谷歌AI生图工具更新：擅长“图文并茂”，几乎“以假乱真”

记者｜董温淑

编辑｜高宇雷

11月20日晚间，谷歌旗下图像生成工具Nano Banana 2更新上线。Nano Banana（Gemini 2.5 Flash Image） 在8月首次发布，之后迅速引起巨大反响，一度被誉为“最强图像生成引擎”。

比如，此前爆火社交网络平台的“把自己做成手办”玩法，就是由Nano Banana提供图片生成服务。

而本次升级，谷歌似乎正努力将这个工具从娱乐工具，进一步升级为效率与创作神器。

据官方简介，Nano Banana 2（Nano Banana Pro）提供了更高的图像质量、更一致的编辑、更强的3D生成，以及针对复杂任务更深入的推理能力。全网实测结果也支持了这种效果描述。有网友在实测后讲道：“我已经分不清AI和现实了。”

Nano Banana 2发布后，「电厂」也第一时间获取月度会员并进行体验。根据实测，模型新增的文字理解功能堪称惊艳，这也将图像生成模型的能力边界拓展至PPT等图文并茂的解释性图片生成。

在诸多实例中，Nano Banana 2生成单张图片普遍消耗75积分（作为对比，Nano Banana生成图片消耗50积分）；Nano Banana 2的生成速度略慢于初代模型，不过仍能控制在半分钟内。

“用一张图片解释人为什么会近视，绘本画风，图文并茂”，「电厂」首先输入了这一指令，结果显示Nano Banana 2生成了如下图片。

可以看到，模型不仅遵循了画风等基础指令，还自主生成了近视成因的相关内容。

在“体现2025年华北地区粮食产量，PPT风格的汇报图片”的指令下，Nano Banana 2生成的图片中，分别标注出了华北地区各大省份的地理位置、粮食产量模拟数据等信息。用户只需修改数据，就能直接使用。

为了进一步体现Nano Banana 2相比初代模型的性能提升，接下来，「电厂」又分别对两代模型输入指令，对比生成结果。

根据“用一张图解释三国鼎立的历史故事，水墨画风”的提示词，模型输出分别为：

（上- Nano Banana 2生成结果；下- Nano Banana生成结果）

可以看到，在两个生成任务中，Nano Banana 2模型生成结果以地图形式呈现，基本还原了魏蜀吴三国的相对地理位置，更符合现实情况，且在画作主体中并未出现错别字等问题；相较之下，初代模型对历史故事的理解更加“扁平”，并未体现地理位置，并且出现了大量错别字情况。

换句话说，借助Nano Banana 2已经具备了对PPT、绘本等解释性图片内容的生成能力。

此外在生成现实内容方面，Nano Banana 2也达到了“以假乱真”的效果。

在“一张街角抓拍照，一位女士边走边手机打视频电话，路边有来往行人”的提示词下，Nano Banana 2生成的图片除了呈现来往行人、视频电话等核心要素，还自主增添了马路、斑马线、路边咖啡店等要素。

值得一提的是，图片右侧所生成的咖啡店，还“细心”地保持了中英文店名的一致“咖啡啡- COFFEE”，实拍照片感十足。

面对漫画生成等创作任务，Nano Banana 2同样表现出合格的审美。以“四格漫画，展现高楼火灾时的合理逃生方式”的提示词为例，生成图片几乎可以直接打印作为消防知识普及海报使用。

谈及图像生成产品的“暗面”，市场的担忧普遍集中在人像版权滥用、DeepFake深伪黑产等问题，迄今市场尚未探索出明确的解决方案。

本次「电厂」也用Nano Banana 2成功生成了各类“名人照片”。

（提示词：马斯克与黄仁勋在发布会上握手的照片）

（提示词：男演员肖战身穿宇航服的照片）

无论如何，AI图像生成将在内容创意、营销、设计等领域创造巨大价值已是不争的事实。Business Insights.最新报告预计，到2030年，全球AI图像引擎市场预计将增加至917.45万美元，2023年至2030年的复合年增长率达17.4％。

而Nano Banana 2在用户群体中引发的讨论，也将成为谷歌在大模型市场多模态能力竞赛中的一大有利条件。

11月18日晚间，谷歌新一代大模型Gemini 3完成更新。市场普遍认为，Gemini 3图像多模能力大幅提升 ，目前尚不清楚Gemini 3是否与Nano Banana 2底层能力互通。

不过，Nano Banana官方网页中写道：“谷歌尚未正式宣布Gemini与Nano Banana的具体关系，（但）Nano Banana的性能和能力表明了，它建立在 Gemini人工智能家族的基础之上。”