Googleは火曜日、画像生成・編集モデルの最新版「Nano Banana 2.1」をリリースした。視覚品質、プロンプトへの忠実度、テキスト描画、マルチターンでのキャラクター一貫性において幅広い改善をもたらしながら、製品ラインのFlash同等の速度とコスト効率を維持している。このモデルは、Nano Banana Proとしても知られるGemini 3 Pro Imageの、より効率的な対抗モデルとして位置づけられている。

今回のアップデートは、Geminiアプリ、Google検索のAIモード、Google広告、さらにGoogle AI Studio、Flow、Stitchなどの開発者ツールへ展開されている。Nano BananaファミリーがGoogleのコンシューマーAI戦略の中心的な柱となっている今、リリースされた。2025年9月、初代モデルが自撮り写真をコレクションフィギュアに変換する機能によって、Geminiは両大手アプリストアの首位に躍り出て、ChatGPTの約3年にわたる支配を終わらせ、Alphabetの時価総額が3兆ドルを超える時期とも重なった。2月にはGemini 3.1 Flash Imageを基盤とするバージョン2が登場し、Google検索とのグラウンディングが導入され、実際の出来事や人物の画像の正確性が向上した。

GoogleはXでリリースを発表した:

Meet Nano Banana 2.1, our latest image generation and editing model This upgraded version outperforms our previous models across the board, with notable leaps in visual design, mask-based editing, and subject consistency to help you create more natural-looking images. pic.twitter.com/d858DrzrF3

— Google (@Google) 2026年10月6日

より精細な編集と強化されたベンチマーク

Googleは今回のリリースにおける3つの主要な改善点を強調している:視覚デザインの向上、画像の指定領域のみを変更するより精密なマスクベース編集、そして複数回の編集を経ても人物やオブジェクトを認識可能に保つ、より強力な被写体一貫性である。この一貫性は、ストーリーボード、商品セット、連作アートワークなど、各フレームを手作業で修正するしかなかったマルチ画像ワークフローを支えるものである。仕様上、このモデルは最大枚の参照画像を同時に処理し、最大4人のキャラクターの一貫性と最大10個のオブジェクトの忠実度を維持できる。1K、2K、4Kの解像度で出力し、1:4、1:8、4:1、8:1といった極端なパノラマ比率におけるタイル状のアーティファクトを修正し、テキストやインフォグラフィックのレイアウトをより正確に描画する。

この向上はベンチマークにも表れている。テキストから画像への選好テストの総合評価で、Banana 2.1は1,050 ELOポイントを獲得し、Nano Banana 2の990、Nano Banana Proの935を上回った。人による一対比較から構築されるランキングシステムにおいて、これは有意な差である。

開発者は、最小から高まで設定可能な思考レベルや、Googleウェブ検索・画像検索とのグラウンディングを通じてさらなる制御を得られ、画像を生成する前にモデルが情報を調べることが可能になる。

効率の向上はコストにも及ぶ。Googleの開発者APIでは、標準の1K画像は現在0.0336ドルで、Nano Banana 2の0.067ドルの約半分である。4K画像は0.0756ドルで、以前の0.151ドルから大きく下がった。バッチ処理にはさらに50%の割引が適用される。実際には、標準解像度の画像1,000枚の生成コストは現在約33.60ドルで、以前の67ドルから低下しており、Nano Banana 2.1は品質のリーダーであると同時に、生成的画像市場で最もコストパフォーマンスの高い選択肢の一つとなっている。大量に画像を生成する製品にとって、画像あたりの価格は運営コストに直結する要素であり、この値下げが品質向上の見出し以上に重要な理由である。提供範囲が広がる中で、ベンチマーク上の改善が日常的な使用でどこまで維持されるかが、Googleの主張を試す当面の課題となる。

出典: Metaverse Post