GPT-Image-2 vs Nano Banana 2：品質の王者 vs 量の主力

ときにNano Banana 2（Go​gleの画像モデル、正式名称はGemini 3.1 Flash Image）は2026年2月26日にリリースされ、リーダーボードでテキストから画像を生成するモデルとして第1位になりました。そして、その第1位は、画像内のテキストが十分正確にレンダリングされるため、Go​gleが広告コピーを複数言語に翻訳するツールのデモができるという主要機能によって獲得されたものでした。その後GPT-Image-2は2026年4月21日にリリースされて頂点を奪い、2つのモデルはプレスリリースが示すよりも明確なすみ分けを確立しました。Nano Banana 2はボリューム向けの主力であり、安くて速く、ワークフロー全体で一貫し、大規模実行向けの価格設定です。一方、GPT-Image-2は品質リーダーであり、現在の独立した第1位で、8月20日時点でAPIに透明背景プレビューが追加されました。今の対決は、「どちらが最良か」ではなく、それはすでにリーダーボードが答えています。重要なのは、どのクラスの作業に対してどのモデルがその仕事を獲得するかです。

王冠はどのように持ち主を変えたのか

Nano Banana 2のローンチ時の数字は、2月としては本当に圧倒的でした。LMArenaのテキストから画像生成ボードで1,280 Eloを記録し、GPT Image 1.5とNano Banana Proを抑えて第1位でした。それから5か月が経ち、状況は変わりました。現在のArtificial Analysisのテキストから画像生成ボードでは、GPT Image 2（high）が1,369 Eloで首位に立ち、Nano Banana 2は1,320で第3位（1,322のReve 2.4に次ぐ）です。また、Arenaの別ボードではGPT-Image-2（medium）が1,381で首位です。Nano Banana 2が劣化したわけではありません。競合が追いつき、GPT-Image-2の推論ベースの生成が天井を引き上げたのです。ボード上位の50ポイント差は「最良の選択肢」と「ベスト3のうちの1つ」の違いであり、品質と同じくらいコストと速度を重視してきたモデルにとって、これは現実的な降格ではあるものの、失格とするほどのものではありません。

価格差が物語だ

Nano Banana 2 は安価に作られており、実際に安い。Googleは価格を出力解像度ごとに設定している。512×512で1画像あたり0.045ドル、1024×1024で0.067ドル、2048×2048で0.101ドル、4096×4096で0.151ドル、入力は100万トークンあたり0.50ドルだ。この1024×1024の価格は、Nano Banana Proが同じ出力に対して請求していた額のおよそ半分であり、GPT Image 1.5がローンチ時に設定していた価格より約2倍安い。このモデルの位置づけは、まさにユニットエコノミクスである。GPT-Image-2はトークン課金制で、テキスト入力が100万トークンあたり5ドル、画像入力が100万トークンあたり8ドル、画像出力が100万トークンあたり30ドル。これは中品質の1024×1024画像でおよそ0.05ドル、高品質でおよそ0.21ドルに換算される。OpenAIが画像あたりのトークン数を公開していないため、これはあくまで換算値だ。実際にチームが運用するプランでは、中品質ではこの2つはほぼ同等だが、大量利用時や高解像度ではNano Banana 2が価格面で優位に立つ。その場合、画像あたりの料金表により、トークンの不確実さではなく固定額が示されるからだ。

スピードとワークフロー

運用上の違いは、この2つが互換性を失う点にあります。Nano Banana 2は1枚あたり約4〜6秒でレンダリングし、ワークフロー全体で最大5体のキャラクターと14個のオブジェクトを一貫して保持し、ウェブ検索に基づいた生成を行い、14種類のアスペクト比で最大4Kに対応します。そして、すべての出力にはデフォルトでSynthIDとC2PAの来歴情報が含まれます。このプロファイルは本番運用の主力です：高スループット、予測可能なコスト、一貫したキャラクター、来歴のための配管工事が不要。GPT-Image-2は別のマシンです：InstantとThinkingの2つのバリアントがあり、Thinkingパスは描画前にレイアウトを計画し、制約を自己チェックします。だからこそ複雑な複数制約プロンプトで優れていますが、シンキングモードは遅く、その既知の弱点はNano Banana 2の強みと鏡像関係にあります。というのも、シリーズ全体でキャラクターを同一に保つのではなく、再生成するからです。1日に1000件の商品バリエーションを生成するワークロードであれば、その差はEloスコアが決める前にモデルを決定づけます。

テキストレンダリング：誰もが注目する戦い

{{1}}テキストレンダリングこそ、この2つが真に競い合う唯一の領域である。なぜなら、それは各モデルの看板機能だからだ。Nano Banana 2のローンチは、画像内テキストの正確な描写と翻訳を軸に構築されていた — Global Ad Localizerデモ、すべてのテキスト行がクリーンに返ってきた雑誌表紙テスト、そして初期の画像モデルを特徴づけていた文字化け生成を超えるマルチリンガル対応である。{{2}}GPT-Image-2の対抗策は、CJKを含む各スクリプトで約99%のテキストレンダリング精度（ベンダー報告値、ほぼ完璧なマルチリンガルテキストをローンチ時の約束としたモデル上での数値）に加え、{{3}}ウェブグラウンディングにより、レンダリングされるテキストが最新の事実を反映できることだ。{{4}}どちらの主張も完全に独立したものではなく、また両モデルとも困難なケースでは実際の失敗が依然として見られる — Nano Banana 2はテストで中国語テキストと地図画像を誤って描写することが確認されており、{{5}}GPT-Image-2の精度主張は第三者によって再現されていない。{{6}}テキスト主体のレイアウトにおいて、正直な見解としては、両者ともクラスの最前線にあり、決定的な判断材料はどちらかのベンダーの数値ではなく、あなた自身のプロンプトであるべきだ。{{7}}

正直なトレードオフ

ボードとプライスカードを合わせて見ると、その使い分けは名声ベースではなく実用的だ。仕事がヒーローアセット（複雑な構成、多言語ポスター、可能な限り最高の単一画像であるべきプロダクトショット）なら、GPT-Image-2 が現在の独立系リーダーであり、その透過背景プレビュー（8月20日）は切り抜き工程を不要にし、ボード最上位の品質差こそヒーローイメージが払う価値のあるものだ。仕事がボリューム（何千もの一貫した製品レンダリング、ウェブサイズのアセット、コストとスループットが支配するA/Bバリアント）なら、Nano Banana 2 の固定の画像単価、4〜6秒の生成時間、キャラクター/オブジェクトの一貫性がそれを実務向けの主力にする。そして、ボード上で3位という順位は、ウェブサイズ出力ではその差がほとんど見えないほど十分に近い。誤りは、ヒーローが必要な場面で主力を使うこと、あるいは量産作業にヒーロー価格を払うことだ。

両方のルーティング

{{1}}これは、選ぶ必要がない数少ない組み合わせの一つです。なぜなら、OrcaRouterが両方のモデル（GPT-Image-2とNano Banana 2。後者は技術識別子google/gemini-3.1-flash-image-preview）を、同じAPIキー経由で0%マークアップ、プロバイダー定価をそのまま適用し、自動フェイルオーバー付きでルーティングするからです。{{/1}} これが実際にもたらすのは、調達の問題ではなくモデル選択の問題です。高価値・低ボリュームの作業はgpt-image-2に、高ボリューム・低価値の作業はNano Banana 2に向け、ジョブが変わるたびにモデル文字列を切り替え、どちらかのベンダーの値下げは発表当日にライブで反映させます。 {{2}}カテゴリ内で最も有力な2つの選択肢が異なるユニットエコノミクスと異なるワークフローを持つ場合、正しい判断は、両方を1つの契約にまとめ、ワークロードにコールごとに判断させることです。{{/2}}

結論：GPT-Image-2は品質の王座を保持し、透明背景プレビューによって出力をさらに合成しやすくした。Nano Banana 2は定額プランとカテゴリー最強の一貫性という強みでボリューム需要を担う。この2つは画像モデル市場の両極であり、どちらも保有する価値がある。判断基準はワークロード次第——主要アセットはリーダーへ、ボリュームは実働部隊へ、そして両方に共通する鍵は1つ。