Gemini 3.1 Flash Image Preview の技術仕様
| 項目 | Gemini 3.1 Flash Image Preview |
|---|---|
| 提供元 | |
| モデルファミリー | Gemini 3.1(Flash ティア) |
| 主な焦点 | 画像プレビューを伴う高速マルチモーダル生成 |
| 入力タイプ | テキスト、画像 |
| 出力タイプ | テキスト、画像(プレビュー生成) |
| コンテキストウィンドウ | 最大 1M トークン(Gemini 3.x の Flash ティア標準) |
| レイテンシ ティア | 低レイテンシ・高スループット |
| ストリーミング対応 | はい |
| ツール呼び出し | はい(Gemini API tools framework) |
| バージョン | 3.1 |
Nano Banana 2 とは
Nano Banana 2 は、新たにリリースされた Gemini-3.1-Flash-Image モデルに対して、メディアや開発者コミュニティで用いられている通称です。Google はこれを「Flash」ティアの画像エンジンとして位置づけており、ほぼ Pro に匹敵する視覚的忠実度を、より低いレイテンシとコストのティアで提供します。大量生成、高速な反復編集、そして Google サービス横断のプロダクトワークフローに適しています。Gemini 3.1 のマルチモーダル推論を継承し、画像中心の機能(画像内の可読なテキスト、複数画像の合成、ワイドアスペクト比対応、ネイティブ 4K)を追加しています。
主な機能
- 高速・マルチ解像度生成: Flash ティアの速度で、0.5K / 1K / 2K / 4K の出力や、新しい極端なアスペクト比(1:4、4:1、1:8、8:1)のオプションを提供。
- リアルタイム Web グラウンディング: 「Thinking」または検索グラウンディングを有効にすると、テキストと画像の検索結果の両方を統合して、生成内容を最新の Web 情報に裏付け。最新の参照や事実に基づくインフォグラフィックに有用。
- テキスト描画の改善: 以前の Flash モデルよりも短文やグラフィックテキスト(フォント、サイズ)の描画が向上。ただし長文や小さな文字では依然として完全ではない。
- マルチ入力編集とマルチターン ワークフロー: 複数の画像を入力として組み合わせることや、ターンをまたぐ反復的な編集を強力にサポート。
📊 ベンチマーク結果 — 画像生成と編集(Elo スコア)
| 能力 | Gemini 3.1 Flash Image (Nano Banana 2) | Gemini 2.5 Flash Image (Nano Banana) | Gemini 3 Pro Image (Nano Banana Pro) | GPT-Image 1.5 | Seedream 5.0 Lite | Grok Imagine Image Pro |
|---|---|---|---|---|---|---|
| テキストから画像 — 総合選好 | 1079.0 ± 7.0 | 1073.0 ± 5.0 | 942.0 ± 6.0 | 1021.0 ± 5.0 | 1047.0 ± 5.0 | 928.0 ± 8.0 |
| テキストから画像 — 視覚品質 | 1140.0 ± 6.0 | 1129.0 ± 6.0 | 929.0 ± 6.0 | 1043.0 ± 5.0 | 975.0 ± 5.0 | 759.0 ± 10.0 |
| テキストから画像 — インフォグラフィックス(事実性) | 1114.0 ± 14.0 | 1074.0 ± 12.0 | 881.0 ± 13.0 | 1102.0 ± 13.0 | 985.0 ± 12.0 | 890.0 ± 22.0 |
| 編集 — 一般 | 1065.0 ± 9.0 | 1047.0 ± 9.0 | 913.0 ± 9.0 | 1051.0 ± 10.0 | 995.0 ± 8.0 | 937.0 ± 9.0 |
| 編集 — キャラクター | 1056.0 ± 7.0 | 1049.0 ± 7.0 | 952.0 ± 7.0 | 1050.0 ± 8.0 | 1025.0 ± 7.0 | 894.0 ± 8.0 |
| 編集 — クリエイティブ | 1023.0 ± 7.0 | 1031.0 ± 7.0 | 976.0 ± 7.0 | 1004.0 ± 7.0 | 1017.0 ± 7.0 | 938.0 ± 7.0 |
| 編集 — オブジェクト/環境 | 1029.0 ± 8.0 | 1018.0 ± 8.0 | 945.0 ± 8.0 | 1042.0 ± 10.0 | 976.0 ± 8.0 | 946.0 ± 9.0 |
| 編集 — マルチ入力 | 1037.0 ± 8.0 | 1016.0 ± 8.0 | 919.0 ± 9.0 | 1056.0 ± 12.0 | 1014.0 ± 9.0 | N/A |
| 編集 — スタイライズ | 1045.0 ± 7.0 | 1031.0 ± 7.0 | 862.0 ± 8.0 | 1045.0 ± 9.0 | 996.0 ± 7.0 | 984.0 ± 7.0 |
このベンチマーク表からの主なポイント:
- テキストから画像の生成および画像編集の各カテゴリにおいて、Gemini 3.1 Flash Image は一貫して最高スコアをリードまたは同等に達している(Flash ティアおよび多くの競合モデル間で)。
- 「視覚品質」と「インフォグラフィックス(事実性)」のベンチマークで特に強く、審美的な品質だけでなく構造的に正確なコンテンツのレンダリングにも優れていることを示している。
- マルチ入力編集においても Nano Banana 2 は堅牢な汎化性能を示し、前世代の Flash より高いスコアとなっている。
これらの評価は、多様なベンチマークスイート上での人手によるサイドバイサイドの Elo 比較によって実施され、一般的な画像生成/編集タスクにおける選好と忠実度の双方を反映している。
Nano Banana 2 と Nano Banana と Nano Banana Pro の比較
| モデル | 位置づけ | 代表的なベンチマーク/注記 |
|---|---|---|
| Gemini 3.1 Flash Image (Nano Banana 2) | Flash ティア: 速度 + 高い視覚品質(2K–4K) | 総合選好 1079.0 ± 7.0、視覚品質 1140 ± 6.0(社内 GenAI-Bench)。 |
| Gemini 2.5 Flash Image (Nano Banana) | 初期の Flash リリース(忠実度は低め) | 3.1 と比べると選好/視覚スコアはやや低い。 |
| Gemini 3 Pro Image (Nano Banana Pro) | Pro ティア: 複雑なタスクでの知覚的忠実度がより高いが、コスト/レイテンシも高い | トレードオフが異なり、特定領域のタスクでは指標によって相対的な順位が異なる場合がある。 |
| GPT-Image 1.5 / other commercial models | 競合(オープン/クローズド) | Google の社内ベンチマークでは、報告された評価において視覚品質と総合選好で GPT-Image などは Gemini 3.1 を下回った。第三者による独立比較では結果が異なる場合がある。 |
Flash Image Preview を選ぶべきとき:
- アプリでのリアルタイム画像プレビュー
- コスト重視の大規模画像生成
- インタラクティブなデザインアシスタント
Nano Banana 2 の利用と統合方法
ステップ 1: API キーの取得
cometapi.com にログインしてください。まだユーザーでない場合は、先に登録してください。CometAPI コンソールにサインインします。インターフェースのアクセス認証 API キーを取得します。個人センターの API トークンで「Add Token」をクリックし、トークンキー: sk-xxxxx を取得して送信します。
ステップ 2: Nano Banana 2 API にリクエストを送信
エンドポイント “gemini-3.1-flash-image-preview8” を選択して API リクエストを送信し、リクエストボディを設定します。リクエスト方法とリクエストボディは当社サイトの API ドキュメントから取得できます。当社サイトは利便性のため Apifox テストも提供しています。<YOUR_API_KEY> をアカウントの実際の CometAPI キーに置き換えてください。呼び出し場所: Gemini で画像を生成
Nano Banana 2 は画像編集、画像生成、マルチ画像ワークフローをサポートします。画像編集では、画像 URL をアップロードする必要があります。その他のパラメータはドキュメントを参照してください。
ステップ 3: 結果の取得と検証
API レスポンスを処理して生成結果を取得します。処理後、API はタスクのステータスと出力データを返します。プレイグラウンドで画像をローカルマシンに直接ダウンロードできます(通常は PNG 形式)。API の処理中に画像 URL が生成されるため、早めにダウンロードしてください。