谷歌发布 Nano Banana Pro

发布概况

2025年11月20日，谷歌发布图像生成模型 Nano Banana Pro，它建立在 Gemini 3 Pro 之上。^[1] 发布信息把重点放在一件事上：让图片里的文字正确地显示出来。谷歌称，它是在图像中直接生成正确、清晰可读文字的最佳模型。^[1]

谷歌强调的能力

发布中特别提到三点。其一是多语言文字的清晰渲染，也就是模型不仅要画出像字母的形状，还要在不止一种书写系统里把词拼对。^[1] 其二是「结合搜索的信息图（infographic）」，这类图片用来解释和对比信息，内容取自搜索结果，而不只依赖模型的记忆。^[1] 其三是输出分辨率，图像可以按 2K 和 4K 生成。^[1]

谷歌还给出了模型的合成能力：它最多可以混合 14 张输入图片，并能保持最多 5 个人的相貌。^[1] 多张参考图加上几张反复出现的面孔，正是把分散素材拼成一张合影或产品效果图时需要的东西。

使用额度

使用上按套餐分层：Gemini 应用免费层用户获得有限的免费额度，付费层额度更高。^[1] 也就是说，模型直接放进已有的应用里，按订阅计划计量使用，而不是单独做成一个产品。

同日的验证工具

发布当天，谷歌在 Gemini 应用内加入了 SynthID 图像验证功能。^[1] 验证的意思是，用户可以检查一张图片是否带有谷歌为 AI 生成内容添加的标记，从而对在聊天或信息流里看到的图片做出判断，而不是靠猜。

文字为什么难画

图像模型在内部用压缩过的表示来描述画面，而不是用字符序列。这种表示里没有任何东西绑定到字母的形状，所以早期的模型常把文字当作纹理来画：远看像样，细看拼错。要让文字可读，模型得在整个标题或一整排图表刻度的尺度上把字形稳定住，还要在英语之外的语言里保持正确。这也是为什么一次以「拼写正确、标签清晰」为主打的发布，是关于模型能力的实质声明，而不是排版细节：图表、海报、示意图、幻灯片和菜单都依赖能读的单词。^[1]

这次发布的位置

建立在 Gemini 3 Pro 之上、更高的输出分辨率、多图输入，再加上同日上线的验证工具，这几点放在一起，说明这次发布把图像生成当作制作说明性图片的工具，而不只是好看的图片。对使用者来说，判断一个图像模型能不能用于实际工作，往往首先就看图上那行字能不能读对。