摘要：为什么同样一句提示词，在即梦和Nano Banana里生成的画面差距巨大？本文从底层机制出发，揭示两款工具在“理解能力”与“控制精度”上的本质差异，让你不再被表面参数迷惑。

为什么同样一句提示词，在即梦和Nano Banana里生成的画面差距巨大？本文从底层机制出发，揭示两款工具在“理解能力”与“控制精度”上的本质差异，让你不再被表面参数迷惑。

最近的 AI 绘画圈被两款“新神”搅得沸沸扬扬——谷歌Nano Banana像一颗深水炸弹，在全球范围内掀起巨浪，而两周后字节发布的即梦4.0，也在国内市场搞得风生水起。

然而在这股热潮下，我注意到一个滑稽又耐人寻味的现象：不少内容创作者就像设定好了脚本的机器人，把之前在 Nano Banana 上玩过的那些套路，原封不动地在即梦 4.0 上复刻了一遍，号称什么即梦4.0“邪修”玩法，分享几个“进阶玩法”……

正如 X平台 @dontbesilent所尖锐吐槽的：“还在用 AI把照片变手办的博主，其实是在暗示自己创意枯竭，只会追逐过气的热点。”一句话击中了要害：这场表面上的技术狂欢，背后其实是信息食物链底端的盲目跟风和创意力的匮乏。

更尴尬的是，在铺天盖地的炫技分享下，真正深入的评测内容却少之又少。大家不缺新的 AI 工具“玩法说明书”，但缺的是真正穿透现象看本质的深度评测报告——即梦4.0与 Nano Banana相比到底如何？技术层面上有什么区别？他们背后又是怎样的产品战略？作为AI爱好者，网上吹嘘信息铺天盖地，我到底应该入坑哪一个？

于是今天，我决定当一回那个特立独行的少数派，卷起袖子来一次正儿八经的评测。不玩花活、不止步于喊两句“真香”就草草收场，我要做的是把这两位AI 绘画工具拉到同一个擂台上，来一场直击核心的正面对决。

评测对象：Google Nano Banana ，使用平台：Gemini官方网站；即梦4.0，使用平台：即梦 AI官方网站。

评测内容/维度：此次评测我会让两边各生成两次作品，择优选出各自的最佳结果进行对比。具体评测维度分为以下几个方面：

说明：本评测耗时两天完成，因个人评测，精力有限，有诸多不足之处，还请见谅。若本评测给你带来了帮助，不妨点个赞，加个关注。

话不多说，咱们开始！

Nano Banana：像是 AI界的“Photoshop”。一个追求通用理解和图像处理极限的“通用创意引擎”。它的目标是成为一个强大、灵活、上限极高的底层工具，赋能专业人士进行天马行空的创作。OS：今天刚写完文章后，就看到朋友分享的一则消息，正好与我的观点不谋而合。

而即梦4.0：它的目标更聚焦，是想成为一个“AI平面设计师”。一个针对特定商业场景（尤其是电商、营销设计）深度优化的“垂直行业解决方案”。它的目标不是万能，而是精准、高效地搞定商业需求，直接出稿。

经典热门手办生成

提示词：create a 1/7 scale commercialized figure of thecharacter in the illustration, in a realistic styie and environment.Place the figure on a computer desk, using a circular transparent acrylic base without any text.On the computer screen, display the ZBrush modeling process of the figure.Next to the computer screen, place a BANDAl-style toy packaging box printedwith the original artwork.

本次 Nano Banana胜出。Nano Banana一次抽卡成功（得益于原图主体单一，背景简单），我能明显感觉到Nano Banana在人物细节上，对提示词的理解上，更加到位，尤其是画面更加的写实。反观，即梦4.0画面就像加了深度滤镜，提高了对比度，且有一些粗粝感（物体表面的粗糙或不光滑的质感），这还是我在八张成图中，选取的一张我认为最佳的成图。如下图所示右边Nano Banana成图，左边即梦4.0成图（下文同理）。

OS：我看到有一些人在说即梦4.0更好，更像真实手办。我想说的是：拜托，这个就图一个新鲜，好看，尤其是与自己相似，进而满足自己的分享欲。谁又在乎这个是否与现实真实的手办像不像呢？

九宫格一寸照

提示词：根据用户提供的照片，给出九种完全不同的发型设计（日式韩式的甜美发型），要求输出白底证件照，白色衬衫，输出在一张照片，可以进行不同的发型展示。微微侧面 15 度，微笑。

Nano Banana胜出。本次生成的图片两者差别不大，但即梦4.0没有遵从“输出在一张图片上”的指令，即使我在后两次分别加上了“九宫格形式展示”，以及“九宫格一张图中展示”进行强调了，也不行。OS：即梦4.0是不是篡改了用户的提示词？或者说对用户的提示词进行了优化和扩写？可能经过改写后，没有“输出在一张图片上”的描述了。

为了让即梦能输出在一张图中，我又使用了另一组提示词，且分为简单和复杂，本次是考验即梦4.0对提示词的理解能力。

提示词1：

将其生成一张纯白背景，九宫格排版，分别有九种不同的表情的照片。

提示词2：

帮我生成一张照片：背景为纯白色，排版为九宫格，展示一只宠物的九种不同表情。

第一排：吐舌开心、微张嘴温和、爪靠脸腼腆；

第二排：平静神态、眯眼微笑、歪头好奇；

第三排：睁眼吐舌活泼、张嘴打哈欠慵懒、转头若有所思。真实摄影。

本次依旧是Nano Banana胜出。Nano Banana在简单或复杂提示词的表现都不错。如下图所示（右）复杂提示词的成图。而即梦4.0在简单提示词上成图没大毛病，但是在复杂提示词下却无法保持主体一致性了。OS：这次案例能辅佐我前面猜测：即梦4.0会优化用户提示词。

提示词：将图一人物换成图二中的姿势，专业摄影棚拍摄。

两者差不多，可以说打成平手。Nano Banana和即梦4.0都没有完全遵循我的指令，如 Nano Banana的人物朝向与线框图不一致，而即梦4.0成图中的人物朝向与原图一致，但背景加入了摄影器材，就现实“专业摄影”而言，是不会将摄影器材拍摄进去的。OS：就主观感受上，我更喜欢Nano Banana，毕竟AI味没那么重。

提示词：将图一的背景色换成图二，其他元素不变，比例则为图二的1:1的比例。

Nano Banana胜出。下图所示，Nano Banana会揣测用户的意图，明确用户的真实需求，如即使我将比例参照的图片，错误写成了“图三”，但 Nano Banana还是出色的完成了任务。反观即梦4.0却没有理解我的需求，直接生成了图二背景图，再次生成时，依旧错误。

为了证明即梦4.0无法完成复杂任务。我更换了一个轻松点的任务。提示词：将图片背景更换为纯白色，比例不变。这次即梦4.0出色的完成了任务。不过，头发顶部的细节还是原图不符。如下图所示：

提示词：为一款名为“夏夜沁风”的柠檬味气泡水设计一张电商详情页主图。要求包含产品名“夏夜沁风”，以及广告语“一口喝下整个夏天”，风格清新、有购买欲。

即梦4.0胜出。可以看到Nano Banana中文生成能力还是较差的，出现了字体扭曲和错乱，但是对提示词的理解还是到位，将产品名印在产品上，广告语则放在产品的上方。而即梦4.0不论是文字生成还是成图的整体与细节都很到位，基本可以拿它作为宣传图了。

即然Nano Banana中文生成能力较差，那么英文生成能力呢？

于是我将提示词翻译成英文，再一次进行了尝试。这次Nano Banana反而胜出了，一次成图，不但英文生成正确，且画面布局和风格也不错。反观即梦4.0生成的八张图都无法将产品名字印在产品上，而且令人不解的是出现了即梦4.0对提示词理解不到位的情况，提示词中明显是有个”e-commerce product detail page”（电商产品），这就意味着用户要的是电商产品宣传图。

提示词：把图一贴在图二易拉罐上，文字和背景则发挥你的想象，反正最终要生成一个可直接上架商品，专业摄影。

Nano Banana胜出。这里Nano Banana明显理解了提示词中的“商品”二字，给易拉罐加上了商品“皮肤”，且人物融合上也毫无违和感。反观即梦4.0，人物融合上有点像贴纸，贴上去的，最为关键的是没有给易拉罐加上商品“皮肤”。

提示词：Help me convert this residential floor plan into an isometric photorealistic 3D rendering of the house.（请协助将这份住宅平面图转换为一张等角透视的照片级三维渲染图，以逼真展现房屋的整体空间布局。）

Nano Banana胜出。虽然Nano Banana成图中依旧残留原图的线稿，但线稿中的所有元素都囊括在内了。反观即梦4.0视觉，氛围上比较出色，但缺少原图中的很多元素，相当于作文跑题了，即便使用词很美，最终得分依旧是低分。

OS：是不是原图过于复杂了，即梦4.0不但对提示词有限制，而且对原图复杂度也有限制，否则无法理解并保持一致性？

这是一个服装设计用户的真实需求。来自知乎用户@书荒菌的实操案例：他们把 Nano-Banana 真正用到服装打样前的决策环节。他们有个痛点是——在做样衣之前，想先判断“某块面料是否适配某个版型”，或“已定版型+面料，二者搭不搭”，还常常需要做示意图发客户确认。

Nano Banana胜出。看一下@书荒菌的评价：以前试过多种模型和工具，不是主体走样，就是质感不对，效果不理想。换用 Nano-Banana 后，核心问题基本被解决：在保持“版型/结构线/细节轮廓”不变的前提下，替换不同面料纹理，快速生成“上身效果图”。这样既能让团队内部直观看到面料与版型的匹配度，也能更高效地给客户预览，减少反复打样的成本和周期。

如下图所示，即便提示很简单，但即梦4.0依旧不能完美地完成此任务，八张成图中没有一个跟原服装保持一致的。而 Nano Banana 则一次性成功。另外，能明显看到即梦4.0增加了原图的对比度。

OS：我想@书荒菌还是会继续使用Nano Banana 。另外，这个案例辅佐了我上面的观点，即梦4.0不但对提示词复杂度/任务复杂度有限制，而且对原图复杂性也有限制。

我发现小红书长文的封面不够吸引人，于是找了个大字报的样图，让即梦4.0生成，这算是即梦4.0的主场，故这里不展示Nano Banana 基本都是中文文字错乱，主要考察即梦4.0在中文文字生成上是否也有限制。

提示词1（简单）：将这个封面的文字换成：“Gemini Chrome还没捂热，Claude就来炸场了！”，注意整体排版和布局，专业设计。

提示词2（较难）：将这个封面的文字换成：“Gemini Chrome还没捂热，Claude就来炸场了！”，将绿色背景放在“Claude”下，注意整体排版和布局，专业设计。

不出所料，即梦4.0完美地完成了简单任务，但在复杂任务上（加圈字效果），失败了。此外，相比较原图字体明显加深了。

在另一组相似的案例中，增加圈字效果（圈住“炸场”两字）指令后，即梦4.0出现了文字错乱，且这次画面的对比度明显增强，加入了粗粝感（颗粒感），在背景和字体边缘，会发现它不像原图那样是平滑纯净的色块，而是增加了一层细微的、类似胶片颗粒的纹理。还有就是背景虚化更强，成图中有意地加强了背景的模糊效果，使得前景的文字更加突出，视觉焦点更集中。如下图所示。

OS：说实话，我不怎么喜欢，这也不在实用，我更希望原图色调没有什么大变化，毕竟要和正文图片的色调保持一致。

我最近创建了一个新公众号，叫“AI有点离谱”，还差一个有趣的头像，于是我让Gemini帮我规划一下，生成了一组提示词：IP吉祥物设计： 核心理念：创造一个能代表“AI有点离谱”的卡通形象。 设计方向： 一个“离谱”的AI助手：可以是一个有点呆萌、出bug的小机器人，或者一个表情搞怪的像素小怪兽。 与“谱”字结合：设计一个以“谱”字为身体的卡通小人，给它加上眼睛和四肢，让它做一些“离谱”的动作。

让我们看看Nano Banana创造能力，总体还行，但还不能让我眼前一亮。

再看即梦4.0，这设计就有点花里胡哨了~

我看着Nano Banana和即梦4.0都无法生成令我满意的头像，于是我抱着试一试态度，去尝试了一下ChatGPT，你猜怎么着，还真有一个令我眼前一亮的设计，完全符合我的期待，哈哈哈，而且它还是个透明的。本次生成四张图，这是第二张图。

接着，我给它加了一个背景，于是“AI有点离谱”公众号的头像就诞生了。哈哈哈，真好看啊。所以，在创作上，大家也不要忘记使用 ChatGPT试一试，说不定有意想不到的惊喜。

好了，经过上面十几个回合的“贴身肉搏”，相信大家已经对即梦4.0和 Nano Banana的脾气秉性有了非常直观的感受。现在，让我们从这些眼花缭乱的测试内容中跳出来，来一场真正的复盘，聊聊这些现象背后的技术本质。

评测结果的“规律”：一个“听话的全才”，一个“偏科的专才”

首先，我们总结一下能从评测中直接观察到的规律：

为什么会这样？难道是即梦4.0倍后的模型能力不如谷歌Gemini吗？

当然，也有这方面原因。不过，我要探讨的是它们背后两条截然不同的技术路线。

Nano Banana，可以说是典型的“通用基础模型”的产物。你可以把它想象成一个用全世界图书馆的书、博物馆的画、互联网上亿万张图片喂养出来的“通才”。它的特点是：

而即梦4.0的行为模式，则指向了另一条路——“垂直领域精调”。你可以把它想象成一位“专才”。它可能和 Nano Banana一样，也学习了海量的通用知识，但在此之后，它的“老板”（字节）又给它找了一位“专业导师”，用成千上万份中国市场的电商海报、社交媒体帖子、广告设计稿等垂直数据，对它进行了“魔鬼式”的专项训练。

OS：大胆猜测一波，可能是字节高层感受到了Nano Banana爆火的压力，内部团队紧急对即梦3.0进行专项训练，仓促下推出的一款产品。

这种“精调”带来了两个直接后果，也完美解释了我们在评测中看到的一切：

我的答案是：是的。这在技术上被称为“自动提示词重写”。一些 AI产品为了降低用户使用门槛，会在后台内置一个语言模型，先分析用户的原始指令，然后把它“优化”成一个模型更容易理解、更容易出好效果的“标准版”指令，再拿去生成图片。

这下，即梦4.0的很多“迷惑行为”就说得通了：

当你在“九宫格”任务中强调“输出在一张图片上”时，它的“优化器”可能觉得“为用户生成九张高质量单图效果更好”，于是自作主张地修改了你的核心指令。

这种“优化”在简单、常规的任务上可能是“锦上添花”，但在需要精准控制的复杂任务上，就变成了“画蛇添足”，甚至是“灾难”。它破坏了专家用户对生成过程的精确控制。

所以，这再次反映了产品战略的根本差异：Nano Banana把你当成“创作者”，而即梦4.0把你当成“客户”。前者提供工具，后者提供服务。

讲到这里，结论已经非常清晰了。这场对决，我想说的没有谁胜谁输——双方都在自己的预设战场上，取得了胜利。为了让你更清晰地理解，我做了下面这个总结表：

若你不满意你使用 AI生成的图片，即便你抽卡几次也无济于事，那么你可以尝试去降低任务难度（提示词复杂度）或者降低原图复杂性。

在人物生成时，最好选取一张主体较少，背景简单的图片。当然，若你还是想用这张背景较为复杂的图片，那么，你可以分步骤进行，先让 AI进行抠图，或者更换一个纯色背景，再进行你的最终任务。如 X平台 @AI探路者Tim分享的帖子，这点与我的经验不谋而合。OS：咦，这不就是妥妥的上下文工程吗？

可以广泛收集，打造你专属的“AI工具箱”。还记得我们评测中那个有趣的插曲吗？在 Nano Banana和即梦4.0都搞不定的公众号头像设计上，反而是 ChatGPT给了我们意外的惊喜。

这给了我最重要的一个启示：顶级玩家从不迷信某一个“万能工具”，他们拥有一个丰富的“工具箱”。如我这篇文章提到的一个工作流，在让 AI撰写论文文献综述时，可以先使用 Gemini深度研究输出研究计划，接着使用 ChatGPT进行深度研究，输出文献综述。集各个 AI的优势于一个工作流中。

最后，推荐一下即梦4.0官方发布的《即梦图片4.0模型提示词手册》，足足有上千个案例分享：https://bytedance.larkoffice.com/docx/L4vCdah1DoDg7axVdYGcoplSn9f

好了，以上就是本次分享的全部内容。希望能帮到各位“稀有学生”建立一些认知。若对你有帮助，不妨点个赞，加个关注。

来源：人人都是产品经理