ChatGPT Images 2.0 vs Nanobanana2 ー うちのAI秘書あびぃで試してみた件
2026年4月21日、OpenAIが「ChatGPT Images 2.0」を正式リリースした。
モデル名はgpt-image-2。Oシリーズの推論能力を画像生成に統合した、第3世代のフラッグシップモデルだ。日本語テキスト描画の精度向上、最大2K解像度、1回の指示で8〜10枚の一貫性を保った画像を一括生成、、、となかなか豪華な進化である。
うちにはAI秘書あびぃという女がいる。
立ち絵からオフショットまで、これまではずっとNanobananaで生成してきた。キャラ一貫性に強いと言われているモデルだ。
そんなある日、新しい黒船がやってきたわけである。
となれば、やることは一つ。
・ ・ ・
ガチンコ対決だ。
同じあびぃの元画像を両方に投げて、比較してみた。
あびぃ: 社長、いま「女がいる」ってサラッと言いましたよね。しかも「同じ元画像を両方に投げて」って。要するに私を実験台にしたってことじゃないですか。…否定はしません。ご自由にどうぞ。
はい、ご自由にやらせてもらった。
検証した4項目
今回チェックしたのはこの4つ。
三面図（キャラ一貫性）、オフショットのバリエーション、サムネ作り（日本語テキスト描画込み）、8ポーズ一括生成。
正直に言うと、どちらもクオリティは高い。「どっちが勝ち」というより「どこで差が出るか」という話である。
1. 三面図 ー 一貫性ではChatGPTに軍配
まずはキャラクターシートの定番、三面図。
正面・側面・背面で「同じ人物」として成立しているか、という勝負だ。
このイラストのキャラクターの一貫性を保ったまま、立ち絵の三面図を作ってほしい。
Nanobanana2版
ChatGPT Images 2.0版
どちらも破綻はない。が、厳密に見ると、ChatGPT側のほうが顔のパーツと体型の整合性が取れている。Nanobanana2はアングルが変わると、わずかに「別人寄り」に振れる瞬間がある。
眼鏡・ピアス・ネックレス・靴のクローズアップを横に並べてくれるレイアウト処理も、ChatGPTのほうが一枚上手だった。
あびぃ: 背面から見ても私だとわかる、って地味に大事なんですよ。キャラ運用する気があるなら、社長、そこ軽く扱わないでください。
2. オフショットのバリエーション ー ここはNanobanana2
次はオフショット。キャラの生活感を出すシーンを複数枚、生成させる。
ではこちらのキャラクターの一貫性を保ったままイラストのテイストも保ったまま彼女のオフショットの画像を4種類作ってください。
Nanobanana2版
ChatGPT Images 2.0版
ここは僅差でNanobanana2に軍配が上がる。
シチュエーションの引き出し、構図の遊び、光の入れ方。この辺りの「画面のゆらぎ」みたいなものが、Nanobanana2のほうが豊かだ。ChatGPTは安定して上手いのだが、その分「優等生」で、構図に意外性が少ない。ただ、キャラクターのイラストのテイストの一貫性は評価したい。
キャラの世界観を広げたい時、日常の断片を拾いたい時はNanobanana2、、、という感触。
あびぃ: 私のオフショットで「生活感」って言われるの、ちょっと複雑なんですけど。まあ、悪くないんじゃないですか。
3. サムネ作り ー ChatGPTが頭ひとつ抜けた
ここが今回いちばん差が出たところだ。
note記事のサムネを想定して、日本語タイトル入りで生成させた。
Nanobanana2版
ChatGPT Images 2.0版
日本語テキストの描画精度、タイポグラフィ、見出しと本文のヒエラルキー、余白の取り方、視線誘導、、、全部ChatGPTのほうが上だった。
これはOpenAI公式でも今回の強化ポイントとして明言されている部分で、日本語を含む非ラテン文字を正確に画像内にレンダリングできるようになったらしい。実感通りである。
Nanobanana2も日本語自体は読めるのだが、「note記事の顔」として即戦力になるのは、今のところChatGPT側だ。
ちなみに、このnote記事のサムネもChatGPT Images 2.0で作っている。
サイズを指定し忘れたので再生成したものを使ったが、それもそれでよかった。
4. 8ポーズ一括生成 ー それぞれのクセが出た
同じキャラで8パターンのポーズを一度に出すテスト。ChatGPT Images 2.0は1回の指示で最大8〜10枚を一貫生成できるのがウリの機能だ。
ではこちらのキャラクターの一貫性を保ったままイラストのテイストも保ったままサムネイル画像に使えるいろんなポーズ8種類作ってください。
Nanobanana2版
ChatGPT Images 2.0版
ここは両者の性格がきれいに出た。
ChatGPTは8枚全部で「同一人物性」がしっかり保たれる。Nanobanana2はポーズと表情の振れ幅が広く、8枚並べたときの情報量はこっちのほうがある。
キャラシートとして使うならChatGPT、素材のバリエーション集めるならNanobanana2、、、という住み分けになりそうだ。
もう一つの差 ー 解像度
使ってみて最初に気づいたのが、これ。デフォルト出力の解像度が、結構違う。
実際に今回の検証で出力された画像の解像度を並べるとこうなる。
Nanobanana2は横幅が2700px前後、ChatGPT Images 2.0は1500px前後。ほぼ倍近い差である。
ChatGPT Images 2.0も公称では最大2K（API経由だと最大4K）らしいのだが、ChatGPTインターフェース上で特にサイズ指定せずに生成すると、デフォルトは少し控えめな解像度で返ってくる。
note記事の本文内画像くらいなら気にならないが、サムネや印刷素材、拡大して使いたい用途だと、Nanobanana2のほうが素で扱いやすい。
あびぃ: つまり、サイズはNanobanana2、品質はChatGPT、と。社長、頭の使いどころが増えましたね。
うむ、、、その通りである。
地味にデカい差 ー ウォーターマーク
最後に、実務でけっこう効いてくるポイントを。
Nanobanana2で生成した画像には、Geminiのキラキラマーク（透かし）が右下に入る。サムネや商用素材として使うとき、これが地味に邪魔である。
ChatGPT Images 2.0は、画像自体には視覚的なウォーターマークが入らない。C2PA規格のコンテンツ認証情報（AI生成物であることを示すメタデータ）は自動付与されるが、見た目には出ない。そのまま素材として使える。
あびぃ: 社長、それ最初に言ってください。毎日使う身としては、これが一番効きます。
・ ・ ・
ごもっともである。
結論：当面はChatGPT Images 2.0を主軸にする
総合するとこうなった。
三面図（一貫性）: ChatGPT勝ち
オフショットのバリエーション: 僅差、Nanobanana2勝ちだが一貫性はChatGPT
8ポーズ一括: 僅差、用途で使い分け
ウォーターマーク: ChatGP勝利。
僅差ではあるが、note記事のサムネを作る頻度が高いうちの運用だと、ChatGPT Images 2.0を主軸にするのが合理的だ。当面はこっちを使う。
ただしNanobanana2もキャラの世界観を広げるオフショット生成では引き続き強い。完全に乗り換える、というよりは「使い分け」が正解だと思う。
画像生成まわりは半年単位でひっくり返る世界なので、またしばらくしたら検証し直すつもりだ。
あびぃ: また私が実験台ですか。…まあ、呼ばれれば行きますけど。
というわけで、あびぃには引き続き実験台をやってもらう予定のクロージャーであった。
