Z.ai开源GLM-Image在复杂文本渲染上超越谷歌Nano Banana Pro

2026年AI领域的两大焦点是Anthropic的Claude Code使用量和赞誉度激增，以及谷歌去年底发布的Gemini 3 AI模型系列用户采用率大幅提升。后者包括Nano Banana Pro，这是一个强大、快速且灵活的图像生成模型，能快速准确地渲染复杂、文本密集的信息图，非常适合企业使用。然而，这些都是专有产品。开源竞争对手并未落后太远。本周，在精确、文本密集的图像生成器类别中，出现了一个新的开源替代品GLM-Image。这是来自最近上市的中国初创公司Z.ai的一个新的160亿参数开源模型。通过放弃行业标准的“纯扩散”架构，转而采用混合自回归加扩散设计，GLM-Image实现了之前被认为是封闭专有模型领域的性能：在生成文本密集、信息丰富的视觉内容方面达到最先进水平。在CVTG-2k基准测试中，GLM-Image的平均单词准确率为0.9116。相比之下，Nano Banana Pro的得分为0.7788。当文本区域数量增加时，Nano Banana Pro的准确率保持在70%左右，而GLM-Image即使有多个不同文本元素，准确率仍超过90%。对于企业用例，这种可靠性是关键区别。