MOSS-Image 対 Nano Banana 2：一方にはサービス終了日があり、もう一方にはエンドポイントが存在しない

この比較には、どちらのベンダーも宣伝していない厄介な性質がある。Nano Banana 2 — G​oogle がG​emini 3.1 Flash Imageに付けた消費者向け名称、すなわち識別子gemini-3.1-flash-image — の停止日は、今日から12日後に迫っている。G​oogle の G​emini API 変更履歴では、2026年10月29日をもってこれが非推奨とされ、それは10月6日に画像1枚あたりおよそ半額で提供開始された N​ano Banana 2.1 の3週間後のことになる。M​OSS-Imageは、2026年10月16日に Apache 2.0 のオープンウェイトとして公開されたが、停止日は存在しない。停止すべきものが何もないからだ。これは自分で実行する27 GBのダウンロードファイルであり、商用 API は一切公開されていない。

だから、この対決を正直に言い表すなら、「どちらが優れているか」ではない。それは、誰か他人のサーバー上でまもなく存在しなくなるモデルと、あなたがファイルを保持し続ける限りあなたのサーバー上に存在し続けるモデルとの比較だ。この捉え方はスペック表よりも役に立つ。なぜなら、それはまさにチームが今月下している決定であり、二次的な問い——Nano Banana 2 に代わるものは何か——には、価格を半額に変える答えがあるからだ。

まず、あなたが実際に比較対象としているのはどのN​ano Bananaですか？

グーグルのネーミングには3つの層があり、その違いは見せかけではない。

N​ano Banana 2 は G​emini 3.1 Flash Image。一般向けの展開は 2026年2月26日に始まり、開発者向け API は 2026年5月28日に一般提供されました。その名称はgemini-3.1-flash-imageです。これは G​emini アプリ、G​oogle 検索の Lens と AI モードの各サーフェス、Flow、G​oogle 広告にわたるデフォルトの画像生成器です — この事実が導入の判断を支配します。なぜなら、これはユーザーに使うよう説得する必要のあるモデルではないからです。

Nano Banana Pro は上位ティアであり、OpenMOSS が自社レポートでベンチマーク比較対象として選んだモデルです。ベンダーの LongLongTextBench の表では、Nano Banana Pro の Mean-6 スコアは 96.6 で、MOSS-Image の 96.3 との差は 0.3 ポイント——これは表の中で最も狭いマージンであり、最も理解する価値のあるものです。

Nano Banana 2.1 は、10月6日に Nano Banana 2 を置き換えるものです。それはここでの主題ではありませんが、到達点であり、その存在が前提を定めています。非推奨の通知と後継版は、同じ変更履歴の項目で一緒に届きました。

10分の3の差、正しく読めば

MOSS-Imageのレポートは、競合が自社を上回る表を公開している点で異例だ。LongLongTextBenchは240件の文学テキストのレンダリングタスク——英語120件、中国語120件、目標長の平均は1,339.8文字で、LongTextBenchの平均のおよそ11倍——であり、MOSS-ImageのMean-6は96.3で、Qwen-Image-2512の64.9を大きく上回り、最長条件のサブセットでは英語97.1、中国語92.4を記録している。その上にはGPT Image 2の99.0とNano Banana Proの96.6が位置する。

MOSS-Image と Nano Banana Pro の間の 0.3 は、どちらの数値に対しても誰もが持つべき信頼よりも小さい。どちらも、OpenMOSS が作成したベンチマーク上で、異なるラボによって、OpenMOSS 自身による Google のモデルの実行結果を用いて出されたものだ。そして、Nano Banana 2 はその行のモデルではない——Flash ティアは Pro より下位にあり、正直に解釈すれば、MOSS-Image のテキストレンダリング結果は、MOSS-Image の著者たちが作成したテストにおいて、およそ Google のプレミアムティアの水準にある。一方、調達で実際に比較することになるモデルは、そのさらに下のティアである。

MOSS-ImageがGoogleの提供するどの製品とも隔たりがある領域は、レイアウトだ。報告書が併せて導入するベンチマークである7Benchでは、MOSS-Imageは平均レイアウトIoU 0.88、レイアウトAUC 0.70を報告している。同じ表で、Nano Banana Proは0.33と0.20だ。もしこれらの数値が再現に耐えるなら、正確な物体配置はMOSS-Imageが持つ能力であり、現在どのGemini画像モデルも対抗していない。それらは再現されておらず、同じラボがその指標を作成した。

What N​ano Banana 2 gives you today, and for twelve more days

能力表はゼネラリストのものであり、それがこのモデルがどこにでもある理由だ。

• 一貫性 — ワークフロー全体を通じて最大5人のキャラクターと14個のオブジェクトを安定して維持。N​ano Bananaシリーズ全体が売りにしている機能です。

• 出力 — 14種類のアスペクト比で最大4Kに対応。バナーや壁紙フォーマットに必要な極端な1:4や1:8の形状も含みます。

• 画像内のテキスト — レイアウトを保持したまま、翻訳とローカライズを含む画像内レンダリング。これはMOSS-Imageの売り込みと最も直接的に重なる機能であり、Googleがローンチ時にデモしたものです。

• グラウンディング — プロンプトのみではなく、ウェブ検索と画像検索に基づいた生成。Meta​が M​use Image でさらに推し進めたのと同じ、アーキテクチャ上の直感。

• コントロール — レイテンシーと推論をトレードオフする設定可能な思考レベル、さらにデフォルトで全ての出力に付与されるSynthIDウォーターマーキングとC2PA来歴メタデータ。

• 価格 — 出力は100万トークンあたり$60で請求され、Google自身のドキュメントによると、512pxで約$0.045、1024×1024で$0.067、2Kで$0.101、4Kで$0.151、バッチモードでは半額になります。Artificial Analysisは1,000画像あたり$67と記載しています。

• 測定位置 — 2026年10月6日時点で、Artificial Analysisのテキスト画像生成ボードではElo 1,125、画像編集ボードでは1,108。

そのいずれも争点にはなっていない。もう一つ確かなのは、10月29日にはその識別子が機能しなくなるということ、そして今後の道はN​ano Banana 2.1だ——Artificial Analysisはまだ評価を下しておらず、G​oogleはおよそ半額の価格を付けており、本ブログの別記事が詳しく扱っている。

MOSS-Imageがあなたに与えるもの、そして見返りに求めるもの

このアーキテクチャは、スクラッチから学習された5Bの単一ストリーム拡散トランスフォーマーである。42個のジョイントブロック、隠れ幅3,072、128次元の24ヘッド、幅8,192のSiTU-GLUフィードフォワード、そして最初の軸が参照インデックス用に予約された4軸の回転位置エンコーディングを備える。5Bという呼称には高コストな部分は含まれない — 凍結されたQwen3.5-9Bテキストエンコーダと、32潜在チャネルでFLUX.2-klein-4Bから読み込まれた凍結されたFLUX.2 VAEであり、8×ダウンサンプル上で2×2の潜在パッチにより実効ストライド16ピクセルとなる。

プロンプトは JSON オブジェクトにできます。バウンディングボックスはキャンバス中心から測定した絶対ピクセル座標で指定し、リテラルなテキスト文字列やタイポグラフィの注記も含め、これらはすべてbbox_format "yxyx"を使用します。プロンプトの上限は最終事前学習段階で 4,096 トークン、出力ディメンションは 16 の正の倍数でなければならず、ガイドでは 1、1.5、2 メガピクセルが推奨されており、サポートされる範囲は 512×512 から 4M です。サンプリングのデフォルトは 50 ステップのフローマッチング Euler、CFG 3.0、shift 5.0 で、レイヤー 22 のネガティブブランチにスキップレイヤーガイダンスを適用します — そしてデフォルトのガイダンスパスは 1 ステップにつき 2 回の transformer フォワードを必要とするため、50 ステップはその響きほど安上がりな設定ではありません。

参入コストは現実に存在する。SFTリポジトリで約27.2 GB、そのうちおよそ16.8 GBがテキストエンコーダーで、さらに自分のGPUと自分のサービング作業も必要だ。その見返りとして得られるのは、量子化し、ファインチューニングし、エアギャップ環境で実行し、商用製品に組み込んで出荷できるモデルであり、ライセンス交渉は不要だ。なぜならApache 2.0が、収益しきい値も許容利用に関する別紙もなく、重みとスタンドアロンのパイプラインコードをカバーしているからである。

一行ずつ

• ステータス — N​ano Banana 2 は非推奨となり、2026年10月29日にシャットダウン予定。M​OSS-Image は2026年10月16日にオープンウェイトとしてリリースされ、非推奨化の仕組みはなし

• アクセス — Nano Banana 2 は Google の API およびコンシューマー向けサーフェス、そしてルーティングプラットフォーム経由で、MOSS-Image はダウンロードして入手できます

• 価格 — N​ano Banana 2 は 1024×1024 の画像1枚あたり約 $0.067、4K では $0.151 で、出力トークン単位で課金、バッチなら半額。M​OSS-Image は無料だが、約 27.2 GB のフットプリントと自前の GPU 時間が必要

• ライセンス — N​ano Banana 2 はプロプライエタリかつ API 専用で、重みは入手不可。M​OSS-Image は重みとスタンドアロンのパイプラインコードが Apache 2.0。

• 独立系スコア — Artificial Analysis 上で、N​ano Banana 2 はテキストto画像が Elo 1,125、編集が 1,108。M​OSS-Image には Artificial Analysis のエントリーがなく、公表されているスコアは著者自身が作成したベンチマークに由来する

• テキストレンダリング — N​ano Banana Pro は LongLongTextBench で Mean-6 96.6 を記録し、M​OSS-Image の 96.3 に対抗。Flash ティアはその行には含まれていない

• レイアウト制御 — MOSS-Imageは絶対中心相対ピクセル座標のJSONレイアウトを受け付け、7Benchで平均IoU 0.88を報告しています。Nano Banana Proは同じテーブルで0.33を報告しており、Googleは独自のレイアウト指標を一切公表していません。

• 参照 — N​ano Banana 2 は、1つのプロンプト内で最大5人のキャラクターと14個のオブジェクトを一貫して保持できる。M​OSS-Image の参照条件付けは、ベンダーが将来の取り組みと説明する予約済みの位置軸であり、提供済みの機能ではない

• 来歴 — N​ano Banana 2 は、デフォルトですべての出力に SynthID ウォーターマークと C2PA メタデータを適用します。M​OSS-Image にはウォーターマーク層がありません

• ファインチューニング — MOSS-Image はファインチューニングと量子化が可能で、コミュニティによる量子化、4ステップの DMD LoRA、8ステップの蒸留版が約1日で登場した。Nano Banana 2 は触ることができない

なぜ非推奨化で答えが変わるのか

もし N​ano Banana 2 と M​OSS-Image がどちらも安定した選択肢であれば、判断はありふれたものになる。画像1枚7セントのAPIか、自分のコスト負担で動かすセルフホストモデルか。品質はベンダーが作成したテキストベンチマークではほぼ互角で、レイアウトは M​OSS-Image に決定的に軍配が上がる。だが非推奨化がその対称性を壊し、しかもそれを両方向に壊す。

N​ano Banana 2 を相手に、M​OSS-Image は今や長寿命という論点で完全に優位に立つ。12日後にサポート終了を迎えると告知されているモデルと、まだ評価していないその後継モデルを基にパイプラインを構築することは、すでに予定に入れられた移行にほかならない。ダウンロードしたファイルが、変更履歴の一行によって非推奨にされることはない。それはオープン性に関する修辞的な論点ではない。スケジュール上の事実であり、この比較が生み出す唯一最強の論点なのだ。

しかし、非推奨化は逆方向にも作用する。そしてこれがたいてい省略される部分だ。Nano Banana 2.1が約半額で登場するということは、MOSS-Imageの代替は7セントの画像ではなく、3.5セントの画像であり、しかもGoogleが自らのスケジュールで改善し続け、あなたに運用負担をかけないものであることを意味する。MOSS-Imageの総所有コストがそれに勝るのは、GPU時間が安いか、処理量が多いか、APIが構造上提供できないもののいずれかを必要とする場合だけだ。すなわち、ファインチューニング、量子化、エアギャップ導入、あるいは再交渉不要のライセンスである。

これのOrcaRouter側の話を、誇張せずに

これは現在のセットの中で、ルーティングの話が仮定ではなく具体的である唯一の組み合わせなので、正確に述べておく価値があります。Nano Banana 2 は 当社のカタログでgoogle/gemini-3.1-flash-image-preview として提供されています — ただし、10月29日のシャットダウンを踏まえると、今月そのエンドポイントで行うべき賢明なことは、新しい統合ではなく移行テストであり、後継も同じ方法で利用できます。MOSS-Image は当社のカタログにはなく、当社がホストしているわけでもありません。これはダウンロードであり、ここでは、そうでないことを示唆するものは何もありません。

この組み合わせが実際に役立つのは、目の前の意思決定です。セルフホストしたMOSS-Imageが、あなたが料金を支払っているホスト版よりも優れたテキストとレイアウトの出力を生成するかどうかを知りたいなら、同じプロンプトで両方の数値が必要です。そして、そのテストのホスト版側に2つ目の契約を求めるべきではありません。1つのAPIキー、プロバイダーの定価が0%の上乗せでそのまま反映され、Googleの価格変更が同日にここで有効になること、自動フェイルオーバーをプロバイダー間で提供して、ある上流の不調な午後に比較実行が止まらないようにすること、そして両方を単一のエンドポイントの背後に置くルーティングDSLです。それが主張のすべてであり、MOSS-Imageをホストするという申し出が始まるまさにその地点で止まります。

今後12日間で何をするか

本番環境で Nano Banana 2 を使っているなら、当面のタスクは MOSS-Image とは何の関係もありません。非推奨の識別子、半額の後継モデル、そして期限があるからです。29日までに後継モデルに対して評価セットを再実行し、値下げではなく証拠に基づいて判断してください。

MOSS-Image を評価するなら、比較を経てもなお残る 2 つの理由で評価してください。1 つ目はレイアウト制御です — 7Bench における 0.88 対 0.33 の差は、この領域で現在ホスト型のどのサービスも対抗できていない唯一の結果であり、正確な配置が課題なら、どの API ティアでもそれを解決できません。2 つ目は永続性です — あなた以外の誰のロードマップによっても、非推奨にしたり、価格を付けたり、制限したりできない Apache 2.0 の重みです。

テキストレンダリングに M​OSS-Image を採用しないでください。それはこの用途に優れていますが、この点で優位に立っているわけではありません。ベンダー自身の表では、96.3 は N​ano Banana Pro の 96.6 を下回り、GPT Image 2 の 99.0 も下回っています。そして、置き換えることになるモデルは、27 GB を一切必要とせず、画像 1 枚あたり数セントで済みます。このモデルを採用する根拠は、狭く、具体的で、現実のものですが、そのベンチマーク表が示すために作られている根拠ではありません。

それを決着させるものは2つある。OpenMOSS以外の誰かによるLongLongTextBenchまたは7Benchの独立した実行と、skip-layer guidance付きのMOSS-Imageを追加し、タグ付きリリースへマージされるvLLM-Omniのプルリクエストだ。後者は10月14日にオープンされ、25ファイルにわたって3,605行の追加があり、依然としてオープンのままで、レビュアーは固定された参照に対する出力同等性の証拠を求めている。両方が実現するまで、正確な要約はこうだ。Googleのモデルはより優れた汎用モデルで、より低コストで利用でき、12日後に消える。一方、OpenMOSSのモデルは他の誰にもできないことを1つ行い、ハードウェアを必要とし、そのライバルを引退させた変更履歴がとうに忘れられた後でも依然としてインストール可能だろう。

このようなリリースの背景にある、文書化されたAI障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議申し立てフラグが付いています。