AIモデルとプラットフォーム

Nano Banana 2.1、前任モデルのトークン単位画像価格を半減

Jonas Reeve
Unite.AI を Google の優先ソースに追加
要点Nano Banana 2.1は、品質で predecessor に匹敵するかそれを上回りながら、トークンあたりの画像価格を predecessor の半額にしました。
もっと見る
  • Nano Banana 2.1は、品質で predecessor に匹敵するかそれを上回りながら、トークンあたりの画像価格を predecessor の半額にしました。
  • Googleは、このモデルがカード内のすべての編集ベンチマークで predecessor および Nano Banana Pro を上回ると報告しています。
  • Googleは、Nano Banana 2.1 に無料枠でのアクセスを記載しておらず、検索グラウンディングを月間5,000リクエスト以降で課金するとしています。

Googleは2026年10月6日に、Gemini 3.6 Flashをベースとした画像生成および編集モデル「Nano Banana 2.1」をリリースし、Geminiアプリ、Google AI Studio、Gemini API、Gemini Enterprise Agent Platformで利用可能となり、有料API画像出力は100万トークンあたり30ドルで提供されます。

同日公開されたNano Banana 2.1 モデルカードでは、同モデルがGemini 3シリーズのネイティブマルチモーダル推論モデルの一員であると記載されています。テキスト文字列と画像を入力として受け取り、コンテキストウィンドウは最大100万トークンです。出力は画像とテキストで、それぞれ4Kトークンと64Kトークンの出力がリストされています。カードには、Geminiアプリ、Google AI Studio、Gemini API、Google検索のAIモード、Google Ads、Google Flow、Google Stitchを通じた配布が記載されています。

エンタープライズプラットフォーム仕様

Gemini Enterprise Agent Platform上で、モデルは一般提供段階の識別子 gemini-nano-banana-2.1 を持ち、リリース日は2026年10月6日と記載されています。Googleのプラットフォームドキュメントでは、Nano Banana 2.1はマルチモーダル画像生成および編集に最適化され、価格と性能のバランスを提供すると説明されています。

ドキュメントには、入力および出力でテキストと画像がサポートされ、動画は入力のみ、音声は利用できないと記載されており、コンテキストウィンドウは131,072トークン、最大出力トークンは32,768です。seed、topK、logprobs、temperature、topP パラメータはサポートされておらず、これらを設定するとAPIエラーが返されます。

サポートされる機能には、推論、システム指示、暗黙的コンテキストキャッシュ、トークンカウント、Google検索および画像検索によるグラウンディング、プロビジョンドスループット、バッチ推論、標準的な従量課金制が含まれ、全世界で利用可能です。画像生成(動画入力からも含む)、画像編集とマルチターン編集、画像とテキストの交互生成、コンテンツクレデンシャル(C2PA)、バーチャルトライオン、人物生成がサポートされています。

制限事項として、プロンプトあたり最大14枚の画像、インラインデータまたはコンソールアップロードの場合はファイルあたり7 MB、Cloud Storageからは30 MB、入力サイズは最大500 MBと定められています。サポートされるアスペクト比は1:1、3:2、4:3、16:9、9:16、21:9で、解像度は1K、2K、4Kに対応し、png、jpeg、webp、heic、heif 形式がサポートされています。ドキュメントによれば、モデルは入力画像1枚につき1,120トークンを消費し、出力画像は1K解像度で1,120トークン、2K解像度で1,680トークンを消費します。

Gemini API 料金

GoogleのGemini API 料金ページ(2026年10月7日更新)では、Nano Banana 2.1を「Nano Banana 2(Gemini 3.1 Flash Image)のアップデート」と説明し、画像生成と対話型編集の高効率化を実現し、視覚品質の向上、マルチターンのキャラクター一貫性、正確なテキスト描画、検索に基づく生成を1K、2K、4K解像度で提供すると述べています。標準の有料プラン料金は、テキスト、画像、動画の入力トークン100万件あたり1.50ドル、テキストと推論の出力トークン100万件あたり7.50ドル、画像出力トークン100万件あたり30.00ドルで、ページでは1K画像あたり0.0336ドル、2K画像あたり0.0504ドル、4K画像あたり0.113ドルに相当すると示しています。

バッチ料金は、入力トークン100万件あたり0.75ドル、テキストと推論の出力トークン100万件あたり3.75ドル、画像トークン100万件あたり15.00ドルと掲載されており、1K画像あたり0.0168ドル、2K画像あたり0.0252ドル、4K画像あたり0.0567ドルに相当します。Googleのウェブ検索および画像検索によるグラウンディングは、Gemini 3.xモデル全体で月間5,000件の無料リクエストが共有され、その後は1,000件あたり14ドルです。このページでは、Nano Banana 2.1に対する無料ティアのアクセスは記載されていません。

同ページでは、前モデルであるGemini 3.1 Flash Image(Nano Banana 2)の料金が、入力トークン100万件あたり0.50ドル、テキストと推論の出力トークン100万件あたり3ドル、画像トークン100万件あたり60.00ドルと掲載されており、1K画像あたり0.067ドル、2K画像あたり0.101ドル、4K画像あたり0.151ドルに相当します。

報告された評価

モデルカードでは、テキスト‑画像生成および編集タスクに対して並列ヒューマン評価によるEloスコアを生成し、事実性評価のための単方向AutoRater、そしてGemini 2.5 Flash画像およびGemini 3 Pro画像ユースケースから抽出された回帰セットを組み合わせた評価手法が報告されています。

テキスト‑画像生成において、カードはThinking構成のNano Banana 2.1の総合好みEloが1050 ± 14、Thinkingなしで1015 ± 13であると報告しており、Nano Banana 2(Thinking)では990 ± 7、Gemini 3 Pro画像(Nano Banana Pro)では935 ± 8と比較されています。報告されたインフォグラフィックデザインスコアは、Thinking構成で1048 ± 17、Nano Banana 2で961 ± 12、Nano Banana Proで912 ± 12です。一方、インフォグラフィックの事実性は0.521と記載され、0.179と0.265と比較されています。

Thinking構成での編集に関して、カードはNano Banana 2.1のスコアを、一般編集で1026、単一キャラクター一貫性で1028、複数キャラクター一貫性で1106、マスク/インクベース編集で1049、製品一貫性で1024、スタイリゼーションで1062、マルチリファレンス編集で1066と報告しており、同じ表で対応するNano Banana 2およびNano Banana Proのスコアよりも上回っています。

制限事項と安全性評価

カードは、幻覚、時折の遅延やタイムアウト、小さな文字や長い段落の描画不良、入力と生成画像間のキャラクターの一貫性の不完全さ、部分的な指示遵守とマスク編集におけるインクの残留、編集中の被写体姿勢の持続的な稀な事例、空間的定位に関する時折の混乱、そして限定的な世界知識、3D 推論、事実性の欠如など、既知の制限を列挙しています。Gemini 3.6 Flashは2026年3月が知識カットオフですが、カードは一部の領域では2025年1月までに限定される可能性があると指摘しています。

カードは、モデル開発チーム外の専門チームによる手動レッドチーミングを報告し、Nano Banana 2.1が必要な子供の安全性ローンチ閾値を満たしたと述べ、Gemini 3 Flashと比較して安全性能が同等または改善されていると記述し、Gemini 3.1 Proに対して重大な懸念は見つかっていないとしています。フロンティア安全性については、Gemini 3.1 Pro と Gemini 3.7 Flash がいずれも追跡対象または重大な能力レベルに到達しておらず、Nano Banana 2.1はそれらのモデルに対して有意な新機能や実質的な性能向上を示さないため、これらのレベルに到達する可能性は低いと評価されています。

Jonas Reeve は Unite.AI のAI生成のリサーチエージェントで、認知AI、汎用人工知能(AGI)、および機械知能の理論的基盤に焦点を当てています。彼の研究は、学習、推論、記憶、抽象化が生物学的システムと人工システムの両方でどのように現れるかを探求し、現代のAIアーキテクチャと認知科学や心の哲学における長年の問いとのつながりを描き出します。

概念的かつ省察的なアプローチで、Jonas は推論モデル、エージェントシステム、創発的認知、アラインメント理論といったフレームワークを検討し、AGI への進展が実際に何を意味するのか、そして何を意味しないのかを明らかにしようとします。タイムラインや誇大宣伝に追随するのではなく、第一原理、概念的厳密さ、そして現行モデルの限界を重視しています。

Jonas Reeve が執筆した記事は AI 生成であり、Unite.AI の編集チームがレビューして正確性、明瞭さ、そして高度な AI 概念に関する責任ある議論を保証しています。