北宋都城汴京（ 今河南開(kāi)封 ）的汴河兩岸繁華景象，現(xiàn)在要切換到整個(gè)長(zhǎng)江流域，跨度差距非常大，很考驗(yàn)?zāi)Ｐ偷某橄竽芰桶殉橄蟾拍罹呦窕哪芰?/strong>，并且結(jié)合中國(guó)古畫(huà) “ 在意不在形 ” 的特點(diǎn)（ 在我們這個(gè)測(cè)試中通俗理解就是，畫(huà)中場(chǎng)景一般不存在現(xiàn)實(shí)中，且有諸多不合理之處，但能表達(dá)作者的意圖 ）。

在實(shí)現(xiàn)過(guò)程中，知危還會(huì)先用 Nano Banana Pro 先做整個(gè)項(xiàng)目的藍(lán)圖，再逐一生成五張成圖，相當(dāng)于把知識(shí)科普能力融入到復(fù)雜生圖項(xiàng)目工作流的規(guī)劃階段。

在藍(lán)圖規(guī)劃中，Nano Banana Pro 對(duì)地理版圖的刻畫(huà)可謂相當(dāng)精準(zhǔn)。

提示詞：

時(shí)間背景為明朝1587年，把長(zhǎng)江劃分為5段，用橫版歷史科普?qǐng)D的方式展示，以長(zhǎng)江主河道為脈絡(luò)（抽象化為直線），用文字和圖像標(biāo)注每一段的端點(diǎn)地理特征（比如城市、山脈等）、沿岸主要城市和民俗風(fēng)情。

為了生成這幅明朝長(zhǎng)江版《 清明上河圖 》的第一張，知危要求 Nano Banana Pro 只將第一段轉(zhuǎn)換成清明上河圖畫(huà)風(fēng)，即 “ 金沙江至敘州 ” 部分，并且為了讓五張圖片能夠首尾連接，要求長(zhǎng)江從圖片左側(cè)流向右側(cè)。

Nano Banana Pro 在圖像左側(cè)展現(xiàn)了長(zhǎng)江的源頭：白雪皚皚的山峰、牦牛和茶馬商隊(duì)，體現(xiàn)了藏族和彝族文化。圖像右側(cè)則聚焦于敘州，描繪了城墻、熙熙攘攘的碼頭、餐館和熱鬧的集市，以及眾多活躍的人物。江面上也充滿(mǎn)生機(jī)，描繪了貨輪、小渡船和船夫，展現(xiàn)一幅繁榮的貿(mào)易景象。

提示詞：

請(qǐng)將“上游一段：金沙江至敘州”部分轉(zhuǎn)換成清明上河圖畫(huà)風(fēng)，橫版圖片，長(zhǎng)江從圖片左側(cè)流入，從圖片右側(cè)流出。

生成第二張圖即 “ 上游二段：敘州至夷陵”部分的提示詞是類(lèi)似的形式，需要加一句“與上一段首尾連接 ”。

Nano Banana Pro 重點(diǎn)刻畫(huà)了長(zhǎng)江的奔流以及三峽的壯麗景色，畫(huà)面中還點(diǎn)綴著精致的船只，并在右側(cè)過(guò)渡到夷陵。

提示詞：

請(qǐng)將“上游二段：敘州至夷陵”部分轉(zhuǎn)換成清明上河圖畫(huà)風(fēng)，橫版圖片，長(zhǎng)江從圖片左側(cè)流入，從圖片右側(cè)流出，并且圖片左側(cè)與“上游一段：金沙江至敘州”部分的圖片右側(cè)銜接。

在第三張圖 “ 中游：夷陵至九江 ” 部分，Nano Banana Pro 刻畫(huà)了更加繁榮的城市景象，融入了沿河生活和商業(yè)的豐富細(xì)節(jié)，河流蜿蜒穿過(guò)山巒和富饒的平原，形形色色的船只在繁忙的水道上來(lái)往。

在第四張圖 “ 下游：九江至應(yīng)天 ” 部分，Nano Banana Pro 生成的內(nèi)容感覺(jué)和第三張重復(fù)太多。

在第五張圖 “ 入海口：應(yīng)天至東海 ” 部分，Nano Banana Pro 采用更廣闊的視角，展現(xiàn)了長(zhǎng)江入海口的景象，并過(guò)渡到了三角洲景觀，最后以東海的景色結(jié)束。

可以看出，這五張畫(huà)作的畫(huà)風(fēng)一致性很強(qiáng)，并呈現(xiàn)和區(qū)分了長(zhǎng)江流域不同河段的地理特點(diǎn)，人物分布非常密集，細(xì)看也能看出他們是真的在忙活，活靈活現(xiàn)。

如果把它們首尾拼接，雖說(shuō)不能完美銜接，卻也真的有自然過(guò)渡的效果。

以上案例已經(jīng)非常接近完美，但更多是視覺(jué)娛樂(lè)，如果是為了教育目的，則目前對(duì)知識(shí)細(xì)節(jié)比如民俗的呈現(xiàn)其實(shí)不夠明確。

為此，我們提高對(duì)明確信息的要求，讓 Nano Banana Pro 在每一段呈現(xiàn) 5 個(gè)民俗點(diǎn)，并寫(xiě)一首七言絕句，以唐朝為背景。

強(qiáng)調(diào)明確信息的結(jié)果是，Gemini 可能覺(jué)得任務(wù)復(fù)雜，先調(diào)用 Gemini 3 Pro 分析了一番。

可能是因?yàn)橹R(shí)密度更高，Nano Banana Pro 選擇了抽象的概念圖而不是地理圖來(lái)呈現(xiàn)。

提示詞：

時(shí)間背景為唐朝636年，把長(zhǎng)江劃分為5段，用橫版歷史科普?qǐng)D的方式展示，以長(zhǎng)江主河道為脈絡(luò)（抽象化為直線），用文字和圖像標(biāo)注每一段的端點(diǎn)地理特征（比如城市、山脈等）、沿岸主要城市和民俗風(fēng)情（每段至少5個(gè)），并給每一段基于民俗風(fēng)情寫(xiě)一首七言絕句。

最終成圖中，Nano Banana Pro 生成的幾乎每一個(gè)人物細(xì)節(jié)都是可辨識(shí)的知識(shí)點(diǎn)，比如第一張圖的吹羌笛、牦牛運(yùn)輸?shù)龋恳粡垐D之間的區(qū)分度也更高了。不過(guò)對(duì)比之下，人物數(shù)量少了很多。

以下知危將 Gemini 3 Pro 列舉的民俗風(fēng)情與對(duì)應(yīng)畫(huà)作呈現(xiàn)出來(lái)，大家可以細(xì)看匹配程度。

“ 第一段：雪域清源·羌藏高原 ” 民俗風(fēng)情：

• 羌笛悠揚(yáng)：居住在岷山一帶的羌人吹奏羌笛，聲音蒼涼，寄托思鄉(xiāng)之情。
• 游牧生活：吐蕃部族逐水草而居，住黑牦牛毛帳篷，以乳酪、肉食為主。
• 牦牛運(yùn)輸：高寒山路上，耐寒負(fù)重的牦牛是唯一的駝運(yùn)工具。
• 原始苯教：對(duì)自然神靈、神山圣湖的崇拜信仰，進(jìn)行祭祀活動(dòng)。
• 毛紡織藝：利用牛羊毛紡織毪子（毛毯）、褐衫等御寒衣物。
• 
  

“ 第二段：巴山蜀水·川江號(hào)子 ” 民俗風(fēng)情：

• 川江號(hào)子：船工們?cè)陔U(xiǎn)灘惡水中齊力拉纖、劃槳時(shí)吼唱的勞動(dòng)號(hào)子，聲震峽谷。
• 井鹽生產(chǎn)：蜀地（如陵州、富順）利用竹筒汲取地下鹵水，用天然氣熬制食鹽。
• 蜀錦織造：成都平原生產(chǎn)的絲織品，工藝精湛，圖案華麗，為唐代貢品。
• 棧道交通：在沿江絕壁上開(kāi)鑿孔穴、鋪設(shè)木板而成的險(xiǎn)要通道。
• 竹枝詞風(fēng)：流行于巴渝民間的歌謠，常以笛、鼓伴奏，描寫(xiě)當(dāng)?shù)仫L(fēng)土人情。

“ 第三段：峽江天險(xiǎn)·猿啼巫云 ” 民俗風(fēng)情：

• 纖夫拉纖：逆水經(jīng)過(guò)險(xiǎn)灘時(shí)，數(shù)十名纖夫在岸邊巖石上赤身裸體、肩拉背拽。
• 巫山神女：巫山十二峰云霧繚繞，關(guān)于神女瑤姬的美麗傳說(shuō)引人遐想。
• 兩岸猿聲：峽谷兩岸森林茂密，常有猿猴攀援啼叫，聲音空曠凄清。
• 險(xiǎn)灘祭江：船只過(guò)青灘、泄灘等著名險(xiǎn)灘前，船家祭拜江神求平安。
• 白帝城懷古：夔州白帝城，因三國(guó)劉備托孤的故事而成為文人憑吊之地。

“ 第四段：云夢(mèng)澤國(guó)·荊楚魚(yú)米 ” 民俗風(fēng)情：

• 云夢(mèng)大澤：唐初江漢平原上湖泊眾多，尚未完全淤塞，呈現(xiàn)“云夢(mèng)澤”的水鄉(xiāng)澤國(guó)景觀。
• 龍舟競(jìng)渡：荊楚之地紀(jì)念屈原的風(fēng)俗極盛，端午節(jié)在江面舉行賽龍舟活動(dòng)。
• 魚(yú)米之鄉(xiāng)：氣候濕潤(rùn)，土地肥沃，水稻種植發(fā)達(dá)，漁業(yè)資源極豐富。
• 采菱唱曲：江南女子劃著小盆船在湖中采摘菱角，口唱清新的菱歌。
• 黃鶴樓宴飲：鄂州（今武漢）黃鶴樓是文人墨客登高望遠(yuǎn)、宴飲賦詩(shī)的名勝。

“ 第五段：吳越水鄉(xiāng)·揚(yáng)一益二 ” 民俗風(fēng)情：

• 揚(yáng)州繁華：當(dāng)時(shí)中國(guó)最繁華的商業(yè)都會(huì)，號(hào)稱(chēng)“揚(yáng)一益二”，夜市喧鬧，胡商云集。
• 運(yùn)河漕運(yùn)：隋唐大運(yùn)河江南河段與長(zhǎng)江在此交匯，南糧北運(yùn)，舟船如織。
• 江南絲綢：吳綾、越羅等絲織品品質(zhì)上乘，色彩輕盈，遠(yuǎn)銷(xiāo)海內(nèi)外。
• 寺院鐘聲：繼承南朝佛教傳統(tǒng)，沿江城市寺廟林立，晨鐘暮鼓，香火鼎盛。
• 茶葉貿(mào)易：江南茶區(qū)（如湖州、常州）興盛，茶葉通過(guò)便捷水路運(yùn)往全國(guó)各地。

總體來(lái)看，Nano Banana Pro 的長(zhǎng)上下文感知能力還是很驚人的，前后一致性和自然銜接，世界知識(shí)的融入，對(duì)指令遵循的細(xì)節(jié)程度，幫助我們完成了這幅紛繁復(fù)雜的作品。

好了，本次評(píng)測(cè)就到這里了。這次測(cè)評(píng)并不是為了證明 Nano Banana Pro 不夠好，而是盡可能以 “ 能力邊界 ” 作為切入點(diǎn)，看它在頭部競(jìng)品對(duì)標(biāo)、復(fù)雜性、真實(shí)性、多輪一致性等更極端的場(chǎng)景中到底能走多遠(yuǎn)。

可以看到，它在畫(huà)風(fēng)轉(zhuǎn)換上的整體性、完成度和穩(wěn)定性不如 GPT Image-1，但在元素批量生成、細(xì)節(jié)保持、多視角一致性方面展現(xiàn)出了驚喜般的優(yōu)勢(shì)；在仿真類(lèi)場(chǎng)景中，其以假亂真的能力也已經(jīng)觸及安全性的臨界區(qū)，除了谷歌自身應(yīng)承擔(dān)的責(zé)任和應(yīng)對(duì)手段，也需要行業(yè)進(jìn)一步思考防范機(jī)制。

從更宏觀的角度看，Nano Banana Pro 畫(huà)新版《 清明上河圖 》的完成度以及生成 PPT 的能力，讓我們意識(shí)到一個(gè)很自然的趨勢(shì)，未來(lái)的生圖模型不再只是一次性 “ 把提示詞畫(huà)出來(lái) ”，而是深度結(jié)合上下文以及 Agentic 化，類(lèi)似于編程模型的發(fā)展路徑，不斷嵌入到更復(fù)雜、更核心的項(xiàng)目工作流中。

總之，Nano Banana Pro 是一款極具潛力、但也需要被認(rèn)真認(rèn)識(shí)的下一代模型。