生成されたタイトルカードは『FIBO 2.0 vs Nano Banana 2.1』を見出しに、『32ドルと33.60ドル、66 Elo』をサブタイトルにしている。2つの価格タグには「1,000枚あたり32.00ドル」と「1,000枚あたり33.60ドル」とあり、その間の括弧には「編集で66 Elo」と記されている。フッターには「価格とEloはArtificial Analysis、AA-Image-Editingによる(2026年11月20日参照)。」とある。
Guides & Insights

FIBO 2.0 vs Nano Banana 2.1:同じ価格でEloスコアに66の差

著者

Gideon Frost

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

価格差は5%、両モデルが持つ唯一のブラインド指標ではElo差66。FIBO 2.0は画像1,000枚あたり32.00ドル。Nano Banana 2.1は33.60ドル。Artificial Analysisの編集ボードでは、2026年11月20日時点で、Nano Banana 2.1が1,152 Eloで10位、対戦数7,606、区間は1,140~1,164。FIBO 2.0は1,086で31位、対戦数5,753、区間は1,073~1,099。テキストから画像生成では差は139ポイントに広がり、1,176対1,037となる。

これらの比較の大半を占める価格の問いは、ここでは最初から成立しません。あなたが選んでいるのは安いか高いかではありません。両者が提供する目的の作業において測定可能なほど優れているGoogleの画像系クローズドモデルか、画像あたりのコストが丸め誤差程度に安く非商用ライセンスが付くBriaの8Bオープンチェックポイントか、そのどちらかです。それ以外はすべて、その2つの事実のどちらを扱えるかという細部にすぎません。

実際のところ、66 Eloとは何なのか

Eloレーティングの差は、その数値自体が論拠であるかのように引用される。そうではない。信頼区間が重ならない66ポイント差は、大規模な一対比較サンプルを与えられたアリーナが、Nano Banana 2.1 を、サンプリングノイズではその順序を説明できないほど十分な頻度で好んだことを意味している。それが教えてくれないのは、どの種類の編集を好んだのかということであり、それこそワークフローをそれに賭ける前に知っておく必要があることだ。

A screen capture of the Artificial Analysis AA-Image-Text-to-Image leaderboard ranked by Elo, showing Nano Banana 2.1 at rank 8 with 1,176 Elo, an interval of 1,164 to 1,188 across 6,793 battles at $33.60 per 1,000 images, and Fibo 2.0 at rank 32 with 1,037 Elo, an interval of 1,026 to 1,048 across 5,741 battles at $32.00 per 1,000 images.

周囲の行のパターンは示唆的だ。Nano Banana 2.1は汎用モデルであり、両方のボードで上位に登場する。テキストから画像へでは8位、編集では10位で、Nano Banana 2とNano Banana Proを含むファミリー全体で16,000件超の対戦履歴を持つ。FIBO 2.0は相対的に編集で最も強く(1,086、31位)、テキストから画像へで最も弱い(1,037、32位)が、これはゼロからフレームを生み出すというより、既存の枠内での指示追従に重点的に訓練されたモデルのプロファイルだ。あなたの作業が「これを変えて、残りはそのまま」なら、両者は66ポイントが示すより近い。あなたの作業が「画像を作って」なら、差は現実にあり、僅差ではない。

• 編集Elo — Nano Banana 2.1 1,152(10位、7,606バトル);FIBO 2.0 1,086(31位、5,753バトル)。

• テキストから画像へのElo — Nano Banana 2.1 1,176(8位、6,793回の対戦)、FIBO 2.0 1,037(32位、5,741回の対戦)。

• 画像1,000枚あたりの価格 — $33.60 対 $32.00、5%の差。

• 重み — なし、クローズドAPI、81億パラメータ、ゲート付きダウンロード、CC BY-NC 4.0。

• 生成と編集 — 両方をカバーする単一のホスト型モデル、両方をカバーする単一のチェックポイント。Briaがこれらを統合したのは初めてです。

• プロンプト形式 — 自然言語と画像参照。VGL は構造化 JSON キャプションスキーマで、それを書き出すコンパニオンパッケージを伴います。

A generated scoreboard card titled 'FIBO 2.0 vs Nano Banana 2.1 — the scoreboard'. Left column 'FIBO 2.0': 'Editing Elo: 1,086 (31st)', 'Text-to-image: 1,037 (32nd)', 'Weights: 8.1B, gated, CC BY-NC 4.0', 'Price: $32.00 / 1k images', 'References: up to 4', 'Prompt: VGL JSON schema'. Right column 'Nano Banana 2.1': 'Editing Elo: 1,152 (10th)', 'Text-to-image: 1,176 (8th)', 'Weights: none, closed API', 'Price: $33.60 / 1k images', 'References: multi-image, per Google', 'Prompt: natural language'. A footer reads 'Elo per Artificial Analysis, read 20 November 2026; prices per each vendor; licence per Bria model card.'

5パーセントではない5パーセント

Briaの画像1枚あたり0.032ドルは一律です。リーダーボード上のNano Banana 2.1の33.60ドルも、少なくともボードが報告している限りでは同様に一律です。しかしGoog​leの画像エンドポイントの実際の請求額は、出力サイズと、添付する参照画像の数によって変わります——1000枚あたりの料金表には決して載らない類のものです。この比較ではどちらにも影響するため、どちらの数値も見積もりとして扱うべきではないことを明言しておく価値があります。

より有用なのは、価格差が、ほかに変わるものと比べてどれほど小さいかに気づくことだ。年間100万枚の画像では、その差はおよそ1,600ドル——エンジニア1人の1週間分の時間より少なく、別のモデルのプロンプト形式に合わせてパイプラインを作り直すコストよりはるかに小さい。価格の列は、この判断が生きる場所ではない。それは、そうだと決めつけてしまわないようにするために、そこにある。

ライセンスが実質的な価格です

FIBO 2.0では、$0.032で商用APIの呼び出し1回と、別途、CC BY-NC 4.0に基づくゲート付きダウンロードが得られます。このダウンロードは非商用です。Briaのカードには、重みの商用利用には別途契約が必要であることが明記されており、Hugging Faceのゲートでは、ファイルを渡す前に会社名と意図する用途カテゴリを尋ねられます。これに対し、APIにはそのような制限はなく、エンドポイントの出力を販売できます。この2つは、同じ名前を共有する別の製品です。

Nano Banana 2.1には議論すべき重みがなく、ライセンスの問題を完全に取り除き、代わりに依存関係の問題を残します。監査もできず、ファインチューニングもできず、ビルドを固定して自社ネットワーク内で実行することもできず、顧客の写真を自社インフラの外に出さないようにすることもできません。多くの企業にとって、その最後の条項が決定のすべてであり、それは10位高いスコアを出すモデルに反する決定となります。

ここが、66 Elo が問題ではなくなり、「それを自社の VPC 内に置く必要がある」という言葉が始まる地点だ。ここはまた、オープンウェイトの売り込みがたいてい過大な約束をする地点でもある。非商用ライセンスは、自社ネットワークで製品を運用するための方法ではなく、交渉している間に自社ネットワークで研究やプロトタイピングを行うための方法だ。「オープンウェイト」を「これを出荷できる」と読んでいる人は、まもなく弁護士との不快な会話をすることになる。

価格欄が隠す第三の選択肢

両ベンダーとも、エンドポイントを1画像あたり約3セントで販売している。これは十分に安いので、興味深い問いはもはやどのモデルを買うかではなく、周辺のパイプラインがレンダリング費用を上回らないようにする方法だ。

画像モデルを巡るパイプラインの大半はテキストです。キャプションが書かれ、スキーマが検証され、レンダーが誤った結果で返り、リトライが組み立てられ、あるベンダーがスロットリングしているためにバッチが別のモデルへルーティングされる。これらの各ステップは、それぞれ独自のベンダーとキーを持つ言語モデル呼び出しです。OrcaRouterは200超のテキストモデルを、プロバイダー定価でマークアップ0%の単一キーの背後に置き、キャプショナーを新しい契約なしでジョブごとに差し替えられ、プロバイダーの障害はポケットベルではなく自動フェイルオーバーでカバーされます。FIBO 2.0もNano Banana 2.1も当社のカタログにはありません。画像呼び出しはそのままの場所に残りますが、画像呼び出しを行う価値があるかどうかを決めるワークフローの半分は、別の統合である必要はありません。

特にFIBOパイプラインにとって、その枠組みは飾りではない。このモデルはVGLに照らして文書化されている。VGLは、被写体、構図、照明、カメラ、スタイル、画像内テキストを、ひと続きの長い文ではなく名前付きフィールドに分ける構造化キャプション形式だ。VGLオブジェクトの自然な作成者は人間ではなくモデルであり、自然な失敗モードはレンダーの2秒前におけるスキーマ違反だ。ライター、バリデータ、リトライを、ルーティングされたフォールバックを備えた単一のエンドポイントの背後に置くことが、パイプラインとスクリプトの山を分ける違いとなる。

どれですか、そして何がそれを覆すでしょうか

「良い画像を安く作る」以外に制約がないなら、証拠の上では Nano Banana 2.1 の勝ちであり、その差は価格差以上だ——編集で21ポイント、テキスト・トゥ・イメージで24ポイント上回るのに、費用はわずか5パーセント増というのは、接戦とは言えない。

A generated card titled 'What five percent buys', showing a see-saw: on one side '$1,600 a year at a million images' and on the other 'a pipeline rebuilt around a different prompt format, a fine-tune you cannot run, and a licence you cannot read'. A footer reads 'Prices per Artificial Analysis, read 20 November 2026; the annual figure is arithmetic on a $0.0016 per-image difference.'

データレジデンシー、自社カタログでのファインチューニング、監査要件、研究プログラムといった制約があるなら、それを満たせるのはFIBO 2.0だけであり、66 Eloという差はそのファイルを使うために払うコストだ。ファインチューニングの話は本当で、リポジトリには編集用とテキストからの画像生成用のシングルGPU LoRAトレーナーが同梱されており、生成と編集が同じ重みを共有しているため、1回のファインチューニングでハウススタイルとそのスタイル内での編集を教え込める。これはホスト型モデルがいくら払っても提供できない能力だ。

判断を変える要素は3つある。Briaからの商用ライセンスがあれば、このダウンロードは実用可能になり、FIBOは研究用のおもちゃではなく、真に社内利用可能な選択肢になる。参照画像と4K出力を考慮したNano Banana 2.1の1画像あたりの価格が公表されれば、その5パーセントが本当に5パーセントなのかが分かる——その答えの方向性は自明ではない。そして、2つの編集インターバルを分離する一連のアリーナバトルが行われれば、66ポイントがその差なのか、それとも現在41ポイント差で互いに明確に分かれているバンドが、見た目より接近しているのかが決着する。

それまでは、正確な要約は短い。2つのモデル、1つの価格、そのうち一方はどちらかが出るあらゆるボードでより優れており、もう一方はこのペアで唯一手に取れる存在だ。それはリーダーボードの問いではないし、これまでもそうだったためしがない。