画像生成で比較：GPT Image 2 vs Nano Banana Pro
タスクによって結果が分かれたため、総合的な勝者を裏付ける結果は得られませんでした。素材表現、人体構造と接触表現、構造化されたグラフィック、一部の商品シーン変更には GPT Image 2、タイポグラフィ、属性の正確な対応付け、広告構成、再ライティングには Nano Banana Pro が適しています。一方、リファレンスに依存する複数の編集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 Pro |
|---|---|---|
| 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 | 80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が優位総合的には左のほうが優れています。半分まで満たされた液量は右のほうが正確ですが、素材表現の美しさと高級感のある商品ライティングの一貫性では左が上回ります。
- ボトルが1本だけで、余分な要素がないこと：引き分け。どちらの画像にも、直立した透明な長方形の香水ボトルが1本だけ描かれており、文字、ロゴ、植物、独立した物体は見当たりません。
- 琥珀色の液体が半分まで入っていること：右のほうが優れています。右は液面がボトルのほぼ中央にありますが、左は本体部分の半分をやや超えて入っているように見えます。
- 屈折と反射の一貫性：左のほうが優れています。ガラスの縁、琥珀色の屈折、濡れた石面に映る反射がより美しく整合しています。右は上部のガラスが歪み、ディップチューブも目立って折れ曲がっています。
- 左上からの照明と接地影：左のほうが優れています。左上からのハイライトがキャップ、肩部、液体に一貫して入り、影も自然に右方向へ伸びています。右も光の方向は正しいものの、影が強すぎて商品への視線を損ねています。
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 Proが優位右は指定された4行のポスターレイアウトを正確に再現していますが、左は1行目を誤って折り返したため、5行表示になっています。
- 中央揃えのテキストが正確に4行で、追加テキストがないこと：右のほうが優れています。「MOONLIGHT MARKET」「月光市集」「18 OCT」「RIVER HALL」の4行だけが中央揃えで表示されています。左は「MOONLIGHT MARKET」が2行に折り返され、見えるテキストが5行になっています。
- 文言と順序の正確さ：右のほうが優れています。4行は指定どおりの順序で、「MOONLIGHT MARKET」「月光市集」「18 OCT」「RIVER HALL」と正確に表示されています。左にも同じ単語と文字がありますが、「MOONLIGHT MARKET」が指定どおりの1行ではなく、「MOONLIGHT」と「MARKET」に分かれています。
- 指定された文字色：引き分け。どちらも「月光市集」を赤、「MOONLIGHT MARKET」「18 OCT」「RIVER HALL」を黒で表示しています。
- 可読性、間隔、配置：右のほうが優れています。4行すべてが明瞭に読め、共通の軸で中央揃えされ、間隔も統一されています。左も読みやすく中央揃えですが、「MOONLIGHT MARKET」の折り返しによって行が増え、全体の配置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GPT Image 2が優位左は、人体構造と接触表現に関する4つの要件をすべてより適切に満たしています。両手がはっきり描かれ、指の本数を数えやすく自然に曲がっており、粘土を形作る接触動作も明確に読み取れます。
- 完全に見える手が正確に2つあること：左のほうが優れています。鉢の左右に完全な手が1つずつ明確に描かれ、ほかの手や人物はいません。右にも重なった2つの手がありますが、下側の手の大部分が隠れており、全体が見えていません。
- 各手に、自然な形の明確な指が正確に5本あること：左のほうが優れています。鉢の部分で一部重なっているものの、両手とも5本の指を判別できます。右は手が重なる構図と強い遮蔽により、下側の手の指を見分けたり正確に数えたりすることが困難です。
- 指、関節、粘土との接触：左のほうが優れています。両手の指の関節に一貫性があり、鉢の内壁を押している様子もはっきり見えます。右の上側の手は自然ですが、下側の手は上側の手や鉢の縁との交差が不明瞭で窮屈です。
- 粘土の鉢、回転するろくろ、成形動作：左のほうが優れています。鉢とろくろが目立つように描かれ、回転ブラーによって動きが伝わり、両手で内側を成形しています。右にも鉢と回転するろくろが明確に描かれていますが、手が重なっているため動作が読み取りにくくなっています。
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Nano Banana Proが優位どちらの出力もプロンプトにほぼ忠実ですが、右は正しい個数、配置、取っ手の向き、余分な要素のないシーンを維持しつつ、指定された木材と陶器の素材をより明確に表現しています。
- 物体の数と配置：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正確に3個、右側に青い球体が2個、その後方中央に黄色いマグカップが1個、明確に描かれています。
- 色、形状、素材の対応付け：右のほうが優れています。どちらも指定された色と形状を正しく対応付けていますが、右の赤い立方体には明確な木目があり、マグカップにも釉薬をかけた陶器らしい表面が見られます。左の立方体は表面が滑らかで、木の質感があまり明確ではありません。
- マグカップの取っ手の向き：引き分け。どちらの画像でも、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。
- 追加の物体やテキストがないこと：引き分け。どちらの画像にも、追加の物体やテキストは見当たりません。
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Nano Banana Proが優位右は、必要な視覚要素をすべて維持しながら、テキスト制限と上部の余白に関する指示をより正確に守っています。
- 銀色のシューズが正確に1足とオレンジ色の軌跡：引き分け。どちらも右下に銀色のシューズを1足描き、明るいオレンジ色の軌跡が左下から入り、構図内を曲線状に通っています。
- 表示テキスト：右のほうが優れています。右にあるテキストは「RUN LIGHT」と「42 KM」だけで、どちらも正しく表記されています。左も「RUN LIGHT」と「42 KM」を正しく表示していますが、シューズに「AERO」を追加しており、ほかのテキストを入れないという要件に違反しています。
- 上部の余白と見出しの配置：右のほうが優れています。上部には明確な空白があり、その空白帯のすぐ下の左上に「RUN LIGHT」が配置されています。左にも十分な空白がありますが、見出しの開始位置が明らかに低くなっています。
- 視認性と階層：引き分け。どちらも見出し、バッジ、軌跡、1足のシューズがすべて見える状態を保ち、見出しからバッジ、商品へと続く明確な流れを作っています。
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
この条件ではGPT Image 2が優位左は指定された構造を正確に再現していますが、右は追加テキストを入れないという明示的な要件に違反しています。
- 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」とラベル付けされた正確に3つの列を表示しています。
- 機能の行：引き分け。左右とも、各列に「PROJECTS」「STORAGE」「SUPPORT」とラベル付けされた、位置の揃った行が正確に3つあります。
- 選択ボタン：引き分け。左右とも、各列に「SELECT」と表示された青いボタンが正確に1つあります。
- 配置と追加テキスト：左のほうが優れています。3つの列が均等に配置され、追加テキストもありません。右には、禁止されている「5 active projects」「10 GB」「Email support」「20 active projects」「50 GB」「Priority email & chat support」「Unlimited projects」「200 GB」「24/7 phone, email & chat support」というテキストが追加されています。
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
用途によるどちらの出力も、指定された物体数と大まかな置き換えを目に見える形で満たしています。物体の正確な対応付けと元シーンの保持を判定するために必要なリファレンス画像がないため、どちらが総合的に優れているとも判断できません。
- 基準1：引き分け。どちらも赤いマグカップを濃いネイビーブルーのマグカップに、白いタオルを折りたたまれた緑と白のストライプ柄ナプキンに置き換え、全体として同じ卓上配置を保っています。元のリファレンスが示されていないため、リファレンスとの完全な一致や位置の保持は確認できません。
- 基準2：引き分け。どちらに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が正確に1冊ずつあり、緑の洋梨、青いノート、赤いマグカップ、白いタオルは残っていません。これらの出力だけでは、リファレンスとの完全な一致を確認できません。
- 基準3：引き分け。どちらにもマグカップの右側にレモンが正確に2個あり、追加の果物や明らかに重複した物体はありません。右では一方のレモンに緑の葉が付いていますが、左ではどちらにも葉がありません。どちらがより正確かを判断するためのリファレンス6は利用できません。
- 基準4：引き分け。どちらも自然な木目、光、影を備えた一貫性のある木製テーブルのシーンを維持しています。リファレンス1を確認できないため、そのカメラ、フレーミング、各要素の位置関係がそのまま保持されているかは評価できません。
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、テキストに関する要件を同程度に満たしていることが目視で確認できます。元画像が提供されていないため、元の状態の保持に関する基準から優劣を決めることはできません。
- テキストの正確な置き換え：引き分け。どちらの看板にも「NIGHT OWL」と正確に表示され、以前のテキストが残っているようには見えません。
- 追加文字や不正な文字がないこと：引き分け。どちらも「NIGHT OWL」の文字だけを表示しており、すべての文字が明瞭かつ正確に形成されています。
- フォント、字間、遠近感の保持：引き分け。どちらも看板の遠近感に自然に沿った、すっきりとした大文字のサンセリフ書体を使用していますが、元の画像がないため、元のスタイルが保持されているかは判断できません。
- 素材、照明、シーンの保持：引き分け。どちらも自然な塗装木材の木目、影、一貫性のある店舗正面の照明を表現していますが、元画像がないため、どちらが元のシーンをより適切に保持し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
用途によるどちらの出力も非常によく似ており、衣装の置き換えをきれいに完了しています。元のリファレンスがないため、人物の同一性と衣服の完全な一致という主要要件は確認できず、目視できるほかの基準からも明確な勝者は決まりません。
- 人物の同一性の保持：リファレンス1がここに示されていないため、評価できません。2つの出力には、同一と思われる人物が同じ表情、髪型、ポーズ、体の比率、よく似たフレーミングで描かれており、違いは切り取り方と顔の細部にわずかに見られるだけです。
- ジャケットの一致：単体のジャケットを示すリファレンス2がここにないため、評価できません。どちらの出力にも、クリーム色のシアリング襟、ブロンズ色のボタン、フラップ付き胸ポケット、上腕部の赤いパッチを備えたライトブルーのデニムジャケットが描かれています。リファレンスがない状態では、どちらにも明確な優位性はありません。
- スーツの置き換え：引き分け。どちらも人物がデニムジャケットを着用した姿を完全に表示しており、黒いスーツジャケット、ゴーストマネキン、白い商品背景は見当たりません。
- 物理的な整合性：引き分け。どちらも手がジャケットの前に自然に置かれ、袖が手首に自然につながり、生地のしわが曲げた腕に沿い、衣服の照明も柔らかな光のグレーのシーンと一貫しています。決定的に不自然な点はどちらにも見られません。
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 Proが優位右のほうが一貫性のある再ライティングとして説得力があり、方向性の強い影と、金色のハイライト部分と陰影部分のより明確な分離を実現しています。元画像が示されていないため、物体が保持されているかは未確認です。
- 左の窓から暖かなゴールデンアワーの光がはっきり差し込んでいるか：引き分け。どちらも左側の窓から暖かな日差しが差し込んでいる。LEFTでは低い位置の太陽そのものが見え、RIGHTでは窓の形をした強い光が壁から床にかけて広がっている。
- ハイライトと影の方向が新しい光源に整合しているか：RIGHTの方が優れている。植物、ソファ、テーブル、ランプの影がいずれも右方向へ明確かつ一貫して伸びており、窓枠が落とす投影も左から差し込む光と整合している。LEFTも全体としては整合しているが、物体の影がより柔らかく、光源とのつながりがやや不明瞭。
- 単なる一様な黄色のカラーフィルター以上の表現になっているか：RIGHTの方が優れている。局所的な金色のハイライトと方向性のある光だまりを加えながら、日陰には明らかに寒色寄りで暗い領域を残している。LEFTにも方向性のある光は見られるが、暖色の色味が部屋全体により均一に広がっている。
- 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：元のソース画像がないため、確実な評価はできない。どちらの出力にも大まかには同じ種類の物が含まれているが、形状や配置が異なるため、画像だけではどちらのモデルがソースをより正確に保持したか判断できない。
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画像も、ビーチの風景を16:9へ自然にアウトペイントできている。ただし、元画像の保持に関する重要な要件は、元画像がないため確認できない。拡張品質には、どちらにも明確な優位性は見られない。
- 16:9形式と左右に自然に生成されたコンテンツ：引き分け。どちらも横長のフレームで、ビーチ、海、空が左右へ自然に広がっている。レターボックスや、端が明らかに未完成な箇所はどちらにも見られない。
- 元画像全体が中央に配置され、切り抜きや引き伸ばしがないか：引き分け。どちらもキャビンとビーチの構図が中央に配置されており、目に見える引き伸ばしはない。ただし、ソース画像が提示されていないため、元画像全体が保持されているかは確認できない。
- 元のキャビン、海岸線、内部構図が変更されていないか：これらの出力だけでは確実に評価できない。LEFTとRIGHTではキャビンの細部や海岸線が異なるが、元画像がないため、どちらか一方でも変更されていないかを判断することはできない。
- 目立つ継ぎ目、鏡像による埋め合わせ、物体の繰り返しがないか：引き分け。どちらも空、水平線、水面、砂浜が途切れなく自然につながっており、明らかな継ぎ目、鏡像領域、不自然に繰り返された物体は見られない。
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LEFTの方が、指定されたバスケットボールコートのシーンをより説得力をもって表現しており、製品の素材感、ステッチ、接地感、濡れた路面との相互作用もより鮮明に描写している。ソース画像に依存する保持精度については、出力画像だけでは確認できない。
- 夕暮れ時の濡れた屋外バスケットボールコート：LEFTの方が優れている。ゴール、バックボード、金網フェンス、コートライン、水たまり、夕焼け空、点灯したコート照明がすべてはっきり見える。RIGHTにも夕暮れ時の濡れたライン入り路面は描かれているが、バスケットボールのシーンだとはやや認識しにくい。
- スニーカーの一貫性：目に見える仕上がりの精緻さではLEFTの方が優れている。すっきりしたシルエット、鮮明に描写されたソール形状、整合性のあるステッチ、説得力のあるレザーとメッシュの素材感が表現されている。RIGHTも不自然ではないが、素材の細部がより柔らかく、ステッチもやや不明瞭。ソース画像が提示されていないため、元のスニーカーやカメラアングルとの厳密な一貫性は評価できない。
- 黒い幾何学模様のサイドマーク：元のマークが提示されていないため、どちらの出力でも変更されていないかは判断できない。どちらのマークも判別可能だが、LEFTの方が角張った形状をより鮮明かつきれいな輪郭で描写している。
- 物理的な整合性：LEFTの方が優れている。靴には接地感のある影と、濡れた路面に映るしっかりとした反射があり、手前の冷たい照明と夕暮れの暖かな環境光も自然に組み合わされている。RIGHTにも自然な接地感と反射はあるが、反射がより暗く、描写もやや不明瞭。
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 Pro は80クレジットから利用できるため、必要クレジットが少ないのは GPT Image 2 です。今回の実行では、記録されたすべてのレイテンシ比較で Nano Banana Pro のほうが早く結果を返しましたが、これは今回の実行から得た少数のサンプルにすぎず、一般的なベンチマーク値ではありません。
比較方法と開示事項
この比較では、シナリオごとに固定した1つのプロンプトを使用し、各モデルで1回ずつ生成しました。出力は生成されたまま掲載しています。Banana Pie では GPT Image 2 と Nano Banana Pro 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。