Google Nano Banana Pro 是 Google 构建在 Gemini 3 之上的图像模型。它改的是两个习惯：写提示词时描述一个场景，而不是把形容词堆成关键词；改图时只描述那一处差异。
下面讲四件事：现在能在哪用、第一张图怎么做出来、一个把产品照改成影棚质感的完整示例，以及官方讲过什么、没讲过什么。全文只用 Google 官方页面上的说法。
Nano Banana Pro 是什么
Google DeepMind 的模型页把它描述为构建在 Gemini 3 之上，用于生成和编辑图像，做到官方所说的影棚级精度与控制。官方那篇提示词技巧文章称它是 Google 迄今最先进的图像模型。
更早的 Nano Banana 是另一个模型。我们核对过的 Google 页面上没有两代并排的参数表，别处的对比表都是作者自己整理的。官方真正公开的是一份能力清单，它才是判断这东西合不合用的依据。
| 官方公开的能力 | 落到实际工作里意味着什么 |
|---|---|
| 构建在 Gemini 3 之上 | 世界知识更足，只靠描述也能让物体看着合理 |
| 可输出 1K、2K、4K | 同一句提示词，草图与可印刷成品都能出 |
| 单次构图最多输入 14 张图，随界面不同 | 产品、模特、背景可以一起给 |
| 单个流程最多保持 5 个人物、14 个物体一致 | 小规模角色能稳住，管不住一整个人群 |
现在能在哪里用它
官方公告的说法是：Gemini 应用里现在就能用，AI Studio、Vertex 等入口正在陆续上线。这两句之间的差别就是你所在的那个界面，最省事的做法是从模型已经到位的地方开始。
想在代码里调用它，Nano Banana Pro API 接入指南讲了密钥、请求体和返回结果。
还有一句提醒能帮你省钱。大量网站用积分套餐的形式提供 Nano Banana Pro，那些价格属于那些网站，不属于 Google，它们背后路由到的模型也未必是官方描述的那一个。
第一张图：分步做出来
第一次跑图是把流程跑通，不是出你最好的一张图。
- 把场景写成一句话。先说主体，再说它在做什么，最后说它在哪儿。
- 写出哪些东西不能变。这一句就是「改图」和「重新抽一次」的分水岭。
- 先定格式。画幅比例和分辨率决定这图能不能当素材用。
- 如实看结果。记下是哪个元素跑偏了，而不是只判断喜不喜欢。
- 每轮只改一处。整段重写会让你永远不知道哪个词带来了变化。
每轮改一处跑三轮，比一次写更长的一段提示词有用。
实战示例：把一张普通产品图改成影棚质感
输入是一张手机拍的陶瓷马克杯：放在厨房桌面上，左侧是硬朗的窗户光，背景很杂。目标是不重拍也能得到一张够干净、能放上产品页的图。
保持杯子的形状、釉色、杯柄和杯口那两处磕碰完全不变，只改环境。把它放在哑光灰色影棚台面上，背景是平整的灰色幕布。左上方用一只大柔光箱打主光，右侧边缘补一道柔和的轮廓光，阴影轻轻落在右后方。85mm 镜头，f/8，产品摄影，白平衡中性，不要道具，不要文字，不要水印。结果之所以站得住，关键在于提示词被拆成了两半。物体本身一点没动，釉色和磕碰都留在原处，因为提示词把它们点名为不变；真正变化的只有背景、光线和阴影。
第二个例子把同一个文件往前推一步。影棚版对了之后要一张生活场景版，同时完全不动物体：「保持马克杯的杯型、比例和釉色与参考图一致。把灰色背景换成浅橡木桌面，右侧窗外进来的晨光。仍然是 85mm 取景，不要文字，不要水印。」两轮下来，这个杯子不用再被描述一次。
图出来之后，按最终尺寸看一眼再发。Google 自己的模型页写明了它仍然吃力的地方：小尺寸人脸、准确拼写、画面细节。缩略图好看，和 4K 下标签能不能读，是两回事。
让成品可编辑的提示词结构
上面两个例子共用一个骨架，正是它让好结果能被复现，而不是变成一张再也抽不出来的运气图。
官方点名的六个要素
Google 那篇文章列的是主体、构图、动作、地点、风格、编辑指令。把它当清单用，别当模板背：前两项说这张图讲什么，中间两项决定它落在哪里，风格决定表面质感，编辑指令负责保护已经对的部分。大量失败的提示词，前几项都写得很足，唯独最后一项是空的。
值得补上的高级控制项
另外五个控制项解决剩下的大部分问题：画幅比例、镜头与光线、想原样渲染的文字放进引号、用事实约束排除不可能的细节，以及传多张参考图时说明每张的角色。最后一条在多图输入时最要紧，一张没标注用途的图，会让模型自己猜该照哪张抄。
主体：一只陶瓷马克杯，底部未上釉，杯口有两处磕碰
构图：居中，略高于视平线，右侧留出负空间
动作：静止放置在台面上
地点：哑光灰色影棚台面，无缝背景
风格：干净的产品摄影，85mm，左上方柔光主光
编辑指令：形状、釉色和磕碰与参考图保持一致
文字（原样渲染）："手工制作"
画幅比例：4:5 分辨率：2K
参考图 1：产品本体，保持物体不变
参考图 2：只取背景风格，不要复制它的主体限制、费用，以及官方尚未公布的部分
Google 把限制写在自己的页面上。DeepMind 的模型页说它在小尺寸人脸、拼写准确度和画面细节上仍然吃力，输出带 SynthID 水印；文字方面，官方基准里单行文字错误率大部分低于 10%，这是好数字，但不是对你那张海报的承诺。
费用这件事，诚实的答案很短。我们核对过的官方页面上没有单张价格、没有免费额度、也没有订阅档位，所以本文不印任何数字。就本文列出的来源而言，Google 尚未公布这些数字。做预算前自己去看官方 Gemini API 定价页；聚合站上的积分价格，请当成那家网站自己的报价。
如果你是在几个模型之间做选择，可以看这份与 GPT Image 的对比，它按任务类型给结论。
常见问题
要试一下必须付钱吗？ 我们核对过的 Google 页面没给免费额度，这里也没有可靠数字。Gemini 应用是最短的第一步；第三方网站写着免费的积分方案，是那家网站自己的套餐。
为什么图里的字总拼错？ 拼写是官方承认的短板。要渲染的文字写短、放进引号，并放大到实际使用尺寸下仍然清楚。
最多能传几张参考图？ 官方公告的说法是单次构图最多 14 张，具体数量随界面不同。API 接入指南写了这部分输入放进请求的哪个位置。
发出去之前要人工看一遍吗？ 要。生成只是第一步，尤其画面里有人脸、品牌名或价格的时候。
把流程学会一次，每轮只改一处，物体锁定不动，这模型就不再像老虎机。