★ 設(shè)為星標(biāo) | 只講人話，帶你玩轉(zhuǎn)AIGC。

說到文生圖，大家心里可能都有個“白月光”，那就是谷歌的 Nano Banana Pro（下文簡稱 NBP）。

有一說一，NBP 確實是現(xiàn)階段實打?qū)嵉耐跽?，尤其是疊加了 Gemini 大模型后，那魔法簡直了。

最讓我佩服的是，它基本解決了 AI 繪圖界的一大頑疾——文字生成，特別是漢字。

但這兩天，我突然發(fā)現(xiàn)一款國產(chǎn)工具沖上了熱榜。

我一看，好家伙，它居然在“寫漢字”這個領(lǐng)域，把 NBP 給超了？

圖：GLM-Image在文字渲染的權(quán)威榜單中達(dá)到開源 SOTA水平

不僅如此，它還是個開源的。

它就是剛剛上市的 AI 第一股智譜出品的 GLM Image。

廢話不多說，咱們不看參數(shù)，直接上“地獄級”實測。

它到底能不能打？

01 終于能聽懂“人話”了，尤其是中文

既然，在寫漢字這個事情上屠榜，那我們就先來試試它。

提示詞：中國傳統(tǒng)水墨畫風(fēng)格。畫面是一座雄偉的古樓（鸛雀樓），背景是夕陽依山而落，黃河奔騰入海的壯觀景象。在畫面的留白處，用毛筆行書字體寫下整首唐詩：“白日依山盡，黃河入海流。欲窮千里目，更上一層樓?！碑嬶L(fēng)古樸典雅，宣紙紋理。

看到這張圖我松了一口氣，字寫得相當(dāng)準(zhǔn)確，沒有出現(xiàn)那種常見的“鬼畫符”的情況。

雖然這個例子對現(xiàn)在的模型來說不算太難，但能把整首詩完整寫對，起碼及格線是穩(wěn)了。

好，既然簡單的過了，咱們上強度。

提示詞：一張極具史詩感和科技感的商業(yè)電影海報。畫面采用極具視覺沖擊力的人物面部超大特寫，主體是一位中年科技商業(yè)領(lǐng)袖男主角，面容滄桑堅毅，目光深邃地直視鏡頭。整個畫面（包括人物面部皮膚、頭發(fā)和背景）都疊加著密集的、發(fā)光的金色數(shù)據(jù)流代碼、抽象電路板線條和數(shù)字噪點紋理，營造出一種被數(shù)字化信息包裹的力量感。整體色調(diào)為輝煌、厚重的暖金色調(diào)，光影對比強烈。海報下方三分之一處，巨大的粗體金屬質(zhì)感中文標(biāo)題“破局者”橫跨畫面，帶有厚重的立體光效。標(biāo)題上方是較小的副標(biāo)題“決勝全球芯片戰(zhàn)爭始末”。最底部是小字上映信息：“2025年春節(jié)檔震撼上映 | IMAX 3D”。文字排版層級分明，與人物肖像在空間上形成緊密的疊加關(guān)系。

坦率說，這張海報的文字處理真的驚艷到我了。

“破局者”三個大字非常有張力，其他小字也都能清晰識別。

看起來，在這個特定領(lǐng)域，GLM Image 真的趕得上 NBP 這種商業(yè)閉源神器了。

不過，我感覺它在處理很多文字都時候，不是很穩(wěn)定，有時候需要多抽幾次卡才能出完美效果。

看下跟 NBP 的對比。

圖：GLM Image 對比 NBP 的多文字處理

但考慮到它是免費開源的，這點“小脾氣”我覺得完全可以接受。

測到這里，我感覺它還是有點東西。這可能是目前開源模型里，對中文處理最強的。

以前這種圖，Nano Banana 根本沒法處理（Pro 才可以），Midjourney 更是完全不支持中文。

連這些國外商業(yè)巨頭都頭疼的問題，讓一個國產(chǎn)開源模型解決了，這不得不佩服。

02 審美在線：從宋詞意境到王家衛(wèi)美學(xué)

光能寫字還不夠，圖畫得丑也不行。

很多國產(chǎn)模型最大的問題是“土”，或者有一股濃濃的塑料“AI 味”，甚至有些默認(rèn)生成的是外國人。

GLM 的審美在線嗎？畫質(zhì)和光影呢？

我們細(xì)看之前那張圖，非常有電影感，也符合那首宋詞的意境。

提示詞：一張極具電影感的紀(jì)實攝影作品。場景是雨后的清晨，一座古樸典雅的中式庭院。一位身著宋代服飾的女子站在木制窗欞后，輕輕卷起珠簾向外張望。窗外的庭院里，濕潤的地面上散落著被打落的紅色海棠花瓣（紅瘦），而枝頭經(jīng)過雨水滋潤的綠葉顯得格外翠綠茂盛，掛著水珠（綠肥）?？諝庵谐錆M濕潤感，柔和的自然光。

人的眼睛對人像最敏感，咱們再來個高難度的“王家衛(wèi)風(fēng)格”。

提示詞：一位冷艷的亞洲時尚女性，留著利落的濕發(fā)造型（Wet Look），身穿深祖母綠的亮片晚禮服，佩戴夸張的銀色流蘇耳環(huán)，材質(zhì)上形成反光亮片與金屬冷感的碰撞。她側(cè)臥在平靜的深藍(lán)色水面上，背景是大面積高飽和度的克萊因藍(lán)，營造出深邃靜謐的包裹感。光影采用棱鏡折射效果（Prism Effect），在人物面部投下彩虹般的破碎光斑，并帶有微弱的慢門拖影（Motion Blur），賦予畫面一種流動的迷幻感。構(gòu)圖采用上帝視角（Top-down shot），王家衛(wèi)電影美學(xué)，高噪點膠片質(zhì)感，藝術(shù)攝影風(fēng)格。

這張圖的完成度非常高。

不僅逼真，關(guān)鍵是水面的倒影、棱鏡的折射光斑，處理得非常有質(zhì)感。

為了防止它是“運氣好”，我又測了個極端的——當(dāng)復(fù)雜的毛發(fā)遇上暴風(fēng)雪。

這通常是 AI 的“死穴”，很容易糊成一團。

提示詞：一只雪豹的正面特寫，漫天風(fēng)雪，眼神犀利直視鏡頭，毛發(fā)上掛著冰渣和雪花，背景是模糊的雪山，國家地理風(fēng)格，超高清

大家放大看細(xì)節(jié)。

風(fēng)雪和毛發(fā)的交互很真實，雪花是“陷”在毛發(fā)里的，而不是浮在表面，眼神的那種野性也抓住了。

不得不說，這張圖堪稱完美。

小遺憾： 目前還不支持原生 4K 輸出（盲猜是算力成本問題），放大看極微小的細(xì)節(jié)還是會有一點點涂抹感，但發(fā)朋友圈或做配圖綽綽有余。

圖：GLM Image 支持多種分辨率

03 搞錢神器：海報和封面，它真能干活

測到這，我覺得它已經(jīng)不僅僅是個玩具了。

解鎖了“文字”+“畫質(zhì)”這兩個技能包，意味著什么？意味著它能幫我們干活了！

我是做內(nèi)容的，以前做小紅書封面，要么去素材網(wǎng)找圖改，要么買 Canva 會員。

但我發(fā)現(xiàn)，GLM Image 處理這種圖文結(jié)合的封面，似乎非常在行。

提示詞：一張極具吸引力的小紅書/YouTube 視頻封面圖，波普藝術(shù)拼貼風(fēng)格。畫面主體是一位年輕可愛的亞洲職場女性，留著短發(fā)，戴著黑框眼鏡，身穿白襯衫和黃色背帶褲。她雙手托腮，對著鏡頭做出夸張驚訝的表情（O型嘴），人物周圍有一圈明顯的白色描邊（貼紙效果），將她與背景的模糊辦公室環(huán)境隔離開來。視覺設(shè)計包含上下邊緣的黃色撕紙紋理效果。畫面頂部有巨大的、黑色的粗體中文字體，印在黃色的矩形色塊背景上，第一行寫‘職場菜鳥’，第二行寫‘生存法則’。人物右側(cè)懸浮著手寫體的中文標(biāo)簽‘干貨滿滿’和‘建議收藏’，以及一個波普風(fēng)格的英文單詞‘WOW’。畫面點綴著卡通燈泡圖標(biāo)、卡通眼睛貼紙和閃爍的星星符號。整體色調(diào)以明亮的黃色和黑白色為主，高飽和度，視覺沖擊力強?！?/p>

圖：GLM Image 生成的圖片

是不是有點意思？

甚至 NBP 很拿手的“信息圖表”，GLM 也能模仿個七七八八：

圖：生成一張咖啡制作的信息圖

提示詞：創(chuàng)建一個展示如何制作面包的信息圖表

這里我要客觀說一句：如果是特別復(fù)雜、步驟特別多的信息圖，NBP 依然更勝一籌，畢竟人家底層模型的參數(shù)量擺在那。

但在 GLM 里， 如果把提示詞寫得很詳細(xì)具體，其實也能得到那樣的圖。

圖：通過詳細(xì)的提示詞生成的信息圖

極簡風(fēng)的產(chǎn)品海報，GLM Image 也是信手拈來：

提示詞：一張極具奢華感的高端護膚品廣告海報。畫面中央是一瓶半透明的琥珀色精華液瓶身，瓶身表面有精致的金色燙金文字。瓶子置于平靜的水面上，周圍有金色的漣漪和飛濺的水珠，光影呈現(xiàn)出剔透的琉璃質(zhì)感。 背景是深邃的漸變黑金色。畫面上方留白處，使用優(yōu)雅纖細(xì)的中文襯線字體（宋體風(fēng)格）排版：‘凝時?新生’。下方是一行較小的英文：‘TIMELESS BEAUTY’。整體風(fēng)格追求極致的純凈與奢華，微距攝影視角。

還有這種速度感的汽車海報：

提示詞：一張充滿速度感的電動超跑商業(yè)海報。一輛銀灰色的流線型概念跑車正在深邃的未來隧道中極速飛馳。背景的燈光因為高速移動拉成了長長的霓虹光流（Motion blur），而車身主體清晰銳利，車漆反射著周圍流動的光影，金屬質(zhì)感極強。 畫面采用傾斜構(gòu)圖，極具視覺沖擊力。左上角排版巨大的、粗體傾斜的無襯線中文字體：‘極速?由此定義’。右下角是汽車品牌Logo和一行小字‘未來已來’。冷色調(diào)，賽博朋克與工業(yè)設(shè)計的完美結(jié)合。

作為一款文生圖的模型，GLM Image 目前還不支持修圖，所以相對來講比較簡單，不知道后期會不會有這些功能，包括參考圖等。

網(wǎng)上很多人把 GLM Image 稱為 Nano Banana 的“國產(chǎn)平替”或“開源平替”。

但我扒了一下它的底，發(fā)現(xiàn)事情沒那么簡單。

它底層用的是一種很新的“自回歸 + 擴散”架構(gòu) 。

簡單說，就是用大模型的腦子去“聽懂話”，再用繪畫模型的筆去“摳細(xì)節(jié)” 。這也是為什么它能把復(fù)雜的漢字寫對的核心原因 。

更硬核的是，它是智譜聯(lián)合華為昇騰和昇思 MindSpore 硬磕出來的，從里到外都是純國產(chǎn)算力 。

當(dāng)然，最吸引我的還是開源。

如果你在意數(shù)據(jù)隱私，或者公司想省成本，完全可以把它下載下來本地部署。

不用聯(lián)網(wǎng)也能跑，相當(dāng)于擁有了一個私有的繪圖工作臺，這點對企業(yè)太香了。

別光聽我說，建議直接上手試，小白用戶直接去 bigmodel.cn 免費體驗：

圖：GLM Image 的圖像生成界面

技術(shù)大神去 GitHub 搜 GLM-Image 就能扒代碼：

• GitHub：https://github.com/zai-org/GLM-Image

• Hugging Face：https://huggingface.co/zai-org/GLM-Image

• 魔搭社區(qū)：https://modelscope.cn/models/ZhipuAI/GLM-Image

試完覺得好用的，記得回來給國產(chǎn) AI 點個贊！