Z.ai 新近发布的开源图像生成模型 GLM-Image 在图像中渲染复杂文本方面的表现优于谷歌的专有模型 Nano Banana Pro，也称为 Gemini 3 Pro Image。这家最近公开的中国初创公司推出的拥有 160 亿参数的模型采用了一种新型的混合自回归 (AR) 扩散设计，这与领先的图像生成器中常用的纯扩散架构不同。

随着能够生成带有集成文本的 AI 模型越来越受欢迎，这种发展应运而生，这主要是由于市场对营销材料、培训材料和内部沟通等企业应用程序的需求不断增长。VentureBeat 的 Carl Franzen 于 2026 年 1 月 14 日报道称，谷歌的 Nano Banana Pro 是去年年底发布的 Gemini 3 AI 模型系列的一部分，因其在渲染包含大量文本的信息图表方面的速度和准确性而备受关注。

传统的扩散模型通过逐步细化随机噪声来生成图像，但这种过程在文本渲染所需的精确定位和清晰度方面可能会遇到困难。GLM-Image 的混合 AR 扩散方法将这种技术与自回归方法相结合，后者根据前面的元素预测序列中的下一个元素。这使得可以更好地控制图像生成过程，尤其是在涉及文本的区域。

这种发展的影响不仅仅在于技术上的优势。GLM-Image 的开源性质提供了 Nano Banana Pro 等专有模型所不具备的可访问性和定制选项。这可以促进创新，并在各个领域更广泛地采用 AI 驱动的图像生成，特别是对于寻求具有成本效益和适应性解决方案的组织。

Franzen 指出：“准确地在图像中渲染文本对于许多实际应用至关重要。GLM-Image 的性能表明，开源模型正在迅速赶上，甚至在某些情况下超过其专有模型。”

专有和开源图像生成模型的兴起凸显了 AI 技术的快速进步及其改变创意工作流程的潜力。虽然谷歌的 Gemini 3 系列和 Anthropic 的 Claude Code 已经引起了相当大的关注，但 GLM-Image 的出现标志着竞争格局日益激烈，以及开源替代方案日益可行。

Z.ai 尚未发布详细的技术规范或基准，将 GLM-Image 直接与 Nano Banana Pro 进行比较。但是，初步报告和用户反馈表明，文本渲染的准确性和连贯性有了明显的提高。该模型目前可在 Fal.ai 等平台上下载和实验，从而使研究人员和开发人员能够进一步评估其功能并为其持续开发做出贡献。该公司计划在未来几个月内根据社区反馈发布 GLM-Image 的更多更新和改进。