Nano Banana Pro kontra Nano Banana 2: ten sam prompt, dziewięć obrazów, trzy prawdziwe różnice
Porównań tych dwóch modeli obrazu AI nie brakuje. Kłopot w tym, że większość po prostu wrzuca obrazki, nie podając warunków. Inny prompt, inne proporcje, czasem nawet inna rozdzielczość — a potem wyrok. Z takim wnioskiem nie da się nic zrobić.
Zablokowałem więc wszystkie zmienne: ten sam prompt, te same proporcje, ta sama rozdzielczość, zmienia się tylko model. Trzy scenariusze plus jeden eksperyment poboczny, w sumie dziewięć generacji. Poniżej to, co z tego wyszło — w tym miejsca, w których oba modele się wywróciły.
Dlaczego porównuje się właśnie te dwa
Na liście modeli w generatorze obrazów AI stoją obok siebie, a ich panele parametrów wyglądają niemal identycznie: prompt, proporcje, rozdzielczość, obrazy referencyjne, 1k / 2k / 4k, po dziesięć proporcji. Pierwsze, co przychodzi ludziom do głowy: Pro to po prostu ten droższy.
To nie są dwa poziomy tego samego modelu. Jedna nazwa nosi wariant, druga numer generacji, a różnice, które mają znaczenie, nie leżą w tym, który jest ostrzejszy. Uruchom je równolegle i zobaczysz, że oba czytają to samo zdanie inaczej.
Najpierw warunki testu
Wszystkie trzy prompty napisałem po angielsku, w jednym podejściu, i potem ich nie ruszałem. Po dwa obrazy na rundę, parametry identyczne poza modelem:
- Rundy z gęstą sceną i tekstem: 16:9, 2k
- Runda z postacią: 1:1, 2k, oba modele dostają ten sam obraz referencyjny
- Nano Banana 2 na domyślnym poziomie myślenia (poza eksperymentem pobocznym)
Obraz referencyjny do rundy z postacią to wygenerowane osobno zdjęcie castingowe: szare tło, równe światło z przodu, bez makijażu, kamera na wysokości oczu. Takie czyste zdjęcie bazowe jest warunkiem wstępnym testowania spójności postaci — przy zabieganym tle albo świetle kierunkowym nie odróżnisz już, czy zniosło model, czy referencja niosła zbyt wiele szumu.
Jeśli nie chcesz odpalać ich po kolei, takie porównania wygodniej prowadzić na generatywnym płótnie: rozgałęź jeden prompt na dwa węzły i zostaw wyniki obok siebie.
Runda 1: gęsta scena
Prompt opisywał śniadaniowe stoisko wczesnym rankiem: sześć potraw, sprzedawca w białym fartuchu podający papierową torbę, kolejka za nim, stos bambusowych parowarów po lewej, rower oparty o ścianę po prawej, wiszące żarówki, poranna mgiełka. Celowo dużo do utrzymania.
Nano Banana Pro zwrócił coś, co czyta się jak fotografia. Konsekwentna chłodna szarość, czysta głębia, mgiełka i światło zgadzają się ze sobą, większość zamówionych elementów jest na miejscu. Ale odczytanie scenerii jest wstrzemięźliwe: na blacie stoi kilka stalowych misek i nie powiesz, czy to sześć potraw czy cztery. Nigdzie ani jednego szyldu.
Nano Banana 2 zrobił odwrotnie i zapchał kadr: smażone paluchy z ciasta, bułeczki na parze, pierożki, placki, makaron, tofu — sześć i więcej, do policzenia jednym spojrzeniem. Na ścianie wisi szyld z nazwą lokalu, dalej w głębi ulicy widać jeszcze dwa, a ktoś nakleił na futrynie kod QR do płatności. Nic z tego nie było w prompcie. Model dodał to sam.
Przy „sześciu różnych potrawach" drugi obraz jest bliżej tego, o co prosiłem. Przy atmosferze wolę pierwszy. Nie ogłaszam tu zwycięzcy, bo odpowiedź zależy od tego, czy chcesz nastroju, czy gęstości informacji.
Oba pękły w tym samym miejscu: dłonie. U Nano Banana Pro lewa ręka sprzedawcy nad garnkiem ma zrośnięte palce. U Nano Banana 2 miejsce, w którym dwie dłonie przekazują sobie torbę, zamienia się w smugę. Fizyczna interakcja między ludźmi wciąż jest najkruchszą częścią kadru i żaden z modeli tego nie rozwiązał.
Runda 2: utrzymać tę samą twarz
Ta runda zmienia dokładnie jedną rzecz: postawić osobę ze zdjęcia castingowego na ulicy o zmierzchu, dodać ciepłe światło z boku od dołu, rozmyć szyldy za jej plecami. Prompt wyraźnie prosił o tę samą osobę, ten sam kąt i to samo kadrowanie.
Referencja po lewej, Nano Banana Pro w środku, Nano Banana 2 po prawej.
Nano Banana Pro przeniósł ją praktycznie nietkniętą. Kształt brwi, odstęp oczu, szerokość grzbietu nosa, linia ust, linia włosów — przetrwały nawet wymykające się pasemka i czarny top. Czyta się to jako tę samą osobę sfotografowaną innego dnia.
Wersja Nano Banana 2 jest rozpoznawalna jako „ktoś, kto jest do niej podobny", ale się zmieniła: szersza twarz, bardziej kwadratowa szczęka, grubsza skóra, kilka lat starsza, włosy bardziej przylegające do głowy. Sama w sobie nie razi. Obok referencji — wyraźnie tak.
Jeśli robisz coś, w czym jedna postać musi wracać z obrazu na obraz — storyboard, książkę obrazkową, serię plakatów — sama ta różnica wybiera model za ciebie.
Ale nie wręczaj jeszcze Pro pucharu: prompt prosił o to samo kadrowanie, a oba modele z własnej inicjatywy podjechały bliżej. Referencja to kadr do popiersia, oba wyniki wróciły jako ciasne zbliżenia. Żaden nie posłuchał.
Runda 3: tekst w obrazie
To była runda, w której spodziewałem się pogromu. Prompt wymagał odręcznie zapisanej kawiarnianej tablicy z dokładnym napisem OPEN TODAY 7AM - 4PM, a pod nim mniejszą linią FLAT WHITE 4.50.
Nano Banana Pro trafił wszystkie trzy linie, a kreda wygląda wiarygodnie. Cenę zapisał jako 4·50 z kropką w środku, co jest normalnym sposobem odręcznego pisania ceny na tablicy — nie liczę tego jako błędu.
Nano Banana 2 też trafił wszystkie zamówione linie, po czym dorzucił ikonkę filiżanki i ozdobny zawijas, o które nikt nie prosił — i pękł w jedynym miejscu, w którym nie miał nic pisać. Nazwa lokalu na markizie powinna brzmieć THE DAILY GRIND; pierwsze słowo rozsypało się w coś nieczytelnego.
Wzór powtórzył się we wszystkich trzech rundach: tekst, o który prosisz wprost, oba modele dziś zapisują poprawnie; błędy zawsze siedzą w tekście, który model dodał sam z siebie. Ta sama historia w scenie ulicznej: szyldy wymyślone przez Nano Banana 2 są czytelne, a wymyślona równie samodzielnie mała lista cen to czysty bełkot. Jeśli potrzebujesz pewnych napisów, wpisz dokładne słowa do promptu i zostaw modelowi jak najmniej miejsca na improwizację.
Przypis: z pięciu wyników Nano Banana 2 jeden wrócił z białą ramką po wszystkich czterech bokach, którą trzeba było obciąć. Zdarzyło się raz, więc nie nazwę tego defektem — ale przy generowaniu seryjnym warto na to zerknąć.
Co właściwie robi „poziom myślenia" w Nano Banana 2
Tu panele naprawdę się różnią. Nano Banana 2 ma dwa dodatkowe przełączniki: wyszukiwanie obrazów oraz poziom myślenia, który można ustawić na minimalny, domyślny albo wysoki. Nano Banana Pro oferuje tylko wyszukiwanie w sieci.
Wziąłem prompt ze stoiskiem i uruchomiłem wszystkie trzy poziomy po jednym razie.
Od lewej: minimalny, domyślny, wysoki. Kluczowe elementy przetrwały we wszystkich trzech — sprzedawca, papierowa torba, kolejka, parowary, rower, nic nie zginęło. Zmiana leży gdzie indziej: im wyższy poziom, tym mniej tekstu model wymyśla i tym więcej z niego jest poprawne. Minimalny jest najbardziej hałaśliwy, z kilkoma plakatami, których drobny druk to kasza. Wysoki zostawił tylko pionowy szyld i dwie czy trzy czyste, czytelne tablice z cenami, a kompozycja wyraźnie się uspokoiła.
Zachowuje się zatem mniej jak szczebel jakości, a bardziej jak gałka od tego, jak starannie model pracuje. Ceną jest czas: wysoki zajął tu około stu sekund, przy nieco ponad sześćdziesięciu dla domyślnego — prawie o połowę więcej. Jedna obserwacja, z czasem w kolejce — nie traktuj tego jak pomiaru odniesienia, ale kierunek jest jasny.
Który wybrać
Po dziewięciu obrazach moje wnioski są bardziej konkretne niż na początku:
Jeśli jedna postać ma wracać, weź Nano Banana Pro. Różnica w rundzie spójności to nie kwestia gustu, tylko tego, czy wynik da się użyć.
Jeśli chcesz gęstą scenę, która sama hoduje detale, weź Nano Banana 2. Jego wyobraźnia co do otoczenia jest żywsza, a szyldy, naklejki i sprzęty, o których nigdy nie wspomniałeś, dopełnią się same — wygodne przy tłach i planach nastrojowych.
Jeśli obraz potrzebuje dokładnych napisów, oba się nadadzą, ale przybij słowa w prompcie. Nie licz na to, co model napisze z własnej woli.
W razie wątpliwości prototypuj na Nano Banana 2. Kosztuje trochę mniej za obraz i na poziomie domyślnym jest szybszy, co pasuje do szukania promptu; kiedy kierunek jest ustalony, a twarz musi się trzymać, przejdź na Nano Banana Pro do wersji finalnej.
Jeśli chcesz zmienić fragment, a nie przerysować wszystko, żaden z nich nie jest pierwszym wyborem. Użyj zamiast tego edytora obrazów AI: zamalowujesz obszar, zmieniasz tylko jego i nie rzucasz kostką na nowo całym kadrem.
Na koniec uczciwie: każdą rundę uruchomiłem tylko raz, bez powtórzeń, a inny seed może odwrócić pojedynczy wniosek. Jeśli decydujesz dla prawdziwego projektu, weź własne prompty, zablokuj zmienne tak samo i uruchom każdy kilka razy. A jeśli chcesz pominąć całe przygotowanie, gotowe konfiguracje w bibliotece szablonów są rozsądnym punktem wyjścia.