gpt-image-2 vs nanobanana-pro：日本語漫画・アニメ・3Dを同一プロンプトで対決させてみた

日本語テキスト入りの実用画像は gpt-image-2、アニメ・イラスト・広角シーンは nanobanana-pro という分かれ方でした。勝ち負けより用途差で見るほうが実務判断しやすい、というのが結論です。

「画像生成モデルが多すぎて、結局どれを使えばいいのか分からない」

「日本語の吹き出しやスコアカードを入れたいのに、文字化けや誤字ばかりで実務にならない」

「LiteLLM という名前は聞いたことあるけど、結局何が嬉しいのか腹落ちしていない」

このへん、かなり分かります。私も現場で触るまでは、モデル比較ってだいたい“カタログの読み比べ”で終わっていました。

今回は LiteLLM Gateway 経由で gpt-image-2 と nanobanana-pro を同一プロンプトで 5テーマ比較 しました。結論から言うと、gpt-image-2 は日本語テキスト精度が圧倒的、nanobanana-pro はアニメ・イラスト・広角シーンで強く、コストは $0.045/枚。そして LiteLLM Gateway でモデル名を変えるだけで両方使える ので、1本化より“用途別に分ける”発想のほうが現実的でした。

比べてみると、思った以上に役割が分かれました。少なくとも、今回の条件では「どっちか一択」にする理由はあまりありませんでした。

• 検証の前提を先に固定する
• 5テーマの比較結果
  • Theme 1: 日本語テキスト（quality=low vs nanobanana 512x512）
  • Theme 2: スコアカード（quality=medium vs nanobanana-pro）
  • Theme 3: アニメ（quality=medium vs nanobanana 1024x1024）
  • Theme 4: 3Dレンダー（quality=low vs nanobanana 512x512）
  • Theme 5: 漫画パネル（quality=medium vs nanobanana-pro）
• gpt-image-2 が強かった場面
  • 日本語を含む実用画像は gpt-image-2 が頭ひとつ抜ける
  • ただし high が常に安定ではない
• nanobanana-pro が強かった場面
  • アニメ・イラスト・広角構図は nanobanana-pro が気持ちよく出る
  • ただし日本語は素直に弱い
• 今回いちばん差が出たのは日本語テキストだった
• LiteLLM 経由で見えた運用上のクセ
• 結局どちらを選ぶべきか
  • 実務での使い分けの目安
• 関連記事と次の検証ポイント
• どんな場面で効くか
• 誰には不要か
• 注意点・制約
• どのように検証したか
• よくある質問
  • まず何を比べればいいですか？
  • 日本語入り画像はどちらが向いていますか？
  • 雰囲気重視で量産するならどちらですか？
• 参考リンク
• 関連記事
• この記事を書いた人

まず、比較記事でいちばん大事なのは「同じ条件で比べたか」です。ここが曖昧だと、どれだけ見た目が立派でも判断材料になりません。

今回の前提は次の通りです。

• 経由: LiteLLM Gateway
• 比較対象: gpt-image-2 / nanobanana-pro
• 方法: 5テーマに同一プロンプトを投入
• 観点: 日本語テキスト精度 / 構図 / 画作り / 実用性 / 失敗の少なさ
• 目的: “勝ち負け”ではなく用途別の使い分けを決めること

補足すると、LiteLLM は複数のモデルを同じ窓口で扱うためのゲートウェイです。今回のように「OpenAI系と別系統の画像モデルを並べて検証したい」場面では、モデル切り替えの手間を減らせます。細かい仕組みは公式ドキュメントを見たほうが早いですが、ここでは“比較実験の土台”として使っている、という理解で十分です。公式: https://docs.litellm.ai

今回のテーマは、ざっくり言うと以下です。

1. 日本語漫画吹き出し
2. スコアカード/レーダーチャート
3. アニメ風キャラクター
4. 3Dレンダー風の製品ビジュアル
5. 広角の複数要素シーン

評価を一言でまとめると、こうです。

数値のベンチマークだけでなく、実際に使ったときの”詰まり方”がかなり違いました。

Theme 1: 日本語テキスト（quality=low vs nanobanana 512x512）

Theme 2: スコアカード（quality=medium vs nanobanana-pro）

Theme 3: アニメ（quality=medium vs nanobanana 1024x1024）

Theme 4: 3Dレンダー（quality=low vs nanobanana 512x512）

Theme 5: 漫画パネル（quality=medium vs nanobanana-pro）

※ Theme3 の gpt-image-2 は quality=high がゲートウェイ上流でタイムアウトしたため quality=medium で代替。Theme5 の nanobanana-pro は日本語プロンプトが2回タイムアウトしたため英語ロマナイズ版で生成。

日本語を含む実用画像は gpt-image-2 が頭ひとつ抜ける

今回いちばん差が出たのは、日本語テキスト入りの画像です。

漫画の吹き出し、スコアカード、ラベル付きの図版のように、画像の中に意味のある日本語が必要な場面では gpt-image-2 が明確に強かったです。

特に印象的だったのは、Theme2 のスコアカードです。gpt-image-2 は単に「スコアを見やすく並べる」だけでなく、レーダーチャートと 5軸スコアを自律的に追加してきました。プロンプトに明示していない情報を、文脈から補ってくる感じです。

これ、表面的には小さな差ですが、実務ではかなり効きます。

• こちらの意図をくみ取って図表を足してくる
• 数字と可視化が自然につながる
• “あとで手直し前提”の下書きとして使いやすい

要するに、説明用の画像としての完成度が高い です。

ただし high が常に安定ではない

Theme3 では、gpt-image-2 の quality=high が LiteLLM Gateway 上流でタイムアウトしました。高品質設定はやはりこういう場面で重くなるものだなと肩を落としつつ、そこで quality=medium に切り替えて代替 しています。

ここは大事なので隠しません。

• 画質を上げればいい、という単純な話ではない
• 上流の応答時間やゲートウェイ側の挙動で詰まることがある
• 実運用では「最高設定」より「回る設定」のほうが価値が高いことがある

データでは最高峰でも、ツール呼び出しはまだまだです。画像生成でも同じで、理論上の上限と運用品質は別物 です。

アニメ・イラスト・広角構図は nanobanana-pro が気持ちよく出る

nanobanana-pro は、見た瞬間の“絵としてのまとまり”が良いです。

特に強かったのは以下です。

• アニメ調のキャラクター
• 画面内に要素が多い広角シーン
• 3D/イラスト寄りのビジュアル

このあたりは、生成結果が破綻しにくく、色と構図が素直にまとまる印象でした。

コスト面も分かりやすいです。$0.045/枚 なので、量を回すときの心理的ハードルが低い。アイデア出し、ラフ生成、複数案の比較ではかなり使いやすいです。

ただし日本語は素直に弱い

Theme5 の漫画では、nanobanana-pro が 日本語プロンプトで 2回タイムアウト しました。1回ならまだしも、同じプロンプトで2回続けて落ちると、さすがに「日本語そのものが苦手なんだな」と腹をくくらざるを得ませんでした。そこで 英語ロマナイズ版に切り替えて生成 しています。

この非対称性は、かなり重要です。

• 日本語の指示に対して安定しない
• タイムアウト後のリカバリーにひと手間かかる
• “日本語入り画像をそのまま作る”用途では手間が増える

つまり、絵は強いが、文字と指示の扱いが実務向きとは言い切れない です。

この比較で、最終的にいちばん判断を分けたのは“画力”ではありません。日本語テキストを画像に載せる難しさ でした。

日本語の漫画吹き出しやスコアカードは、見た目以上に厄介です。

• 文字の形が崩れやすい
• 漢字の誤字が出る
• 吹き出しとの位置関係が不自然になる
• 文字量が増えると破綻しやすい

この条件だと、gpt-image-2 はかなり粘ります。完全ではありませんが、“そのまま使える率”が高い。

一方で nanobanana-pro は、絵としては良いのに、日本語文字を絡めた瞬間に実用性が落ちる 場面がありました。今回の漫画テーマでタイムアウトが出たのも、その延長線上で見るのが自然です。

逆に言うと、文字が不要なら nanobanana-pro の強みがそのまま活きる。ここを分けて考えないと、比較を間違えます。

LiteLLM Gateway の良さは、単に「いろんなモデルをつなぐ」ことではありません。同じ検証軸でモデルを入れ替えられる のが本質です。

今回のように、

• 画像のテーマを固定する
• プロンプトを揃える
• モデル名だけ変える
• 失敗やタイムアウトも含めて記録する

という流れが作れると、ようやく比較が意味を持ちます。

ただし、実際にやるときはきれい事だけでは済みませんでした。

• 一部テーマでタイムアウトが出る
• 片方だけ生成までの待ち時間が長い
• 同じプロンプトでも得意不得意が極端に出る
• 失敗時に“何を再試行するか”の判断が必要になる

ここで大事なのは、エラーを隠さないこと です。比較記事なのに成功例だけを並べると、実運用では役に立ちません。

結論はシンプルです。

• 日本語漫画吹き出し、スコアカード、説明図、文字入り素材 → gpt-image-2
• アニメ、イラスト、広角シーン、量産ラフ、コスト重視 → nanobanana-pro

今回の検証では、gpt-image-2 は日本語テキスト精度が圧倒的 でした。これはかなり重要です。なぜなら、画像生成AIの“見た目の綺麗さ”よりも、実際には「文字が読めるか」「指示通りに情報が載るか」で仕事になるかどうかが決まるからです。

一方で nanobanana-pro は、アニメ・イラスト・広角シーンで強く、コストも $0.045/枚。量を回して絵作りを詰める用途では、かなり使いやすいです。

なので、私の判断は「どちらか一方を主戦力にする」ではなく、LiteLLM Gateway で両方を使い分ける です。

実務での使い分けの目安

• まず日本語入りで見せたい → gpt-image-2
• まず雰囲気重視で案を量産したい → nanobanana-pro
• 文字を後から手で載せる前提 → nanobanana-pro でも十分
• そのまま資料や投稿素材にしたい → gpt-image-2 を優先

この切り分けができると、モデル選定で悩む時間がかなり減ります。

今回の検証は「画像生成AIの比較」ですが、モデル選定の考え方そのものは他の分野でも同じです。

• ローカルLLMを評価するときの見方: BlogローカルLLMベンチマーク 24問テストの全問解説 — 何を・なぜ測っているのかMETA-MARK のローカルLLMベンチマークで使う24問（4カテゴリ・240点満点）の全問解説。各問題の設計意図、0/5/10点の採点基準、ランクS〜Dの定義をまとめたテスト仕様ページです。→
• 軽量モデルと上位モデルの使い分け方: Blog格安モデルでも Rank S：Haiku 4.5 × 24問テスト実測（+Advisor で97.5%）Haiku 4.5を24問で実測。単体93%でも十分強く、Advisor（Opus）の2パスで97.5%まで改善。ただし自信満々に間違える盲点も見えました。→

次にやると面白いのは、今回の比較を 「日本語テキストあり」「テキストなし」 に分けて再検証することです。画像生成はどうしても見た目の印象で語られがちですが、実務では条件を切ると答えがかなり変わります。

今回の一番の収穫は、モデルの優劣というより、用途ごとに勝者が違う と確認できたことでした。これは地味ですが、かなり大きいです。

• 画像生成モデルの候補が多く、用途ごとにどれを使うか整理したい場面
• 日本語入りの素材をそのまま使いたいのか、ラフ量産を優先したいのかを切り分けたい場面

• すでに使うモデルが決まっていて、比較の判断材料がいらない人
• ベンチ結果の差よりも、単に一番安い選択肢だけ分かれば十分な人

• ベンチマーク結果は、タスク設計や採点基準で印象が変わります。
• 生成品質は、プロンプトの書き方や再試行の有無でもかなり変わります。
• コストは、入出力量と失敗時のやり直しで想像より振れやすいです。

• LiteLLM Gateway 経由で gpt-image-2（azure-gpt-image-2）と nanobanana / nanobanana-pro（Gemini系）に、5テーマ×2モデルで同一プロンプトを投入して生成結果を比較しました。
• タイムアウト・フォールバックも含めて正直に記録し、成功例だけでなく失敗パターンも整理しました。
• 使用したプロンプト全文は Bloggpt-image-2 vs nanobanana-pro：日本語漫画・アニメ・3Dを同一プロンプトで対決させてみたLiteLLM Gateway経由でgpt-image-2とnanobanana-proを5テーマ比較。日本語吹き出し、スコアカード、アニメ、3Dの実測差を整理しました。→ で公開しています。

まず何を比べればいいですか？

今の業務で最も頻度の高い1タスクだけを、同条件で比較するのが一番判断しやすいです。

日本語入り画像はどちらが向いていますか？

今回の条件では gpt-image-2 のほうが扱いやすかったです。文字をそのまま載せたい用途には向いていました。

雰囲気重視で量産するならどちらですか？

nanobanana-pro のほうが向いていました。アニメ調や広角シーンのまとまりが良く、試行回数を回しやすいです。

• Blogローカル最高80% vs クラウド93%——20点差が示す、規模の残酷な現実GPT-5.4 mini/nanoを同じ24問ベンチマークで測定。ローカル最高峰Qwen3.5:4bの80.8%に対し、miniは92.9%・nanoは79.2%。スコアの読み方と、正直な限界を書きます。→
• LiteLLM 公式ドキュメント

この記事は、実務で AI ツールを活用している開発者・技術者向けに書いています。

• Blog「Pro品質 × Flash速度」が一本化。Nano Banana Pro 2（Gemini 3.1 Flash Image）完全解説GoogleのAI画像生成「Nano Banana Pro 2」＝Gemini 3.1 Flash Image を実際に触って確認した。品質と速度が一本化、料金実質半額。デメリットも正直に書く。→
• BlogGPT Image 2 が実在ブランド広告を再現しすぎてぼかした — FLUX.2 klein との4ジャンル比較GPT Image 2がキリン氷結広告をほぼ再現してしまった実体験を起点に、FLUX.2 kleinとの4ジャンル比較から用途別の使い分けを整理します。→

HW系エンジニアとして20年以上、10,000件を超える顧客訪問と2,000件を超える単独ソリューション実績。AIツールを使った個人開発やIoT農園など、Raspberry Piを使ったオートメーション化なども実践中です！エンジニア専門結婚相談所も運営中、ClaudeCodeで解決できない心の課題も解決いたします！