30秒出NeurIPS级插图：Nano Banana Pro科研绘图全流程实测

它是最近 AI 圈的顶流，但我发现，它被严重低估了。

当所有人都在用 Nano Banana Pro 生成网红图时，我用它干了件正经事：搞科研。

结果？它画的方法图，直接把我过去三年的手搓水平按在地上摩擦。

我们都知道，科研绘图是时间的黑洞。

逻辑图对不齐、模块越画越乱、配色土得掉渣……Poster 做了一整天，导师看一眼眉头紧锁。

这种“代码能跑通，图却画不动”的日子，今天可以翻篇了。

我让 Nano Banana Pro 覆盖了科研绘图里最关键的三个场景：

• 方法图（Method）：考逻辑结构是否清晰
• 实验图（Experiment）：看数据呈现是否专业
• 示意图（Concept / Idea Figure）：看抽象内容能否被直观表达

测完我只想说，这是对传统绘图工具的降维打击。

它的出图水准，就是奔着 NeurIPS、ICLR 接收标准去的。

文末给大家扒出了一套「万能科研绘图 Prompt」，不想看测评的可以直接滑到底部抄作业。

第一个测试，我直接上了硬菜：Cambrian-S。

这篇论文可谓大佬云集（LeCun + 李飞飞 + 谢赛宁），但方法部分偏偏少了一张全局架构总览图。

文本怎么进？视觉怎么融？Mamba-Transformer 主干怎么接？全靠脑补。

我把论文里的方法描述拆，按顺序拆成了一份结构化模块清单，直接丢给 NBP，连草图都没给。

MAIN ARCHITECTURE (from the Method section):

1. Inputs:

– Image frames I ∈ ℝ^{H×W×3}

– Instruction prompt p

2. Encoders:

– Image Encoder:

• Extracts visual feature map F_i from input images.

– Text Encoder:

• Tokenizes prompt p into embeddings T ∈ ℝ^{T_p×D}

3. Feature Projection & Fusion:

– Visual Feature Projector:

• Projects F_i into V ∈ ℝ^{T_v×D}

– Multi-Modal Mixer:

• Concatenates V and T into Z ∈ ℝ^{(T_v+T_p)×D}

• Applies mixer layers to unify modalities

4. Core Backbone:

– Transformer Stack (L layers)

• Each layer contains:

– Multi-Head Self-Attention (MHSA)

– Feed-Forward Network (FFN)

– Residual + LayerNorm

5. Multi-Scale Routing Module:

– Occurs at predefined stages s₁ and s₂

– Token routing:

• Split Z into Active Tokens and Idle Tokens

• Only Active Tokens pass through deeper layers

• Idle Tokens are temporarily held

– Merge Unit:

• Idle Tokens rejoin Active Tokens after deeper blocks

6. Memory Retrieval Module:

– Memory Bank M ∈ ℝ^{N_m×D}

– Query generation: Q = Z_q W_q

– Key matching: attention weights = softmax(Q Mᵀ)

– Retrieval: R = weighted sum of memory vectors

– Fusion: Z ← Z + R (before block s₃)

7. Output Head:

– Task-specific head depending on target task:

• token outputs O ∈ ℝ^{T_o×D}

• or class logits

DATA FLOW:

Images → Image Encoder → Projector → V

Prompt → Text Encoder → T

V + T → Mixer → Z

Z → Transformer + Routing + Memory Retrieval → Output Head → Final output

30 秒后，我愣住了。

这不仅是画对了，它是画“懂”了。

Multi-modal Mixer 的双流输入，Memory Retrieval 的层级结构，Active/Idle Routing 的分叉路径……

它不仅把逻辑理顺了，还自动匹配了那种“清爽、扁平、克制”的顶会审美。

不用调线宽，不用对齐网格。你只要给它逻辑，它就还你专业。

搞定了架构图，第二关我直接试论文里最抽象的那类——概念图。

这种图最难画。画得太实像说明书，画得太虚像玄学。

我用 Cambrian-S 最经典的 Figure 1（五阶段认知框架）做测试。

从语言到空间，再到世界模型。这种抽象概念，人类画都要构思半天。

我把这张图的结构逻辑完全写进 Prompt，让 NBP 按结构复刻、按风格提升。

这就是传说中的像样。低饱和度的配色（Pastel Color），干净的间距，还有底部那个 3D 视频长廊的空间感。

以前这种图我要找专业设计师，现在 NBP 居然 30 秒一次成型。

如果你的论文正缺一张镇楼图，可以考虑试试它。

前两个我还能理解，但实验数据的折线图（Plot），它能画准吗？

我拿 Mamba-3 的 Figure 3 试了试水。只给了坐标轴含义、数据点和模型名称。

结果再次打脸：

扁平化、不加玻璃反光、不加渐变、线宽统一、色卡克制。坐标轴标注清晰，不抢戏。甚至比原论文更整洁、更专业。

这不是“能看”，这是“能投”级别的。

就连最烦人的大表格可视化，我把 Mamba-3 的 Table 3 数据扔进去：

它反手就甩给我一张清晰的柱状图：

配色稳、比例准，完全符合顶会图表规范。

以前这种图我得用 Matplotlib 调半小时色卡，现在只要 30 秒。

📝 抄作业时间：万能 Prompt

测试下来，我发现 NBP 的核心逻辑是：你负责逻辑（Text），它负责审美（Visuals）。

为了让大家少走弯路，我总结了一个「万能科研绘图 Prompt 模板」。

你只需要把论文内容按顺序填进以下结构，方法、流程、实验、表格，各种图都能照这个模板衍生。

You are an expert ML illustrator.

Draw a clean, NeurIPS/ICLR-style scientific Nano Banana 教程 figure using Nano Banana Pro.

GOAL:

Create a professional, publication-quality diagram that exactly follows the

structure and logic provided inthe MODULE LIST below.

Do not invent components, donot reinterpret, donot add creativity.

Strictly follow the logical flow.

GLOBAL RULES:

– Flat, clean NeurIPS style (no gradients, no gloss, no shadows)

– Consistent thin line weights

– Professional pastel palette

– Rounded rectangles forblocks

– Arrows must clearly indicate data flow

– No long sentences, only short labels

– Keep spacing clean and balanced

– All modules must appear exactly once unless specified

LAYOUT: