画像生成におけるGPT Image 2とNano Banana 2の比較
プロンプトに忠実な構図、素材やライティングの制御、オブジェクトと属性の対応付け、元画像を維持した編集では、GPT Image 2が優れています。多言語の文字表現、人物同士の接触表現、アスペクト比を変えるアウトペインティングではNano Banana 2が優勢で、構造化されたUIグラフィックでは引き分けとなりました。
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
同じプロンプト、2つのモデル。以下の公開画像で違いを比較してください。
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が優位左は、複数の参照画像を使った編集に全体としてより忠実で、特に元のシーンと、置き換えた4つのオブジェクトの元の位置をよく維持しています。右は2個のレモンをより正確に再現していますが、全体の配置に加えた変更がより大きくなっています。
- マグカップとタオルの置き換え：左が優れています。どちらも金の縁取りがあるネイビーのマグカップと、緑と白のストライプ柄のナプキンを描いていますが、左のほうが元のマグカップの占有範囲、取っ手の向き、タオルの配置をより忠実に維持しています。右はマグカップを小さくし、ナプキンの角度と折り畳まれた形を大きく変えています。
- 洋ナシとノートの置き換え：左が優れています。どちらも元の洋ナシと青いノートを取り除き、オレンジをちょうど1個と、黒いゴムバンド付きのマスタードイエローのハードカバーノートを描いていますが、左のほうが両方の置き換え対象を元のシーンの位置と向きに近い形で配置しています。
- 2個のレモン：右が優れています。どちらも余計なオブジェクトを加えず、マグカップの右にレモンをちょうど2個配置していますが、右のほうが参照画像のレモン同士が触れ合う配置を忠実に維持し、左側のレモンに付いた葉も再現しています。左は葉を省略し、2個の間隔を広げています。
- 元のシーンの維持：左が優れています。カメラ位置、フレーミング、天板の木目、オブジェクトの間隔、全体の影が参照画像1に明らかに近い一方、右は複数のオブジェクトを移動・拡大縮小し、元の構図をより大きく変えています。
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
この条件ではGPT Image 2が優位どちらも文字をきれいかつ正確に置き換えていますが、左は文字以外の元画像を維持しており、指定箇所のみを編集するという指示に大幅に忠実です。
- 正確な文字の置き換え：どちらも正確に「NIGHT OWL」と表示し、「MORNING BEAN」を完全に取り除いています。
- 文字の崩れの有無：どちらも文字の形がきれいで正しく、余分な文字、重複した文字、形の崩れた文字はありません。
- フォント、字間、遠近感：左のほうが参照画像に近く、縦長の大文字サンセリフ体の特徴、広い字間、文字のサイズ、元の看板の遠近感を維持しています。右も自然ですが、視点が大きく変わっているうえ、文字がやや小さく、字間も詰まっています。
- 素材、ライティング、シーンの維持：左が明らかに優れています。参照画像のフレーミング、店構えの形状、看板の質感、照明器具の位置、影、植物、窓、ドア、ベンチをほぼそのまま維持しています。右は切り取り方と視点を変え、建物正面の比率、窓、プランター、ベンチ、照明器具、草木など、周辺の多くのディテールを目に見えて作り変えています。
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GPT Image 2が優位全体として、左のほうが優れた着せ替え結果です。人物と元の構図をより忠実に維持しつつ、参照画像のきれいな淡色ウォッシュのジャケットをより正確に再現しています。
- 人物の同一性、表情、髪、ポーズ、体の比率、フレーミング：左が優れています。顔、表情、髪の位置、手のポーズ、肩幅、切り取り方が参照画像1によく一致しています。一方、右は顔立ち、表情、髪の配置、体の比率、フレーミングを目立つ形で変えています。
- ジャケットの素材、色、襟、ボタン、ポケット、袖のパッチ：左が優れています。参照画像2のきれいな淡いブルーのデニム、厚みのあるクリーム色のシェルパ襟、胸ポケットの形状、ブロンズ色の金具、縫い目の配置、袖上部の赤いパッチをより忠実に再現しています。右は参照画像にない濃い色のデニムと白いダメージ加工の跡を加えており、パッチも全体が見えにくくなっています。
- マネキンや商品背景を持ち込まずに完全に置き換える：両者は互角です。どちらも黒いスーツジャケットを完全に取り除き、ゴーストマネキンや白い商品背景を引き継ぐことなく、元の室内シーンにデニムジャケットを描いています。
- 手、服のフィット感、重なり、影、ライティング：左が優れています。元の手とその重なりをより忠実に維持し、袖、袖口、しわ、左側からの光もシーンに整合する形でなじんでいます。右も不自然ではありませんが、手とポーズの変化がより目立ち、ジャケットのフィット感も平坦でゆったりして見えます。
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GPT Image 2が優位左は元の部屋をはるかに忠実に維持しながら、自然なゴールデンアワーの光に変更しています。右は影の方向性がより明確ですが、構図とオブジェクトを大幅に変更しており、編集の根幹となる制約を守れていません。
- 暖かなゴールデンアワーの光が左の窓から明確に差し込んでいる：左が優れています。低い位置の太陽が左の窓越しに輝き、部屋を横切る暖かな光の筋がはっきり見えます。右も暖かな光になっていますが、光源は視覚的にそれほど明確ではありません。
- ハイライトと影の方向が新しい光源と整合している：右がやや優れています。左側からの光によって、テーブル、ソファ、植物、照明器具が一貫して右向きの強い影を落としており、特にラグと壁では影の方向が明確です。左も整合していますが、一部の影が柔らかく、方向の明確さにばらつきがあります。
- 一様な黄色のカラーフィルター以上の変化がある：右が優れています。局所的に明るい部分、強い投影、ソファ、ラグ、床、壁に広がる明暗の変化によって、空間のライティングが明確に変わっています。左も単なる色調の変更にとどまらず、局所的な照明と影を加えています。
- 家具や装飾品の移動、追加、削除、デザイン変更がない：左が大幅に優れています。参照画像の構図、オブジェクトの位置、比率、デザインを忠実に維持しています。右はフレーミングを変え、窓、植物、ソファ、照明器具、テーブル、ラグの位置やサイズを目立つ形で変更し、テーブルの構造やソファの比率といったディテールも変えています。
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
この条件ではNano Banana 2が優位右は、同じくらい自然で継ぎ目のない風景の拡張を実現しながら、参照画像の構図を大幅に忠実に維持しています。
- 左右に自然な新規コンテンツを加えた16:9の画像：どちらも左右に空、海、浜辺が連続する自然な風景の拡張を実現しており、この基準では互角です。
- 元画像全体が切り取りや引き伸ばしなしで中央に残っている：右が優れています。水平線、海岸線、小屋の位置とサイズが、参照画像の縦方向の比率をほぼ正確に維持しています。一方、左は小屋を小さくし、水平線と海岸線をわずかに下へ移動しています。
- 元の小屋、海岸線、画像内の構図が変わっていない：右が優れています。小屋の幅、屋根の輪郭、ドアの位置、支柱、海岸線、水平線が参照画像にはるかに近くなっています。左は小屋の比率と複数の構造的なディテールをより目立つ形で変更しています。
- 目に見える継ぎ目、鏡像を使った埋め合わせ、オブジェクトの繰り返しがない：どちらも継ぎ目がなく、目立つ鏡像やオブジェクトの繰り返しはありません。右は左右の拡張部分に開けた海岸線が続き、左のように右端の水平線に遠方の陸地を新たに加えていないため、ややすっきりした仕上がりです。
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GPT Image 2が優位元画像を維持する編集では左が優れています。右は夕暮れの濡れたコートにスニーカーをやや自然になじませていますが、左のほうが参照画像のスニーカーの形状、構造のディテール、見る角度、特徴的な側面のマークを大幅に忠実に維持しています。
- 夕暮れの濡れたバスケットボールコート：右がやや優れています。どちらもバスケットゴール、フェンス、夕暮れの空、反射する舗装面を備えた濡れた屋外コートを描いていますが、右はコートのラインと暖色から寒色へ移る夕方の光によって、場面がよりひと目で伝わり、まとまりもあります。
- スニーカーの一貫性：左が優れています。シルエット、パッド入りの履き口、シュータンの高さ、パネル構造、ステッチの通り方、凹凸のあるつま先のバンパー、ソールの厚み、斜め前からのカメラアングルが、参照画像に明らかに近くなっています。右はより平面的な側面視点になり、特に履き口、つま先、ソール周辺の比率を変えています。
- 側面の黒い幾何学的なマーク：左が優れています。後方の短い水平部分、上向きの斜線、上側の分岐、前方へ下がる分岐を、参照画像に近い位置と比率で維持しています。右は上側の分岐が短く、マーク全体がより圧縮され、回転しています。
- 物理的な整合性：右がやや優れています。靴が舗装面にしっかり接地し、その真下に上下反転した映り込みが自然に対応しており、夕日の色も濡れた面全体に一貫して反映されています。左も接地感と映り込みは良好ですが、手前の映り込みが靴に対して不自然に大きく、視覚的にゆがんでいます。
参照画像
使用したプロンプトと設定
プロンプト
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
各シナリオでモデルごとに同一の固定プロンプトを使用し、選定した出力結果を公開しています。公開画像には Banana Pie の透かしが入っています。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。