با عرضه به‌روزرسانی جدید Google Gemini که اکنون به مدل تولید تصویر Nano Banana 2.1 مجهز شده است، رقابت در حوزه هوش مصنوعی مولد تصاویر وارد مرحله حساس جدیدی شده است. در این تحلیل فنی، با بررسی عملکرد مدل جدید گوگل در برابر رقیب قدرتمند خود، یعنی Images 2.5 در پلتفرم ChatGPT، توانایی‌های این دو سیستم را در سناریوهای پیچیده ارزیابی می‌کنیم.
معماری و ارتقای Nano Banana 2.1
مدل Nano Banana 2.1 با هدف افزایش جزئیات بصری، دقت در پیروی از دستورالعمل‌ها (Instruction Following) و حفظ ثبات در خروجی‌ها بازطراحی شده است. گوگل در این نسخه تمرکز ویژه‌ای بر بهبود رندرینگ متون و واقع‌گرایی در نورپردازی داشته است. در حالی که ChatGPT با مدل 2.5 خود در حال حاضر استانداردهای بالایی را برای ساختارهای ترکیبی پیچیده تعیین کرده، رقابت میان این دو سیستم به سطح «نزدیکی در قابلیت‌ها» (Parity) رسیده است.
سناریوهای تست: نورپردازی، تایپوگرافی و حفظ کاراکتر
برای ارزیابی دقیق، چهار آزمون کلیدی طراحی شد تا نقاط قوت و ضعف هر مدل در مدیریت بازتاب‌ها، متون طولانی و تداوم بصری بررسی شود:
- نورپردازی و بازتاب‌ها: در تست یک گلخانه در گوی برفی، Nano Banana 2.1 توانست با ارائه نورپردازی طبیعی‌تر و مدیریت دقیق‌تر شکست نور در سطوح شفاف، عملکرد تحسین‌برانگیزی از خود نشان دهد.
- تولید متون دقیق: در طراحی پوستر تبلیغاتی برای قمر تیتان، Nano Banana 2.1 برتری خود را در رندر کردن دقیق متون و قیمت‌ها نشان داد، در حالی که مدل 2.5 با وجود کیفیت بصری بالا، در فاصله میان کاراکترهای متنی دچار خطای کوچک در فرمت‌دهی شد.
- تداوم کاراکتر (Consistency): در آزمون کمیک چهار پنلی، Nano Banana 2.1 موفق شد کاراکتر روباه را با جزئیات ثابت (شال‌گردن سبز و دم سفید) در طول داستان حفظ کند، در حالی که ChatGPT تمایل بیشتری به تغییرات جزئی در ابعاد کاراکتر بین پنل‌ها داشت.
- پیچیدگی اشیاء (Composition): در آزمون نهایی که شامل قراردادن چندین شیء خاص (قطب‌نما، ساعت، مهر موم) در یک صحنه بود، ChatGPT در رعایت جزئیات زمانی (ساعت 3:15) موفق‌تر ظاهر شد.
مشخصات فنی مدل‌ها
- مدل بررسی شده: Nano Banana 2.1 (موجود در Google Gemini)
- رقیب: Images 2.5 (موجود در ChatGPT)
- قابلیت‌های کلیدی: رندرینگ متنی، نورپردازی فیزیکی (PBR)، ثبات بصری (Consistency)
- دسترسی: Nano Banana 2.1 برای کاربران اشتراکی (Plus, Pro, Ultra) فعال است.
تحلیل نهایی و نتیجه‌گیری
نتایج حاصل از این آزمایش‌ها نشان می‌دهد که ما به دورانی رسیده‌ایم که تفاوت میان ابزارهای برتر هوش مصنوعی بیشتر به «سلیقه هنری» و «تفسیر مدل از پرامپت» وابسته است تا برتری فنی مطلق. در حالی که Nano Banana 2.1 در بخش داستان‌سرایی بصری و حفظ تداوم کاراکترها پیشرفت قابل‌توجهی داشته، ChatGPT همچنان در ترکیب‌بندی‌های دقیق و رعایت دستوراتِ چندگانه جزئی (مانند تنظیم زمان دقیق ساعت) عملکردی پایدار ارائه می‌دهد. انتخاب نهایی میان این دو پلتفرم اکنون بیش از هر زمان دیگری به نیاز کاربری شما بستگی دارد.
