Gemini Nano Banana 2.1 vs Gemini Omni 1.1 Flash：静止画1枚と動画クリップ1本、それぞれ異なる単位で価格設定

Nano Banana 2.1 と Omni 1.1 Flash を比較するにあたってまず知っておくべきことは、両者は代替品ではないということであり、料金ページを見れば、機能一覧では伝わらない形でそれが明白になる。Nano Banana 2.1 は画像単位で課金される — 100万画像トークンあたり30ドルで、ベンダーはこれを1Kレンダリングあたり0.0336ドルと換算している。Omni 1.1 Flash は動画の秒単位で課金される — 100万出力動画トークンあたり17.50ドルで、ベンダーの脚注はこれを720p 1秒あたりおよそ0.10ドルに換算している。一方は、2026年10月6日に一般提供に到達した、主力の静止画・編集モデルである。もう一方は動画生成器であり、ベンダーのドキュメントは開発者に対し、動画のデフォルトとして使うこと、シーン延長は Veo 3.1 に任せることを指示している。両者のどちらを選ぶかは、実質的には、パイプラインのどちらの半分をまだ構築していないかという問題である。

数値の話に入る前に、片付けておく価値のある命名の罠もあります。多くの人が Gemini Omni 1.1 Flash と呼んでいるモデルを、Google は Gemini Omni Flashとして掲載しています。「1.1」はエンドポイント gemini-omni-1.1-flashにしか存在しません。Nano Banana 2.1 は逆の構成で、表示名にバージョンが含まれ、エンドポイントは gemini-nano-banana-2.1と一致します。チェンジログや請求のエクスポートを読んでいるなら、この不一致こそ、一方は簡単に見つかり、もう一方はそうでない理由です。

二つの役割を、率直に述べる

Gemini Nano Banana 2.1は、会話形式で静止画像を生成および編集する。その文書化された入力は、テキスト、画像、動画の任意の組み合わせであり — 音声は受け付けない — 、テキストと画像を出力し、テキストと画像が交互に並ぶ出力は設定可能である。最大14枚の参照画像を保持し、最大10個の高忠実度オブジェクト参照と最大4個のキャラクター参照に分割される。また、生成をGoogle検索と、この世代で新たに加わったGoogle画像検索に根拠付ける。思考モードはデフォルトで中レベルでオンになっており、オフにすることはできない。すべての出力にはSynthIDウォーターマークが付与される。1K、2K、4Kで生成し、Nano Banana 2がサポートしていた512pxの階層は削除された。

Gemini Omni Flashは動画を生成・編集する。公表されているうたい文句は「ネイティブ音声による高速な動画生成、編集、キーフレーム補間、延長」であり、料金ページには「Gemini APIの有料ティアで開発者が利用可能になり一般提供を開始」と記されている。入力はテキスト、画像、動画および音声 — 音声はNano Banana 2.1が受け付けないモダリティだ。生成されたクリップには同期したセリフとサウンドが伴い、無音の素材として出力されることはない。Googleの動画ドキュメントは、どの動画モデルを使うべきかについて異例なほど指示的である。動画生成のデフォルトとしてはGemini Omni Flashを使い、シーン延長やより高忠実度のワンショット制作といった特定の機能にはVeo 3.1を使う。

• 出力成果物 — Gemini Nano Banana 2.1は静止画像とテキストを生成し、Gemini Omni 1.1 Flashはネイティブ音声が同期された動画を生成します。

• 課金単位 — Nano Banana 2.1 は出力画像トークン単位で課金され、Omni 1.1 Flash は出力動画トークン単位で課金されます。720p の1秒あたり5,792出力トークンという換算値が公開されています。

• 代表的な価格 — Nano Banana 2.1 は標準料金で画像1,000枚あたり $0.0336、Omni 1.1 Flash は720p動画1秒あたり約 $0.10。

• 入力価格 — どちらも100万入力トークンあたり$1.50ですが、入力に音声が含まれるのはOmni 1.1 Flashのみです。

• テキスト出力 — Nano Banana 2.1 は100万トークンあたり$7.50、Omni 1.1 Flash はテキストが100万トークンあたり$9.00、動画が$17.50。

• 来歴 — Nano Banana 2.1 はすべての画像に SynthID ウォーターマークを付与しています；Omni 1.1 Flash のクリップレベルの来歴は料金ページに記載されていません。

• 独立した測定 — どちらのモデルも、公開されたアリーナでの順位をリリース後の数日間は持っていない。どちらについても性能に関する言及はGoogle自身のものだけである。

単価が実際に何を買うのか

$0.0336と$0.10を比較しても、出力の単位を何とするかを決めるまでは無意味だ。正直な比較はシーン単位になる。720pの30秒の製品クリップは、ベンダー自身の換算でおよそ$3.00相当のOmni 1.1 Flashとなり、そのシーンの元になるスチル画像はNano Banana 2.1では1枚あたり1セントの何分の1かでしかない。12フレームを絵コンテ化し、そのうち10点を却下し、最終コンポジションを1点レンダリングするワークフローは、却下された11点のスチルに多くの人が想定するより多く費やし、動画よりは2桁少ない額しか使わない。この非対称性こそ、この2つのモデルが通常は比較されるのではなく連結される理由そのものだ。

価格ページには、見落としやすく、知っておくことが重要な換算値も掲載されています。720pで毎秒5,792出力トークンです。この数値がトークンメーターを毎秒あたりの予算に変えるものであり、$0.10という見出し価格ではなくコストモデルに入れるべき数値です。というのも、見出し価格は標準価格のもとでこの数値から導かれるためです。Googleはこのモデルについて、他の解像度における同等の毎秒数値を公開していません。解像度別のレートはOmni FlashではなくVeo 3.1に属するため、Omniについて1080pや4Kの毎秒レートを引用している人は、ページの数値ではなく推定値を引用していることになります。

静止画側では、Nano Banana 2.1のコストは異例なほど考えやすい。標準とバッチの両方の価格が公開されているからだ。標準は100万画像トークンあたり$30、バッチは100万あたり$15で、解像度ごとのトークン数も示されている（1K画像で1,120トークン、2Kで1,680、4Kで2,520）。1Kのバッチは1画像あたり$0.0168。パイプラインが24時間のターンアラウンドを許容できるなら、バッチティアは大規模な参照レンダリングパスのコストを変える。

この一部を決定する移行日

この比較の半分には期限があり、もう半分にはない。Nano Banana 2.1 が GA になった同じ日に、Google の変更履歴はgemini-3.1-flash-image——Nano Banana 2 として販売されているモデル——が「非推奨であり、2026年10月29日にシャットダウンされる予定」だと告知した。Gemini Omni Flash にはそのような告知はない。つまり、現在、以前の画像モデルで画像＋動画のパイプラインを動かしているなら、今後3週間で対応が必要なのはそのうちの静止画の半分であり、動画の半分ではない。

その非対称性こそが、2モデルのパイプラインを1か所に通して配線する価値がある理由でもあります。OrcaRouter は200以上のモデルを、単一のOpenAI互換エンドポイントの背後に プロバイダー定価に対する0%のマークアップとプロバイダー間の自動フェイルオーバー付きで提供しているので、画像呼び出しも動画呼び出しも、2つのベンダー契約と2つの障害モードではなく、同じキー、同じ請求、同じリトライロジックから出てきます。この2つのモデルはどちらも当社のカタログにはありません — Google自身のAPIやいくつかのサードパーティプラットフォームで入手できるものです — そして重要なのは当社がそれらをホストしていることではなく、モデル識別子があなたの下で変わったとき、それをデプロイにハードコードするのではなくルーティング設定に置いておくことが、締め切りを設定ファイルの編集に変えるという点です。当社は他の画像モデルもルーティングしています。google/gemini-3.1-flash-image-previewやopenai/gpt-image-2などで、これにより2つ目のアカウントなしで2.1とのライブ比較が可能になります。

証拠が止まるところ

2026年10月7日時点で、どちらのモデルも公開記録上に独立したベンチマークでの位置づけを持っていない。Nano Banana 2.1についてはそれは当然だ——登場からまだ1日しか経っていない。Omni 1.1 Flashについては、これはより興味深い空白である。というのも、このモデルはより長く利用可能であり、動画生成はまさに人間の好みによる投票が明確なシグナルを生み出す種類のタスクだからだ。これらのうち一方が計測された品質で他方を上回ると言う人は、ベンダーの主張か、都合よく選ばれたレンダリングを繰り返しているだけだ。GoogleがNano Banana 2.1について挙げている改善点は「視覚品質、テキストレンダリング、マルチターンの一貫性、Google Search grounding」にあり、Omni 1.1 FlashについてのGoogleの説明は一貫性とマルチ入力推論であり、Veo 3.1は拡張と忠実性のために維持されている。どちらもベンダーが自社の成果を説明しているものだ。

誰も信頼せずに検証できる唯一のことは、振る舞いです。Omni 1.1 Flash は動画モデルです。静止画像を要求するとリクエストは失敗します。画像生成と編集は、それが列挙する機能に含まれていないからです。これはルーティングの問題であり、品質の問題ではありません。そしてこれは、「1つのモデルですべてのメディアを処理する」という抽象化を構築しているチームが引っかかる失敗モードです。

あなたのプロジェクトに必要なのはどちらですか

成果物が静止画の場合 — 商品写真、ローカライズされたバナー、テキストが判読できるインフォグラフィック、キャンペーン全体で一貫性を保つキャラクター — 選ぶべきは Gemini Nano Banana 2.1 であり、その4キャラクターおよび10オブジェクトの一貫性上限が、設計時に考慮すべき制約になります。成果物が動き、音声を伴う必要があるなら、Gemini Omni 1.1 Flash が選択肢であり、720p での1秒あたりの予算が、計画を立てる際の基準となる数値です。両方なら、Google 自身のドキュメントが示唆する自然な形はこれです。フレームは画像モデルで生成し、採用したものを動画モデルでアニメーション化し、2つの異なるメーターから2つの異なる単位を購入していることを受け入れる。

一対一の比較として扱うのをやめれば、この判断はもっと簡単になる。720p動画に1秒あたり$0.10を払うことが、静止画を手に入れるための間違った方法になる状況など存在しない。なぜなら、それは静止画を手に入れる方法ですらないからだ。本当に比較すべきなのは、これらそれぞれと、それぞれ自身の競合との間だ。Nano Banana 2.1にとってそれは、Nano Banana Proではなく画像市場の低価格帯を意味し、Omni 1.1 Flashにとっては、能力面でVeo 3.1、そして予算が実際に許す動画モデルを意味する。

それを解決するものは何だろう

2つの展開が、これをアーキテクチャ上の注記から決定的な比較へと変えるだろう。第一は、Nano Banana 2.1の画像編集部門における独立した順位だ。前世代が人間投票型のボードで中位につけていることを踏まえると、「大幅な改善」という主張が投票に表れるかどうかは、本当に未知数である。第二は、Omni 1.1 Flashの720p超における毎秒単価の公表だ。なぜならそれまでは、このモデルに基づくすべての1080pまたは4K動画の予算は、Googleの数値ではなく再販業者の推定値で動いているからだ。