2025年11月21日，CNET發佈對 Google 最新圖像生成模型 Nano Banana Pro 嘅評測，文章直言模型輸出嘅圖像「逼真到令人驚恐」。CNET 係多組示例中揀咗人像、室內場景同靜物，放大觀察每一處細節：皮膚毛孔同細微瑕疵、鏡面反光嘅高光溢出、頭髮間嘅光線散射同衣物纖維嘅層次感。呢啲細節唔係簡單咁「更清晰」，而係包含物理光照、景深同材質反應嘅綜合表現。
測試圖片其中一組人像展示咗模型喺處理眼神同瞳孔反光時嘅進步：眼白同虹膜之間嘅細微顏色過度、濕潤光澤以及眼角反射位置都同真實相片高度一致；另一個室內示例入面，一盞檯燈喺金屬花紋上嘅反射帶嚟咗真實世界常見嘅高光細節同微小模糊，令觀察者難以即刻判定圖片來源。
CNET 指出，Nano Banana Pro 唔只係單純提升清晰度，模型似乎能夠喺唔同尺度同時復現資訊，從整體構圖到毫米級嘅表面紋理。作者喺文章裏反覆強調，面對呢啲樣本，人哋剩低嘅「判別痕跡」被顯著抹去：對焦缺陷、光線唔合邏輯嘅地方，或者唔自然嘅毛髮邊緣，呢啲傳統上幫助分辨合成同真實影像嘅線索正喺消失。
呢項進展伴隨住現實問題：第一，檢測難度上升，現有嘅自動或者人工鑑定手段可能需要重新訓練；第二，濫用風險，包括深偽、虛假新聞同身份詐騙，因為更難識別而變得更具威脅性。CNET 喺評測亦提到，儘管 Google 一向強調安全同限制訪問，但技術本身擴散後，監管同業界應對速度可能追唔上模型能力提升。
關於公開策略同技術細節，CNET 報道指 Google 喺說明中強調咗幾項防護思路——例如嵌入可檢測嘅水印、控制模型訪問同合作夥伴審查——但文章作者對呢啲措施喺廣泛應用面前能否奏效保持懷疑。作者寫道：當生成圖像能喺顯微層面模擬現實光學反應時，單靠後端檢測或者聲明來源可能無法完全遏止誤用。
Nano Banana Pro 喺 2025 年 11 月公開嘅示例令業界再次面對一個事實：圖像生成嘅視覺門檻正被打破。技術帶嚟創作機會嘅同時，亦迫使研究者、平台同監管者更快就可識別標誌、數據透明度同責任承擔建立新嘅標準。CNET 嘅直觀感受係：當見到一張圖像無法被直覺分辨係「真」定「造」時，我哋必須更嚴肅咁面對隨之而來嘅社會同倫理問題。