Google właśnie wypuściło Nano Banana 2, swój najnowszy model do generowania obrazu oparty na Gemini 3.1 Flash Image. Google twierdzi, że łączy w sobie możliwości klasy Pro Nano Banana Pro z wydajnością i szybkością swoich modeli Flash. Aby przetestować to twierdzenie, porównaliśmy Nano Banana 2 z Nano Banana Pro w tej wizualnej rozgrywce. W związku z tym sprawdźmy, który model generowania obrazu wygrywa.
Testowanie wiedzy ze świata rzeczywistego
Mój pierwszy test zacząłem od wiedzy ze świata rzeczywistego, ponieważ Nano Banana 2 ma teraz dostęp do Internetu, podobnie jak większy model Nano Banana Pro. Po prostu poprosiłem oba modele obrazów o wygenerowanie obrazu aktualnie najwyższego budynku na świecie i oznaczenie jego nazwy.
Model Nano Banana 2, mimo że jest tańszy i niewielkich rozmiarów, spisał się fenomenalnie i poprawnie oznaczony Burj Khalifa. Z drugiej strony Nano Banana Pro poprawnie wyrenderował obraz, ale dodał małe pole tekstowe w lewym dolnym rogu. Moim zdaniem, Nano Banana 2 z łatwością wygrał tę rundę.
Utwórz szczegółową infografikę
Następnie poprosiłem oba modele obrazów o wygenerowanie szczegółowej infografiki na temat backdoora XZ Utils wykrytego w systemie Linux w 2024 r. Ponieważ była to złożona operacja, chciałem zobaczyć, jak sobie radzą i wyjaśnić wysoce wyrafinowany atak. I byłem zdumiony, gdy zobaczyłem Nano Banana 2 prawie udało mi się ustalić wszystkie szczegóły ze świetnym harmonogramem wszystkich najważniejszych osiągnięć, deklasując Nano Banana Pro. Zatem także pod względem generowania infografik Nano Banana 2 ma przewagę.
Testowanie renderowania tekstu
Google twierdzi, że Nano Banana 2 tak znacznie lepiej renderuje tekstwięc rzuciłem mnóstwo gęstego tekstu i poprosiłem oba modele o wygenerowanie obrazu książki zawierającej tekst. Przeczytałem tekst na obu obrazach i są one czytelne, ale obraz wygenerowany przez Nano Banana 2 tak poprawiona czytelność dzięki lepszym odstępom. Jest również dobrze sformatowany, co poprawia komfort czytania. Jeśli chodzi o renderowanie tekstu, Nano Banana 2 jest obecnie wiodącym modelem obrazu na rynku.
Poniżej instrukcja testowania
Następnie przystąpiłem do testowania instrukcji dotyczących obu modeli. Wiemy, że modele obrazów mają problemy z renderowaniem zegara i palca. Poprosiłem więc Nano Banana 2 i Nano Banana Pro o wygenerowanie obrazu z wyraźnie widocznymi palcami, kieliszkiem do wina wypełnionym po brzegi czerwonym winem i zegarem ściennym wskazującym 7:42.
Tutaj, oba modele nie postępowały zgodnie z instrukcjami i nie mogłem poprawnie wyrenderować zegara. Poza tym nie pokazali też pełnego kieliszka do wina. A palce były widoczne tylko na obrazie wygenerowanym przez Nano Banana 2. Ogólnie rzecz biorąc, powiedziałbym, że przezwyciężenie błędu uczenia się modelu jest trudnym problemem w AI/ML i Google będzie musiał pracować, aby rozwiązać ten problem w poniższych instrukcjach.
Testowanie fotorealizmu
Teraz, aby przetestować fotorealizm i obrazy o wysokiej wierności, poprosiłem oba modele obrazów o wygenerowanie fotorealistycznego portretu starszego rybaka o złotej godzinie. Moim zdaniem Nano Banan 2 wygenerował bardziej realistyczny obraz z pomarszczoną skórą, podświetlonym oceanem i spójnością środowiska. Zdjęcie też wygląda dość wiarygodnie, dlatego kieruję się do Nano Banana 2.
Testowanie tłumaczenia w obrazie
Następnie, aby przetestować tłumaczenie w obrazie, zachowując jednocześnie spójność ogólnego obrazu, przesyłam plakat przedstawiający Claude’a w języku angielskim i poprosiłem obie modelki o przetłumaczenie go na francuski. W tym teście zarówno Nano Banana 2, jak i Nano Banana Pro nie udało się przetłumaczyć całego tekstu na obrazku. Poza nagłówkiem żaden tekst nie został przetłumaczony. To powiedziawszy, Nano Banana Pro próbował przetłumaczyć opis, ale jakoś nie powiódł się w połowie.
Testowanie spójności znaków
Aby ocenić spójność charakteru, przesłałem zdjęcie kobiety o jasnej twarzy i poprosiłem obie modelki o pokazanie różnych emocji. Obejmowało szereg emocji, takich jak radość, smutek, złość, zdziwienie, obrzydzenie i strach. Jak twierdził Google, Nano Banana 2 rzeczywiście zapewnił lepsze wyniki i zachował spójność charakteru na wszystkich wyjściach. The wyraz twarzy też jest lepszy renderowane przez Nano Banana 2.
Projekt postaci z anime
Na koniec przetestowałem projekt postaci anime na obu modelach obrazów. Poprosiłem ich o wygenerowanie arkusza postaci z anime przedstawiającego całe ciało samurajki. Jak widać obraz wygenerowany przez Nano Banana 2 ma lepsze czerwone akcenty i zachowuje spójność charakteru pod wieloma kątami. Zbroja też jest dobrze szczegółowea zbliżenia twarzy są bardziej emocjonalne.
Który jest lepszy: Nano Banana 2 czy Nano Banana Pro?
Podsumowując, Google wykonało godną pochwały pracę, ucząc mniejszy model Nano Banana 2 (Gemini 3.1 Flash Image) z tak skomplikowanymi szczegółami. Podczas moich testów stwierdziłem, że jest lepszy niemal pod każdym względem od większego modelu Nano Banana Pro (bazującego na Gemini 3 Pro Image). Oznacza to również, że Google ma solidne podstawy, jeśli chodzi o destylację wiedzy z większych modeli w szybsze i bardziej wydajne.
Rodzina modeli językowych Flash niezmiennie zapewnia pierwszorzędną wydajność przy niższych kosztach i niższych opóźnieniach. Teraz osiągamy ten sam postęp w generowaniu obrazów AI. Podsumowując, Nano Banana 2 to obecnie mój ulubiony model obrazu i myślę, że dopiero kolejny wariant Pro będzie w stanie go przebić.