Nano Banana 2.1：Gemini画像モデル、そのファミリー、そしてコスト

Nano Banana 2.1は、ベンダーがAPI識別子gemini-nano-banana-2.1のもとで提供している画像生成および対話型編集モデルである。ベンダー自身のドキュメントはこれに製品名 Gemini Nano Banana 2.1 を与え、Nano Banana 2のアップデートであると述べている。その識別子はgemini-3.1-flash-imageである。同じファミリーの中でさらに2つのモデルがこれを挟み込んでいる。下にあるのがNano Banana 2 Lite（gemini-3.1-flash-lite-image）で、上にあるのが Nano Banana Pro（gemini-3-pro-image）である。これがこのものの姿——4番目のはるかに古いメンバーが今なおドキュメント化されている、3層構造の画像ファミリー——であり、この名前をめぐる混乱のほとんどは、製品名とエンドポイント文字列が一致するようには決して作られなかったという事実に由来している。このページはモデルそのものに関するリファレンスである。すなわち、それが何であるか、誰が公開しているか、何を入力して何が返ってくるか、ベンダーが何を主張しているか、そして今日それにどうやって到達するかである。以下のすべての数値は、2026年10月13日時点のベンダー自身のモデルカード、画像生成ガイド、料金ページ、変更履歴から引用したものであり、それぞれがベンダー報告としてラベル付けされている。使用した唯一の独立した情報源は、それが登場する箇所で明記している。

それが何であり、なぜ識別子が重要な部分なのか

ベンダーのモデルディレクトリにはgemini-nano-banana-2.1がステータス「New Stable」、説明「高効率な画像生成・編集モデル。視覚品質、タイポグラフィ、マルチターンの一貫性が向上」とともに掲載されている。画像生成ガイドではさらに平易に位置づけられており、「Nano Banana 2のアップデートであり、画像生成と会話型編集における主要な高効率ワークホースモデル」とされている。

命名は読者が最初に直面する実用的な問題であり、率直に述べておく価値がある。このファミリーでは、製品名を識別子から導き出すことはできない：

• Nano Banana 2.1 — 製品名「Gemini Nano Banana 2.1」、API ID gemini-nano-banana-2.1、現在の高効率な主力モデルです。

• Nano Banana 2 — API ID gemini-3.1-flash-image識別子にはバージョン番号が一切含まれていません。そのため「Nano Banana 2」と「gemini-3.1-flash-image」は同じモデルです。

• Nano Banana 2 Lite — API ID gemini-3.1-flash-lite-image。Google のガイドでは、ファミリーにおける効率重視のスペシャリストとされており、超低レイテンシと大量のインタラクティブ利用を想定して設計されています。

• Nano Banana Pro — API ID gemini-3-pro-imageは、複雑なレイアウトと精密なテキストレンダリングを目的とした、推論コアを備えたプロフェッショナルデザインエンジンであると説明されています。

何かを組み込もうとしているなら、信頼できる手がかりは識別子であり、マーケティング上の名前ではない。これは文体上の話ではない。Googleの変更履歴はgemini-3.1-flash-imageを非推奨ステータスに移した。Googleがgemini-nano-banana-2.1をリリースしたのと同じ日のことだった。そして、この非推奨の項目はマーケティング名ではなく識別子でその役割を果たしている。

誰がそれを発行していますか？

Googleはそうしており、それをダウンロード可能なモデルではなくホスト型APIモデルとして公開している。取得すべきチェックポイントも、読むべきライセンスも存在しない。重みが公開されていないからだ。権威ある資料はGoogle自身のGemini APIドキュメント一式、すなわちai.google.devのモデルディレクトリとモデル別カード、画像生成ガイド、料金ページ、Gemini API変更履歴である。このページが何らかの数値を示している場合、それがその出典であり、ベンダー提供の情報源である。

とはいえ、重要なのは提供元の系列よりもファミリー間の関係です。実際に何を選べるかを決めるのは、この関係だからです。直前の世代である Nano Banana 2 と比べると、2.1 は Google が新規プロジェクトを誘導している世代です。Nano Banana 2 Lite と比べると、2.1 は同じ参入価格でより高い上限を手に入れられます。どちらも 1K 画像あたり $0.0336（ベンダー価格、標準ティア）で課金されるためです。Lite はそれを、文書化された3つの点で犠牲にしています。1K 出力しかサポートせず、Search grounding がなく、Google のガイドには「複数の参照入力やマルチターンの逐次編集向けには最適化されていない」と書かれています。ワークロードが大量の単一画像入力・単一画像出力であれば、Lite はより安価なエンジニアリング上の選択です。2K や 4K、複数の参照、あるいは画像との対話が必要なら、Lite はまったく候補になりません。

何を受け取り、何を返すか

ここが、このモデルがその名から連想されるよりも広い範囲をカバーしている点であり、「image」という言葉から推測するのではなく、ベンダーのモデルカードから読み取る価値がある。gemini-nano-banana-2.1のGoogleのモデルカードには、受け付ける入力データ型としてテキスト、画像、動画、PDFが、出力型として画像とテキストが記載されている。つまり、入力側ではプロンプト、1つ以上の画像、動画、またはPDF文書を受け取ることができ — テキストだけではない — 出力側では画像とともにテキストを返すことができ、これが会話形式の編集を可能にしている。モデルは、自分が今作成または変更した画像について答えることができるのだ。

残りのエンベロープはすべて、モデルカード、ガイド、変更履歴からベンダーが報告したものです：

• 出力解像度 — 1K、2K、4K。Nano Banana 2 が提供する 512px（0.5K）ティアは「Gemini Nano Banana 2.1 ではサポートされていません」と明記されているため、このモデルでの下限は 1K です。パラメータには大文字の K を使用する必要があります。Google のガイドによれば、1k のような小文字の値は拒否されます。

• アスペクト比 — ガイドは現在、モデル別の表を公開しており、2.1 の列には 14 種類が記載されています：1:1、1:4、1:8、2:3、3:2、3:4、4:1、4:3、4:5、5:4、8:1、9:16、16:9、21:9。これには 1:4、4:1、1:8、8:1 のワイドおよびパノラマ比も含まれており、ガイドではこれらも Gemini 3.1 Flash Image によるものとされています。Lite は従来の 10 種類の比率のみを一覧に記載しています。

• 参照画像 — ガイドによれば、「最終画像を生成するために最大14枚の参照画像を混ぜ合わせる」とのことです。また、ガイドの表ではモデルごとにこの上限数が割り当てられるようになりましたが、このページを最初に起草した時点では、それが読み取れる形では示されていませんでした。「Gemini Nano Banana 2.1 & Gemini 3.1 Flash Image」という見出しの列では、その内訳は、高忠実度のオブジェクト画像が最大10枚、キャラクター一貫性の画像が最大4枚です。ガイドの本文でも同じ数字が示されており、2.1は「1つのワークフロー内で最大4キャラクターのキャラクター類似性と最大10オブジェクトの忠実度」をサポートすると述べられています。スタイル参照は Gemini 3 Pro Image にのみ記載されているため、ここではそれらを前提にしないでください。

• トークン制限 — モデルカードによると、入力トークンは131,072、出力トークンは32,768です。このモデルについて、カードには知識カットオフの記載はありません。

• 思考 — サポートされています。ガイドでは、Gemini 3 の画像モデルでは「デフォルトで有効になっており、API では無効にできません」と明記されています。モデルは構成と論理をテストするために最大 2 枚の中間画像を生成し、それらの思考画像はバックエンドで表示されますが課金されません。thinking_level は生成設定で設定できます。ガイド自身の例では、次を渡しています: high。

• グラウンディング — 検索グラウンディングはモデルカードでサポート対象として記載されており、変更履歴では 2.1 が Google Search グラウンディングに対応しているとされています。Nano Banana 2 Lite にはこれがありません。

• ウォーターマーク — 「生成されたすべての画像にはSynthIDウォーターマークが含まれます。」これはファミリー全体に適用され、任意ではありません。

• カードが非対応としているもの — 音声生成、キャッシュ、コード実行、ファイル検索、関数呼び出し、Google Maps グラウンディング、Live API、構造化出力、URL コンテキスト。Batch API は対応していますが、Flex 推論と Priority 推論は非対応です。

文書化されているとおりのテキストのレンダリングと編集

文書化された2つの挙動が、このようなモデルを単なるテキストから画像へのエンドポイントと区別しており、Googleはその両方をベンチマークではなく画像生成ガイドで説明しています。

最初はタイポグラフィです。ガイドはこの能力を「高度なテキストレンダリング：インフォグラフィック、メニュー、図表、マーケティング素材向けに、読みやすく様式化されたテキストを生成できる」と記載しており、変更履歴は2.1に特にテキストレンダリングの改善があったとしている。モデルカードも「タイポグラフィ」という語でそれに呼応している。それが何であるかは正確に述べておく価値がある。つまり、能力の説明であって、測定された精度率ではない。Googleは文字誤り率の数値も、可読性スコアも、テキストレンダリングタスクにおける自社の以前のモデルとの比較も公表していない。したがって、2.1が文字をどれだけうまくレンダリングするかについて数値を引用している人は、Google以外の何かを引用していることになる。

第二は編集であり、ガイドではこれをモデルの会話モードとして扱っている。編集時には「モデルは元の画像のスタイル、照明、遠近感に合わせる」——編集は、同じジャンルの新しい画像を生成するのではなく、既存のフレーム内に適用される。インペインティングの場合、指示はさらに限定的だ。指定した要素だけを変更し、「元のスタイル、照明、構図」を保つ。この軸における2.1の変更履歴の目玉の主張は、マルチターンのキャラクター一貫性の向上であり、これは物体や人物が5回連続の編集を経ても本人らしい見た目を保てるかどうかを決める特性だ。その主張はベンダーによる報告であり、現時点ではGoogle以外で再現されていない。

グーグルが主張していることと、実際に測定されたことの対比

Googleの2026年10月6日付の変更履歴エントリには、2.1が「Flashレベルの速度とコスト効率を維持しつつ」、「視覚品質、プロンプト追従性、マルチターンのキャラクター一貫性、テキストレンダリングにおける大幅な改善」、ならびにワイドおよびパノラマのアスペクト比を追加すると記載されています。モデルディレクトリには、「視覚品質、タイポグラフィ、マルチターン一貫性の改善」が加わっています。これらはベンダーの言葉であり、定量化されたものではなく方向性を示すもので、それらに付随するベンダー実施のベンチマークはありません。

続いて三つの点を述べるが、それは逃げ口上ではなく、証拠の正直な現状である。

第一に、GoogleはNano Banana 2.1について自社のベンチマーク数値を一切公表していません。ドキュメントページには、Eloも勝率も、いかなる種類のスコアもありません。このモデルの品質に関する数値がGoogleによるものとして提示されているなら、それはGoogleが公表していない数値です。

第二に、Nano Banana 2.1 と Nano Banana 2 の間には、同一設定でのベンダーによる直接比較は存在しない。Google は世代ごとの改善を主張しているが、同一プロンプト、同一解像度、同一エフォートで読者が両者を比較検討できるようなペア評価を公開していない。両者の間に測定された差があるとほのめかす人は、誰も実行していないことをほのめかしている。

第三に、独立した評価は確かに存在しており、読者がそれを判断できるよう、その評価ハーネスの名は挙げておく価値がある。Artificial Analysis は Nano Banana 2.1 を自社の Image Arena で実行しており、これはテキストからの画像生成と画像編集の両方を対象とし、スコアの根拠となる投票を公開している。これが位置づけに用いるべき第三者ソースである。このモデルがそこで持つ具体的な順位と Elo は、このページが答える問いとは別の問いであり、このページが制御できないスケジュールで計算される——どこかから、我々のものも含めてコピーされた数値と突き合わせるのではなく、情報源で直接確認してほしい。

今日アクセスする方法と、その料金

アクセスは Google 自身の API 経由です。Gemini API を呼び出す際は、モデル識別子として gemini-nano-banana-2.1 を使用します。この識別子が安定版であり、変更履歴にある gemini-3.1-flash-image の非推奨項目が移行先として挙げているものです。セルフホストの経路も、重みのダウンロードも、コミュニティのチェックポイントもありません。画像ファミリーはいずれもそのようにはリリースされていないためです。

料金は、すべてGoogleの料金ページの標準ティアのもので、すべてベンダー報告によるものです：

• トークン — テキスト、画像、動画の入力は100万トークンあたり$1.50、テキストと思考の出力は100万トークンあたり$7.50、画像は100万トークンあたり$30.00。

• 画像1枚あたり — 1Kでは$0.0336、2Kでは$0.0504、4Kでは$0.113。Googleは1Kの場合の具体的な換算例も公開しています。1024×1024の出力は1,120画像トークンを消費します。

• バッチ — 標準料金の半額：入力100万トークンあたり$0.75、画像トークン100万個あたり$15.00。これは1K / 2K / 4K画像あたり$0.0168 / $0.0252 / $0.0567に相当し、その代わりに最大24時間のターンアラウンドタイムがかかります。

• グラウンディング — 画像自体には独立した料金項目はありません。Google は Web 検索と画像検索のグラウンディングを Gemini 3 画像モデルにバンドルしており、月あたり 5,000 件の無料検索リクエストがすべての Gemini 3 以降のモデルで共有され、その後は 1,000 リクエストあたり 14 ドルです。取得されたコンテキストは入力トークンとして課金されません。

• 無料枠 — 料金ページの「Free Tier」列では、上記のすべての数値について「利用不可」と表示されます。このモデルでは画像出力の無料枠はありません。もし表示される場合、それはそこにのみ表示され、ほかには表示されません。

• ファミリー内のティア比較 — Nano Banana 2 Lite は 1K 画像あたり $0.0336 で、2.1 の 1K 料金と同一ですが、2K や 4K のサイズには対応していないため、2K や 4K の価格は公表していません。Nano Banana 2（Gemini 3.1 Flash Image）は 1K あたり $0.067、2K あたり $0.101 なので、共通するすべてのサイズで 2.1 のほうが安価です。Nano Banana Pro（Gemini 3 Pro Image）は 1K または 2K 画像あたり $0.134、4K では $0.24 で、2K までは 2.1 の料金のおよそ 2 倍、4K では 2 倍をわずかに超えます。

• 念のため触れておくと、旧世代のメンバーである初代 Nano Banana（gemini-2.5-flash-image）は非推奨となっており、料金ページには2026年10月2日付の提供終了予告が掲載されています。このモデルは、現行のいかなる意味でも 2.1 の下位ティアではありません。現在、このファミリーのエントリーポイントは Nano Banana 2 Lite です。

そのセットの中の1つの数値は整合せず、よりすっきりした数値を選ぶよりも、そう指摘する価値がある。Googleの料金ページには、このモデルの4K画像が3,780トークンを消費すると記載され、4K画像1枚あたり$0.113と示されている。この2つは、画像トークン100万あたり$30で一致する。画像生成ガイドのモデル別表は、1Kと2Kのトークン数については料金ページと同じ（1,120と1,680）だが、4Kについては2,520と記載しており、同じレートなら約$0.0756になる。どちらもGoogleのページでありながら、食い違っている。保持すべき数値は価格の方だ。なぜなら、それは請求を行うページに載っている数値であり、この不一致は、それに基づいてコストモデルを構築する前に、情報源で再確認すべきまさにそういう類のものだからだ。

読者が必要とするかもしれないもう一行を、事実のままに述べておく。Nano Banana 2.1 は本日時点で OrcaRouter のライブモデル一覧に載っていない。したがってこのページは、ここでそれを呼び出せるとは一切主張しない。その一覧にあるのは、識別子google/gemini-3.1-flash-image-previewを持つ直接の前身モデルであり、その文字列が 2.1 に移行するモデルである。OrcaRouter はプロバイダーのリスト価格を 0% のマークアップでそのまま通し、それがルーティングするモデルについては、ルーティング対象モデルでベンダーが価格を変更すれば、遅延を伴わず同日にここへ反映される——Google がこのファミリーの価格階層を繰り返し組み替え続けるなかで、まさに確認すべきはこの特性である。

短いバージョン

Nano Banana 2.1はGoogleのミッドティアGemini画像モデルです。テキスト、画像、動画、PDFを入力し、画像とテキストを出力します。1K、2K、4Kに対応。最大14件の参照を10個のオブジェクトと4人のキャラクターに分割できます。Web and Image Searchグラウンディング。すべての出力にSynthID。thinkingはデフォルトで有効。1K画像あたり$0.0336。Nano Banana 2 Liteの上位に位置します。Nano Banana 2 Liteは1Kの価格は同じですが1Kまでで止まり、Searchグラウンディングが省かれています。Nano Banana Proの下位に位置し、Nano Banana Proは料金がおよそ2倍で、複雑なレイアウトと正確なテキストへの高価なルートです。その識別子、gemini-nano-banana-2.1は、あなたを誤解させない唯一の名称です。また、それに付随する品質に関する主張はGoogleの言葉であり、再現されたものではありません。モデルページは、それが何であるかを知るための場所です。Nano Banana 2との品質の違いでこれを選ぶのであれば、その違いが比較検討されるのを見られる唯一の場所は独立したアリーナであり、ベンダーのリリースノートではありません。