Gemini 3.1 Flash Image完全ガイド：API接続と中継プラットフォーム活用法【2026年最新】

Gemini 3.1 Flash Image（コードネーム Nano Banana 2）は、Google が 2026 年 2 月 26 日にリリースした最新の AI 画像生成モデルです。Flash レベルの速度（4-6 秒）と Pro に近い画像品質により、Chatbot Arena Image ランキングで第 1 位に輝きました。本記事では、API 接続から料金解説、中継プラットフォームの活用方法、本番環境でのベストプラクティスまで、開発者のための完全ガイドをお届けします。公式 1K 画像単価は $0.067/枚ですが、中継プラットフォームを利用すれば最低 $0.03/枚で利用可能です（Google AI 公式サイト、2026-03-08 検証）。

Gemini 3.1 Flash Image（Nano Banana 2）とは何か

Google は 2026 年 2 月 26 日に Gemini 3.1 Flash Image Preview を正式リリースしました。内部コードネームは Nano Banana 2（略称 NB2）です。この命名は Google AI チームのフルーツコードネームの伝統を受け継いでおり、前世代の Gemini 3 Pro Image のコードネームは Nano Banana Pro でした。NB2 のコアポジショニングは非常に明確で、Flash レベルの速度とコストで、Pro レベルに近い画像生成品質を提供することです。多くの商用シーンにおいて、半額以下の価格でほぼ同等の視覚効果が得られ、生成速度も約 2 倍に向上しています。

技術アーキテクチャの観点から見ると、NB2 は Gemini 3.1 Flash モデルのマルチモーダル機能をベースに構築されており、モデル ID は gemini-3.1-flash-image-preview です。独立した画像生成モデルではなく、テキストと画像を同時に理解し、ネイティブに画像を出力できるマルチモーダル大規模言語モデルです。つまり、同一の API 呼び出しでテキスト対話と画像生成を完了でき、異なるエンドポイントやモデルを切り替える必要がありません。この「ネイティブマルチモーダル」設計により、NB2 はテキストレンダリング精度が約 90% に達し、従来の純粋な画像生成モデルを大きく上回っています。

NB2 は Gemini エコシステムにおいて「コストパフォーマンスの王者」としての役割を担っています。これまで Nano Banana Pro（Gemini 3 Pro Image）で画像生成を行っていた方にとって、NB2 はより経済的な選択肢を提供します。速度が速く、コストが低く、品質の差はほとんどのユースケースでほぼ感じられません。Google 公式のポジショニングも明確で、NB2 はバッチ処理、高速イテレーション、コスト重視のシーンに適しており、Pro は細部と品質に極限の要求がある専門ユーザー向けです。大多数の開発者にとって、NB2 が必要なモデルです。

Nano Banana 2 の主要特性と Pro との比較

NB2 と Nano Banana Pro のどちらを選ぶかは、多くの開発者が最初に直面する判断です。機能一覧を並べるよりも、データで比較する方が分かりやすいでしょう。以下は Google 公式ドキュメントと実測データに基づく定量比較です（Google AI 公式サイト、2026-03-08 検証）。

生成速度の面では、NB2 の優位性は非常に顕著です。同じ 1K 解像度の画像を生成する場合、NB2 の平均所要時間は 4-6 秒ですが、Pro は通常 8-12 秒かかります。この差はバッチ生成シーンでさらに拡大します。100 枚の画像を一度に生成する場合、NB2 なら 10 分以上の待ち時間を節約できます。料金面では、NB2 の 1K 画像あたりのコストは $0.067 で、Pro の同解像度は $0.134 と、ちょうど半額です。

テキストレンダリング能力は、画像生成モデルの品質を測る重要な指標の一つです。NB2 のテキストレンダリング精度は約 90% で、ほとんどのポスター、SNS 画像、製品展示画像においてテキスト内容が正確に表示されます。Pro の精度はやや高く約 94% ですが、実際のアプリケーションでは、この 4% の差は小さい文字サイズや複雑なレイアウトのシーンでのみ現れます。大量の精密なテキストレイアウトを必要としないアプリケーションであれば、NB2 のパフォーマンスで十分です。

両者の機能サポートにもいくつかの注目すべき違いがあります。NB2 は 15 種類以上のアスペクト比をサポートしており、従来の 1:1、16:9 から縦型の 9:16 まで自由に選択できますが、Pro は主に標準比率をサポートしています。検索拡張の面では、NB2 は Web 検索と画像検索の両方の拡張（Google Search grounding）をサポートしていますが、Pro は Web 検索のみです。両者とも最大 14 枚の参考画像を入力でき、最高解像度は 4K（4096px）に対応しています。Chatbot Arena のランキングでは、NB2 が Text-to-Image 部門で第 1 位、Pro は TOP3 に位置しています。

選択の指針は非常にシンプルです。速度重視、低コスト、バッチ処理なら NB2 を選びましょう。テキストレンダリングの精度に最高の要求がある場合、または最高品質の広告素材やプロフェッショナルな製品写真が必要な場合は Pro を選びましょう。80% 以上のユースケースでは、NB2 がより優れた選択です。より詳細な比較データについては、以前の詳細レビュー記事をご参照ください。Nano Banana 2 と Pro の詳細比較

料金とコストの詳細解説

NB2 の料金体系を理解することが、コスト管理の第一歩です。従来の枚数課金とは異なり、Gemini Flash Image はトークン課金モデルを採用しています。入力と出力がそれぞれトークン数に基づいて課金され、画像出力のトークン数は解像度によって異なります。この仕組みは一見複雑に見えるかもしれませんが、理解すれば各呼び出しのコストを正確に予測できます（Google AI 公式サイト、2026-03-08 検証）。

トークン課金の仕組み

NB2 の課金は 3 つの部分に分かれています。入力トークン（$0.50/百万トークン）、テキスト出力トークン（$3.00/百万トークン）、画像出力トークン（$60.00/百万トークン）です。画像出力のトークン単価はテキスト出力の 20 倍であり、画像生成の主なコストが出力部分にあることが分かります。解像度ごとの消費トークン数は異なります。512px 画像は 747 トークン、1024px は 1120 トークン、2048px は 1680 トークン、4096px は 2520 トークンを消費します。

これらの数値を 1 枚あたりの実際コストに換算すると、以下の表のとおりです。ここでは画像出力のトークン費用のみを計算しています。入力プロンプトは通常数十から数百トークン程度であり、コストはほぼ無視できます。

表から明確に分かるように、Google 公式はバッチ処理（Batch API）割引プランを提供しており、料金が直接半額になります。リアルタイムのレスポンスが不要なシーン、例えば毎晩翌日に必要なマーケティング画像をバッチ生成するような場合、バッチ処理は公式チャネルで最もコストパフォーマンスの良い選択肢です。ただし、バッチ処理には遅延制限があり、即時のインタラクションが必要なシーンには不向きです。

海外からのアクセスが制限される環境にいる開発者にとって、中継プラットフォームはより競争力のある料金プランを提供しています。laozhang.ai を例にとると、解像度に関わらず 1 枚あたり一律 $0.03 です。低解像度シーンでは公式料金とほぼ同等ですが、高解像度シーンでは大きなメリットがあります。4K 画像は公式料金より約 80% 安くなります。各種課金プランの違いについて詳しく知りたい方は、Gemini Flash Image 完全料金ガイドをご覧ください。

コスト最適化戦略

実際のプロジェクトでは、検証済みのいくつかの戦略でコストを効果的に管理できます。まず解像度選択戦略です。画像が最終的に SNS やウェブ表示に使用される場合（通常 1200px 以下）、1K 解像度で十分であり、4K は不要です。1K 画像の視覚品質は、ほとんどの画面表示シーンで十分な水準です。次に、NB2 のマルチモーダル特性を活用して同一対話内で連続的に画像を生成することで、入力コンテキストのトークンを再利用でき、プロンプトの重複コストを削減できます。最後に、リアルタイム性が不要なシーンではバッチ処理 API を優先的に使用しましょう。同等の画像品質で、コストが直接半減します。無料利用プランについては、Gemini 3.1 Flash Image 無料 API 利用方法をご参照ください。

API 接続実践チュートリアル（5分で開始）

NB2 の API 接続は非常にシンプルです。Google AI API キーを取得し、標準の Gemini API でリクエストを送信するだけです。全体のプロセスは 5 分以内で完了します。以下に Python、Node.js、curl の 3 つの方法を紹介します。

API キーの取得

始める前に、Google AI Studio で API キーを作成する必要があります。Google アカウントでログイン後、左側の「Get API key」ボタンをクリックし、「Create API key in new project」を選択してください。NB2 は現在 Preview 段階にあり、無料枠は利用できません。利用するには Gemini API の有料プランへの加入が必要です。取得した API キーは AIzaSy... のような形式です。大切に保管してください。

Python コード例

Python は最も一般的な接続方法です。Google 公式の google-genai SDK を使用すれば、数行のコードで画像を生成できます。以下は画像保存とエラー処理を含む、すぐに実行可能な完全な例です。

python
import os
import base64
from google import genai


client = genai.Client(api_key=os.environ.get("GEMINI_API_KEY"))

# 画像を生成
response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents="窓辺に座って夕日を眺めるオレンジ色の猫、水彩画風",
    config=genai.types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],  # テキストと画像を同時に返す
    ),
)

# レスポンスの処理
for part in response.candidates[0].content.parts:
    if part.inline_data:  # 画像データ
        image_bytes = base64.b64decode(part.inline_data.data)
        with open("output.png", "wb") as f:
            f.write(image_bytes)
        print(f"画像を保存しました。形式: {part.inline_data.mime_type}")
    elif part.text:  # テキスト説明
        print(f"モデルの応答: {part.text}")

このコードのポイントは response_modalities=["TEXT", "IMAGE"] パラメータです。これはモデルにテキストと画像の両方を返すよう指示しています。画像のみが必要な場合は ["IMAGE"] に設定できます。レスポンス内の画像データは base64 エンコードの PNG 形式で返されるため、デコード後に直接保存できます。

Node.js コード例

プロジェクトが Node.js ベースの場合、@google/genai 公式 SDK を使用できます。以下は同等の Node.js 実装です。

javascript
import { GoogleGenAI } from "@google/genai";
import fs from "fs";

const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });

async function generateImage() {
  const response = await ai.models.generateContent({
    model: "gemini-3.1-flash-image-preview",
    contents: "窓辺に座って夕日を眺めるオレンジ色の猫、水彩画風",
    config: { responseModalities: ["TEXT", "IMAGE"] },
  });

  for (const part of response.candidates[0].content.parts) {
    if (part.inlineData) {
      const buffer = Buffer.from(part.inlineData.data, "base64");
      fs.writeFileSync("output.png", buffer);
      console.log(`画像を保存しました。形式: ${part.inlineData.mimeType}`);
    } else if (part.text) {
      console.log(`モデルの応答: ${part.text}`);
    }
  }
}

generateImage().catch(console.error);

curl コマンドライン

クイックテストやシェルスクリプトへの統合には、curl が最も直接的な方法です。以下のコマンドはリクエストを送信し、返された画像をローカルに保存します。

bash
curl -s "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent?key=${GEMINI_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "窓辺に座って夕日を眺めるオレンジ色の猫、水彩画風"}]}],
    "generationConfig": {"responseModalities": ["TEXT", "IMAGE"]}
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
for part in data['candidates'][0]['content']['parts']:
    if 'inlineData' in part:
        with open('output.png', 'wb') as f:
            f.write(base64.b64decode(part['inlineData']['data']))
        print('画像を output.png として保存しました')
"

これら 3 つの方法の中核的な呼び出しロジックは完全に同じです。テキストプロンプトを送信し、画像データを含む JSON レスポンスを受信します。どの方法を選ぶかは、お使いの技術スタックによります。NB2 はプロンプト内に参考画像を渡すことに対応しており、画像編集やスタイル変換などの高度な機能も実現できます。これらについては後半の高度な機能セクションで詳しくご説明します。

開発者向けアクセス方法の詳細

一部の地域の開発者にとって、Google の API を直接呼び出すにはネットワーク上の障壁があるのが現実です。現在主流のソリューションは 3 つあります。公式直接接続、中継プラットフォーム、自前プロキシです。それぞれにメリットとデメリットがあり、ユースケースや技術力に応じて適したものが異なります。

方法 1：公式直接接続

公式直接接続は最も直接的な方法です。安定したネットワーク環境のサーバーから generativelanguage.googleapis.com を直接呼び出します。メリットは料金が最安（公式価格をそのまま享受）、レイテンシが最小、データが第三者を経由しないことです。デメリットも明確で、海外サーバーまたは安定したネットワーク環境が必要であり、一部の支払い方法には対応していません（国際クレジットカードが必要）。また、ネットワークの変動によりリクエストがタイムアウトする可能性があります。チームに海外サーバーインフラがある場合、または安定したネットワーク環境がある開発者にとっては、公式直接接続が最もコストの低い選択肢です。

方法 2：中継プラットフォーム（推奨）

中継プラットフォームは、アクセスに制約がある開発者の間で最も主流の選択肢です。これらのプラットフォームは海外にサーバーを展開し、Google API リクエストを転送するとともに、さまざまな支払い方法と技術サポートを提供しています。laozhang.ai を例にとると、接続手順は非常にシンプルで、API のベース URL を Google 公式アドレスから中継アドレスに変更するだけで、他のコードは一切変更不要です。

laozhang.ai の中継サービスを使って NB2 にアクセスする Python の例は以下のとおりです。

python
from openai import OpenAI

# OpenAI 互換フォーマットで呼び出し
client = OpenAI(
    api_key="your-laozhang-api-key",  # laozhang.ai で取得
    base_url="https://api.laozhang.ai/v1"
)

response = client.chat.completions.create(
    model="gemini-3.1-flash-image-preview",
    messages=[
        {"role": "user", "content": "窓辺に座って夕日を眺めるオレンジ色の猫、水彩画風"}
    ],
)
print(response.choices[0].message.content)

中継プラットフォームの最大のメリットはゼロ設定で接続できることです。VPN 不要、国際クレジットカード不要、インフラ構築不要です。さらに OpenAI 互換フォーマットに対応しているため、既に OpenAI の SDK を統合済みのプロジェクトであれば、ベース URL を 1 行変更するだけで NB2 に切り替えられます。料金面では、laozhang.ai は 1 枚あたり一律 $0.03 で、2K および 4K 解像度では公式料金より 50%-80% お得です。他の中継チャネルとの比較については、最安の Gemini Flash Image API チャネルをご参照ください。

方法 3：自前プロキシ

自前プロキシは、データプライバシーに厳格な要件がある企業ユーザーに適しています。海外（シンガポール、日本など）にクラウドサーバーを購入し、Nginx リバースプロキシを展開して Google API にリクエストを転送する方法です。これによりデータは自社サーバーのみを経由し、第三者を一切通りません。代償として、サーバーコスト（通常 $5-20/月）、運用保守の負担、IP ブロックのリスクを負う必要があります。

ほとんどの開発者にとって、中継プラットフォームは使いやすさ、コスト、安定性のバランスが最も優れています。月間呼び出し回数がそれほど多くない場合（数千から数万回）、中継プラットフォームがほぼ最適な選択肢です。月間呼び出し回数が百万レベル以上に達する場合は、自前プロキシを検討してさらに単回呼び出しコストを削減することも可能です。プロキシ方式の詳細については、Gemini API プロキシ完全ガイドで詳しく説明しています。

本番環境のベストプラクティス

デモから本番環境への飛躍は、API 呼び出し自体よりも、エラーハンドリング、並行制御、コスト監視といった「周辺」能力にかかっています。以下は実際のプロジェクトで検証済みのベストプラクティスで、安定した信頼性の高い画像生成サービスの構築を支援します。

エラーハンドリングとリトライ戦略

NB2 の API は複数のエラータイプを返す可能性があります。429（レート制限）、500（サーバー内部エラー）、503（サービス利用不可）です。これらのリトライ可能なエラーに対しては、指数バックオフ戦略の使用を推奨します。最初の失敗後は 1 秒待機、2 回目は 2 秒待機、3 回目は 4 秒待機で、最大 3 回リトライします。400（リクエスト形式エラー）や 403（認証失敗）などのリトライ不可のエラーについては、繰り返しリトライせず即座に例外をスローすべきです。以下は実用的なリトライラッパーです。

python
import time
import random

def generate_with_retry(client, prompt, max_retries=3):
    """指数バックオフ付き画像生成"""
    for attempt in range(max_retries):
        try:
            response = client.models.generate_content(
                model="gemini-3.1-flash-image-preview",
                contents=prompt,
                config={"response_modalities": ["TEXT", "IMAGE"]},
            )
            return response
        except Exception as e:
            error_code = getattr(e, 'code', None)
            if error_code in [400, 403, 404]:
                raise  # リトライ不可のエラー、即座にスロー
            if attempt < max_retries - 1:
                wait = (2 ** attempt) + random.uniform(0, 1)
                print(f"リクエスト失敗、{wait:.1f}秒後にリトライ... ({e})")
                time.sleep(wait)
            else:
                raise  # リトライ回数超過

並行制御

NB2 の API にはレート制限があり、有料アカウントでは通常 1 分あたり 60-200 リクエストが許可されています（クォータレベルにより異なります）。バッチ生成シーンで並行制御を行わないと、429 エラーが頻発しやすくなります。セマフォ（Semaphore）を使用して並行数を制限することを推奨します。Python の asyncio を使用する場合、並行数を 10-20 の間に設定するのが安全な選択です。これによりクォータを十分に活用しつつ、制限の頻繁なトリガーを避けられます。

また、各バッチタスクの完了後に短いクールダウン期間（1-2 秒程度）を設けることを推奨します。API 側のレートカウンターがリセットする時間を確保できます。これは「クォータを使い切ってから次の分まで待つ」戦略よりも安定しており、より均一なレスポンスタイムが得られます。より安定した高並行チャネルが必要な場合は、安定した Gemini 画像生成チャネルのレビューをご参照ください。

コスト監視

本番レベルのアプリケーションでは、各 API 呼び出し後にトークン消費量を記録し、1 日あたりの予算上限を設定することを推奨します。NB2 のレスポンスには usage_metadata フィールドがあり、prompt_token_count と candidates_token_count の詳細データが含まれています。これらのデータをデータベースに書き込んだり、監視システム（Prometheus/Grafana など）に送信したりすることで、コストのトレンドをリアルタイムで追跡できます。シンプルかつ効果的な方法は、1 日の予算を設定し、累計消費がしきい値の 80% に達した時点でアラートを発し、100% に達した時点で新規リクエストを自動的に一時停止することです。これにより、バグや異常トラフィックによるコスト暴走を効果的に防止できます。

高度な機能と実践テクニック

NB2 は単なる「テキストから画像へ」のツールではありません。参考画像入力、検索拡張、思考モードなどの高度な機能をサポートしており、これらの機能を習得することで、さらに多くの実用シーンを解放できます。

参考画像(Image Reference)

NB2 はプロンプト内で最大 14 枚の参考画像を同時に渡すことをサポートしています。この機能により、画像編集、スタイル変換、ブランドの一貫性維持が非常に簡単になります。例えば、製品写真をアップロードして NB2 に「この写真を水彩画風に変換して」や「背景をビーチシーンに置き換えて」と指示できます。参考画像は base64 エンコードして inline_data フィールドに入れ、テキストプロンプトと一緒に送信します。実際の使用では、参考画像は 1-3 枚が最も効果的です。参考画像が多すぎると、モデルがどの画像を優先的に参照すべきか「混乱」する可能性があります。

特に実用的なシーンはブランド素材の生成です。ブランドロゴとカラー基準画像をアップロードし、NB2 にこれらの参考に基づいてさまざまなシーンのマーケティング画像を生成させることで、生成された画像がブランドと一貫した視覚スタイルを維持できます。EC サイトや SNS 運営において非常に価値があります。以前はデザイナーが手作業で制作していた作業を、API でバッチ処理できるようになります。

Google Search Grounding

NB2 は Google Search grounding 機能を独自にサポートしており、Web 検索と画像検索の両方をカバーしています。簡単に言えば、NB2 に画像を生成する前にインターネットを検索して最新情報を取得させ、検索結果に基づいて画像を生成させることができます。例えば、「今日の天気に基づいて適切なアウトドアアクティビティのイラストを生成して」というプロンプトでは、NB2 は最初に現在の天気情報を検索し、それに合ったイラストを生成します。この機能は、時事関連や時間に敏感なコンテンツの生成時に特に有用です。

解像度とアスペクト比の選択戦略

NB2 は 4 種類の解像度（512px、1K、2K、4K）と 15 種類以上のアスペクト比の組み合わせをサポートしています。適切な解像度とアスペクト比の選択には、最終用途とコストの 2 つの要素を考慮する必要があります。SNS のヘッダー画像（通常 16:9）であれば 1K 解像度でほとんどのプラットフォームの要件を満たせます。印刷物や大型ポスターには 2K または 4K を推奨します。サムネイルやアバターには 512px で十分です。NB2 は最も近いサポート対象のアスペクト比を自動的に選択します。非標準比率（例：2.35:1）をリクエストした場合、モデルは最も近い利用可能な比率にインテリジェントに調整します。プロンプト内で「aspect ratio 16:9」と追加することでアスペクト比を指定できます。

思考モード(Thinking Mode)

NB2 は思考モード（thinking）もサポートしており、minimal と high の 2 つのレベルがあります。思考モードを有効にすると、モデルは画像を生成する前に推論を行います。プロンプトの意図を分析し、構図を計画し、カラースキームを選択します。わずかなレイテンシの増加（約 1-2 秒）がありますが、複雑なシーンでは画像品質を大幅に向上させることができます。精密な構図が必要な場合（例：「人物を画面の左 3 分の 1 の位置に配置」）や複雑なシーン（例：「夕暮れ時の都市のスカイラインが湖面に映る」）では high 思考モードの使用を推奨し、シンプルなシーンでは minimal またはオフにすることを推奨します。

よくある質問とまとめ

NB2 と Nano Banana Pro はどちらを選ぶべきですか？ コストパフォーマンス重視、速度重視、バッチ処理なら NB2 を選びましょう。最高品質の広告素材や精密なテキストレンダリングが必要なら Pro を選びましょう。80% 以上のシーンでは NB2 がより優れた選択です。

NB2 の API を直接呼び出せますか？ ネットワーク環境によっては直接呼び出せない場合があります。中継プラットフォーム（laozhang.ai など）の利用を推奨します。ベース URL を変更するだけで済みます。API ドキュメント参考：docs.laozhang.ai

NB2 に無料枠はありますか？ Google AI 公式サイト（2026-03-08 検証）によると、NB2 の無料枠は現在「利用不可」と表示されています。利用するには Gemini API の有料プランへの加入が必要です。

画像生成に失敗した場合はどうすればよいですか？ よくある原因としては、プロンプトがセーフティフィルターに引っかかった（表現を調整してセンシティブな内容を避ける）、リクエストのタイムアウト（ネットワークを確認するか中継を使用する）、レート制限（並行数を減らすか待ってからリトライ）があります。

NB2 は日本語テキストを含む画像の生成に対応していますか？ 対応しています。NB2 のテキストレンダリング精度は約 90% で、日本語テキストにも適用されます。プロンプト内でフォントサイズと位置を明示的に指定することで、より良いレンダリング結果が得られます。

まとめとアクションガイド：Gemini 3.1 Flash Image（Nano Banana 2）は、Flash レベルの速度、Pro に近い品質、極めて競争力のある価格で、2026 年に最も注目すべき AI 画像生成モデルとなりました。中継プラットフォーム経由でのアクセスが最もシンプルで効率的なパスです。コードを 1 行変更するだけで利用を開始できます。迅速なプロトタイプ検証、マーケティング素材のバッチ生成、本番レベルの画像生成サービスの構築など、NB2 は確かなサポートを提供します。今すぐ接続を始めましょう。5 分の設定時間で、強力かつ経済的な AI 画像生成能力が手に入ります。