都在傳國(guó)產(chǎn)開源平替 Nano Banana？真相如何，一手實(shí)測(cè)來了

★ 設(shè)為星標(biāo) | 只講人話，帶你玩轉(zhuǎn)AIGC。

說到文生圖，大家心里可能都有個(gè)“白月光”，那就是谷歌的 Nano Banana Pro（下文簡(jiǎn)稱 NBP）。

有一說一，NBP 確實(shí)是現(xiàn)階段實(shí)打?qū)嵉耐跽撸绕涫钳B加了 Gemini 大模型后，那魔法簡(jiǎn)直了。

最讓我佩服的是，它基本解決了 AI 繪圖界的一大頑疾——文字生成，特別是漢字。

但這兩天，我突然發(fā)現(xiàn)一款國(guó)產(chǎn)工具沖上了熱榜。

我一看，好家伙，它居然在“寫漢字”這個(gè)領(lǐng)域，把 NBP 給超了？

圖：GLM-Image在文字渲染的權(quán)威榜單中達(dá)到開源 SOTA水平

不僅如此，它還是個(gè)開源的。

它就是剛剛上市的 AI 第一股智譜出品的 GLM Image。

廢話不多說，咱們不看參數(shù)，直接上“地獄級(jí)”實(shí)測(cè)。

它到底能不能打？

01 終于能聽懂“人話”了，尤其是中文

既然，在寫漢字這個(gè)事情上屠榜，那我們就先來試試它。

提示詞：中國(guó)傳統(tǒng)水墨畫風(fēng)格。畫面是一座雄偉的古樓（鸛雀樓），背景是夕陽(yáng)依山而落，黃河奔騰入海的壯觀景象。在畫面的留白處，用毛筆行書字體寫下整首唐詩(shī)：“白日依山盡，黃河入海流。欲窮千里目，更上一層樓。”畫風(fēng)古樸典雅，宣紙紋理。

看到這張圖我松了一口氣，字寫得相當(dāng)準(zhǔn)確，沒有出現(xiàn)那種常見的“鬼畫符”的情況。

雖然這個(gè)例子對(duì)現(xiàn)在的模型來說不算太難，但能把整首詩(shī)完整寫對(duì)，起碼及格線是穩(wěn)了。

好，既然簡(jiǎn)單的過了，咱們上強(qiáng)度。

提示詞：一張極具史詩(shī)感和科技感的商業(yè)電影海報(bào)。畫面采用極具視覺沖擊力的人物面部超大特寫，主體是一位中年科技商業(yè)領(lǐng)袖男主角，面容滄桑堅(jiān)毅，目光深邃地直視鏡頭。整個(gè)畫面（包括人物面部皮膚、頭發(fā)和背景）都疊加著密集的、發(fā)光的金色數(shù)據(jù)流代碼、抽象電路板線條和數(shù)字噪點(diǎn)紋理，營(yíng)造出一種被數(shù)字化信息包裹的力量感。整體色調(diào)為輝煌、厚重的暖金色調(diào)，光影對(duì)比強(qiáng)烈。海報(bào)下方三分之一處，巨大的粗體金屬質(zhì)感中文標(biāo)題“破局者”橫跨畫面，帶有厚重的立體光效。標(biāo)題上方是較小的副標(biāo)題“決勝全球芯片戰(zhàn)爭(zhēng)始末”。最底部是小字上映信息：“2025年春節(jié)檔震撼上映 | IMAX 3D”。文字排版層級(jí)分明，與人物肖像在空間上形成緊密的疊加關(guān)系。

坦率說，這張海報(bào)的文字處理真的驚艷到我了。

“破局者”三個(gè)大字非常有張力，其他小字也都能清晰識(shí)別。

看起來，在這個(gè)特定領(lǐng)域，GLM Image 真的趕得上 NBP 這種商業(yè)閉源神器了。

不過，我感覺它在處理很多文字都時(shí)候，不是很穩(wěn)定，有時(shí)候需要多抽幾次卡才能出完美效果。

看下跟 NBP 的對(duì)比。

圖：GLM Image 對(duì)比 NBP 的多文字處理

但考慮到它是免費(fèi)開源的，這點(diǎn)“小脾氣”我覺得完全可以接受。

測(cè)到這里，我感覺它還是有點(diǎn)東西。這可能是目前開源模型里，對(duì)中文處理最強(qiáng)的。

以前這種圖，Nano Banana 根本沒法處理（Pro 才可以），Midjourney 更是完全不支持中文。

連這些國(guó)外商業(yè)巨頭都頭疼的問題，讓一個(gè)國(guó)產(chǎn)開源模型解決了，這不得不佩服。

02 審美在線：從宋詞意境到王家衛(wèi)美學(xué)

光能寫字還不夠，圖畫得丑也不行。

很多國(guó)產(chǎn)模型最大的問題是“土”，或者有一股濃濃的塑料“AI 味”，甚至有些默認(rèn)生成的是外國(guó)人。

GLM 的審美在線嗎？畫質(zhì)和光影呢？

我們細(xì)看之前那張圖，非常有電影感，也符合那首宋詞的意境。

提示詞：一張極具電影感的紀(jì)實(shí)攝影作品。場(chǎng)景是雨后的清晨，一座古樸典雅的中式庭院。一位身著宋代服飾的女子站在木制窗欞后，輕輕卷起珠簾向外張望。窗外的庭院里，濕潤(rùn)的地面上散落著被打落的紅色海棠花瓣（紅瘦），而枝頭經(jīng)過雨水滋潤(rùn)的綠葉顯得格外翠綠茂盛，掛著水珠（綠肥）。空氣中充滿濕潤(rùn)感，柔和的自然光。

人的眼睛對(duì)人像最敏感，咱們?cè)賮韨€(gè)高難度的“王家衛(wèi)風(fēng)格”。

提示詞：一位冷艷的亞洲時(shí)尚女性，留著利落的濕發(fā)造型（Wet Look），身穿深祖母綠的亮片晚禮服，佩戴夸張的銀色流蘇耳環(huán)，材質(zhì)上形成反光亮片與金屬冷感的碰撞。她側(cè)臥在平靜的深藍(lán)色水面上，背景是大面積高飽和度的克萊因藍(lán)，營(yíng)造出深邃靜謐的包裹感。光影采用棱鏡折射效果（Prism Effect），在人物面部投下彩虹般的破碎光斑，并帶有微弱的慢門拖影（Motion Blur），賦予畫面一種流動(dòng)的迷幻感。構(gòu)圖采用上帝視角（Top-down shot），王家衛(wèi)電影美學(xué)，高噪點(diǎn)膠片質(zhì)感，藝術(shù)攝影風(fēng)格。

這張圖的完成度非常高。

不僅逼真，關(guān)鍵是水面的倒影、棱鏡的折射光斑，處理得非常有質(zhì)感。

為了防止它是“運(yùn)氣好”，我又測(cè)了個(gè)極端的——當(dāng)復(fù)雜的毛發(fā)遇上暴風(fēng)雪。

這通常是 AI 的“死穴”，很容易糊成一團(tuán)。

提示詞：一只雪豹的正面特寫，漫天風(fēng)雪，眼神犀利直視鏡頭，毛發(fā)上掛著冰渣和雪花，背景是模糊的雪山，國(guó)家地理風(fēng)格，超高清

大家放大看細(xì)節(jié)。

風(fēng)雪和毛發(fā)的交互很真實(shí)，雪花是“陷”在毛發(fā)里的，而不是浮在表面，眼神的那種野性也抓住了。

不得不說，這張圖堪稱完美。

小遺憾： 目前還不支持原生 4K 輸出（盲猜是算力成本問題），放大看極微小的細(xì)節(jié)還是會(huì)有一點(diǎn)點(diǎn)涂抹感，但發(fā)朋友圈或做配圖綽綽有余。

圖：GLM Image 支持多種分辨率

03 搞錢神器：海報(bào)和封面，它真能干活

測(cè)到這，我覺得它已經(jīng)不僅僅是個(gè)玩具了。

解鎖了“文字”+“畫質(zhì)”這兩個(gè)技能包，意味著什么？意味著它能幫我們干活了！

我是做內(nèi)容的，以前做小紅書封面，要么去素材網(wǎng)找圖改，要么買 Canva 會(huì)員。

但我發(fā)現(xiàn)，GLM Image 處理這種圖文結(jié)合的封面，似乎非常在行。

提示詞：一張極具吸引力的小紅書/YouTube 視頻封面圖，波普藝術(shù)拼貼風(fēng)格。畫面主體是一位年輕可愛的亞洲職場(chǎng)女性，留著短發(fā)，戴著黑框眼鏡，身穿白襯衫和黃色背帶褲。她雙手托腮，對(duì)著鏡頭做出夸張?bào)@訝的表情（O型嘴），人物周圍有一圈明顯的白色描邊（貼紙效果），將她與背景的模糊辦公室環(huán)境隔離開來。視覺設(shè)計(jì)包含上下邊緣的黃色撕紙紋理效果。畫面頂部有巨大的、黑色的粗體中文字體，印在黃色的矩形色塊背景上，第一行寫‘職場(chǎng)菜鳥’，第二行寫‘生存法則’。人物右側(cè)懸浮著手寫體的中文標(biāo)簽‘干貨滿滿’和‘建議收藏’，以及一個(gè)波普風(fēng)格的英文單詞‘WOW’。畫面點(diǎn)綴著卡通燈泡圖標(biāo)、卡通眼睛貼紙和閃爍的星星符號(hào)。整體色調(diào)以明亮的黃色和黑白色為主，高飽和度，視覺沖擊力強(qiáng)。”

圖：GLM Image 生成的圖片

是不是有點(diǎn)意思？

甚至 NBP 很拿手的“信息圖表”，GLM 也能模仿個(gè)七七八八：

圖：生成一張咖啡制作的信息圖

提示詞：創(chuàng)建一個(gè)展示如何制作面包的信息圖表

這里我要客觀說一句：如果是特別復(fù)雜、步驟特別多的信息圖，NBP 依然更勝一籌，畢竟人家底層模型的參數(shù)量擺在那。

但在 GLM 里， 如果把提示詞寫得很詳細(xì)具體，其實(shí)也能得到那樣的圖。

圖：通過詳細(xì)的提示詞生成的信息圖

極簡(jiǎn)風(fēng)的產(chǎn)品海報(bào)，GLM Image 也是信手拈來：

提示詞：一張極具奢華感的高端護(hù)膚品廣告海報(bào)。畫面中央是一瓶半透明的琥珀色精華液瓶身，瓶身表面有精致的金色燙金文字。瓶子置于平靜的水面上，周圍有金色的漣漪和飛濺的水珠，光影呈現(xiàn)出剔透的琉璃質(zhì)感。 背景是深邃的漸變黑金色。畫面上方留白處，使用優(yōu)雅纖細(xì)的中文襯線字體（宋體風(fēng)格）排版：‘凝時(shí)?新生’。下方是一行較小的英文：‘TIMELESS BEAUTY’。整體風(fēng)格追求極致的純凈與奢華，微距攝影視角。

還有這種速度感的汽車海報(bào)：

提示詞：一張充滿速度感的電動(dòng)超跑商業(yè)海報(bào)。一輛銀灰色的流線型概念跑車正在深邃的未來隧道中極速飛馳。背景的燈光因?yàn)楦咚僖苿?dòng)拉成了長(zhǎng)長(zhǎng)的霓虹光流（Motion blur），而車身主體清晰銳利，車漆反射著周圍流動(dòng)的光影，金屬質(zhì)感極強(qiáng)。 畫面采用傾斜構(gòu)圖，極具視覺沖擊力。左上角排版巨大的、粗體傾斜的無襯線中文字體：‘極速?由此定義’。右下角是汽車品牌Logo和一行小字‘未來已來’。冷色調(diào)，賽博朋克與工業(yè)設(shè)計(jì)的完美結(jié)合。

作為一款文生圖的模型，GLM Image 目前還不支持修圖，所以相對(duì)來講比較簡(jiǎn)單，不知道后期會(huì)不會(huì)有這些功能，包括參考圖等。

網(wǎng)上很多人把 GLM Image 稱為 Nano Banana 的“國(guó)產(chǎn)平替”或“開源平替”。

但我扒了一下它的底，發(fā)現(xiàn)事情沒那么簡(jiǎn)單。

它底層用的是一種很新的“自回歸 + 擴(kuò)散”架構(gòu) 。

簡(jiǎn)單說，就是用大模型的腦子去“聽懂話”，再用繪畫模型的筆去“摳細(xì)節(jié)” 。這也是為什么它能把復(fù)雜的漢字寫對(duì)的核心原因 。

更硬核的是，它是智譜聯(lián)合華為昇騰和昇思 MindSpore 硬磕出來的，從里到外都是純國(guó)產(chǎn)算力 。

當(dāng)然，最吸引我的還是開源。

如果你在意數(shù)據(jù)隱私，或者公司想省成本，完全可以把它下載下來本地部署。

不用聯(lián)網(wǎng)也能跑，相當(dāng)于擁有了一個(gè)私有的繪圖工作臺(tái)，這點(diǎn)對(duì)企業(yè)太香了。

別光聽我說，建議直接上手試，小白用戶直接去 bigmodel.cn 免費(fèi)體驗(yàn)：

圖：GLM Image 的圖像生成界面

技術(shù)大神去 GitHub 搜 GLM-Image 就能扒代碼：

• GitHub：https://github.com/zai-org/GLM-Image

• Hugging Face：https://huggingface.co/zai-org/GLM-Image

• 魔搭社區(qū)：https://modelscope.cn/models/ZhipuAI/GLM-Image

試完覺得好用的，記得回來給國(guó)產(chǎn) AI 點(diǎn)個(gè)贊！