为什么我仍然更偏爱 Sora 而不是 Nano Banana 用于图像生成

Source: Dev.to

我只用 AI 为博客文章生成封面图片，所以并没有太高的期待。起初我觉得 Google 比 OpenAI 更好，但我已经改变了想法：我不确定这是否与隐藏的系统提示有关，还是 LLM 模型本身的问题。不过，我注意到 Gemini 存在巨大的限制。

Sora 与 Nano Banana 的图像对比

我对生成视频不感兴趣——我只需要 用于博客文章封面的酷图。我绝对不是以专业人士的方式来使用这些工具；我只是像普通终端用户一样使用这些服务，而且经常用得很糟糕。

• 我并不会以技术意义上的“提示词”来写；我只是用高层次的描述来说明我的需求，就像和人交谈一样。
• 我使用的是这些服务的 免费版本——没有订阅，只是各平台目前提供的内置功能。

我注意到 Nano Banana 似乎受到系统提示的限制，先天性地限制了它的能力。无论我如何改变描述，它总是生成相似的图像——虽然不错，但并不理想，因为我希望图像能够真正体现我的文章内容。

Source: …

相同提示，不同结果

Sora 和 Nano Banana 使用的模型不同。我在意大利，无法使用 Sora 2。为了比较它们，我向两个服务（仅免费层）发送了完全相同的提示。我的描述故意保持高层次且通用：

A picture to represent the challenge between Sora and Nano Banana as
image generators powered by AI.

Nano Banana 结果

(本帖的封面图片)

Sora 结果

我的观点： Sora 的图像看起来要好得多，尽管我在两次生成之间没有改动任何文字。

由 Sora 生成

当我在自己的 Google AI Studio 实例中尝试 Nano Banana Pro 时，标准版只输出了一张更小的方形图片。差异仍然很小，我仍然更喜欢 Sora 的结果，尽管它基于较旧的 GPT 模型。

这不是基准测试

我并不是想发布一个基准测试。我只是分享一位普通用户 作为潜在客户测试两项不同服务 的体验。我本可以从头重写提示以获得更好的结果，但这不是我的目的。（我已经在另一篇文章中写过提示优化。）

从开发者的角度来看，我同意：这不是一种专业的做法。直接比较 Sora 和 Nano Banana 并不完美，因为它们运行在不同的模型和基础设施上。

将提示适配到模型和服务才是正确的做法，但我想要 即时的结果——我把大部分细节留给了 LLM 本身，没有添加任何过滤器，只写了两行文字。

Nano Banana及其专业版

这篇文章的封面图是使用 DEV 编辑器内置的 Nano Banana 版本生成的。当我使用标准的 Nano Banana 界面时，得到的 图片截然不同，这让我怀疑 Forem 在模型和提示之间加入了额外的一层。

由 Nano Banana Pro 生成

我没有给 LLM 任何百分比或风格指令。有趣的是，Nano Banana Pro 给它的竞争对手（Sora）打了更高的分——可能是出于策略性的偏向？图片右下角还有 Gemini 水印，这是因为我使用的是免费套餐。总体来看，我对它并不满意。

我将继续使用 Sora

不论层级如何，Gemini 仍然生成的图片不符合我的需求。GPT 目前提供了最佳结果，尽管我无法使用最新的模型。对使用合适的提示词测试 API 以更严格地评估性能会很有趣——这是我未来计划做的事。

• OpenAI 的 Responses API 现在支持图像生成，而较旧的 Completions API 则不支持。
• 我从未使用过 Google 的 Gemini 进行图像生成，所以不确定 2.5 版或 3 版在能力上有何差异。
• Google 大幅降低了免费层的限制，因此我无法再“玩”它们了。

这就是我不打算采用专业工作流的原因。对我而言，获取合适图片的最快方式是打开 Sora 的网页界面——大多数终端用户的做法。接下来，我会给 TranslateGemma 一个机会，但目前我仍会坚持使用 Sora。

It's a completely different use case, and there I will be more technical.

If you’d like, follow me on [**Bluesky**](https://bsky.app/profile/fedtti.bsky.social) and/or [**GitHub**](https://github.com/fedtti) for more content. I enjoy networking.