画像生成におけるGPT Image 2とNano Banana 2の比較
タスクによって結果が分かれたため、総合的な勝者はいません。素材のレンダリング、属性の対応付け、広告構図、複雑なオブジェクト編集を重視するならGPT Image 2、タイポグラフィ、人物同士の接触表現、衣服の転写、再照明、商品シーンの変更を重視するならNano Banana 2が適しています。構造化されたUIグラフィック、テキスト置換、アウトペインティングでは両モデルが同等でした。
機能を並べて比較
| 項目 | GPT Image 2 | Nano Banana 2 |
|---|---|---|
| 開発元 | OpenAI | |
| Banana Pieでの提供状況 | 利用可能 | 利用可能 |
| 必要クレジット | 20クレジット | 40クレジット |
| 最大解像度 | 4K | 4K |
| 参照画像 | 最大8枚 | 最大8枚 |
シーン別比較
両モデルを固定テストの同一プロンプトで実行。生成された画像を加工せず、そのまま掲載しています。
商品の素材感とライティング
この条件ではGPT Image 2が優位LEFTのほうが、素材と照明に関する要件をより忠実に満たしています。ボトルが半分まで満たされていること、控えめな反射、屈折、左上からの光の方向がより明確で、物理的な整合性にも優れています。
- 透明な長方形の香水ボトルが1本だけ表示され、テキスト、ロゴ、余分なオブジェクトがないこと：引き分け。どちらも直立した長方形のボトルが1本だけ描かれており、テキスト、ロゴ、植物、独立した小物は見当たりません。RIGHTの右側にあるボトル状の形は、濡れた表面への反射であることが明確です。
- ボトルが琥珀色の液体で半分まで満たされていること：LEFTが優位です。LEFTでは琥珀色の液体がボトル本体の明確で水平な中間位置まで達していますが、RIGHTの液面は中間よりやや低く見えます。
- ガラスの屈折と濡れた黒い石の上の反射が物理的に整合していること：LEFTが優位です。ガラスの縁と琥珀色の色調が一貫して屈折し、1つの反射がボトルの下に自然に伸びています。RIGHTでは右側にボトルの反射が分離して見えるうえ、琥珀色の強い投影模様があるため、表面の光学表現の整合性と繊細さに欠けます。
- 左上からの照明によって一貫したハイライトと自然な接地影が生じていること：LEFTが優位です。左上からの明るい照明、ガラスのハイライト、右下へ伸びる影が明確に一致しています。RIGHTにも左上からの光と右方向への影がありますが、強い琥珀色の投影と独立して見える反射によって、照明の一貫性が低下しています。
使用したプロンプトと設定
プロンプト
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
多言語タイポグラフィ
この条件ではNano Banana 2が優位RIGHTは指定された4行のポスターレイアウトを正確に再現していますが、LEFTは1行目を誤って2行に分割しています。
- 中央揃えのテキストがちょうど4行あり、追加のテキストがないこと：RIGHTが優位です。RIGHTは中央揃えの4行を正確に表示していますが、LEFTは「MOONLIGHT MARKET」を「MOONLIGHT」と「MARKET」の2行に分けており、見た目上は5行になっています。
- テキストと順序が正確であること：RIGHTが優位です。各行には、指定された順序どおりに「MOONLIGHT MARKET」、「月光市集」、「18 OCT」、「RIVER HALL」と正確に記されています。LEFTも文言と順序は同じですが、指定された1行目が「MOONLIGHT」と「MARKET」に分割されています。
- 指定された色：引き分け。どちらも「月光市集」を赤で、「MOONLIGHT MARKET」、「18 OCT」、「RIVER HALL」を黒で表示しています。
- 読みやすさ、間隔、配置：RIGHTが優位です。4行すべてが明瞭に読め、一貫した軸上で中央揃えされ、間隔も適切です。LEFTも読みやすく中央揃えですが、最初のフレーズが大きすぎて折り返され、全体の間隔がやや不均一になっています。
使用したプロンプトと設定
プロンプト
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
人体構造と接触表現
この条件ではNano Banana 2が優位Rightは、上側の手に曖昧さや歪みがあるものの、全体として陶器を成形する動作がより明確で自然です。Leftは指の本数をやや判別しやすい一方、指先や手の形状の不自然さがより目立ちます。
- 完全に見える手がちょうど2つあること：引き分け。どちらの画像にも陶芸家が1人、手がちょうど2つ描かれており、余分な人物や手はありません。どちらの手もフレームで切れていません。
- それぞれの手に、自然な形の明確な指がちょうど5本あること：Leftが優位です。左側の画像では両手とも5本の指を比較的数えやすいものの、複数の指先が重なっています。右側では、上側の手の指が一部結合しているか隠れているため本数が曖昧で、横に伸びた1本の指が異常に長く見えます。
- 指、関節、粘土との接触が解剖学的に自然であること：Rightがわずかに優位です。内側の手と外側から支える手による成形の握り方が、より明確で自然です。一方、左側の画像では指が腫れたように見え、密集した指先の一部が融合しているように見えます。ただし、Rightの上側の手にも横方向に不自然な指がはっきり見えるため、優位性は限定的です。
- 粘土の器、回転するろくろ、成形動作が明確に認識できること：Rightが優位です。どちらも器と回転するろくろは明確ですが、右側の画像では一方の手が内側を成形し、もう一方の手が外壁を支えている様子がよりはっきり表現されています。
使用したプロンプトと設定
プロンプト
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
数量表現と属性の対応付け
この条件ではGPT Image 2が優位LEFTのほうが、指定された構図をより完全に再現しています。どちらの画像も個数、属性、マグカップの向きを正しく表現していますが、RIGHTは余分なオブジェクトを表示しないという要件に違反しています。
- 基準1：引き分け。どちらの画像にも、左側に一列に並んだ赤い立方体がちょうど3個、右側に青い球体がちょうど2個あり、各グループの後方中央に黄色いマグカップが1個あります。
- 基準2：引き分け。どちらも立方体を赤、透明なガラス状の球体を青、陶器に見えるマグカップを黄色に正しく対応付けています。RIGHTの立方体には木目がより明瞭に見えますが、LEFTのオブジェクトも指定された種類と素材に見えます。
- 基準3：引き分け。どちらの画像でも、マグカップの取っ手は右側に取り付けられ、右方向へ伸びていることが明確です。
- 基準4：LEFTが優位です。LEFTには指定されたオブジェクトのみが表示され、テキストもありません。一方、RIGHTの背景には鉢植えやその他の室内要素がはっきり描かれています。どちらの画像にもテキストはありません。
使用したプロンプトと設定
プロンプト
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
広告構図
この条件ではGPT Image 2が優位Leftは、特に左下を起点とする軌跡がより明確で、上部の空き領域もはっきり確保されており、指定された構図により忠実です。どちらも靴に「AERO」と記載しているため、他のテキストを表示しないという要件に違反しています。
- 銀色の靴が1足、オレンジ色の軌跡が1本だけあること：Leftが優位です。どちらも右下に銀色の靴を1足描いていますが、Leftのオレンジ色の軌跡は左下から入り、曲線を描いてシーン内へ伸びていることが明確です。Rightの軌跡は右端から下部を横切った後、左方向へ曲がっています。
- 表示されるテキストが指定されたものだけであること：引き分け。どちらも「RUN LIGHT」と「42 KM」を正しく表示していますが、禁止されている余分なテキスト「AERO」も靴にはっきり表示しています。
- 上部の余白と見出しの配置：Leftが優位です。Leftは指定された上部余白を大幅に上回る、明確で要素のない領域を確保し、その直下の左上に「RUN LIGHT」を配置しています。Rightにも見出し上部に空の領域がありますが、その余白は基準値により近い大きさです。
- 要素の視認性と階層：引き分け。どちらも見出し、バッジ、軌跡、1足の靴を完全に見える状態で配置し、見出しから商品へと続く明確な視覚的階層を保っています。必要な要素を見えにくくするような、大幅な切れや重なりはありません。
使用したプロンプトと設定
プロンプト
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
構造化されたUIグラフィック
用途によるどちらの画像も4つの評価基準をすべて満たしています。スタイル上の違いは、評価基準に照らして有意な優劣を生んでいません。
- タイトルと列：引き分け。どちらも正確なタイトル「CHOOSE YOUR PLAN」と、「STARTER」、「PRO」、「TEAM」と記されたちょうど3つの列を表示しています。
- 行：引き分け。どちらの画像でも、各列に「PROJECTS」、「STORAGE」、「SUPPORT」と記された、位置の揃った行がちょうど3つあります。
- ボタン：引き分け。どちらの画像でも、各列に「SELECT」と記された青いボタンがちょうど1つあります。
- 配置と追加コンテンツ：引き分け。どちらも3つの列を均等に配置し、追加のテキストは表示していません。LEFTは行にアイコンを使用し、RIGHTは区切り線を使用していますが、どちらもこの基準には抵触しません。
使用したプロンプトと設定
プロンプト
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
6点の参照画像によるオブジェクト対応付けと編集
この条件ではGPT Image 2が優位LEFTがわずかに優位です。どちらの出力も指定された置換を実行していますが、LEFTは追加された2個のレモンをよりきれいに処理し、オブジェクト全体の配置をフレーム内に収めています。
- 基準1：引き分け。どちらも濃いネイビーブルーのマグカップと、折りたたまれた緑と白のストライプ柄ナプキンを描いており、赤いマグカップや白いタオルは見当たりません。参照画像が表示されていないため、参照画像との正確な外観の一致や元の位置の維持は確認できません。
- 基準2：引き分け。どちらもオレンジ色とマスタードイエローのハードカバーノートを1冊ずつ描いており、緑色の洋梨や青いノートは残っていません。これらの出力だけでは、参照画像との正確な一致を評価できません。
- 基準3：Leftが優位です。どちらもマグカップの右側にレモンがちょうど2個ありますが、RIGHTでは一方のレモンに、オレンジの葉と似た目立つ緑色の葉が付いており、オブジェクトの分離がやや不十分であることを示しています。LEFTの2個のレモンは明確に分かれており、付属物の重複もありません。
- 基準4：Leftがわずかに優位です。どちらも一貫性のある木製のテーブル面、自然な照明、もっともらしい影を維持していますが、LEFTはすべてのオブジェクトをフレーム内に完全に収めているのに対し、RIGHTではノートが右端で切れています。Reference 1を確認できないため、そのカメラ、木目、空間的な位置関係が正確に維持されているかは検証できません。
使用したプロンプトと設定
プロンプト
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
画像内テキストの置換
用途によるどちらの出力も、指定されたテキストを目に見える文字の誤りなくきれいに描画しています。元画像を確認できないため、保持に関する基準からは、どちらか一方を優位と判断できません。
- 正確なテキストと元のテキストの除去：引き分け。どちらの看板にも「NIGHT OWL」と正確に記されており、元のテキストは見当たりません。
- 余分な文字や崩れた文字：引き分け。どちらの看板にも「NIGHT OWL」の文字だけが含まれ、目に見える余分な文字や崩れた文字はありません。
- フォント、間隔、遠近感の維持：引き分け。どちらも一貫した間隔と遠近感で、すっきりとした大文字のサンセリフ体を描画しています。ただし、元画像が表示されていないため、元の状態が維持されているかは確認できません。
- 素材、照明、シーンの維持：引き分け。どちらも一貫性のある塗装木製看板と自然な照明を表現していますが、元画像がないため、元の看板と周囲のシーンが変更されずに維持されているかは評価できません。
参照画像
使用したプロンプトと設定
プロンプト
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
複数参照による人物の同一性維持と衣装転写
この条件ではNano Banana 2が優位Rightは、自然なフィット感とポートレートらしい外観を保ちながら、ジャケットにより特徴的で商品らしいディテールを備えているため、総合的に優れた出力です。参照画像を確認できないため、参照元が正確に維持されているかは判断できません。
- 人物の同一性の維持：参照ポートレートが表示されていないため、人物の同一性、表情、髪型、ポーズ、体の比率、フレーミングが正確に維持されているかは確認できません。2つの出力を比較すると、Rightはより自然な写真らしい外観を保っていますが、Leftは顔の比率にわずかな変化があり、構図もよりタイトです。
- ジャケットとの一致：単体のジャケット参照画像が表示されていないため、正確な一致は確認できません。Rightには、ダメージ加工のデニム、クリーム色のシアリング襟、ブロンズ色のボタン、フラップポケット、赤い袖パッチなど、より具体的な衣服のディテールがあります。Leftはよりきれいなデニムで、ポケットの構造が異なり、パッチもより大きくなっています。
- 黒いスーツの置換：引き分け。どちらも元の黒いスーツジャケットをシアリング襟付きのデニムジャケットに置き換えており、ゴーストマネキンや白い商品背景は含まれていません。
- 物理的な整合性：Rightがわずかに優位です。ジャケットは肩と胴体に自然に沿い、袖の折り目ももっともらしく、照明もシーンと整合しています。どちらも重なった手を概ね適切に描画していますが、一部の指の輪郭がやや不鮮明です。
使用したプロンプトと設定
プロンプト
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
一貫性のあるシーン再照明
この条件ではNano Banana 2が優位Rightは、左側の窓から差し込む指向性の強いハイライトと影によって、より明確で空間的な整合性のあるゴールデンアワーの再照明を実現しています。
- 左の窓から暖かなゴールデンアワーの光が明確に差し込んでいる点では、右のほうが優れています。強く暖かな日差しが左からソファ、ラグ、床、右側の壁へと目に見えて伸びています。左も暖かな光に包まれていますが、光の方向性はやや弱めです。
- ハイライトと影の方向が新しい光源に整合している点でも、右のほうが優れています。コーヒーテーブルとソファが右方向に長い影を落とし、窓の形をした光が室内全体に一貫して広がっています。左にも自然な植物やランプの影がありますが、床や家具に表れた光の方向性は弱めです。
- 単に全体へ均一な黄色のフィルターをかけただけではない点でも、右のほうが優れています。陰になった部分を明確に保ちながら、局所的な明るい帯、くっきりした落ち影、変化に富んだ照明を作り出しています。左にも局所的な光はありますが、室内の大部分がより均一な琥珀色を帯びています。
- 家具や装飾品が移動、追加、削除、再デザインされていないかどうかは、元画像なしでは確実に評価できません。2つの出力では構図や物の配置が異なりますが、それだけではどちらか一方、あるいは両方が元画像を正確に保持しているかは判断できません。
参照画像
使用したプロンプトと設定
プロンプト
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
異なるアスペクト比へのアウトペインティング
用途によるどちらの出力も、中央を保ったまま自然にビーチをアウトペインティングしており、明らかな拡張時のアーティファクトは見られません。決め手となる保持条件は元画像なしでは確認できず、目に見える拡張品質も非常に近いため、優劣をつける根拠はありません。
- 16:9の出力と自然な左右のコンテンツ：引き分け。どちらも明らかに横長の風景構図で、ビーチ、海、空が左右へ自然に続いています。
- 元画像全体を中央に配置し、切り抜きや引き伸ばしがないこと：引き分け。どちらもキャビン全体を水平方向の中央付近に配置し、明らかな幾何学的な引き伸ばしは見られません。ただし、元画像が示されていないため、元のフレーム全体が保持されているかは確認できません。
- 元のキャビン、海岸線、内部構図が変更されていないこと：元画像なしでは、どちらも評価できません。LEFTとRIGHTではキャビンと海岸線が目に見えて異なりますが、それだけではどちらか一方、あるいは両方が元画像を変更したとは判断できません。
- 目に見える継ぎ目、鏡像による補完、反復オブジェクトがないこと：引き分け。どちらにも明確な垂直方向の継ぎ目、明らかな鏡像領域、不自然に複製されたビーチや波のオブジェクトは見られず、いずれの拡張部分も中央のシーンと一貫してなじんでいます。
参照画像
使用したプロンプトと設定
プロンプト
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
シーン変更時の商品再現性維持
この条件ではNano Banana 2が優位右のほうが、求められた夕暮れ時の濡れたコートをより説得力のある形で表現し、環境光と表面との相互作用にも一貫性があります。製品が元画像どおり正確に保持されているかは、元画像なしでは確認できません。
- 夕暮れ時の濡れた屋外バスケットボールコート：右のほうが優れています。どちらにも濡れたコート、ゴール、フェンス、夕暮れの空がありますが、右はコートのペイントラインがより明確で、シューズも広いコートの風景により自然になじんでいます。左は前景のシューズが大きすぎて、プレーエリアの大部分を覆っています。
- スニーカーの一貫性：元のスニーカー画像が示されていないため、完全には評価できません。どちらの出力も、似たローカットのシルエット、白いステッチ入りのアッパー、凹凸のあるトゥバンパー、側面からのカメラアングルを目に見える形で保持していますが、細かなステッチや素材の質感は左のほうがより鮮明です。
- 黒い幾何学模様のサイドマーク：元画像なしでは、このマークが変更されずに保持されているかは評価できません。どちらのマークも判別できますが、比率は目に見えて異なります。左は枝部分が太く幅広い一方、右は水平部分がより細く、斜めの枝部分もよりスリムです。
- 接地影、反射、夕暮れの照明：右のほうが優れています。暖かな空の光がシューズと濡れた地面に一貫して反映され、明確な反射と自然な接地影があります。左にも強い反射と影がありますが、薄暗い周囲に比べてシューズがはるかに明るくニュートラルな光で照らされており、シーンへのなじみ方がやや不自然です。
参照画像
使用したプロンプトと設定
プロンプト
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
コストと処理時間
GPT Image 2は20クレジットから、Nano Banana 2は40クレジットから利用できるため、1回の生成あたりではGPT Image 2のほうが必要なクレジット数が少なくなります。今回の実行における小規模なレイテンシーサンプルでは、GPT Image 2が81370ミリ秒から189546ミリ秒、Nano Banana 2が57125ミリ秒から122746ミリ秒でした。これらは今回の実行に固有の観測値であり、ベンチマーク値ではありません。
比較方法と開示事項
各シナリオで1つの固定プロンプトを使用し、それぞれのモデルで1回ずつ実行したうえで、生成された出力をそのまま公開しました。Banana Pieでは、GPT Image 2とNano Banana 2の両方を有料で利用できます。
Banana Pieでは、このモデルを他のモデルとともに1つのスタジオで有料提供しています。評価は、ユーザーと同じ生成環境で実施したテストに基づいています。