谷歌NanoBananaPro实测！生图+推理双在线，AI已能看懂世界？

文：奇史怪谈

编辑：奇史怪谈

谷歌新AI实测，NanoBananaPro不止会画图，还能当"推理大师"？

谷歌最近在AI圈动作频频，前脚刚推出Gemini3和Antigravity，后脚就把NanoBananaPro塞进了VertexAI。

这款名叫gemini-3-pro-image-preview的模型，本来以为只是个普通生图工具，实测一圈下来才发现，这货已经悄悄解锁了"推理技能"。

我第一个测试就玩了把大的，让科技圈五大巨头和二次元角色开视频会议。

提示词里写得明明白白，要Zoom风格的界面，六个参会者各有各的造型和表情，还特意让二次元角色转头右上方。

一开始真没抱太高期待，马斯克、扎克伯格这些人都是大众脸，稍微画偏一点就会穿帮。

结果NanoBananaPro交出的答卷相当惊喜，每个人的特征都抓得很准，SamAltman的专注、马斯克的浅笑，连SundarPichai的黑框眼镜和胡子都还原到位了。

更有意思的是跨次元融合，二次元角色没有被强行改成写实风，保留着自己的二维质感，放在真实会议画面里居然不违和。

最让我意外的是那个转头指令，本来想测试它会不会敷衍了事，结果它不仅让角色转了头，还懂视频会议是镜像的，从我们视角看，角色其实是转向左上方。

更绝的是细节补充，每位CEO身后都加上了对应公司的logo，右下角聊天框里的内容也和他们的身份匹配，连拼写错误都没有。

这哪是生图啊，简直是在还原一个真实的会议场景。

玩完跨次元，我又测试了它的文字处理能力，让它生成英、中、日、俄四种语言的菜单。

每种菜单都指定了版式、风格和分类，比如川菜菜单要标注"招牌川菜""热菜"，还要有辣椒、花椒的小插画。

从整体效果看，NanoBananaPro的排版能力没话说，川菜菜单的"大正宗川味小馆"标题很有那味儿，分类也完全按照提示词来。

日本居酒屋菜单的"おすすめ""焼き物"等标题规范，俄罗斯菜单的字体和插画也贴合传统风格。

但只要凑近了看文字细节，AI的马脚就露出来了，川菜菜单里，"蒜泥"两个字模糊不清，58元的菜品名称直接认不出是什么。

这短板也太明显了，它能完美还原提示词里的文字，但自己生成的文字就没谱了。

为了验证这个想法，我把完整的川菜菜单文字都写进提示词，结果生成的菜单虽然部分字体有点虚，但所有菜品名称和价格都准确还原了。

看来文字生成这块，它还得再修炼修炼。

既然文字测试里用到了川菜菜单，我干脆再考考它中国独有的文化场景，先让它给一只手看手相，再问它"对肾好该按哪里"。

看手相的结果有点意思，NanoBananaPro确实画出了生命线、感情线和智慧线，像模像样的，但仔细一看，智慧线和感情线居然画反了。

这就有点尴尬了，看来它对中医手相的深层逻辑还没吃透。

不过足底穴位的测试倒是挽回了一局，它明确指出对肾好要按涌泉穴，还精准标注了穴位位置，这波常识储备值得点赞。

如此看来，NanoBananaPro对中国文化的理解处于"一知半解"的状态，能get到核心知识点，但细节上容易出错。

这可能和训练数据有关，毕竟中医穴位、手相这类文化内容，需要更精准的标注才能保证生成质量。

最后我突发奇想，既然它能理解场景和常识，会不会还能处理逻辑问题？于是找了两道初中数学题，一道代数题一道几何题，让它生成解题过程。

本来想的是，生图模型做数学题大概率是瞎蒙，无奈本人数学早就还给老师了，只好请GPT5来当裁判。

结果让我大吃一惊，代数题在默认实数条件下解答完全成立，几何题的答案也和GPT5的计算结果一致。

毫无疑问，这是这次测试最意外的收获，传统生图模型只懂像素拼接，而NanoBananaPro已经能理解数学逻辑，先在脑子里算出答案，再把解题过程画出来。

这种"推理+生成"的模式，已经超出了普通生图工具的范畴，整体测下来，NanoBananaPro让我看到了AI生图的新可能。

它既能精准还原人物、场景细节，又能理解语义逻辑、文化常识，甚至还能解数学题，但它也不是完美的，文字生成、文化细节等方面还有明显短板。

说到底，这款模型的核心突破在于"不再机械生成，而是学会思考"，它正在搭建一个粗糙的世界观，知道谁属于哪个公司，菜单该是什么版式，数学题该怎么解答。

虽然现在还有不少bug，但这种进化方向很值得期待。

不知道您对此有什么看法呢？欢迎在下方评论区留下你的想法，喜欢文章记得点赞关注我们下期再见。