谷歌Nano Banana Pro实测：Karpathy玩上瘾，手写解题碾压ChatGPT

type

status

date

slug

summary

Karpathy的终极测试：手写试卷的完美答卷

在过去，我们习惯了AI以标准文本形式输出答案，但Nano Banana Pro打破了这一范式。Karpathy亲自下场，将一张充满手写痕迹的物理试卷和一张化学试卷“扔”给了这个模型。结果令人瞠目结舌：AI不仅识别了题目，还以同样的手写体风格，在右侧生成了完美的解答。

这不仅仅是简单的OCR（光学字符识别）加上文本生成。Nano Banana Pro在解答过程中，甚至模仿人类的思维习惯，在试卷上进行了涂鸦、绘制图表。这种“图生图”+“逻辑推理”+“风格迁移”的组合拳，展现了极高的多模态融合能力。Karpathy惊叹道，这种交互体验就像是从DOS命令行进化到了图形用户界面（GUI），AI不再只是聊天机器人，而是一块真正的“智能画布”。即便是经过ChatGPT的核查，除了极个别的拼写小瑕疵，其物理和化学逻辑全部正确。

视觉推理的巅峰：从汉堡教程到健身计划

如果说解题是逻辑的体现，那么生成复杂的信息图表则是对现实世界理解能力的考验。Nano Banana Pro在处理富含信息的图表生成上，表现出了一流的水准。

在实测中，仅仅通过简单的指令，它就能直出详细的汉堡组装教程图，层级分明，细节逼真。更有趣的是，Karpathy要求它设计一份“睾酮爆表”的每周健身计划。AI不仅列出了详细的训练项目，还通过视觉化的方式呈现，甚至在周二的计划中“懂行”地上了强度。这种将抽象的文本需求转化为具有可实践性、视觉美感的信息图的能力，对于未来的教育、设计和 AI变现 领域具有巨大的商业价值。

电影级分镜：叙事与角色一致性的突破

对于内容创作者而言，AI生成分镜脚本一直是痛点，主要难点在于保持角色的一致性和叙事的连贯性。Nano Banana Pro在此次更新中交出了一份高分答卷。

网友实测显示，无论是重现乔治·奥威尔的《1984》，还是将詹姆斯·乔伊斯的《尤利西斯》转化为漫画，Nano Banana Pro都能精准捕捉原著精髓。它展现了强大的“叙事理解”能力，能够根据上下文生成连贯的电影级分镜。沃顿商学院教授Ethan Mollick的测试更是证明了这一点，只需上传著作首页，AI便能自动生成一系列风格统一、逻辑连贯的画面。这意味着，未来的 Prompt 工程将能直接转化为可视化的影视草稿，极大地降低了创意行业的门槛。

16宫格时空摄影：穿越150年的视觉实验

除了实用功能，Nano Banana Pro在艺术创作上的“脑洞”也彻底打开。一个新的玩法——“16宫格时空摄影”正在社交媒体上疯传。

通过一个精心设计的 提示词 框架（例如要求从1880年代开始，每隔十年生成一个4x4的网格），模型能够精准地描绘出不同年代的人物形象、服装风格、发型甚至照片的胶片质感。从维多利亚时代的复古风到赛博朋克式的未来感，Nano Banana Pro展现了对人类历史文化符号的深刻理解。这种跨越时空的视觉表现力，不仅是技术的炫技，更是 大模型 训练数据广度与深度的体现。

总结与展望

谷歌此次凭借Gemini 3和Nano Banana Pro的惊艳表现，再次证明了其在 人工智能 领域的深厚底蕴。从手写试卷的逻辑推理，到电影分镜的创意生成，再到跨越时空的艺术创作，这些功能标志着多模态 LLM 正从“能看懂”向“能创造”迈进关键一步。

对于关注 AI门户 和 AI日报 的读者来说，这无疑是一个强烈的信号：AI的交互方式正在发生质变。我们不再仅仅是通过文本框与机器对话，而是在与一个能够理解视觉、逻辑和艺术的超级智能协作。随着技术的不断下放，我们期待看到更多基于此类能力的创新应用涌现。

想要获取更多关于 claude、openai 以及最新 chatGPT 的深度对比和使用技巧，请持续关注 AIGC.BAR，我们将为您带来第一手的 AI资讯。