Nano Banana Pro so với Nano Banana 2: cùng một prompt, chín ảnh, ba khác biệt thật
Bài so sánh hai mô hình ảnh AI này thì không thiếu. Vấn đề là phần lớn chỉ đăng ảnh mà không nói điều kiện. Prompt khác, tỉ lệ khác, có khi độ phân giải cũng khác — rồi kết luận. Một kết luận như thế thì chẳng dùng được vào việc gì.
Nên tôi khóa hết biến số: cùng prompt, cùng tỉ lệ, cùng độ phân giải, chỉ đổi mô hình. Ba tình huống cộng một thí nghiệm phụ, tổng cộng chín lần tạo ảnh. Dưới đây là những gì hiện ra, kể cả những chỗ cả hai mô hình đều ngã.
Vì sao đúng hai cái này lại bị đem ra so
Trong danh sách của trình tạo ảnh AI, hai mô hình nằm sát nhau, bảng tham số trông gần như y hệt: prompt, tỉ lệ khung, độ phân giải, ảnh tham chiếu, 1k / 2k / 4k, mỗi bên mười tỉ lệ. Suy đoán đầu tiên của nhiều người là: Pro chắc chỉ là bản đắt hơn.
Chúng không phải hai bậc của cùng một mô hình. Một tên mang cấp bản, tên kia mang số thế hệ, và những khác biệt thật sự quan trọng không nằm ở chỗ cái nào nét hơn. Chạy song song rồi bạn sẽ thấy hai mô hình đọc cùng một câu theo hai cách.
Nói rõ điều kiện thử trước
Cả ba prompt viết bằng tiếng Anh, một hơi liền, sau đó không sửa chữ nào. Mỗi vòng hai ảnh, tham số giống nhau ngoại trừ mô hình:
- Vòng cảnh đông chi tiết và vòng chữ: 16:9, 2k
- Vòng nhân vật: 1:1, 2k, hai mô hình nhận cùng một ảnh tham chiếu
- Nano Banana 2 để nguyên mức suy nghĩ mặc định (trừ phần thí nghiệm phụ)
Ảnh tham chiếu của vòng nhân vật là một ảnh casting tạo riêng: nền xám, ánh sáng chính diện đều, không trang điểm, máy ngang tầm mắt. Một ảnh gốc sạch như vậy là điều kiện tiên quyết để thử độ nhất quán nhân vật — nếu nền rối hoặc ánh sáng có hướng, bạn không còn phân biệt được là mô hình lệch hay bản thân ảnh tham chiếu mang quá nhiều nhiễu.
Nếu bạn không muốn bắn từng cái một, kiểu so sánh này chạy trên vải bố sáng tạo tiện hơn: tách một prompt ra hai nút rồi để kết quả nằm cạnh nhau.
Vòng 1: một cảnh đông chi tiết
Prompt mô tả một quầy ăn sáng lúc sớm: sáu món, người bán mặc tạp dề trắng đưa túi giấy, phía sau có người xếp hàng, bên trái là chồng xửng tre, bên phải là chiếc xe đạp dựa tường, bóng đèn treo lơ lửng, sương sớm. Cố tình nhiều thứ phải gánh.
Nano Banana Pro trả về thứ đọc ra như một tấm ảnh chụp. Tông xám lạnh xuyên suốt, chiều sâu sạch, sương và ánh sáng ăn khớp nhau, phần lớn yếu tố tôi yêu cầu đều có. Nhưng cách nó đọc cảnh khá dè dặt: trên quầy là vài cái thau thép, và bạn không dám nói đó là sáu món hay bốn món. Không có tấm biển nào ở đâu cả.
Nano Banana 2 làm ngược lại, nhồi kín khung: quẩy chiên, bánh bao hấp, bánh xếp, bánh áp chảo, mì, đậu hũ — sáu món trở lên, đếm được trong một cái nhìn. Trên tường treo tấm biển tên hàng, xa hơn trong phố còn thấy hai tấm nữa, và có người dán mã QR thanh toán lên khung cửa. Không chi tiết nào trong đó nằm trong prompt. Mô hình tự thêm.
Xét theo yêu cầu "sáu món khác nhau", ảnh thứ hai sát ý tôi hơn. Xét về không khí, tôi thích ảnh đầu. Vòng này tôi không tuyên bố ai thắng, vì câu trả lời tùy vào bạn muốn không khí hay mật độ thông tin.
Cả hai vỡ ở cùng một chỗ: bàn tay. Ở ảnh Nano Banana Pro, bàn tay trái của người bán treo trên nồi có các ngón dính liền. Ở ảnh Nano Banana 2, chỗ hai bàn tay trao túi giấy nhòe thành một vệt. Tương tác thân thể giữa người với người vẫn là phần mong manh nhất của khung hình, và chưa mô hình nào giải quyết được.
Vòng 2: giữ đúng khuôn mặt đó
Vòng này chỉ đổi đúng một thứ: đưa người trong ảnh casting ra một con phố lúc chiều tà, thêm ánh sáng cạnh ấm từ góc thấp, làm nhòe những tấm biển phía sau. Prompt ghi rõ: cùng một người, cùng góc máy, cùng cách đặt khung.
Bên trái là ảnh tham chiếu, giữa là Nano Banana Pro, bên phải là Nano Banana 2.
Nano Banana Pro chuyển người sang gần như không đụng gì. Dáng chân mày, khoảng cách hai mắt, độ rộng sống mũi, đường môi, đường chân tóc — cả những sợi tóc rơi lòa xòa và chiếc áo ba lỗ đen cũng còn nguyên. Bạn đọc ra đây là cùng một người, chụp vào một ngày khác.
Bản của Nano Banana 2 vẫn nhận ra là "một người trông giống cô ấy", nhưng đã đổi thật: mặt rộng hơn, hàm vuông hơn, da thô hơn, trông già hơn vài tuổi, tóc bết vào đầu hơn. Xem riêng thì không thấy sai. Đặt cạnh ảnh tham chiếu thì rõ ràng là sai.
Nếu bạn đang làm thứ mà một nhân vật phải trở lại từ ảnh này sang ảnh khác — storyboard, sách tranh, một loạt poster — thì chỉ khoảng cách này thôi đã chọn mô hình thay bạn.
Nhưng đừng trao cúp cho Pro sớm: prompt yêu cầu giữ nguyên cách đặt khung, mà cả hai mô hình đều tự ý đẩy máy lại gần. Ảnh tham chiếu là cỡ bán thân, hai kết quả trả về đều thành cận cảnh sát mặt. Chẳng bên nào nghe lời.
Vòng 3: chữ nằm trong ảnh
Đây là vòng tôi đoán sẽ tan nát nhất. Prompt yêu cầu một tấm bảng phấn viết tay của quán cà phê, ghi đúng OPEN TODAY 7AM - 4PM, bên dưới một dòng nhỏ hơn ghi FLAT WHITE 4.50.
Nano Banana Pro viết đúng cả ba dòng, nét phấn cũng thuyết phục. Nó viết giá thành 4·50 với dấu chấm giữa, đó là cách viết giá bằng tay trên bảng khá thông thường, tôi không tính là lỗi.
Nano Banana 2 cũng viết đúng hết những dòng được yêu cầu, rồi thêm một biểu tượng tách cà phê và một nét trang trí mà chẳng ai đòi — và vỡ đúng ở chỗ duy nhất nó không được yêu cầu viết gì cả. Tên quán trên mái hiên đáng lẽ là THE DAILY GRIND; chữ đầu tiên sụp thành một hình không đọc được.
Quy luật lặp lại trong cả ba vòng: chữ bạn yêu cầu rõ ràng thì hiện nay cả hai mô hình đều viết đúng; lỗi luôn nằm ở phần chữ do mô hình tự thêm. Cảnh đường phố cũng vậy: những tấm biển Nano Banana 2 tự nghĩ ra thì đọc được, còn tấm bảng giá nhỏ nó cũng tự nghĩ ra thì hoàn toàn là nét vẽ vô nghĩa. Muốn chữ đáng tin, hãy viết đúng từng chữ vào prompt và để mô hình càng ít chỗ ứng biến càng tốt.
Một ghi chú nhỏ: trong năm ảnh của Nano Banana 2, một ảnh trả về có viền trắng quanh cả bốn cạnh, phải cắt bỏ. Chỉ xảy ra một lần nên tôi không gọi là lỗi — nhưng khi tạo ảnh hàng loạt thì đáng để mắt tới.
"Mức suy nghĩ" của Nano Banana 2 thực chất làm gì
Đây mới là chỗ hai bảng tham số khác nhau thật. Nano Banana 2 có thêm hai công tắc: tìm kiếm hình ảnh, và một mức suy nghĩ đặt được ở tối thiểu, mặc định hoặc cao. Nano Banana Pro chỉ có tìm kiếm web.
Tôi lấy đúng prompt quầy hàng ở vòng một và chạy cả ba mức, mỗi mức một lần.
Từ trái sang phải: tối thiểu, mặc định, cao. Các yếu tố cốt lõi còn nguyên ở cả ba — người bán, túi giấy, hàng người đợi, xửng hấp, xe đạp, không mất gì. Thay đổi nằm ở chỗ khác: mức càng cao, mô hình càng ít tự nghĩ thêm chữ, và phần chữ đúng càng nhiều. Ảnh mức tối thiểu ồn ào nhất, có mấy tấm áp phích chữ nhỏ nhòe thành cháo. Ảnh mức cao chỉ giữ một tấm biển dọc và vài bảng giá sạch, đọc được, bố cục cũng lắng lại rõ rệt.
Vậy nó giống một cái núm điều chỉnh mức kỹ tính của mô hình hơn là một bậc chất lượng. Giá phải trả là thời gian: mức cao ở đây mất khoảng một trăm giây, so với hơn sáu mươi giây của mức mặc định, gần gấp một nửa. Chỉ một lần quan sát, tính cả thời gian chờ xếp hàng — đừng coi là số đo chuẩn, nhưng chiều hướng thì rõ.
Nên chọn cái nào
Sau chín ảnh, kết luận của tôi cụ thể hơn lúc bắt đầu:
Nếu một nhân vật phải xuất hiện lặp lại, dùng Nano Banana Pro. Khoảng cách ở vòng nhất quán không phải chuyện sở thích, mà là chuyện dùng được hay không.
Nếu bạn muốn một cảnh dày, tự mọc ra chi tiết, dùng Nano Banana 2. Trí tưởng tượng của nó về môi trường sống động hơn, và những tấm biển, hình dán, đồ nghề bạn chưa từng nhắc tới sẽ tự điền vào — tiện cho ảnh nền và ảnh tạo không khí.
Nếu ảnh cần chữ chính xác, cả hai đều được, nhưng phải đóng đinh từng chữ trong prompt. Đừng trông vào những gì mô hình tự ý viết ra.
Chưa chắc thì dựng thử trên Nano Banana 2. Mỗi ảnh rẻ hơn một chút và ở mức mặc định thì nhanh hơn, phù hợp cho giai đoạn mò hướng prompt; khi hướng đã chốt và khuôn mặt phải giữ được, hãy chuyển sang Nano Banana Pro cho bản cuối.
Nếu bạn muốn sửa một vùng chứ không vẽ lại tất cả, cả hai đều không phải lựa chọn đầu tiên. Hãy dùng trình chỉnh sửa ảnh AI: bạn tô vùng cần sửa, chỉ chỗ đó đổi, không phải tung xúc xắc lại cho cả khung hình.
Cuối cùng nói thật: mỗi vòng tôi chỉ chạy một lần, không lấy mẫu lặp, và một seed khác có thể lật ngược một phát hiện lẻ. Nếu bạn phải quyết cho một dự án thật, hãy lấy prompt của chính bạn, khóa biến số theo cách như trên và chạy mỗi cái vài lần. Còn nếu muốn bỏ qua phần chuẩn bị, các cấu hình đã chỉnh sẵn trong thư viện mẫu là điểm khởi đầu hợp lý.