2025年11月21日，CNET发布对 Google 最新图像生成模型 Nano Banana Pro 的评测，文章直言模型输出的图像“逼真到令人害怕”。CNET 在多组示例中挑选了人像、室内场景与静物，放大观测每一处细节：皮肤的毛孔与微小瑕疵、镜面反光处的高光溢出、头发丝间的光线散射和衣物纤维的层次感。这些细节不是简单的“更清晰”，而是包含了物理光照、景深和材质反应的综合表现。
测试图片的一组人像展示了模型在处理眼神与瞳孔反光时的进步：眼白与虹膜之间的细小颜色过渡、湿润光泽以及眼角反射位置都与真实照片高度一致；另一个室内示例中，一盏台灯在金属花纹上的反射带来了真实世界中常见的高光细节与微小模糊，使得观察者难以立即断定图片来源。
CNET 指出，Nano Banana Pro 不只是把清晰度拉升那么简单，模型似乎能够在不同尺度同时复现信息，从整体构图到毫米级的表面纹理。作者在文章里反复强调，面对这些样例，人们剩下的“判别痕迹”被显著抹去：对焦缺陷、光线不合逻辑的地方、或是不自然的毛发边缘，这些传统上帮助区分合成与真实影像的线索正在消失。
这项进展伴随着现实问题：一是检测难度上升，现有的自动或人工鉴定手段可能需要重训练；二是滥用风险，包括深度伪造、虚假新闻与身份欺诈，将因更难识别而变得更具威胁性。CNET 在评测中亦提到，尽管 Google 一向强调安全和限制访问，但技术本身扩散后，监管和行业应对速度可能跟不上模型能力提升。
关于公开策略与技术细节，CNET 报道显示 Google 在说明中强调了数项防护思路——比如嵌入可检测的水印、控制模型访问与合作伙伴审查——但文章作者对这些措施能否在广泛应用面前奏效保持怀疑。作者写道：当生成图像能在显微层面模拟现实光学反应时，单靠后端检测或声明来源可能无法完全遏制误用。
Nano Banana Pro 在 2025 年 11 月的公开示例令业界再次面对一个事实：图像生成的视觉门槛正在被打破。技术带来创新创作机会的同时，也迫使研究者、平台和监管者更快地就可识别标识、数据透明度与责任承担建立新的标准。CNET 的直观感受是：当看到一张图像无法被直觉分辨为“真”或“造”时，我们必须更严肃地面对随之而来的社会与伦理问题。