Gemini 3.1 Flash Image Preview、別名「Nano Banana 2」は、Googleの最新の最先端画像生成・編集モデルであり、Pro級の画質をFlashの速度で提供します。これは…
Google: Nano Banana 2は、画像とテキストの両方の入力を処理するマルチモーダルモデルです。高速推論を重視したGemini 3.1 Flashアーキテクチャに基づいています。このモデルは、テキストプロンプトとともに画像（例：写真、図、スクリーンショット）のアップロードを受け付け、テキスト応答を生成します。65,536トークンのコンテキストウィンドウにより、中程度の長さのドキュメント…
Gemini 3.1 Flash Image Previewモデルは、画像キャプション生成、視覚的質問応答、文書理解（請求書やフォームからの情報抽出など）、画像とテキスト分析を組み合わせたコンテンツモデレーションなど、さまざまなマルチモーダルタスクを実行できます。また、グラフやフローチャートの解釈など、図やチャートに対する推論も可能です。フラッシュモデルであるため速度に最適化されており、迅速な処理が必要なアプリケーションに適しています。ただし、複雑な推論タスクにおいて、より大規模で低速なモデルの深さには及ばない可能性があります。ユーザーは、特定のユースケースでモデルを評価し、その性能を確認する必要があります。
コンテキストウィンドウは65,536トークンです。これは、モデルが単一のプロンプト内でテキストとエンコードされた画像データの両方を含む最大その数のトークンを処理できることを意味します。テキストのみのプロンプトの場合、約50,000語のドキュメントを処理できます。マルチモーダル入力の場合、画像トークンがウィンドウの一部を消費するため、使用可能なテキスト容量が減少します。画像あたりの正確なトークンコストは明記されていませんが、画像がかなりの数のトークンを占めることを考慮する必要があります。このコンテキストサイズにより、画像を含む中程度の長さのドキュメントを処理できますが、非常に長いドキュメントや多くの画像は制限を超える可能性があります。そのような場合、チャンク分割や要約が必要になることがあります。
タスクに画像理解が必要ない場合、テキストのみのモデル（例：Gemini 1.5 Flashなど）の方が安価で高速な場合があります。さらに、アプリケーションが非常にレイテンシに敏感で、画像処理のオーバーヘッドが不要な場合、軽量なテキストモデルが適している可能性があります。複雑なマルチイメージ推論や非常に高い詳細度を伴うタスクでは、速度を犠牲にしてでも、より大型の非フラッシュビジョンモデルの方が高い精度を提供できる可能性があります。フラッシュバリアントは中間的な選択肢として設計されています。ユーザーは自身のワークロードをベンチマークし、速度と品質のトレードオフがコストに見合うかどうかを判断する必要があります。OrcaRouterはさまざまなモデルを提供しています。カタログを参照することで代替案を見つけるのに役立ちます。
Gemini 3.1 Flash アーキテクチャは、低レイテンシ推論向けに最適化されています。そのため、このモデルは、数秒以内に応答する必要があるライブチャットアシスタント、インタラクティブなQ&Aシステム、自動モデレーションツールなどのリアルタイムアプリケーションに適しています。速度の利点は、パラメータ数の削減や最適化されたアテンションメカニズムなど、計算オーバーヘッドを削減するアーキテクチャ上の選択によるものです。具体的なレイテンシ数値は提供されていませんが、フラッシュモデルは通常、標準モデルよりも高速にトークンを出力します。これにより、エンドユーザーの待ち時間を短縮できます。ただし、正確な速度は、入力サイズ、画像の複雑さ、OrcaRouter 上のサーバー負荷などの要因によって異なります。開発者は代表的な入力でテストする必要があります。
現時点では、この特定のモデルに関する公式のベンチマークスコアは公開されていません。これはプレビュー版（名称に「Image Preview」と記載）であるため、Googleは標準化された評価結果をリリースしていない可能性があります。ユーザーは他のGemini Flashモデルから性能レベルを推測すべきではありません。画像プレビューバリアントは機能が異なる可能性があるためです。モデルの品質を評価するために、OrcaRouterは独自のデータセットでカスタム評価を実行することを推奨します。マルチモーダルタスクにおける一般的な指標としては、VQAベンチマークの精度、キャプション生成のBLEU、ドキュメント理解のF1などがあります。ベンチマークがない場合、経験的なテストに依存する必要があります。
このモデルはGemini 3.1 Flashをベースに構築されているため、一貫性のある言語、要約、推論など、そのアーキテクチャに典型的な強力なテキスト生成能力を示すはずです。しかし、マルチモーダル版であるため、画像処理ブランチのオーバーヘッドにより、テキストのみの専用Flashモデルと比較して、テキストのみのパフォーマンスが異なる可能性があります。比較ベンチマークはありません。純粋なテキストタスクにおいては、ユーザーはよりシンプルなテキスト専用Flashモデルが、低コストかつ低レイテンシで同等またはより良い品質を提供することを見出すかもしれません。主にテキストを扱う場合は、代わりにOrcaRouter上のgemini-3.1-flashまたは類似のモデルの使用を検討してください。
プレビューモデルとして、十分に文書化されていない制約や制限がある可能性があります。既知の潜在的な制限としては、このモデルは専用のビジョンモデルほど高解像度の画像をうまく処理できない可能性があること、コンテキスト共有のため単一のプロンプト内で複数の画像を扱う場合の信頼性が低い可能性があること、そして専門化されたモデルよりもプロンプトの表現に敏感である可能性があることが挙げられます。さらに、フラッシュモデルであるため、速度と引き換えに推論の深さを犠牲にする可能性があり、複雑な複数ステップの視覚的推論タスクはエラーが発生しやすくなる可能性があります。ユーザーはエッジケースを徹底的にテストする必要があります。OrcaRouterは、該当する可能性のある安全フィルターやコンテンツポリシーについて、GeminiのGoogleドキュメントを確認することを推奨します。
Gemini 3.1 Flash Image Previewは低レイテンシ向けに設計されていますが、正確な速度指標は公開されていません。OrcaRouter上の他のフラッシュモデル（例：Gemini 1.5 Flashやその他のフラッシュバリアント）と比較すると、画像処理の追加により、画像をエンコードして注意を向ける必要があるため、リクエストごとのレイテンシが増加する可能性があります。ただし、フラッシュクラス内では、画像を処理する大型の非フラッシュモデルよりも高速であるはずです。速度とビジョンの両方を必要とするユーザーにとって、このモデルは合理的な選択肢です。レイテンシが重要で画像が必要ない場合、テキストのみのフラッシュモデルの方が高速です。OrcaRouterのAPIは応答時間を提供しており、お客様は自身の使用状況を監視できます。
このモデルのOrcaRouterにおける料金は、プラットフォームによって決定され、変更される可能性があります。通常、OrcaRouterは処理されたトークン（入力+出力）ごとに課金し、画像トークンには追加料金がかかります。マルチモーダルモデルの場合、画像は多くのトークンを消費するため、テキストのみのモデルよりもリクエストごとのコストが高くなります。ユーザーはgoogle/gemini-3.1-flash-image-previewの最新料金を確認するために、OrcaRouterの公式料金ページを参照する必要があります。ここでは具体的なトークン単価は提供されていません。サンプルリクエストをテストし、APIレスポンスヘッダーで報告されるトークン使用量を確認することで、コストを見積もることを推奨します。
はい、画像入力を使用すると、リクエストあたりのトークン数が大幅に増加します。これは、各画像が多くのトークン（解像度に応じて通常数百から数千）にトークン化されるためです。その結果、同じ長さのテキストのみのプロンプトと比較してコストが直接上昇します。アプリケーションが画像のテキストのみの説明で対応できる場合、テキストのみのモデルの方が安価になる可能性があります。逆に、画像の理解が不可欠な場合は、このモデルは2つの別々のサービスを組み合わせるのではなく、単一のモデルソリューションを提供します。ユーザーは、モデルの画像解釈の品質と追加コストを比較検討する必要があります。OrcaRouterは大量利用のお客様向けに利用割引を提供している場合があります。詳細についてはお問い合わせください。
OrcaRouterは、画像トークンの冗長な処理を削減するために、プロンプトキャッシングやセッション再利用などの機能を提供する場合があります。ただし、このモデルの具体的な実装詳細は公開されていません。キャッシングにより、同じ画像が繰り返し送信されるアプリケーション（例：固定文書を使用するQ&Aボット）では、コストを大幅に削減できます。ユーザーはキャッシング機能についてOrcaRouterのサポートチームに問い合わせる必要があります。さらに、OrcaRouterは、確約された使用量に対してトークンあたりのコストを引き下げる段階的価格設定や月額プランを提供する可能性があります。正確なコスト最適化戦略については、利用規約を確認するか、営業担当者に連絡することをお勧めします。
モデルを使用するには、OrcaRouterのOpenAI互換APIエンドポイントにHTTP POSTリクエストを送信します: https://api.orcarouter.ai/v1/chat/completions。modelパラメータには "google/gemini-3.1-flash-image-preview" を設定します。Authorizationヘッダー（Bearerトークン）にAPIキーを含めてください。リクエストボディにはmessages配列を含め、各メッセージにはrole（system、user、assistant）とcontentを指定できます。画像については、typeが"image_url"のオブジェクトと、画像URLまたはbase64データを含めます。例: "content": [{"type": "text", "text": "この写真を説明してください"}, {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}]。APIは標準的なチャット補完レスポンスを返します。
APIは標準的なOpenAIチャット補完パラメータをサポートしています：model、messages、max_tokens、temperature、top_p、stop、streamなど。画像入力の場合、content配列にはtypeが"image_url"のオブジェクトを含める必要があります。image_urlオブジェクトは、公開URLまたはbase64エンコードされたデータURIのいずれかを指定できます。OrcaRouterは、max_image_tokensやdetail設定（OpenAIのlow/highのような）などのオプションパラメータもサポートする可能性がありますが、これらは確認されていません。マルチモーダルモデルに固有の追加パラメータについては、OrcaRouterのAPIドキュメントを参照してください。レスポンスには、prompt_tokens（画像トークンを含む）、completion_tokens、total_tokensなどの使用情報が含まれており、コスト監視に役立ちます。
GoogleのネイティブVertex AIまたはAI Studio APIからOrcaRouterへの移行には、ベースURLとモデル識別子の変更が必要です。Googleのエンドポイントを https://api.orcarouter.ai/v1/chat/completions に置き換えてください。モデル名は "google/gemini-3.1-flash-image-preview" に変更します。認証については、Googleサービスアカウントの認証情報の代わりに、OrcaRouterのAPIキーを使用します。リクエスト形式はOpenAI互換になります（rolesとcontentを持つmessages配列）。Googleのマルチモーダル入力形式を使用していた場合は、画像を前述のimage_url形式に変換する必要があります。ほとんどのSDK（例：OpenAI Python）は、設定を簡単に更新するだけで動作します。本番移行前に、小さなペイロードで動作を確認するテストを行ってください。
OrcaRouterはAPIキー認証を使用します。OrcaRouterダッシュボードからAPIキーを取得する必要があります。リクエストヘッダーに次のように含めてください：Authorization: Bearer YOUR_API_KEY。APIキーは秘密に保ち、クライアントサイドコードで公開しないでください。サーバー間通信には環境変数を使用してください。OrcaRouterはレート制限や使用量クォータを提供する場合があります。アカウント設定を確認してください。追加のOAuthフローやGoogle固有の認証は不要です。APIキーはあなたのOrcaRouterアカウントと課金プランに紐づいています。レート制限を超えた場合、HTTP 429ステータスを受け取る可能性があります。それに応じてリトライロジックを実装してください。
標準の Gemini 3.1 Flash はテキストのみのモデルです（新しいバージョンでは限定的な視覚機能を持つ可能性があります）。Image Preview バリアントは明示的に視覚機能を追加し、マルチモーダルタスクに適しています。その代わり、Image Preview モデルは内部アーキテクチャが若干異なり、画像処理による潜在的なレイテンシやコストの増加があります。テキストのみのタスクでは、標準の Flash の方が高速で低コストであり、おそらく同一またはより良い品質を提供します。ユーザーは画像入力が必要な場合にのみ Image Preview バリアントを選択するべきです。OrcaRouter は両方のモデルを提供しています。それらのモデルIDを比較してください。
OrcaRouterでは、他のマルチモーダルモデルとしてGPT-4V、Claude 3 Vision、Gemini Pro Vision、およびオープンソースのバリアントが含まれています。Gemini 3.1 Flash Image Previewは、GPT-4Vのような大規模なビジョンモデルに対する高速で低コストな代替手段として位置づけられています。おそらく、推論の深さの一部を速度と価格と引き換えにしています。専用の画像キャプションモデルと比較して、このモデルはより汎用的なマルチモーダルチャット体験を提供します。OCRや細かい視覚認識などの特定のタスクでは、専門的なモデル（例：Googleのdocument AI）の方が優れたパフォーマンスを発揮する可能性があります。ユーザーはユースケースに基づいて評価すべきです。このフラッシュモデルは、適度な視覚能力で十分な速度重視のアプリケーションに最適です。
OrcaRouterは、このGoogleモデルに対して統一されたOpenAI互換のAPIを提供し、すでにそのインターフェースを使用している場合の統合を簡素化します。Google Cloudリソース、IAM権限、個別のSDKを直接管理する必要がなくなります。OrcaRouterは、ロードバランシング、キャッシング、フォールバックモデル、統合請求などの追加機能を提供する場合があります。また、複数のプロバイダーを集約し、コード変更なしでモデルを簡単に切り替えることができます。この特定のモデルに対して、OrcaRouterはGoogleのインフラストラクチャへのバックエンド接続を処理し、ルーティングを最適化する可能性があります。ただし、サードパーティのゲートウェイを使用することで依存関係が生じ、わずかなレイテンシのオーバーヘッドが追加される可能性があります。利便性と直接アクセスのどちらが重要か評価してください。
このモデルは、写真、図表、スキャン文書の分析など、視覚コンテンツとテキストの両方を理解する必要があるアプリケーションに適しています。スクリーンショットを読み取るカスタマーサポートボットのように、推論プロセスの一部として画像の解釈が必要な場合、このモデルは別途ビジョンAPIを使用する必要がありません。ただし、画像が装飾的なものにすぎないか、テキストで説明可能な場合は、テキストのみのモデルの方が経済的で高速です。また、細かい物体認識のような専門的な視覚タスクに極めて高い精度が必要な場合、専用のコンピュータビジョンモデルの方が優れています。このモデルは、便利な中間的な選択肢を提供します。
https://api.orcarouter.aiinclude_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetop_p| 1 リクエストあたり | $0.1510 |
| 通貨 | USD |
| API 呼び出しごとの定額料金（画像生成モデル） | |
GET /api/public/models/google/gemini-3.1-flash-image-preview開く @misc{orcarouter_gemini_3_1_flash_image_preview,
title = {Nano Banana 2 (Gemini 3.1 Flash Image Preview) API},
author = {Google},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-3.1-flash-image-preview}
}Google. (2026). Nano Banana 2 (Gemini 3.1 Flash Image Preview) API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-3.1-flash-image-preview