都在传国产开源平替 Nano Banana？真相如何，一手实测来了|banana|image|nano|命令提示符|开源平替

★ 设为星标 | 只讲人话，带你玩转AIGC。

说到文生图，大家心里可能都有个“白月光”，那就是谷歌的 Nano Banana Pro（下文简称 NBP）。

有一说一，NBP 确实是现阶段实打实的王者，尤其是叠加了 Gemini 大模型后，那魔法简直了。

最让我佩服的是，它基本解决了 AI 绘图界的一大顽疾——文字生成，特别是汉字。

但这两天，我突然发现一款国产工具冲上了热榜。

我一看，好家伙，它居然在“写汉字”这个领域，把 NBP 给超了？

图：GLM-Image在文字渲染的权威榜单中达到开源 SOTA水平

不仅如此，它还是个开源的。

它就是刚刚上市的 AI 第一股智谱出品的 GLM Image。

废话不多说，咱们不看参数，直接上“地狱级”实测。

它到底能不能打？

01 终于能听懂“人话”了，尤其是中文

既然，在写汉字这个事情上屠榜，那我们就先来试试它。

提示词：中国传统水墨画风格。画面是一座雄伟的古楼（鹳雀楼），背景是夕阳依山而落，黄河奔腾入海的壮观景象。在画面的留白处，用毛笔行书字体写下整首唐诗：“白日依山尽，黄河入海流。欲穷千里目，更上一层楼。”画风古朴典雅，宣纸纹理。

看到这张图我松了一口气，字写得相当准确，没有出现那种常见的“鬼画符”的情况。

虽然这个例子对现在的模型来说不算太难，但能把整首诗完整写对，起码及格线是稳了。

好，既然简单的过了，咱们上强度。

提示词：一张极具史诗感和科技感的商业电影海报。画面采用极具视觉冲击力的人物面部超大特写，主体是一位中年科技商业领袖男主角，面容沧桑坚毅，目光深邃地直视镜头。整个画面（包括人物面部皮肤、头发和背景）都叠加着密集的、发光的金色数据流代码、抽象电路板线条和数字噪点纹理，营造出一种被数字化信息包裹的力量感。整体色调为辉煌、厚重的暖金色调，光影对比强烈。海报下方三分之一处，巨大的粗体金属质感中文标题“破局者”横跨画面，带有厚重的立体光效。标题上方是较小的副标题“决胜全球芯片战争始末”。最底部是小字上映信息：“2025年春节档震撼上映 | IMAX 3D”。文字排版层级分明，与人物肖像在空间上形成紧密的叠加关系。

坦率说，这张海报的文字处理真的惊艳到我了。

“破局者”三个大字非常有张力，其他小字也都能清晰识别。

看起来，在这个特定领域，GLM Image 真的赶得上 NBP 这种商业闭源神器了。

不过，我感觉它在处理很多文字都时候，不是很稳定，有时候需要多抽几次卡才能出完美效果。

看下跟 NBP 的对比。

图：GLM Image 对比 NBP 的多文字处理

但考虑到它是免费开源的，这点“小脾气”我觉得完全可以接受。

测到这里，我感觉它还是有点东西。这可能是目前开源模型里，对中文处理最强的。

以前这种图，Nano Banana 根本没法处理（Pro 才可以），Midjourney 更是完全不支持中文。

连这些国外商业巨头都头疼的问题，让一个国产开源模型解决了，这不得不佩服。

02 审美在线：从宋词意境到王家卫美学

光能写字还不够，图画得丑也不行。

很多国产模型最大的问题是“土”，或者有一股浓浓的塑料“AI 味”，甚至有些默认生成的是外国人。

GLM 的审美在线吗？画质和光影呢？

我们细看之前那张图，非常有电影感，也符合那首宋词的意境。

提示词：一张极具电影感的纪实摄影作品。场景是雨后的清晨，一座古朴典雅的中式庭院。一位身着宋代服饰的女子站在木制窗棂后，轻轻卷起珠帘向外张望。窗外的庭院里，湿润的地面上散落着被打落的红色海棠花瓣（红瘦），而枝头经过雨水滋润的绿叶显得格外翠绿茂盛，挂着水珠（绿肥）。空气中充满湿润感，柔和的自然光。

人的眼睛对人像最敏感，咱们再来个高难度的“王家卫风格”。

提示词：一位冷艳的亚洲时尚女性，留着利落的湿发造型（Wet Look），身穿深祖母绿的亮片晚礼服，佩戴夸张的银色流苏耳环，材质上形成反光亮片与金属冷感的碰撞。她侧卧在平静的深蓝色水面上，背景是大面积高饱和度的克莱因蓝，营造出深邃静谧的包裹感。光影采用棱镜折射效果（Prism Effect），在人物面部投下彩虹般的破碎光斑，并带有微弱的慢门拖影（Motion Blur），赋予画面一种流动的迷幻感。构图采用上帝视角（Top-down shot），王家卫电影美学，高噪点胶片质感，艺术摄影风格。

这张图的完成度非常高。

不仅逼真，关键是水面的倒影、棱镜的折射光斑，处理得非常有质感。

为了防止它是“运气好”，我又测了个极端的——当复杂的毛发遇上暴风雪。

这通常是 AI 的“死穴”，很容易糊成一团。

提示词：一只雪豹的正面特写，漫天风雪，眼神犀利直视镜头，毛发上挂着冰渣和雪花，背景是模糊的雪山，国家地理风格，超高清

大家放大看细节。

风雪和毛发的交互很真实，雪花是“陷”在毛发里的，而不是浮在表面，眼神的那种野性也抓住了。

不得不说，这张图堪称完美。

小遗憾：目前还不支持原生 4K 输出（盲猜是算力成本问题），放大看极微小的细节还是会有一点点涂抹感，但发朋友圈或做配图绰绰有余。

图：GLM Image 支持多种分辨率

03 搞钱神器：海报和封面，它真能干活

测到这，我觉得它已经不仅仅是个玩具了。

解锁了“文字”+“画质”这两个技能包，意味着什么？意味着它能帮我们干活了！

我是做内容的，以前做小红书封面，要么去素材网找图改，要么买 Canva 会员。

但我发现，GLM Image 处理这种图文结合的封面，似乎非常在行。

提示词：一张极具吸引力的小红书/YouTube 视频封面图，波普艺术拼贴风格。画面主体是一位年轻可爱的亚洲职场女性，留着短发，戴着黑框眼镜，身穿白衬衫和黄色背带裤。她双手托腮，对着镜头做出夸张惊讶的表情（O型嘴），人物周围有一圈明显的白色描边（贴纸效果），将她与背景的模糊办公室环境隔离开来。视觉设计包含上下边缘的黄色撕纸纹理效果。画面顶部有巨大的、黑色的粗体中文字体，印在黄色的矩形色块背景上，第一行写‘职场菜鸟’，第二行写‘生存法则’。人物右侧悬浮着手写体的中文标签‘干货满满’和‘建议收藏’，以及一个波普风格的英文单词‘WOW’。画面点缀着卡通灯泡图标、卡通眼睛贴纸和闪烁的星星符号。整体色调以明亮的黄色和黑白色为主，高饱和度，视觉冲击力强。”

图：GLM Image 生成的图片

是不是有点意思？

甚至 NBP 很拿手的“信息图表”，GLM 也能模仿个七七八八：

图：生成一张咖啡制作的信息图

提示词：创建一个展示如何制作面包的信息图表

这里我要客观说一句：如果是特别复杂、步骤特别多的信息图，NBP 依然更胜一筹，毕竟人家底层模型的参数量摆在那。

但在 GLM 里，如果把提示词写得很详细具体，其实也能得到那样的图。

图：通过详细的提示词生成的信息图

极简风的产品海报，GLM Image 也是信手拈来：

提示词：一张极具奢华感的高端护肤品广告海报。画面中央是一瓶半透明的琥珀色精华液瓶身，瓶身表面有精致的金色烫金文字。瓶子置于平静的水面上，周围有金色的涟漪和飞溅的水珠，光影呈现出剔透的琉璃质感。背景是深邃的渐变黑金色。画面上方留白处，使用优雅纤细的中文衬线字体（宋体风格）排版：‘凝时・新生’。下方是一行较小的英文：‘TIMELESS BEAUTY’。整体风格追求极致的纯净与奢华，微距摄影视角。

还有这种速度感的汽车海报：

提示词：一张充满速度感的电动超跑商业海报。一辆银灰色的流线型概念跑车正在深邃的未来隧道中极速飞驰。背景的灯光因为高速移动拉成了长长的霓虹光流（Motion blur），而车身主体清晰锐利，车漆反射着周围流动的光影，金属质感极强。画面采用倾斜构图，极具视觉冲击力。左上角排版巨大的、粗体倾斜的无衬线中文字体：‘极速・由此定义’。右下角是汽车品牌Logo和一行小字‘未来已来’。冷色调，赛博朋克与工业设计的完美结合。

作为一款文生图的模型，GLM Image 目前还不支持修图，所以相对来讲比较简单，不知道后期会不会有这些功能，包括参考图等。

网上很多人把 GLM Image 称为 Nano Banana 的“国产平替”或“开源平替”。

但我扒了一下它的底，发现事情没那么简单。

它底层用的是一种很新的“自回归 + 扩散”架构。

简单说，就是用大模型的脑子去“听懂话”，再用绘画模型的笔去“抠细节” 。这也是为什么它能把复杂的汉字写对的核心原因。

更硬核的是，它是智谱联合华为昇腾和昇思 MindSpore 硬磕出来的，从里到外都是纯国产算力。

当然，最吸引我的还是开源。

如果你在意数据隐私，或者公司想省成本，完全可以把它下载下来本地部署。

不用联网也能跑，相当于拥有了一个私有的绘图工作台，这点对企业太香了。

别光听我说，建议直接上手试，小白用户直接去 bigmodel.cn 免费体验：