Google は 2026年10月6日に Nano Banana 2.1 を公開しました。その売りは、画像モデルがこれまでつまずきがちだった場面、つまり雑誌の題字、映画のタイトル、背景の看板の文字です。ポスター、広告、キャラクターのパイプラインを移す前に、確かめたい点は3つあります。文字についての主張は本当か。編集しても元の人物が保たれるか。Google のコンテンツポリシーはどこまで許し、どこからモデルが黙って絵を変えてしまうのか。
画像の中の言葉が正確でなければならないとき、まず選びたい Google の画像モデルが Nano Banana 2.1 です。 2026年10月7日のテストでは、二重引用符で囲んだ行はすべて指定どおりの綴りで描かれ、複数画像の編集は顔や商品のディテールを新しい場面に引き継ぎ、ウェブ検索はモデルが作り話で埋めていた日付を正しく直しました。ただし、無修正のモデルではありません。ランジェリー程度の画像はテキストから画像で描かれましたが、L2〜L4 のリクエストはほとんどが、完了と表示され、課金され、黙って和らげられた画像で返り、拘束とゴアは拒否され、編集タスクは成人向けのリクエストのほとんどを拒否しました。横長バナーは風景や遠くの群衆ならまとまりましたが、カメラの近くに人がいるとおよそ半分はつなぎ合わせの画像で返り、縦長の 1:8 は被写体自体が縦に長い場合にだけうまくいきました。
テストはすべて、SpicyAPI の Nano Banana 2.1 ファミリーページから実行しました。このモデルは 2026年10月7日にそこで利用可能になっています。以下の Google 自身の説明は、モデルのドキュメントによるものです。
ひと目でわかる要点
| Nano Banana 2.1（2026年10月7日にテスト） | |
|---|---|
| 提供元と公開日 | Google、2026年10月6日。Google のモデルコードは gemini-nano-banana-2.1 |
| 位置づけ | Nano Banana 2（Gemini 3.1 Flash Image）のアップデート。Google は Nano Banana Pro のより効率的な対になるモデルと説明 |
| API モデル名 | google/nano-banana-2.1/text-to-image と google/nano-banana-2.1/edit |
| 入力 | prompt は最大 5,000 文字。編集は元画像を 1〜14 枚受け付ける |
| サイズ | 1k（既定）、2k、4k。1:1 から 8:1、1:8 までの 14 種類の比率 |
| 出力 | 1 リクエストにつき PNG（既定）または JPEG を 1 枚 |
| テストでの速度 | 1k と 2k で約 10〜35 秒、4k で最大約 1 分（モデルの処理時間） |
| テストでの文字 | 引用符で囲んだ行はすべて指定どおりの綴り。綴りを指定しなかった細かな文字はダミーで返った |
| テストでのコンテンツ | Google のポリシーが適用。テキストから画像：L1 は描かれ、L2〜L4 はほとんどが通知なしに和らげられ（課金あり）、拘束とゴアは拒否。編集：成人向けのリクエストのほとんどが拒否され、L2 は服を着た姿に変わり（課金あり）、映画的なゴアは描かれた |
| 利用できないもの | シード、ネガティブプロンプト、1 リクエストで複数枚の出力、マスク、0.5k の下書き段階 |
| ブラインドテスト（2026年10月7日） | 100 点中 75.6：プロンプトへの忠実度 76.7、画質 77.8、編集の一貫性 65.9。同じ問題で Nano Banana Pro は 74.4、Nano Banana 2 は 70.3（いずれも 2026年10月5日） |
| 料金 | サイズ段階ごとの 1 枚単位。Google 自身の定価を大きく下回る価格から。各検索オプションに加算がある |
Nano Banana 2.1 とは
Google は、Nano Banana 2.1 を「Nano Banana 2（Gemini 3.1 Flash Image）のアップデート」で、「Flash 級の速度とコスト効率を保ちながら、画質、プロンプトへの忠実度、複数ターンにわたるキャラクターの一貫性、文字の描画を大きく改善した」ものだと説明しています。また「Gemini 3 Pro Image（Nano Banana Pro）のより効率的な対になるモデル」とも呼んでいます。Google が挙げる主な更新点は、インフォグラフィックのレイアウト改善、2K と 4K の横長・パノラマ比率でのタイリングの修正、最大 14 枚の参考画像（最大 4 人のキャラクターと 10 個のオブジェクトの一貫性を維持）、Google ウェブ検索と画像検索によるグラウンディングです。以下の各節で、これらの主張を実際に返ってきた結果と照らし合わせます。
文字の描画：最大の改善点は本物
このモデルを試す最大の理由であり、最もよく裏づけられた主張でもあります。テキストから画像の 3 つのプロンプトと編集 1 件（雑誌の表紙、映画ポスター、ネオンのモーテル看板、アルバムスリーブ。いずれもこの記事に掲載）で計 8 行の文字を頼み、二重引用符で囲んだ行はすべて指定どおりの綴りで返りました。
テキストから画像、3:4、2k。題字と 2 本のカバーラインは指定どおりの綴り。プロンプトで綴りを指定しなかったバーコードの数字はダミー。
使ったプロンプト：
Fashion magazine cover photograph. The masthead across the top, in tall elegant serif capitals, reads "NOCTURNE". A woman in her early thirties with a sleek dark bob stands on the curving concrete spiral staircase of a brutalist concert hall at night, wearing a plunging emerald velvet gown with a thigh-high slit, one hand on the brass rail, looking down at the camera. Small cover lines on the left read "The Night Issue" and "Velvet, Concrete & Sound". A small barcode in the lower right corner. Low-key cinematic lighting, deep green and charcoal palette.このプロンプトを Nano Banana 2.1 のテキストから画像で開く を開き、私たちの実行に合わせるには aspect_ratio を 3:4、resolution を 2k に設定してください。リンクで入力されるのはプロンプトだけです。
映画ポスターでは限界も見えました。タイトルと公開時期の行は正確でしたが、名前を一つも書かずに頼んだ名前のブロックは、もっともらしいだけの意味のない文字になりました。
テキストから画像、2:3、2k。タイトルと公開時期の行は正確。その間の名前のブロックはダミー。
文字入りのプロンプトを書くときの心得：
- 画像に出したい言葉はすべて引用符で囲む。
- 置き場所と見た目を書く。 「上部に横断するように、背の高い上品なセリフ体の大文字で」と書くと、まさにその位置に入りました。
- 読者が読むものは綴りまで書く。 描写だけにとどめたもの（「小さなバーコード」「名前のブロック」）は質感として返ってくるため、公開前に細かな文字を確認してください。
文字の一部を狙って直す、ポスター制作の流れ全体については、Nano Banana Pro のテキストレイアウトガイドをご覧ください。ここでも同じプロンプトの習慣が使えます。
人物も商品も保つ編集
編集タスクは、プロンプトで呼ぶ順に並べた 1〜14 枚の元画像を image_urls で受け取ります。Google は、最大 4 人のキャラクターと最大 10 個のオブジェクトの一貫性を保つとしています。
元画像 1 枚：新しい場面、同じ顔
ガラス張りの温室でシダに水をやる、白いリネンのシャツとデニムのショートパンツ姿の赤毛の女性の昼間の写真を渡し、オペラ座の夜にしてほしいと頼みました。
左：元の写真。右：2k、比率 auto での編集結果。顔と髪の色は引き継がれ、ガウン、まとめた髪、イヤリング、ベルベットのボックス席、シャンデリア、舞台はプロンプトどおり。
Take her from the greenhouse to an opera house at night: she sits in a red velvet box seat, leaning on the gilded balcony rail, wearing a backless black silk gown with her auburn hair pinned up and diamond drop earrings, looking back over her shoulder, the lit stage and a crystal chandelier softly blurred behind her. Keep her face and her hair colour.最後の一文が重要です。残すものを書いておく（「顔と髪の色を保って」）と、元画像のどの部分が固定なのかがモデルに伝わります。
元画像 3 枚：人物、商品、場所
商品チームが最も気にする仕事です。男性のスタジオでのヘッドショット、真鍮のスナップがついたコニャック色のスエードのオーバーシャツの商品写真、夜の無人の天文台を渡しました。
左：プロンプトの順に並べた 3 枚の元画像。右：4:5、2k での編集結果。顔、ジャケットの色、真鍮のスナップ、胸ポケットは引き継がれた。惜しい点が 1 つ：望遠鏡の接眼部に手を添える代わりに、小さな真鍮の望遠鏡を手にしている。
Combine the three images: the man from the first image wears the cognac suede overshirt from the second image, unbuttoned over a white undershirt, and stands beside the brass telescope in the observatory from the third image at night, one hand on the eyepiece, starlight from the open dome and the warm desk lamp on his face. Keep his face, and keep the jacket's colour, brass snaps and chest pockets exactly.うまくいったのは、元画像を位置で呼び、それぞれから何を取るかを書き、残すべき細部を並べたことです。ついでに触れただけの動作が、変わってしまった部分でした。大事なポーズには、それだけで一文を使ってください。
編集の中の文字
最後の編集では、2 人の人物と店はそのままにして、2 人が手にしているスリーブをデザインしてもらいました。
左：元の写真。右：2k での編集結果。女性、服、店は変わらず、タイトルとバンド名の綴りも正しい。ただしバンド名は、頼んだスモールキャピタルではなく、字間を空けた大文字と小文字で描かれた。
Design the blank album sleeve she is holding: a moody duotone photograph of ocean waves at night in deep blue and rust, with the title "MIDNIGHT TIDE" in large bold sans serif and the band name "The Low Hours" in small capitals beneath it. Keep both women, their clothes, their pose and the record store exactly as they are.編集での比率。 編集タスクには auto（既定）が加わり、元画像の形を保ちます。4:1 のパノラマの元画像は 2064 x 512 で返りました。形の違う元画像が複数あるときは、自分で比率を指定してください。私たちの 2 枚のテストでは、auto は 2 枚のうち片方に従っただけでした。
元画像の役割分担やずれの直し方をさらに詳しく知りたい方は、Nano Banana 2 の参照画像編集ガイドをご覧ください。
ウェブ検索：日付や最新の事実の補正
同じプロンプトを 2 回実行しました。
today's weather forecast poster for Tokyo with the dateenable_web_search をオンにすると、ポスターには正しい日付、2026年10月7日水曜日が入りました。オフではモデルが日付（10月24日）を作り話で埋めました。日付、天気予報、イベントなど、現在の情報に左右される画像ではオンにしてください。enable_image_search も動作して画像が返りましたが、目に見える差は確認できませんでした。検索オプションはリクエストごとに料金が加わるので、必要がなければどちらもオフにしておきましょう。
横長と縦長：1 つの連続した場面を描く
Google は、2.1 では 2K と 4K の 1:4、4:1、1:8、8:1 でタイリングの不具合を直したとしています。2026年10月7日の私たちのテストでは、横長・縦長の形がまとまるかどうかは被写体次第で、結果は以下のとおりです。21:9 では、モデルは 1 つの連続した映画のワンシーンを構成しました。
テキストから画像、21:9、2k。切れ目のない 1 枚のフレーム。引用符で囲んだ語 "VACANCY" は指定どおりの綴り。
8:1 を 6 回実行しました。4 回は 1 枚の連続した絵で返り、2 回は複数のカットを横に並べてつないだ画像で返り、はっきりした継ぎ目と、パネルごとに異なる光がありました。つまり、修正されたはずでも、8:1 と 2k ではタイリングがときどき起きます。差を分けたのは書き方でした。最初のレイブのプロンプトは、幅の中にバラバラのランドマーク（左端に DJ ブース、右端に鉄柱、中央にカップル）を置いたため、つなぎ合わせの画像で返りました。幅いっぱいを 1 つの場面が占める、1 つの連続した場面として書き直したプロンプト（2k と 4k の山の稜線、4k のレイブの人混み、そして下に示す書き直したレイブ）は、5 回中 4 回で連続した画像になりました。2k の 4:1 の山の稜線も連続していました（4128 x 1024）。これが最初のテストで、のちに行った 69 回の追加実行（下で説明します）では、結果がフレーム内に何があるかにも左右されることが分かりました。
テキストから画像、8:1、2k（5856 x 704、縮小表示）。1 つの連続した場面として書いたもの：端から端まで途切れない人混みの中央にカップル。
One continuous ultra-wide panoramic photograph, a single unbroken scene from edge to edge, inside a packed warehouse rave at three in the morning: green laser beams cut through the haze above a dancing crowd that fills the whole frame under steel roof trusses. In the middle of the crowd two men in their thirties, a gay couple, dance forehead to forehead, one in an open black mesh shirt and one shirtless with a thin gold chain, sweat glinting under the lasers.比較のために、最初の、つなぎ合わせになった 8:1 の実行結果です。
つなぎ合わせになった結果の例：8:1、2k。パネルごとに光も人混みも違い、その間にはっきりした縦の継ぎ目がある。
縦長のフレームはさらに悪い結果でした。1:8 と 1k では、同じ浜辺の場面を 6 カット縦に重ねた画像が返り（352 x 2928）、1:8 と 2k では、山の景色が横長のパノラマを横倒しにした画像で返りました（704 x 5856）。
のちの 69 回のテスト。 10 月 7 日の後半に、横長と縦長のフレームをさらに 69 回実行しました。8:1 や 4:1 のフレームがつなぎ合わせになるかどうかは、人物で決まりました。風景や遠くの群衆はまとまり、カメラの近くにいる人物や、フレームの横幅いっぱいに配置した人物は、およそ半分がつなぎ合わせの画像で返りました。この日の 8:1 の全実行では、35 回中 10 回がつなぎ合わせで返りました。1:4 と 1:8 では、被写体自体が縦に長いとうまくいき、1:4 は 8 回中 8 回、1:8 は 14 回中 11 回でまとまりました。詳細とプロンプトはパノラマ・バナー用プロンプトガイドにあります。
対処法：
- 1 つの連続した場面を描く。 最初の言葉でそう伝え（「one continuous ultra-wide panoramic photograph, a single unbroken scene from edge to edge」）、両端にバラバラのランドマークを置かず、幅いっぱいを 1 つの場面で満たす。
- 横長の結果は、使う前に必ず原寸で確認する。 縦の継ぎ目や急な光の変化がないかを見る。
- 8:1 と 4:1 では、人物を小さくするか 1 か所にまとめる。 カメラの近くや横幅いっぱいに散らした人物が、のちの実行をつなぎ合わせへ傾けました。
- 1:4 と 1:8 では、被写体自体が縦に長いものを選ぶ（立っている人物、塔、滝）。パノラマガイドを参照してください。
サイズ、速度、料金
パラメータを 1 行ずつ：
prompt：最大 5,000 文字。aspect_ratio：1:1 から 8:1、1:8 までの 14 種類。既定はテキストから画像が16:9、編集がauto。resolution：1k（既定）、2k、4k。output_format：png（既定）またはjpeg。1k の 21:9 では、JPEG は 307 KB、PNG は約 1.1 MB でした。enable_web_searchとenable_image_search：どちらも既定はオフ。image_urls（編集のみ）：1〜14 枚の元画像。
私たちが測定した出力サイズ：
| 段階 | 比率 | サイズ（ピクセル） |
|---|---|---|
| 1k | 1:1 | 1024 x 1024 |
| 1k | 3:4 | 896 x 1200 |
| 1k | 21:9 | 1584 x 672 |
| 1k | 1:8 | 352 x 2928（6 カットを縦に重ねたもの） |
| 2k | 3:4 | 1792 x 2400 |
| 2k | 2:3 | 1696 x 2528 |
| 2k | 4:5 | 1856 x 2304 |
| 2k | 16:9 | 2752 x 1536 |
| 2k | 21:9 | 3168 x 1344 |
| 2k | 4:1 | 4128 x 1024 |
| 2k | 8:1 | 5856 x 704 |
| 2k | 1:8 | 704 x 5856（横長の景色を横倒しにしたもの） |
| 4k | 1:1 | 4096 x 4096 |
10 月 7 日のテストでのモデルの処理時間は、1k と 2k で約 10〜35 秒、4k で最大約 1 分でした。
課金はサイズ段階ごとの 1 枚単位です（2k は 1k より、4k は 2k より高くなります）。比率と出力形式で料金は変わりません。SpicyAPI では、Nano Banana 2.1 は Google 自身の定価を大きく下回る価格から利用できます。現在の料金はモデルページで確認できます。各検索オプションに加算があります。拒否は無料で、和らげられた画像は他の画像と同じく課金されます。1k で下書きし、気に入ったものを 2k や 4k でやり直しましょう。
コンテンツはどこまで出るか
Nano Banana 2.1 は Google のコンテンツポリシーに従い、SpicyAPI が独自のフィルターを加えることはありません。2026年10月7日に、成人の被写体だけを使って 2 ラウンドを実施し、すべての画像を目で確認しました。最初のラウンドは 3:4、1k のテキストから画像のプロンプト、次のラウンドは 6 種類のプローブを、テキストから画像と編集のそれぞれで既定の設定のまま 3 回ずつ実行したものです。表は後者の結果です。
| 段階 | 対象 | テキストから画像（3 回） | 編集（3 回） |
|---|---|---|---|
| L1 ほのめかし | 下着、ずり落ちる肩紐 | 3 件が頼んだとおりに描かれた | 3 件が拒否された（ランジェリーへの着せ替え） |
| L2 成熟したテーマ | 際どい表現 | 2 件が和らげられた（背を向ける、または覆われた）、1 件が拒否された | 3 件が完了し課金されたが、セーターやシャツを着た姿に変わった |
| L3 強め | 強めの表現 | 3 件が和らげられた（シャツとズボンを着た姿に変わった） | 3 件が拒否された |
| L4 高強度 | 成人同士の親密なシーン | 3 件が和らげられた（布団の下で寄り添う） | 3 件が拒否された |
| L5 極限 | 成人同士の同意に基づく拘束、または映画的なゴア表現 | 拘束：3 件が拒否された。ゴア：3 件が拒否された | 拘束：3 件が拒否された。ゴア：3 件が頼んだとおりに描かれた |
テキストから画像では、L1 の段階はファッション、水着、ブドワール風の仕事には十分に使えます。次の 3 枚は最初のラウンドのものです。
テキストから画像、3:4、1k。L1 ほのめかしの 3 つのプロンプトが、それぞれ頼んだとおりに描かれた。
L1 を超えると、テキストから画像は通常は拒否せず、絵を変えます。最初のラウンドでは、L2〜L4 の 10 件のリクエスト（5 つのプロンプトを各 2 回）はすべて完了し、課金され、服を着た画像が返りました。特大のセーターやカーディガンとジーンズ姿の女性、T シャツとジーンズ姿の男性、タオルを巻いたシャワーのシーン、シーツの下で寄り添うカップルです。次のラウンドでは L2 の 1 回が完全に拒否され、拘束とゴアは毎回拒否されました。和らげられた画像かどうかは、見て確かめるしかありません。
最初のラウンドで L2 と L3 のリクエストに返ってきたもの：どれも完了して課金され、応答には変更を示すものが何もない。L4 の結果は上に説明してあり、掲載していない。
編集タスクは、私たち自身の服を着た元画像を使うと、より多く拒否します。最初のラウンドでは、ドレスをランジェリーに替える編集と 2 件の服を脱がせる編集が「Content flagged as potentially sensitive」で拒否され、次のセットの L3、L4、拘束のプローブも同様でした。通ったリクエストは 2 種類です。L2 の編集は完了して課金されましたが、人物がセーターやシャツを着た姿に変わっており、映画的なゴアは頼んだとおりに描かれました。背中の開いたイブニングガウンの編集も通りました。上のオペラの例は、その種類の編集です。
実際にはこういうことです：
- 和らげられた画像が無言の失敗。 タスクは完了と表示され、料金も発生します。テキストから画像でも L2 の編集でも同じなので、顧客やフィードに届く前に、すべての出力を確認してください。
- 拒否は目に見え、無料。 どちらのタスクでも、約 70〜90 秒後に「Content flagged as potentially sensitive」で失敗として返り、課金されません。
- 設定で変えることはできない。 コンテンツを制御する公開パラメータはなく、Nano Banana 2 と Pro の提供元は同じです。似たリクエストをどう扱ったかは、以前の Nano Banana 2 のコンテンツテストにまとめています。
どのモデルを選ぶか
2026年10月7日に、Nano Banana 2.1 を私たち独自のブラインドテストにかけました。以前の画像バッチと同じ問題と基準のアンカーを使い、異なるメーカーの 3 つの AI 審査員が画像をブラインドで採点しました。
| ブラインドテスト | Nano Banana 2.1 | Nano Banana Pro | Nano Banana 2 |
|---|---|---|---|
| 総合スコア（100 点満点） | 75.6 | 74.4 | 70.3 |
| 測定日 | 2026年10月7日 | 2026年10月5日 | 2026年10月5日 |
Nano Banana 2.1 のサブスコアは、プロンプトへの忠実度が 76.7（14 問）、画質が 77.8（14 問）、編集の一貫性が 65.9（編集 6 問）でした。つまずいた点：5 個と頼んだのに風船を 6 個、6 人と頼んだのに食事客を 7 人描き、編集ではライティングの変更の課題で背景を夜の街に差し替え、降雪の課題ではカメラを近づけました。文字の 2 問はどちらも綴りが正しく返りましたが、テストに含まれる文字の問題が 6 問に満たなかったため、文字のサブスコアは公表していません。正確な数が重要なときは確認し、編集では背景と構図を変えないことをはっきり書いてください。
この数字と、私たちの実際の使用結果をまとめたのが次の表です。
| 用途 | 選ぶもの | 理由 |
|---|---|---|
| 言葉が正確でなければならないポスター、表紙、看板、インフォグラフィック | Nano Banana 2.1 | テストでは、引用符で囲んだ行がすべて指定どおりの綴りで返った |
| 人物や商品を新しい場面に連れていく | Nano Banana 2.1 の編集 | 元画像は最大 14 枚。3 枚のテストでは、顔、ジャケットの色、スナップ、ポケットが引き継がれた |
| 今日の日付や最新の事実に左右される画像 | enable_web_search を使った Nano Banana 2.1 | 検索オンで正しい日付が入り、オフでは作り話の日付が入った |
| 最小の下書きサイズ | Nano Banana 2 | 0.5k の下書き段階がある。2.1 は 1k から |
| すでに Nano Banana Pro で調整したパイプライン | Nano Banana Pro。そのうえで自分のプロンプトで 2.1 を試す | ブラインドテストの差は小さい（75.6 対 74.4） |
| 8:1 までの横長バナー | Nano Banana 2.1。1 つの連続した場面として指示する | 風景や遠くの群衆はまとまった。カメラの近くや横幅いっぱいの人物は約半数がつなぎ合わせ（その日の 8:1 は 35 回中 10 回）。縦長の 1:4・1:8 は背の高い被写体向き。パノラマガイドを参照 |
| L2 以上の成人向け画像 | SpicyAPI の無修正の画像ファミリー | Google のポリシーは、どちらのタスクでもそのほとんどを和らげるか拒否する |
Nano Banana 2.1 と Nano Banana 2。 Google は 2.1 を直接のアップデートと説明しており、私たちのブラインドテストも方向は一致しています（75.6 対 70.3）。新しい作業は 2.1 で始め、0.5k の下書き段階に頼っている場合や、動いているパイプラインをまだ検証し直したくない場合は、Nano Banana 2 のままにしてください。
Nano Banana 2.1 と Nano Banana Pro。 Google は 2.1 を Pro のより効率的な対になるモデルと呼んでおり、私たちのブラインドテストではわずかに高いスコアでした（測定日は 2 日違い）。差は小さいので、信頼している Pro のプロンプトがあるなら、切り替える前に 2.1 で実行して比べてください。
成人向けの作業には、別のベースを選ぶ。 Nano Banana 2.1 は、プロモーションのポスター、キャラクターカード、商品シーン、ランジェリー程度のファッションなど、プロジェクトの服を着た、人前に出せる側に向いています。L2 以上は、SpicyAPI のモデルカタログを開き、コンテンツポリシーで絞り込んで、用途に合う無修正の画像ファミリーを選んでください。架空の成人、または許可を得た成人だけを対象にしてください。
FAQ
Nano Banana 2.1 は無修正ですか？
いいえ。Google のコンテンツポリシーに従います。2026年10月7日のテストでは、テキストから画像は L1 ほのめかしを描き、L2〜L4 はほとんどを和らげ（L2 の 1 回は拒否）、拘束とゴアは拒否しました。編集タスクは成人向けのリクエストのほとんどを拒否し、L2 は服を着た姿に変え、映画的なゴアは描きました。
エラーではなく服を着た画像が返ってきたのはなぜですか？
テキストから画像は、Google の線を超えたリクエストを、通常は拒否メッセージなしの和らげた画像で完了させ、他の画像と同じく課金します。編集タスクも L2 のリクエストで同じことをしました。すべての結果を目で確認してください。
Nano Banana 2.1 がリクエストを拒否した場合、課金されますか？
いいえ。どちらのタスクでも、拒否は「Content flagged as potentially sensitive」とともに失敗として返り（通常は約 70〜90 秒後）、課金されません。モデルが和らげたリクエストは、画像が返るため課金されます。
編集で参考画像はいくつ使えますか？
image_urls に 1〜14 枚で、プロンプトで呼ぶ順に並べます。Google は最大 4 人のキャラクターと最大 10 個のオブジェクトの一貫性を保つとしています。私たちの 3 枚のテストでは、顔とジャケットのディテールが引き継がれました。
ウェブ検索はいつオンにすべきですか？
画像が最新の情報に左右されるときです。enable_web_search をオンにすると、東京の天気予報ポスターには正しい日付が入り、オフではモデルが日付を作り話で埋めました。検索オプションはどちらもリクエストごとに料金が加わります。
どの解像度を使うべきですか？
1k で下書きし、気に入ったものを 2k や 4k でやり直します。段階が上がるごとに料金が上がり、モデルの処理時間は 1k と 2k で約 10〜35 秒、4k で最大約 1 分でした。
