Adpictoがgpt-image-2とNano Banana 2を併用する理由｜Pro mode と標準ティアの使い分け

「画像生成モデルを1つ選ぶ」のは、かつては戦略判断でした。2026年現在、それは負債です。OpenAIは昨日 (2026-04-21) gpt-image-2 を、Googleはその2ヶ月前に Nano Banana 2 (`gemini-3.1-flash-image`) をリリースし、「高速・大量・複数被写体に強い」モデルと「マスク編集・参照画像の高忠実度に強い」モデルの差は広がる一方です。1つに絞るとは、用途次第で1枚あたり50%以上のコスト超過または30%以上の品質低下を受け入れることに等しい状態になりました。

私たちは両方を使うことにしました。この記事は、なぜAI SNSコンテンツツールとしてマルチモデル構成を選んだのか、各モデルが何に強いのか、Adpictoが内部でどうルーティングしているのかを解説します。

TL;DR

• Nano Banana 2 (Googleの`gemini-3.1-flash-image`、2026-02-26リリース): 高速、低コスト、複数被写体の一貫性、画像内テキスト、最大4K対応。Vertex AI で提供。標準ティアのデフォルト — バッチ生成、画像内テキスト、編集など Pro mode 以外すべて。
• gpt-image-2 (OpenAI、2026-04-21リリース): 最高品質、参照画像の高忠実度自動処理、ストリーミング出力、マスク編集対応。AdpictoのPro modeのエンジン — リクエストが `highQuality: true` (Proティア) のときここへルーティング。
• 単一モデル固定の代償: 用途によって品質-30%以上 もしくは コスト+50%以上、加えてプロバイダ障害時のフォールバックなし。
• マルチモデル = ユーザーには透過的なルーティング: あなたは「何を作りたいか」だけ指定し、ティアとリクエスト内容に基づいて適切なモデルを裏側で自動選択。

単一モデル固定の罠

2024年から2025年中盤まで、画像モデル選びは「サンプル出力を見て、自社のテイストに合うものを選んで終わり」で済む判断でした。プロバイダ間のコスト差は無視できる程度、機能差も「好みの問題」レベルでした。

それが2026年に入って崩れました。今月時点のギャップは:

• 1枚あたりコストの差は約10倍に拡大。OpenAIの`gpt-image-2`を「high」品質で生成すると1024×1024で約$0.211。同じ解像度のNano Banana 2は約$0.067、`gpt-image-2`の「medium」が約$0.053。月5,000枚を生成するサービスなら、デフォルトモデルの選択ミスで月額$300と$1,000の差になります。
• 機能差がタスク依存になった。`gpt-image-2`はマスクベースの編集が組み込みで、参照画像を自動で「高忠実度」処理します。一方、Nano Banana 2はプロンプト指示による被写体保持に依存します。Nano Banana 2は画像内テキストが読めるレベルで描画でき、3人以上の被写体一貫性も今のところ`gpt-image-2`より得意です。
• プロバイダ可用性が需要スパイクと相関。OpenAIが注目モデルをリリースすると最初の1〜2週間はAPIが頻繁にレート制限にかかります。Google側もNano Banana更新後は同様。昨日まで動いていた単一プロバイダ構成が、明日には使えなくなる可能性があります。

「1つを選ぶ」戦略には、コスト爆発・用途ミスマッチ・フォールバック不在という3つの失敗モードがあります。マルチモデルはルーティング層を実装するコストでこれら全てを解決します。

Nano Banana 2 が得意なこと

Nano Banana 2 は Google の `gemini-3.1-flash-image-preview` (Vertex AI) で、社内通称「Nano Banana」シリーズの第2世代です。Adpictoは前世代 (`gemini-2.5-flash-image`) からの利用を続けており、2026年2月のリリース後に3.1 Flash Imageへ移行しました。

実用面で本当に優れているポイント:

• 速度と1枚あたりコスト。1024×1024で約$0.067、4Kで約$0.151。Vertex AI上のレイテンシは標準出力で5秒以下が一貫しています。これによりバッチ生成のデフォルトとして現実的に使える唯一の選択肢になっています — 1セッションで6枚のカルーセルや10枚のプラットフォーム別バリエーションを生成するのは、プレミアムモデルではコスト的に成立しません。
• 複数被写体の一貫性。1シーンに3〜5人 (チーム写真、囲卓のお客様、複数商品バリエーション) が必要なとき、Nano Banana 2は顔・体格・服装の整合性を内部的に保ちます。単一被写体で訓練されたモデルが今も苦戦している領域です。
• 画像内テキスト。カルーセルカバー、引用グラフィック、「ビフォー/アフター」ラベル、画像に埋め込む多言語キャプションなど — Nano Banana 2は短文を後処理なしで出荷できる精度で描画します。前世代からの最大の進化点です。
• ローカライズ。日本語キャプションのカナ字間や、スペイン語CTAのダイアクリティカルマーク表現など、Googleの広範なローカライズ訓練が効きます。「いかにもAI生成」なタイポグラフィのアーティファクトが少ない。
• 4K出力。SNSフィードを超える用途 — 広告のサムネイル、ランディングページのヒーロー、メールバナー — に向けた4Kティア (~$0.151) があります。生成の大半は1Kですが、選択肢があること自体に意味があります。

ワークホースです。現在Adpictoが生成する画像の80〜85%はNano Banana 2を経由します。

gpt-image-2 が得意なこと

`gpt-image-2` (スナップショット `gpt-image-2-2026-04-21`) は昨日リリースされたばかりです。Adpictoの「Pro mode」のエンジンとして組み込みました — Proティアのユーザー、および内部的に `highQuality: true` がついたリクエストはすべてここを通ります。

居場所がある理由:

• Proティアの最高品質。キャンペーンを支える1枚 — ローンチ投稿、創業者からのアナウンス、プレスキットの表紙 — については、1枚$0.211 vs $0.067のコスト差は問題ではなくなり、絶対品質が勝ちます。`gpt-image-2`の「high」は現在私たちがアクセスできる中で最高忠実度の出力で、これこそProユーザーが対価を払っている価値です。
• 参照画像の高忠実度処理。ユーザーが「このスタイル/キャラクター/商品を使って」とブランド素材をアップロードするとき、`gpt-image-2`は入力を自動で「high fidelity」処理します。プロンプトベースの参照には根本的な限界がある領域です。
• マスクベース編集の能力。OpenAIの Image API はマスク領域の編集 — 背景差し替え、商品入れ替え、特定オブジェクトの変更 — を全体再生成なしでサポートしています。これは「Pro での編集」ワークフローとして将来統合予定で、ゲートウェイは既に配線済み・`IMAGE_EDIT_PROVIDER` env フラグでオプトイン可能。
• ストリーミング出力。APIが部分結果をストリームできるので、30〜90秒のPro生成中に止まったスピナーではなく、進行中のプレビューを見せられます。待ち時間が長いときのUXは重要です。

既に確認している制約: 透明背景の出力非対応、複雑プロンプトで時々1〜2分かかる、密なテキストオーバーレイと3人以上の被写体一貫性ではNano Banana 2に劣る。さらに、リクエストされたアスペクト比をgpt-image-2がネイティブサポートしない場合、または環境にOpenAIキーがない場合は自動的にNano Banana 2へフォールバックします。

Adpictoのルーティング設計

ルーターはコイントスではなく決定木です。Proティアを軸に分岐しています: Pro modeは品質のためにgpt-image-2、それ以外はコストと速度のためにNano Banana 2へ。

ルーターはユーザーから見えません — あなたは作りたい投稿を記述してフォーマットを選ぶだけ。エンジンはあなたのティアとリクエスト内容に基づいて私たちが選びます。裏側では、地味だが高コストなインフラ層が動いています: 各プロバイダが独自の認証、レート制限ヘッダ、リトライ仕様、エラー形式、価格ティアを持ち、ルーターはそのすべてを優雅に扱う必要があります。

裏側の挙動が気になる方には (投稿作成フローで生成履歴に各出力のモデル名を表示しているので)、横並びで比較して、ルーティング判断が変だと感じたら教えてください。

マルチモデルの本当のコスト

画像プロバイダを2つ走らせるのはタダではありません。正直なコスト感:

• 画像生成のエンジニアリング表面積がほぼ倍になる。SDK 2つ、認証フロー2種、レート制限仕様2つ、エラー分類2系統。共有の「Image port」抽象 (DDD アーキテクチャで実装) で緩和していますが、それでも実コストです。
• オブザーバビリティが難しくなる。「なぜこの画像は昨日のと違って見える?」がモデル更新か、ルーター判断の変更か、プロバイダ側のロールアウトか。すべての生成にモデル+バージョンタグを付けて答えられるようにしていますが、意識的な実装が必要でした。
• 月次コスト項目が増える。請求アカウント2つ、使用量予測2つ、予算アラート2つ。スケール前にきちんと整備するのが正解。

それでも出荷した理由:

• Proティアには本物の品質の天井が必要。Proを契約しているユーザーは、フリーユーザーには出せない品質に対価を払っています。Pro modeを`gpt-image-2`にルーティングすることは、リテンションが最も重要なティアでリテンションを守ります — 1枚あたりコストが約4倍でも価値がある。
• フリー/バッチには本物のコストの底が必要。逆に、週分のコンテンツとしてカルーセル50枚を生成するユーザーには、Nano Banana 2の経済性が必須。これらを`gpt-image-2` highに流すと、ユーザー視点の品質を4倍にせずにコストを4倍にすることになり、フリーティアが維持不可能になります。
• 冗長性は積み重なる。毎月どちらかのプロバイダで必ず1件以上の不具合 — 長時間レート制限、リージョン障害、特定プロンプトでのリグレッション — が起きる。マルチモデル構成なら「数人のユーザーが遅くなる」で済むところを、単一プロバイダだと「全ユーザーが失敗する」になる。

あなたの投稿にとっての意味

実用的には、これらを意識する必要はありません。作りたい投稿を記述し、フォーマットとプラットフォームを選ぶと、ティアとリクエスト内容に基づいて適切なモデルにルーティングされます。ただし、知っておいて損のないこと3つ:

• Pro mode = gpt-image-2。Pro生成をオン (またはProティアで利用) すると、画像はOpenAIの`gpt-image-2`の「high」品質で生成されます。明らかに高忠実度な出力で、Proが秒ではなく30〜90秒かかる理由でもあります。
• 標準モード = Nano Banana 2。フリーティア生成、バッチカルーセル、画像内テキスト、編集などはすべてGoogleのNano Banana 2 (`gemini-3.1-flash-image`) にルーティングされます。高速、1枚あたり安価、得意なワークフローでは圧倒的。
• 別エンジンで再生成リクエストできる。生成された画像が今ひとつのとき、再生成オプションに「別モデルで試す」トグルがあります。生成の80%では使う必要はありませんが、残り20%の「片方のモデルだけプロンプトを理解しない」ケースで、エンジンを切り替えるだけで一発で解決することが多い。

より深い論点: 2026年のAI画像生成は単一プロダクトではなく、専門化した道具のセットであり、正しい道具はティアとジョブによって変わる、ということ。マルチモデルへの投資をしたのは、あなたが意識する必要をなくすためです。

試してみる

マルチモデル構成は本日からAdpicto全体で稼働しています。InstagramやTikTokでブランドを構築中で、1つのエンジンの強みに縛られるのではなく、ティアとワークフローに合わせて変わるAI生成ビジュアルが欲しい方は、プロジェクトを始めて、標準生成 (Nano Banana 2) と Pro mode (gpt-image-2) を切り替えて違いを体感してみてください。ルーティング判断が「正しい」と感じた瞬間と「ズレている」と感じた瞬間、両方フィードバックいただけると嬉しいです。