画像AIの飛躍：GoogleとByteDanceの最新モデルの実力比較

要点

• 両モデルは画像生成前に複数段階の推論を導入し、従来の拡散システムよりも複雑なプロンプトや参照画像、長期編集ワークフローの取り扱いをより信頼性の高いものにしている。
• Seedreamは価格でGoogleを下回り、ローカル実行や実画像編集を可能にしている一方、Nano BananaはGoogleのコンシューマーおよびエンタープライズエコシステムに密接に組み込まれている。
• テストでは、Seedreamはキャラクターのアイデンティティと空間的一貫性を複数回の編集を通じてより良く保持し、Nano Bananaはより高速な出力と画像内のテキストレンダリングの優位性を示した。

今週、最も有能なAI画像モデルの2つがほぼ同時期にリリースされ、ユーザーのコンテンツ作成方法を変革する可能性を秘めている。
Nano Banana 2—Google内部ではGemini 3.1 Flash Imageと呼ばれるモデル—は2月26日に公開され、瞬く間にAI界の話題を席巻した。これは2025年11月のリリース後、AI画像編集の標準となったNano Banana Proの後継だ。一方、ByteDanceの最新の画像生成ラインナップであるSeedream 5 Liteは、数日前にリリースされた。
Googleのマーケティングによる盛り上がりと比べると、後者はほとんどプレスリリースもなく静かに登場したが、能力の差はそれほど大きくなかった。


何がそんなに重要なのか？
両モデルは、画像生成前に思考を巡らせる能力を持たせるという、同じコアアーキテクチャのアイデアを中心に構築されている。
それは、生成前のリアルタイムウェブ検索の統合や、複雑または曖昧なプロンプトを解釈するための多段階の推論、長期編集ワークフローにおける参照画像の取り扱いを意味する。
これは、1年前の生成モデルからの本当の変革であり、その頃はStable Diffusionが革命的と広く考えられていた。
両モデルとも最大4K解像度を出力でき、複数画像の参照入力による一貫性のワークフローをサポートし、キャラクターやオブジェクト間の視覚的一貫性を維持できる。

どちらも画像内にスタイル化された判読可能なテキストを生成できるが、その性能には差がある。
また、OpenAIのGPT Image 1.5やBlack Forest LabsのFlux.2、そして価格と柔軟性で激しく競争する中国のモデル群がすでに市場に存在している中での参入だ。
しかし、最終的にどちらがユーザーにとって最適か？
両モデルをテストし、その答えを見つけるために比較した。

技術的・価格比較
最初に理解すべきは価格差だ。
GoogleはNanoをGemini API経由で1百万出力画像トークンあたり60ドルで提供している。実質的には、512px画像で約0.045ドル、1K解像度で0.067ドル、2Kで0.101ドル、4Kで0.151ドルとなる。
Seedreamは画像1枚あたり一律0.035ドルで、出力解像度に関わらず同じ価格だ。したがって、512px以上のサイズではSeedreamの方が安い。
4KではNanoの方が4倍以上高価となり、大量生産のパイプラインではコストが急増する。

入手方法は全く異なる。NanoはGoogleのコンシューマー・開発者エコシステム全体、Geminiアプリ、Google SearchのAIモード、Google Lens、AI Studio、Vertex AI、Google Flow（動画作成用）に展開されている。すでに何億人もの日常的なインフラに組み込まれている。一方、SeedreamはByteDanceのCapCutやJianyingといったクリエイティブアプリ、サードパーティAPIアグリゲータプラットフォーム、そしてByteDanceの専用画像生成インターフェースDreaminaを通じて提供される。重要な点は、Seedreamはローカルで動作可能であるのに対し、Googleは許可していない。

プラットフォーム体験も異なる。Geminiはチャットボットを最初に設計し、画像生成は二の次だ。非常に高速で画像を生成できるが、反復的なビジュアルワークフローには最適化されていない。
Dreaminaは画像作成に特化しており、参照管理、多段階編集、構成制御のための専用ツールを備えている。
また、Dreaminaの生成待ち時間はGeminiのインターフェースよりも長くなることが多い。短時間のテストや単一画像ならGeminiの方が速いが、長期の複数回編集にはDreaminaの方が一貫性が高い。
コンテンツモデレーションに関しては、Geminiはほとんどのシナリオで実在人物の取り扱いを拒否する。似顔絵や有名人の写真操作、識別可能な被写体を含む内容には応じない。
Seedreamははるかに寛容なルールの下で運用されており、実画像の編集や識別可能な被写体の扱いも許可されているため、コンテンツクリエイターの間で一定の支持を得ている。

APIに関しては、両モデルとも推論の深さを設定可能だ。Nanoは「最小」から「高」または「ダイナミック」までの思考レベルを設定でき、複雑なプロンプトを処理する前に推論させることができる。
Seedreamは推論の連鎖（chain-of-thought）をアーキテクチャに組み込み、多制約や空間的に複雑な生成タスクのプロンプト忠実度を向上させている。

どちらも推論の透明性は完全ではないが、従来モデルよりも難しいプロンプトに対して良好な結果を出す。

キャラクターの一貫性：ミニキャンペーンテスト

これは、実画像の複数編集を通じてモデルが認識可能なアイデンティティを維持できるかを検証したもの。
元の被写体はショッピングセンターで撮影された実在のカップル。
目的は、5回の編集を通じて衣装やその他の要素を交換しつつ、顔や体格、ビジュアルアイデンティティを一貫して認識できる状態に保つことだった。
Geminiチャットボットは、コンテンツポリシーにより実画像には直接対応しなかったため、Nano Banana 2はAPIを直接操作してテストした。

Nano:

Nanoの結果は視覚的には洗練されているが、後半の編集ではアイデンティティのドリフトが顕著だった。
シーンの幾何学は保持されていた—LEDトンネルの環境、タイル張りの歩道の遠近感、背景の看板配置は一貫していた。
しかし、被写体自体は実質的に再構成されてしまった。最後の段階では、女性は元の人物ではなくなり、男性もほぼ完全に置き換えられ、年齢層や体格、顔立ち、髪型が異なった。
モデルは美しい結果を出したが、実際にそこにいた人々ではなかった。参考画像をアップロードする際に顔の部分を避けるなど工夫すれば、多少改善できる。

Seedream:

Seedreamは同じワークフローでのアイデンティティ保持において、明らかに優れていた。
女性の顔の構造や笑顔の形状、頭の傾きは複数回の編集を通じて元画像にしっかりと固定されていた。
男性も元の体格や存在感をより良く保持し、ポーズの連続性も高かった—腕の位置、距離感、スタンスの整合性も維持されていた。これは、同じシーンのように感じさせるために重要なポイントだ。
ただし、肌の滑らかさやウエストのわずかな修正、全体的な画質の劣化といった小さな違いはあった。

それでも、カップルとしての認識は保たれた。
同じ人物が複数のクリエイティブ出力に登場する必要があるキャンペーンワークフローでは、その差は重要だ。

アウトペインティングとキャンバス拡張
このテストでは、両モデルとも現代的なミニマリストリビングルームの画像を16:9に拡張し、左右に自然にシーンを広げながら、照明や空間の論理性を維持した。
プロンプトは白い壁、ベージュのソファ、木製のコーヒーテーブル、室内植物といったシンプルな内容で、建築的なパラメータも明確だった。

Nano:

Nano Banana 2は、シームレスでクリーンな結果を出し、縫い目や色ムラも見られなかった。壁の色や日光のバランス、床の素材も一貫していた。
窓からの光の方向も自然に拡張されたフレームに続いており、技術的にはほぼ完璧だった。
しかし、右側にバスケットや背景の建物といったシーンに含まれない要素も追加された。
それでも、従来のモデルと比べると非常に印象的だ。

Seedream:

Seedreamは最初の出力がシンプルだったため、編集は容易だった。
左側の拡張部分には、もう一つの大きな鉢植えとカーテンの流れが追加され、窓からの光源に対して空間的に妥当な範囲だった。
右側は二次的な壁やフレーム入りのアート、低い木製コンソールに拡張され、全体的にミニマルな素材感（明るい木材、柔らかいニュートラルカラー）を維持。照明も方向性を保っていた。
天井やペンダントライト、床のヘリンボーンパターンも論理的に整合しており、全体として信頼できる広いフレームに見えた。
目立つアーティファクトやバグは見られなかった。
空間の忠実性や建築的正確さが求められる制作環境では、Seedream 5 Liteの方が信頼できる。一方、リアリズム重視ならNano Banana 2の方が適している。

非現実的画像生成：YouTubeサムネイルテスト
このテストは、編集や拡張から純粋な生成へと移行し、非常に具体的なブリーフを用いた。内容は、「AI IMAGE WAR」と書かれたYouTubeサムネイルと、その下に両モデルの名前を記載し、左右に大きなタイトル文字、コントラストの高い色彩、16:9のフレーミングを特徴とする。

サムネイル生成には正確なタイポグラフィ、意図的な構図の階層、即時の視覚的エネルギーが必要だ。

Nano:

Nanoはサムネイルの文法を完璧に理解していた。
左側には大きくコントラストの高いタイポグラフィ、右側には劇的な分割画面の顔の対決、暖色と電気青のネオンカラーの対比、中央の稲妻の仕切り線が「対決」のダイナミズムを強調している。
タイトルの階層も明確で、「AI IMAGE WAR」が視覚的に圧倒的に目立ち、アウトラインや光彩効果も小さなモバイル画面でも効果的に見える。
テキストのレンダリングも正確で、スペルミスや文字化けはなく、文字間も一貫していた。
顔の描写も超詳細で感情的に強烈。
視覚的エネルギーも高く、クリックを誘うサムネイルそのものだった。

Seedream:

Seedreamは異なるアプローチを採用。
フォトリアルな劇的顔ではなく、スタイライズされたマスコット（バナナキャラクターと輝くニューラルオーブ）を生成し、比較にグラフィカルでアイコン的な印象を与えた。
レイアウトはよりシンプルで整然としており、タイトルが目立ち、サブタイトルも読みやすく、各モデル名は枠で囲まれて一目で識別できるようになっている。
タイポグラフィも強く、線の太さやスケールで読みやすく、Nano Bananaの派手さや感情的な強さに比べて、Seedreamは控えめで差別化されたビジュアルアイデンティティを持つ。
これはスタイルの選択かもしれないが、私たちの主観では、バイラルCTR最適化にはNano Banana 2の映画的なインテンシティの方が優れている。

リアル画像生成：多制約の正確性
最後のテストは、詳細な多要素のプロンプトをどれだけ正確に守れるかを測定した。
内容は、夕暮れ時の屋上で、ベージュのトレンチコートと丸眼鏡を着用した32歳の女性建築家のシネマティックポートレート。左手には巻きブループリントを持ち、背景にはぼやけた都市のスカイライン、ゴールデンアワーの柔らかいリムライト、50mmレンズのような浅い被写界深度、縦比4:5、リアルな肌質、微細なフィルム粒子といった制約があった。
これらの要素はそれぞれ独立した失敗要因となり得る。

Nano:

Nanoは、カメラを見ずに遠ざかる白人女性を生成した—これはプロンプトに明示されていない創造的解釈の選択であり、制約の厳守よりも創造性を優先した結果だ。
ベージュのトレンチコート、丸眼鏡、巻きブループリントは正しく描かれた。屋上とぼやけたスカイラインも存在し、空間的に説得力があった。
ゴールデンアワーの照明もあったが、やや冷たく感じられ、プロンプトの暖色系にはやや乖離していた。リムライトは控えめで、明確に定義されていなかった。
被写界深度は良好だが、実質的には35mmから40mmの範囲に近く、50mmの正確な再現ではなかった。
フィルム粒子はほとんど目立たず、肌の質感もリアルだが、ビューティー系の拡散システムにありがちな滑らかさの偏りも見られた。
全体的には堅実な仕上がりだが、いくつかの静かな置き換えや選択があった。

Seedream:

Seedreamは、カメラの向きや表情の指定がなかったため、正面を向くアジア人女性を生成した。
すべての指定要素は正しく反映され、ゴールデンアワーの暖かさもより強調され、背景から被写体を分離するリムライトも明確だった。
被写界深度も50mmの実写に近い自然な比率で、肌の質感も微細なコントラストを保持し、Nano Bananaよりも滑らかさやアーティファクトは少なかった。
ただし、ブループリントの一つは誤って生成され、アーティファクトのように見えた。
構図的には、Seedreamの方が中心に配置され、解釈の余地が少なく、より正確だったが、Nano Bananaの方がよりリアルな画像になった。

長時間のAPIセッションにおける一貫性のバグ
大量の連続生成を伴う長いAPIセッションでは、両モデルとも最初は良好だったが、時間が経つにつれて劣化が見られた。
Seedreamは、以前はシャープだった顔がぼやけて不明瞭になり、Nanoは最初に確立した被写体のアイデンティティを失い、全く異なるキャラクターを生成し始めた。
両者とも、セッションが長くなるほど推論の深さを減らす傾向があり、既に行った作業に対して努力を怠るようになった。

これは意図的な計算制御か、APIの負荷分散の結果か、アーキテクチャの問題かは外からは不明だが、長い生成チェーンを行う制作パイプラインでは注意が必要だ。
最初の数回の生成では最良のパフォーマンスを示し、その後は劣化する。
理想的には、連続した反復ではなく、一度の操作で複数の編集を依頼し、劣化を避けるのが良い。ただし、これは芸術的な判断も必要で、多すぎるとプロンプトの忠実性が低下し、少なすぎると連続反復が必要になり、結果的にキャラクターの一貫性が損なわれる。

結論：どちらが勝者か？
Nanoはテキストレンダリング、生成速度、エコシステムの統合、生成エネルギーにおいて優れている。
特に、文字の正確さは明確なアドバンテージであり、文字化けやフォントの不一致、繰り返しのテキストもない。
高速に生成でき、既存の多くの製品と連携し、Web検索を行った上での出力は編集的にしっかりとした印象を与える。
Googleのエコシステム内で作業し、画像内の文字の正確さが絶対条件なら、Nanoが最適だ。
一方、Seedreamはコスト、プラットフォーム設計、コンテンツの柔軟性、空間的タスクの構造的規律、複数段階の編集を通じたキャラクター保持において優れている。

定額0.035ドルの価格設定は、大量画像生成パイプラインのデフォルトとして実用的だ。
Dreaminaの専用インターフェースは、Geminiのチャットボットよりも長時間のクリエイティブセッションに適している。
また、Googleが対応しないコンテンツポリシーの緩さも、Seedreamの利用範囲を広げている。
そして、実在人物の複数回のイメージを一貫して維持する必要があるキャンペーン作業においては、Seedreamがすべてのテストでより良い結果を示した。