Google、画像生成AI「Nano Banana 2.1」公開　複雑な図解や歴史的に正確なシーンを生成

2026年10月14日

Google DeepMindは、画像の生成・編集に対応するマルチモーダルモデル「Nano Banana 2.1」を公開しました。

複雑なインフォグラフィックや、実世界の知識を踏まえた歴史的に正確なシーンの生成を得意とし、従来モデルの「Nano Banana 2」や「Nano Banana Pro」を上回る評価も記録しています。

目次 [ close ]

Nano Banana 2.1とは

Nano Banana 2.1は、GoogleのGemini 3シリーズに属する画像生成・編集モデルです。

基盤技術には「Gemini 3.6 Flash」を採用し、テキストや画像から得た情報をもとに、画像とテキストを生成できます。

プロンプトだけで画像を作る用途に加え、入力画像の編集や、文書・画像を参照した制作にも対応します。

大きな特徴は、画像の見た目だけでなく、指示の内容や背景情報を踏まえて生成できる点です。

Googleによると、Gemini 3.6 Flashが持つ実世界の知識を活用し、複雑なインフォグラフィックから歴史的に正確なシーンまで作成できます。

ポスターや図解の中に読みやすい文字を配置したり、多言語向けにテキストをローカライズしたりする用途も想定されています。

文字を含む画像を作る場合は、長い文章や小さな文字の再現性に注意が必要です。

公開された性能評価では、テキストからの画像生成と画像編集の両方で、Nano Banana 2.1が複数の評価項目において従来モデルを上回りました。

比較対象は「Gemini 3.1 Flash Image（Nano Banana 2）」と「Gemini 3 Pro Image（Nano Banana Pro）」で、全体評価のほか、インフォグラフィックの正確性、キャラクターの一貫性、スタイル表現などが検証されています。

評価は推論の有無が異なる「Thinking」と「No Thinking」の両モードで実施され、いずれでも良好な結果が示されました。

ただし、これは特定の評価条件での比較であり、すべてのプロンプトや実務で常に優位になることを意味するものではありません。

Nano Banana 2.1は、個人向けアプリから開発者向けAPI、広告・制作関連のサービスまで、複数のGoogle製品で利用できます。

利用できる機能や提供条件はサービスごとに異なる可能性があるため、実際に使う際は各サービス上の案内を確認してください。

生成AIである以上、事実と異なる内容を出力するハルシネーションや、処理の遅延・タイムアウトが発生する場合があります。

また、画像内の細かな文字や長文がぼやけることがあるほか、編集前後でキャラクターの特徴が完全には一致しない場合もあります。

左右などの空間関係を取り違えることも、現時点での改善課題として挙げられています。

学習知識の基準日は分野によって異なり、最新で2026年3月まで、一部の分野では2025年1月までの情報に限られます。

そのため、歴史的な描写や説明図をそのまま公開・利用するのではなく、出典や細部を人が確認することが重要です。

Nano Banana 2.1は、複雑な図解や文字入り画像、歴史的な場面の生成を目指す新しい画像生成モデルです。

従来モデルを上回る評価や幅広い提供先が注目されますが、文字の再現や事実の正確性などには課題も残ります。

用途に応じて生成結果を検証しながら活用すれば、画像制作やアイデアの可視化を支援する選択肢となりそうです。