Nano Banana 2.1：新機能、実際の料金、そして思考トークンの落とし穴

Nano Banana 2.1とは？

Nano Banana 2.1 はGoogleの最新の "high-efficiency image generation and conversational editing model" で、Googleはこれを "an update to Nano Banana 2" と呼んでいます。プレビュー期間なしで、2026年10月6日 に一般提供として直接公開され、同じ変更履歴のエントリで Nano Banana 2（gemini-3.1-flash-image）が非推奨になりました。Googleはまだ終了日を発表していません。

DeepMindのモデルカード によると、内部はより新しい Gemini 3.8 Flash ではなくGemini 3.6 Flashで動いており、同じカードには2026年3月の知識カットオフが記載されています。ラインナップ上では、混み合ってきた Nano Banana ファミリーの中間に位置します。

位置づけはGoogleのNano Bananaガイドの モデル選択のセクション によるものです。名前について一つ補足すると、これは gemini-3.x-flash-image という文字列ではなく、独自のブランド名のモデルIDを持つ最初のNano Bananaです。コードベースでモデル名を検索するときに覚えておいてください。

私はeeselのブログ向けに執筆しており、公開する記事にはすべてヒーローバナーと3つ以上の生成インフォグラフィックが付くため、一日中画像モデルの出力を見ています。使っているパイプラインでは、3回に1回ほど描き直しが必要で、たいていは架空のロゴや崩れたラベルが原因です。このリリースもその視点で読み、大量に画像を生成する人にとって何が変わるのかを見ました。

Nano Banana 2から何が変わった？

Googleは APIのモデルページ で6つの主要アップデートを挙げています。Nano Banana 2の仕様と並べて示します。

出典：Googleの Nano Bananaガイド。価格は Gemini APIの料金 ページによる。

リストの残りは品質に関する主張で、3つのサイズすべてでのリアリズム向上、テキスト描画とインフォグラフィックのレイアウト改善、複数ターンにわたるキャラクターの一貫性向上です。Googleの Xでのローンチ投稿 は次のように述べています。

"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."

Google, X

注意すべき小さな数字が一つあります。Google DeepMindのPhilipp Schmidは "up to 5 characters consistency" と 投稿 しましたが、ドキュメントでは4なので、ドキュメントを信用してください。キャラクター参照5つは、今も Nano Banana Pro の機能です。

Nano Banana 2.1は本当にNano Banana Proを上回る？

Google自身のスコアボードでは、はい、しかも大差です。モデルカード は並べて比べる人間の選好Eloを報告しており、より安価なFlashクラスのモデルが、Googleが公表したすべてのベンチマークでProモデルを上回っています。

差が最も大きいのは編集の結果です。

数値はすべて Nano Banana 2.1のモデルカード の "as of October, 2026" のもので、誤差の幅はおよそ±7〜±22ポイントです。

目を引く点が2つあります。1つ目は、複数キャラクターの一貫性がNano Banana 2より128ポイント跳ね上がったことで、表の中で最大の伸びです。2つ目は、改善の多くが思考によるもので、思考をオフにすると総合選好が35ポイント下がることです。これはコストに関わるので、後で触れます。

次に、正直な注意点です。これらは自社による評価で、外部のモデルとは比較されておらず、カードは多言語のテキスト描画やマルチターンの数値を公表していません。どちらも評価済みと記載されているにもかかわらずです。私が見つけた唯一の丁寧な独立検証は、編集面の話は裏づけますが、"across the board" の話は裏づけません。日本のAI動画クリエイター @genel_ai は、8人の参照人物を1つのソファに座らせたところ、2.1は顔と服装をきちんと区別できた一方、ProとNano Banana 2は混ざってしまいました。ただし、普通のフォトリアルな生成では、2.1とProを見分けられず、どちらがどの画像かを外してしまいました。

私の見立てでは、編集、複数人の商品写真、あるいは5回の修正を経てもキャラクターを保つ必要がある作業なら、2.1は確かな前進です。ゼロから1枚ずつ生成するだけなら、Eloのグラフが示すほどの差は期待しないほうがいいでしょう。

Nano Banana 2.1の料金はいくら？

Googleの 料金ページ から、ファミリー全体のGemini API料金表をまとめます。

Batchティア はNano Banana 2.1のすべての料金を半額にし、1K画像は0.0168ドルになります。代わりに処理は最大24時間かかります。これらのモデルには画像出力の無料APIティアはなく、検索グラウンディングは月の最初の5,000リクエスト（Gemini 3.xモデルで共有）まで無料、その後は1,000件あたり14ドルです。

見出しの数字は本物です。1K画像1,000枚はNano Banana 2.1で33.60ドル、Nano Banana 2で67ドル、Proで134ドルで、Schmidが挙げた "4x cheaper" の数字がこれです。ただし、3つの点で計算が変わります。

1. 4K画像はより多くのトークンを使う。 料金ページ によると、Nano Banana 2.1は4K画像1枚に3,780トークン、Nano Banana 2は2,520トークンを使います。そのため4Kの節約は1,000枚あたり113ドル対151ドルで、半額ではなく約25%です。
2. 思考は常にオン。 Googleのガイド は思考が "cannot be disabled in the API" としており、2.1のデフォルトは medium です（Nano Banana 2は minimal）。そのトークンは100万あたり7.50ドルで、以前の3ドルより高くなっています。
3. 入力が3倍高い。 100万あたり1.50ドル対0.50ドルです。短いプロンプトなら小さな差ですが、高解像度の参照写真を何枚も送ると膨らみます。

具体例として、ある開発者が思考を high にして Googleの開発者フォーラム に投稿した実際の2K編集を見てみましょう。入力4,958トークン、思考3,972トークンを使っており、画像が返ってくる前提でのコストは次のとおりです。

この1回の編集は、定価の0.0504ドルより約74%高く、Nano Banana 2の2K画像0.101ドルに近い水準です。それでも安くはありますが、半額ではありません。Logan Kilpatrickのローンチ投稿へのこんな返信は、おそらくこのことが理由でしょう。

"we waited that long for Nano banana 2.1 which is even more expensive than the current one without a big improvement!"

Noor, X

1枚あたりの価格については間違いですが、入力と思考の単価については当たっています。大量に使うなら、実際のプロンプトのサンプルで thinking_level を minimal に設定し、品質と請求額の両方を比較してから決めてください。

マスク編集と参照でできること

"Mask-based editing" と聞くとピクセルのマスクを描くように思えますが、少なくともAPIでは描きません。Googleのガイド はマスキングを "semantic masking" として説明しており、領域を言葉で説明すると、モデルはその部分だけを編集します。Google自身のテンプレートは次のとおりです。"Using the provided image, change only the [specific element] to [new element/description]. Keep everything else in the image exactly the same."

ベンチマーク名の "ink" の部分は、画像に落書きして変更箇所を示す落書きベースの編集を指します。上の1049 Eloのスコアがそれで、これまでこの種の制御を得るには Ideogram や専用の オブジェクト削除ツール に頼る必要がありました。

合成では、1回のリクエストで最大14枚の参照画像を渡せます。参照画像の表 によると、キャラクターの一貫性に最大4枚、オブジェクトの忠実度に最大10枚です。Proには2.1にない機能が今もあり、キャラクター枠5つと最大3つのスタイル参照です。視覚スタイルが決まっているブランドキャンペーンは、Proを手元に残す理由になります。

検索グラウンディングで何が加わる？

Nano Banana 2.1は、描く前に調べものができます。Google検索グラウンディング をオンにすると、5日間の天気予報、株価チャート、最近の出来事などの最新の事実を画像に取り込みます。画像検索グラウンディングを加えると、実際の写真を視覚的な参照として使うこともでき、Googleのガイドによれば、これはNano Banana 2.1とNano Banana 2で対応し、2 Liteでは対応しません。

インフォグラフィックの事実性スコア（Nano Banana 2の0.179に対して0.521）が実際に表れるのもここで、実際の数字を使った解説グラフを作る人にとっては、モデルカードで最も役立つ行です。表示ルールが1つあります。グラウンディングをオンにした場合、返された search_suggestions のスニペットをUIに表示することをGoogleは求めています。

Nano Banana 2.1はどこで使える？

Googleは初日から自社のすべてのサービスに展開しました。展開の投稿 と モデルカード によると次のとおりです。

• Geminiアプリ：コード不要の一般ユーザー向けの経路。
• 検索のAIモード：GoogleのRobby Steinは、Googleアプリの検索ボックスの下にあるバナナのアイコンをタップするよう 案内しています。
• Google AI StudioとGemini API：開発者向けの経路で、モデルIDは gemini-nano-banana-2.1。
• FlowとStitch：Googleの動画・UIデザインツール。Stitchチームは、ヒーローグラフィックやベクター風ロゴに おすすめしています。
• Google AdsとGemini Enterprise Agent Platform：クラウド版 はグローバルエンドポイントのみで動作し、Standard PayGo、Batch、Provisioned Throughputに対応。

開発者向けには、モデルページ によると、APIはBatchに対応しますが、コンテキストキャッシュ、関数呼び出し、構造化出力、Live API、FlexとPriorityの推論には対応しません。Googleのコードサンプルは generate_content ではなく新しいInteractions API（client.interactions.create）を使うようになったため、古い Nano Banana 2のチュートリアル からコピーしたスニペットは見た目が変わります。

初期の粗い部分は？

公開から2日、いくつかの問題が表に出ています。どれも致命的ではありませんが、本番トラフィックを移す前に知っておく価値があります。

• 空の MAX_TOKENS レスポンス。 "processed thousands of photos with 2.0 without encountering this issue" というチームが、出力上限32,768のうち5,326しか使っていないのに、画像なしで MAX_TOKENS で止まる編集が時々起きると報告しています。フォーラムのスレッド によるものです。再試行では成功しました。私が確認した時点でGoogleは返信しておらず、こうした空のレスポンスが課金されるかどうかは不明です。
• 3つの異なる入力上限。 モデルカードは100万トークン、APIページは131,072、ある開発者は、APIが65,536を超えるものを拒否すると 報告しています。Googleが明確にするまでは、参照画像のペイロードは3つのうち最小の数字に合わせてください。
• 512pxサイズなし。 安いサムネイルや下書きにNano Banana 2の0.5K出力を使っていた場合、2.1にはそのサイズがなく、最も近い代替は1Kの Nano Banana 2 Lite です。
• 厳しいモデレーション、透過なし。 ローンチ当日の返信には拒否への不満がいくつかあり、あるアーティストは別の欠点を短い一言でまとめました。

"Still no alpha transparency."

Wichtel, X

ステッカーや商品の切り抜き用に透過PNGが必要なら、Qwen Image 2.1 がネイティブに生成します。

モデルカード自体も既知の制限を挙げています。小さな文字は "often blurry in 1k"、キャラクターの一貫性は完全ではない、左右の取り違えが時々ある、そして "occasional slowness or timeout issues" です。

どのNano Bananaモデルを使うべき？

私ならこう選びます。

• 新規のほぼすべてにNano Banana 2.1。 編集、複数人のシーン、インフォグラフィック、1Kや2Kのあらゆる用途です。Google自身の推奨で、ドキュメント も今はすべての新規プロジェクトにこれを使うよう案内しています。
• 品質より遅延とボリュームが重要ならNano Banana 2 Lite。 1Kでは2.1と同じ1枚0.0336ドルですが、入力トークンは6分の1、思考トークンは5分の1の価格で、デフォルトは minimal の思考です。
• スタイル参照や5人の一貫したキャラクターが必要なブランド作業、またはテキストの多いプロのアセットにはNano Banana Proを維持。 Googleのガイドは今も "Use Gemini 3 Pro Image." としています。
• Nano Banana 2からは自分のペースで移行。 ただし終了メールを待たないでください。デフォルトの思考レベルが変わったので、プロンプトを再テストしてください。

ベンダーをまたいで比べるなら、まず同じプロンプトで ChatGPT Images 2.5 を試し、すぐ後ろに FLUX 3 が続きます。

スタイル重視の作業なら、決める前に Reve 2.1 と Meta Muse Image を試す価値があります。純粋な美しさなら、多くのデザイナーは今も Midjourney と比べますが、同等の編集APIはありません。

私の Nano Banana 2の代替 のまとめは、Grok Imagine を含む幅広い選択肢を扱っています。ByteDanceの選択肢が欲しいなら、私の Seedreamのレビュー から始めてください。

eeselのコンテンツワークフローでのNano Banana 2.1

Nano Banana 2.1のようなモデルはインフラです。優れたプロンプトを送れば優れた画像を返しますが、そのプロンプトを書き、架空のロゴや崩れたラベルがないかレンダリングを確認し、3枚に1枚の出来の悪いものを描き直し、説明する段落の横に画像を配置するのは、誰かがやらなければなりません。毎週公開するチームにとって、その「誰か」はパートタイムの仕事になります。

その仕事を引き受けるのが eesel AIブログライター です。すぐに働ける AIコンテンツライター のチームメイトです。キーワードとサイトを渡すと、一次情報をリサーチし、ブランドの文体で記事を書き、ヒーローバナーとブランドカラーのインフォグラフィックを生成し、内部リンクとFAQを追加します。あるドイツのEC企業が約15回使ったところ、2,000〜2,900語のSEO記事が、ヒーローバナー、インフォグラフィック、FAQ付きで、1記事あたりおよそ12〜20分で仕上がりました。

生のモデルではなくチームメイトなので、人と同じようにフィードバックを受け取ります。これを使っているあるセラピストは次のように伝えました。

"Going forward, stop giving only Caucasian images. I work with diverse races and ethnicities."

その指示はその後のすべての記事に適用されるので、メンテナンスするプロンプトテンプレートはありません。バナーの再生成より戦略に週の時間を使いたいなら、eeselを無料で試す か、SEO向けの ベストAIブログライター のまとめで比較をご覧ください。