2025 年 8 月，Instagram 和 X 上突然爆发一波「3D 手办」照，真人自拍秒变精致手办，很多人不知道背后是哪套 AI。那就是 Nano Banana 的首次亮相，Google 给 Gemini Flash Image 用 🍌 teaser 暗示、社区就这样叫开了。
认识 Nano Banana
Nano Banana 是 Google DeepMind 出品的 AI 图片生成模型，属于 Gemini 生态系统。官方名称叫 Gemini Flash Image，社区称呼 Nano Banana 是因为 Google 在正式发布前用 🍌 emoji 暗示，这个昵称就这样留下来了。
版本演进：
- Nano Banana（Gemini 2.5 Flash Image，2025 年 8 月）：原版，引爆 3D 手办风潮，Gemini 应用因此新增了千万级新用户和超过 2 亿次修图记录
- Nano Banana Pro（Gemini 3 Pro Image，2025 年 11 月）：旗舰版，质量更高、配额较少
- Nano Banana 2（Gemini 3.1 Flash Image，2026 年 2 月）：现行版本，现在是 Gemini 所有订阅层级的默认图片模型
跟早一批的文字生成 AI 不同，Nano Banana 从一开始就设计成「在对话里生图」，而不是另开一个独立的绘图工具。这个设计让它的使用方式比 Midjourney 直观很多，代价是对像素的精细控制不如专业工具。
怎么开始用（免费）
最快的路：gemini.google.com
- 打开 gemini.google.com
- 用 Google 账号登录（没有的话五分钟内可以申请）
- 开新对话，确认界面上显示的是图片生成模式（有些界面需要手动切换到图像模型）
- 输入「画一张…」开始生图
手机的话也可以下载 Gemini 应用，体验跟网页版差不多。
开发者路：Google AI Studio
如果你是开发者，或者需要更高的免费配额和 API 访问，走 Google AI Studio。这个入口的免费配额更高，可以直接拿 API key 接入自己的应用。
能做什么
文字生图片
输入文字描述，Nano Banana 生出图片。支持多种长宽比（方形、横幅、竖幅），Nano Banana 2 最高输出到 4K（免费版上限 1K 分辨率，付费版才开 4K）。
Prompt 的基本结构：主体 + 风格 + 场景 + 氛围。举例：
「画一只坐在咖啡厅窗边的橘猫，水彩插画风格，午后日光斜射，暖色调。」
比起只说「画一只猫」，这样的描述方式第一次出来的结果就接近想要的东西。
对话式修图
这是 Nano Banana 跟 Midjourney 差异最大的地方。上传你自己的照片，用日常语言说想改什么，它就直接改。
操作方式：点对话框左侧的上传图标 → 传照片 → 说「把背景换成下雨的街道，保留人物」。
修图指令越具体越好，说清楚要保留什么、要改什么、光线从哪里来。「改一下背景」这种模糊指令出来的结果不稳，「把白色背景换成日式榻榻米室内空间，保留人物轮廓和光影方向」就稳很多。
支持的修图操作包括：去除物件、换背景、改光线方向、改风格（把照片改成插画）、色调调整。不支持像 Photoshop 的精细遮罩或像素级操作，这个定位要搞清楚，否则会对它失望。
角色一致性
Nano Banana 2 的一大升级：支持在同一个对话里维持最多 5 个角色、14 个物件的外观一致性。这对做分镜、系列贴图、IP 角色设计很有用，同一个角色在不同场景里不会长相飘移。
在同一个对话里持续生图是关键，不要每张图都开新对话。第一张确定角色外观后，后续每张在同一串继续说「让她出现在…」，模型会记住前面的外观。
图内文字
Nano Banana 在图片内渲染英文文字的能力比大多数 AI 图片模型好，准确率大约 87–96%。想在图片里加 slogan 或标语，英文比中文稳。
中文怎么用
Prompt 本身用中文下没问题，模型能读懂。但图片「里面」要出现中文字就要特别处理。
图内中文的现状
社区实测（非官方数据）：Nano Banana 生成图片内的中文字准确率只有七成多，常见问题是缺笔画、字序错、字形模糊。
这个问题在 Nano Banana 2 有改善，但没有完全解决。
提高图内中文准确率的技巧
1. 把要放进图里的字用引号包起来，明确标示
「设计一张海报，画面中央有「认真玩 AI」四个大字，简体中文，字体清晰锐利。」
2. 指定 4K 输出
分辨率越高，细笔画越不容易模糊：「请输出 4K 分辨率，确保文字清晰。」（需要付费方案才能真的出 4K）
3. 构图用英文、文字字段用中文
把图片的场景、风格、光线用英文描述（英文训练数据密度高，这部分生成比较稳），只在「要显示的文字」那个字段放中文字。
4. 实在不稳的字，先让 AI 用构图占位，再拿去 Canva 叠中文文字层
这个方案绕路但实际：AI 管构图和风格，文字用现有排版工具处理，质量稳得多。
免费版 vs 付费方案
| 免费版 | Google AI Pro（约 US$19.99/月） | |
|---|---|---|
| 每日生图量 | 约 20 张（高峰缩水） | 约 100 张 |
| 最高分辨率 | 1K | 4K |
| 角色一致性 | 有 | 有 |
| 对话式修图 | 有 | 有 |
| API 访问 | 需另行计费 | 有免费配额 |
另外还有 AI Plus（US$7.99/月）和 AI Ultra（US$249.99/月），各有不同配额和功能组合，以官方最新公告为准，这个数字 Google 调整频率高。
API 的话，Nano Banana 2 每张图约 US$0.039–0.07，大量生图的开发者可以这样算成本。
所有 Nano Banana 输出的图片都带有 Google 的 SynthID 隐形水印和 C2PA 来源标记，标示这是 AI 生成的内容。显示上看不出来，但技术层面是有记录的。
跟其他工具比
vs Midjourney：Midjourney 的艺术风格控制和画质上限比 Nano Banana 强，在「美感」上仍是公认的高水准。但 Midjourney 没有免费版（需要订阅），图内文字是它的弱点，也没有对话式修图。如果要的是艺术感和风格细腻度，Midjourney 值得订；如果要的是修图和整合进工作流，Nano Banana 直观很多。
vs GPT Image（ChatGPT）：GPT Image 的写实人物生成能力强，2026 年 4 月 GPT Image 2 上线后一度在 Image Arena 排行榜拿榜首。两者都支持对话式修图，能力接近。主要差异在生态：Nano Banana 整合在 Gemini 应用、可以搭配实时网络搜索一起用；GPT Image 在 ChatGPT 环境。如果你本来就用 ChatGPT，GPT Image 切换成本低；如果用 Gemini，Nano Banana 就是最自然的选择。
vs Stable Diffusion：Stable Diffusion 的优势是本地运行、真正免费（跑起来之后）、加 ControlNet 可以精细控制构图。代价是需要自己搭环境、调模型、选 LoRA，技术门槛明显较高。Nano Banana 是开箱即用，没有这些学习成本。两个定位不同，不是谁比较好的问题。
学生的话可以先看看有没有资格用 Gemini 学生方案，付费条件可能更优惠。
结论
Nano Banana 的定位很清楚：进场门槛最低的 AI 修图入口。免费、免安装，Google 账号就能开，这三点对想试试 AI 生图的人是很大的加速器。
怎么选比较快：想做 对话式修图（上传照片口语改）→ 先用 Nano Banana 免费版，绝大多数日常需求够用；想做系列角色或分镜→ 同样是 Nano Banana 2，角色一致性做得不错；想要顶级艺术风格和细节控制→ Midjourney 的位置没被取代；想在图片里放中文字→ 先跑 Nano Banana 试试，不稳的话用 Canva 补一层文字比较实际，别花太多时间跟 AI 的中文渲染较劲。
图内中文这个坑在 Nano Banana 2 目前仍然存在，改善速度还有待观察，以官方公告为准。
延伸阅读
整理：Penna｜小企鹅 Penchan