Nano Banana 2（Gemini 3.1 Flash Image）を検証 — コスパと限界を正直に報告する

「API経由の画像生成コストを毎月1万円以上払っていたが、Nano Banana 2に切り替えたら同じ枚数を3,000円台で処理できるようになった」。2026年6月末、AI Tool Analysisに掲載されたこの報告（aitoolanalysis.com）はAIコミュニティで即座に拡散された。

ECサイト向け商品写真を制作していた別のユーザーは「1商品あたりの撮影・編集が8時間から45分になった」と記している（nanobanana.art）。ファッションアプリのWheringは「ユーザーがスマートフォンで撮った低品質の服の写真を、スタジオ撮影水準のアセットに変換できるようになった」と公式に表明した（Google Cloud Blog, 2026）。

Nano Banana 2とは — 正式名称とリリース経緯

Nano Banana 2はGoogleが公式に使用しているコードネームで、正式モデル名はGemini 3.1 Flash Imageだ（Google DeepMind）。APIモデル文字列はgemini-3.1-flash-image（プレビュー版のgemini-3.1-flash-image-previewは2026年6月25日に廃止）。

リリースの流れは以下のとおりだ。

• 2026年2月26日: gemini-3.1-flash-image-previewとして公開
• 2026年5月28日: GA（正式版）リリース
• 2026年6月25日: プレビュー版廃止。GA版への移行が必須

Gemini 3 Flashをベースモデルとし、テキスト・画像の入力から画像+テキストを出力できる。1Mトークンのコンテキストウィンドウ、最大64,000トークンのテキスト出力、会話型の画像編集（マスク不要のインペイント・アウトペイント）に対応する。

価格を正直に比較する

Nano Banana 2は解像度別のトークン従量課金だ（Google AI Developer Pricing）。Batch APIを使うと全解像度で50%引きになる。

解像度	通常価格	Batch価格
512px	$0.045/枚	$0.022/枚
1024×1024	$0.067/枚	$0.034/枚
2048×2048	$0.101/枚	$0.050/枚
4096×4096	$0.151/枚	$0.076/枚

（1ドル=150円換算: 1024px通常で約10円/枚、Batchで約5円/枚）

競合との比較は以下のとおり。

モデル	1枚あたりの目安	公式API
Nano Banana 2（1K通常）	$0.067	あり
GPT Image 2（OpenAI, 高品質）	$0.167〜$0.211	あり
Stable Diffusion 3.5（Ultra）	$0.08	あり
Midjourney V7/V8.1	実質$0.02〜$0.03	なし

注意点が2つある。1つ目、MidjourneyはいまだAPIを公式公開していない。外部プロキシ経由では1枚$0.04〜$0.08程度かかるため、「Midjourney並みの安さ」は月額サブスクで大量生成する個人向けの話であり、企業APIとしての比較はできない。2つ目、Google Cloud無料トライアル（$300クレジット）は画像生成コストに適用されない。2026年3月以降、Zennで報告された内容でもある（@take_lab, zenn.dev）。検証目的でGCPの無料枠を使う予定の開発者は要注意だ。

性能の実態 — リリース時1位からGPT Image 2に抜かれるまで

Nano Banana 2はリリース当初、画像生成Arenaリーダーボードで1位を獲得した（blog.google, 2026年2月）。しかし2026年7月時点のllm-stats.comのArena ELOでは、GPT Image 2（OpenAI）が643でトップ、Nano Banana 2は259で3位に落ちている（llm-stats.com）。

品質評価で首位を奪ったのはGPT Image 2だ。ただし、両モデルを使い分けるクリエイターのあいだでは「Ferrari（GPT Image 2）とHonda Civic（Nano Banana 2）」という言い方がAdobeコミュニティで広まっている（Adobe Community, 2026）。高品質が必要な場面ではGPT Image 2、コスト優先の大量生成にはNano Banana 2という実用的な使い分けだ。

速度面ではNano Banana 2の優位は依然として明確だ。平均生成時間は4〜6秒で、Nano Banana Proの約半分。顔編集アプリのHubXは「74〜76%のレイテンシ削減、ワークフロー全体で4倍速」を報告した（Google Cloud Blog, 2026）。ただしこの速度優位は4K解像度では消える。4096px生成になるとProとの差はほぼなくなり、ピーク時間帯には逆転するケースもある（Apiyi.com）。

日本語ユーザーが知っておくべき2つの制約

1. 日本語テキスト生成の精度が低い

Nano Banana 2はラテン文字（英語・欧文）の画像内テキスト生成には強いが、日本語を含む非ラテン文字では精度が大きく落ちる。複数の日本語テキスト要素を含む画像（例: 日本語バナー広告、日本語入りインフォグラフィック）では誤字・文字化けが頻発する。Qiitaの@tomokoro氏は「3大イライラ（英語テキストの文字崩れ、部分編集の失敗、構図制御の弱さ）は改善されたが、日本語は別の話」と記している（@tomokoro, Qiita, 2026年2月）。

日本語テキストを画像に組み込む必要がある用途では、GPT Image 2（OpenAI）のほうが現時点では信頼性が高い。

2. 公式APIには無料枠がない

Google AI Studioで操作感を試すことはできるが、Gemini APIとして画像生成を利用する場合は請求情報の登録が必須だ。さらにGoogle Cloud $300無料トライアルクレジットは画像生成モデルには適用されない（Zenn @take_lab, 2026）。PythonからAPIを呼び出す実装例は@kai_kou氏のQiita記事が詳しい（@kai_kou, Qiita）。

こんな用途に向いている、こんな用途には向かない

向いている用途

• ブログ・SNS用アイキャッチ画像の大量生成: 1枚5〜10円（Batch API使用時）でプロ品質に近い素材を量産できる。月1,000枚でも約5,000〜10,000円に収まる
• EC商品写真のリタッチ・背景合成: Wheringの事例のように、ユーザー提供写真をスタジオ品質に変換するパイプラインに組み込める
• プロトタイプ・UIコンセプト制作: Figma Weavy部門のItay Schiff氏が「数十回の編集ラウンドを経ても指示に応答し続ける」と評した会話型編集は、反復作業が多いUI設計フェーズに適している
• 英語テキスト入り素材: 見出しや短いキャプションが英語なら精度は高い。Google DEコミュニティの技術検証では「モバイルバンキングのUIを2秒以下で生成し、テキスト精度は87%」という結果が報告されている（DEV Community）

向かない用途

• 日本語テキストを含む画像: 前述のとおり精度が低い
• 最終印刷物・高品質クライアント納品物: Arena ELOでGPT Image 2（643）との差（259）は無視できない。品質が最優先の場面ではGemini 3 Pro ImageかGPT Image 2を使うべきだ
• 4K解像度での大量処理: コスト優位が薄れる上、ピーク時に503エラーが報告されている
• 人物の顔が複数登場する複雑な構図: キャラクタードリフト（意図しない外見変化）のリスクがある

関連記事

• Gemini 3.1 Pro完全解説 — テキスト生成モデルとしての実力と使い所
• AI画像生成の仕組みを理解する — LLMとDiffusionモデルの違い
• Google I/O 2026 振り返り — Gemini Spark時代のアジェンティックAI全解説

---

本記事に記載した価格は執筆時点（2026年7月2日）の情報に基づく。Googleの公式APIドキュメントでは出力トークン単価に$30/1Mと$60/1Mの表記のずれが開発者フォーラムで報告されており、利用前にai.google.dev/gemini-api/docs/pricingで最新価格を確認することを推奨する。Arena ELOスコアはllm-stats.com（2026年7月時点）に基づく。為替レートは参考値であり変動する。