Nano Banana 2.1 画科研图：到底好在哪

Nano Banana 2.1 已在 PaperBanana 上线，Basic 和 Pro 套餐可用。第一轮科研图实测里，它的标签拼写更准，编辑后不缩小图片，还修好了一个默认编辑器修不好的乱码标签。它也比 Nano Banana 2 慢，积分更贵。下面是我们实际测到的结果。

Google DeepMind 在 2026 年 10 月 6 日发布了这个模型。Google 的 API 文档提到它改进了文字渲染和信息图排版，这正是 AI 画论文图时最容易出错的两处。发布第二天，我们用自己的科研图任务测了一遍。

Nano Banana 2.1 一次生成、未经修改的 2K 图。图中数字来自提示词，不是真实数据。

我们怎么测的

样本很小，除特别说明外每个设置只跑一次。结果说明的是这几条提示词上发生了什么，不是基准测试。

• 生成： 同样两条提示词（一张方法图、一张四步信息图），分别用 Nano Banana 2 和 Nano Banana 2.1 生成。
• 编辑： 在 2K 图上做三种修改（给一个框换色、改一个标签的名字、修一个拼错的标签），分别用 Nano Banana 2.1、Nano Banana 2，以及默认编辑器 GPT Image 2.5 的两个质量档来跑。

优势一：标签拼写正确

两个模型拿到的是同一条信息图提示词。Nano Banana 2 的结果里有一个标签写成了 "Target DNA secogniic recognition"。Nano Banana 2.1 的结果（就是本文顶部那张图）没有拼错的标签。

它并不完美。看封面图右侧：图表标题出现了两次。图放进论文之前，每个标签仍然要人工读一遍，换哪个模型都一样。

优势二：能修文字，而且不降分辨率

接着我们拿那张带错别字的图，让每个编辑器只修这一个标签。

同一区域：修改前、默认编辑器修改后、Nano Banana 2.1 修改后。

下表汇总了全部三种修改的结果。

对印刷来说，尺寸这一行最重要。默认编辑器会把大图缩小后返回。Nano Banana 2.1 返回的尺寸和上传时一样，2K 的图编辑完还是 2K。

这次测试里，Nano Banana 2 同样修好了标签，也保持了尺寸。在这三种修改上，我们没看出 Nano Banana 2 和 2.1 的差别。明显的差距在 Nano Banana 2.1 和默认编辑器之间。

优势三：最高 4K

Nano Banana 2.1 可以生成 1K、2K 和 4K。测试里的 4K 方法图是 5504 × 3072 像素，足够做通栏的印刷级插图。

Nano Banana 2.1 一次生成的方法图。每个框的标签、图例和图注都和提示词里写的一致。

它不占优的地方

• 更慢。 这个模型会先推理再出图。我们的生成耗时是 18–46 秒，同样的提示词 Nano Banana 2 是 14–18 秒。最慢的是那张内容密集的信息图。
• 积分更贵。 见下方价格表。还在反复改布局的草稿阶段，用 Nano Banana 2 Lite 或默认模型更划算。
• 仍然会出错。 上面重复的图表标题就是一例。标签、箭头方向和数字每次都要检查。

价格

Nano Banana 2.1 在 Basic 和 Pro 套餐可用。其他套餐能在模型列表里看到它，但带锁。

生成失败和编辑失败都不扣积分。

怎么用

1. Standard： 打开生成器，在 Model 列表里选 Nano Banana 2.1。
2. Advanced： 把它选为出图模型。规划和风格步骤照常运行，最后由 Nano Banana 2.1 出图。
3. 编辑图片： 打开编辑图片，上传一张图，框出要改的区域，在 Model 里选 Nano Banana 2.1。

Basic 和 Pro 用户在这三处都已默认选中它。

该选哪个模型

如果你用的是免费版或 Hobby 套餐，可以在定价页查看 Basic 和 Pro 包含的内容。