2025年11月20日 — Wired 嘅上手評測指出，Google 名叫「Nano Banana Pro」嘅圖像生成模型最突出的進步唔係更加逼真嘅皮膚或者複雜光影，而係佢喺圖像內直接生成可讀文本嘅能力，呢樣被視為今次升級嘅最大亮點，特別係對於中文/日文等非字母型文字體系嘅渲染上。評測者話，當佢哋輸入包含品牌名、街頭海報或 T 恤口號嘅提示詞後，輸出入面嘅字母比往常更整齊，單詞形態完整性有明顯提升。
文章舉咗幾個場景：將一句英文口號渲染到徽標、把菜單文字放到咖啡館招牌上、以及係卡通角色旁邊加入說明文本。舊有模型常見字母錯位、字符糾埋一齊或者生成「睇落似單詞」嘅符號，但 Nano Banana Pro 喺大部分範例能夠將「coffee」「open」呢啲短詞寫到可辨認嘅字形。Wired 記錄多次生成結果：短詞成功率高，但長段落或者細字仍會出現字母倒置、重複或奇怪嘅連筆。
技術層面，報道指出呢款模型喺架構同訓練上做咗輕量化同細緻化嘅優化，令佢喺保持視覺細節嘅同時對字形學習更敏感。上手測試裏面嘅分辨率同複雜場景（例如多層疊放嘅廣告牌或反光材質）顯示，模型對文字嘅語義關係都有一定「理解」——佢會優先將品牌名或者提示入面嘅關鍵詞放喺視覺焦點，但有時亦會為咗配合透視或紋理而令文本變形。
速度方面，Wired 喺本地雲端實例觀察到：生成一張中等分辨率嘅樣圖需時幾秒到十幾秒不等，視乎細節同有冇開啟多次重採樣。相比更大型嘅旗艦模型，Nano Banana Pro 喺響應時間上更友好，亦代表佢更大機會被企業用喺實時創作工具或廣告製作流水線。
不過，文章同時提醒兩個風險：一係更可靠嘅「可讀文本」能力會降低偽造證據、生成虛假廣告或者誤導性物料嘅門檻；二係商業化應用會推動公司將呢類工具整合入設計、營銷同電商流程，從而放大濫用嘅速度。Wired 提到 Google 喺模型入面加入咗內容過濾同水印策略，但評測中未見到可以完全阻止帶文本嘅誤導性圖像生成。
評測者仲詳細記錄咗樣圖入面嘅小瑕疵：數字喺特定字體下出現鏡像、標點符號位置偏移、以及跨語言文本（例如英漢混排）時嘅錯位問題。呢啲現象提示，儘管喺短詞同標誌生成上已有突破，但喺長文本、高保真排版同多語種一致性方面仍然要改進。
總結上，Wired 認為 Nano Banana Pro 係一次「實用主義」嘅進步：佢將生成圖像中可讀文本嘅能力提升到足以進入商業試用嘅門檻，同時保持較低嘅計算成本。對設計師、內容創作者同廣告公司嚟講，呢個係一個可以快速試驗視覺創意嘅工具；對監管機構同平台嚟講，則意味住要更快更新濫用檢測同歸責框架。
呢篇上手報道將焦點放喺一個細節：當 AI 開始「識寫字」——唔止係畫圖——佢對創作流程同資訊傳播嘅影響比我哋原先估計嘅更直接、更容易被放大。