Google は現地時間6日、画像の生成と編集に使うモデル「Nano Banana 2.1」のモデルカードを公開した。
Image Credit: Google
Google は現地時間6日、画像の生成と編集に使うモデル「Nano Banana 2.1」のモデルカードを公開した。
Gemini 3.6 Flash をベースにしたモデルで、Gemini アプリ、Google AI Studio、Gemini API のほか、Google 検索の AI モード、Google 広告、Google Flow、Google Stitch で提供する。
入力はテキストと画像で、コンテキストは最大100万トークン。出力は画像とテキストで、テキストは最大64Kトークンを出力できる。
同社は Nano Banana 2.1 を、Nano Banana 2（Gemini 3.1 Flash Image）の更新版と位置づける。
画質、複数回のやり取りでのキャラクターの一貫性、文字の正確な描画、検索結果に基づく生成を改善し、1K、2K、4K の解像度で画像を出力するとしている。
Gemini API の有料枠での画像出力の料金は、100万トークンあたり30ドル（バッチ処理は15ドル）。
画像1枚あたりに換算すると、1K が0.0336ドル、2K が0.0504ドル、4K が0.113ドルとなる。Nano Banana 2 の画像出力は100万トークンあたり60ドルで、1枚あたりは1K が0.067ドル、2K が0.101ドル、4K が0.151ドル。
1K と2K はおよそ半額、4K は約25%安い。
一方、入力の料金は100万トークンあたり1.50ドルで、Nano Banana 2 の0.50ドルより高い。テキストと思考の出力も7.50ドルと、Nano Banana 2 の3ドルを上回る。無料枠では利用できない。
同社が示した人による比較評価（Elo）では、テキストからの画像生成の総合評価が、思考ありの設定で1050、思考なしで1015だった。
Nano Banana 2（思考あり）は990。インフォグラフィックの事実性の自動評価では、思考ありで0.521と、Nano Banana 2 の0.179を上回った。
同社は、小さな文字や長い段落の描画が不鮮明になる場合があることや、入力画像と生成画像でキャラクターの一貫性が常に保たれるわけではないことを、既知の制約として挙げている。
via Google DeepMind、Google AI for Developers
この記事の企業GGoogle
BRIDGE の記事 315 本・海外
B
BRIDGE 編集部
BRIDGE 編集部では、株式会社THE BRIDGEからのお知らせや、プレスリリースサービス「PR TIMES」よりスタートアップ企業の発表情報を厳選し、読みやすく要約した記事を掲載しています（BRIDGEは2018年4月よりPR TIMESのグループメディアとして運営されています）