「4秒・1枚3.4セント」のNano Banana 2 Lite登場——Googleが画像と動画で仕掛ける「速さと安さ」の勝負

4秒・$0.034——問われるのは「安いか」ではなく「十分良いか」

Liteの数字を先に並べます。テキストからの画像生成が約4秒、1K解像度の画像1枚あたり$0.034。繰り返しますが、レイテンシー(プロンプトを送ってから結果が返るまでの待ち時間)の4秒はGoogleが発表文で述べた値で、第三者の測定はありません。価格はGoogleの公開料金ページと突き合わせて確認できる性質のものですが、この発表文の中だけでは検証されていません。

Googleは「速さを優先しても、プロンプトへの忠実さ、キャラクターの一貫性、画像内の文字の読みやすさは保っている」と説明します。発表にはElo(チェス由来の、一対一比較でどちらの出力が好まれたかを順位づけする点数)で競合と比べたベンチマークチャートも載っています。ところが本文には、肝心のEloの数値も競合モデルの名前も書かれていません。「チャートがある」ことと「差が確認できる」ことは別です。品質維持の主張は、現時点では主張のままです。

ここまでは画像の話です。もう1つの動画モデルには、Google自身が並べた「できないことリスト」が待っています。

会話で動画を編集——ただし制限リストはGoogle自身が一番詳しい

もう1つの主役Omni Flashは、テキストで指示するだけで動画を生成し、さらに「もう少し明るく」「この人物を右に」と対話しながら編集できる(会話形式の動画編集)ことが売りのモデルです。テキスト・画像・動画を混ぜて参照として渡し、登場人物や場面の一貫性を保つマルチモーダル参照にも対応する、とGoogleは説明しています。

価格は動画の出力1秒あたり$0.10。Googleはこれを「Veo 3.1 Fastと同額」と強調しますが、この比較はGoogle自身によるもので、しかも「同じ値段」が言えても「同じ品質」の根拠は発表文のどこにもありません。値段の横並びは、品質の横並びを意味しないことに注意が必要です。

一方で評価すべき点もあります。Googleは発表の中で、現時点の制限をかなり率直に列挙しています。これらは誇張の余地がない、開示された事実です。

「公開プレビュー」というラベルも軽く見ないほうがいいでしょう。正式版ではないので、モデルの挙動も価格も今後変わる可能性があり、利用できる地域にも制限があります(詳細はドキュメント送りになっています)。デモ動画の完成度と、開発者が手元で得られる結果には、この制限リストのぶんだけ差が出ると考えておくのが現実的です。

「Liteで作って、Omniで動かす」——Googleが敷きたい2段パイプライン

2つのモデルを同日に出したのは偶然ではありません。Googleが発表で明確に推しているのは、Liteで画像を安く速く作り、その画像を参照としてOmni Flashに渡して動画化する、という連鎖ワークフローです。

このパイプラインの意味は、単発の「1コマンドで動画」ツールとの違いにあります。画像で構図やキャラクターを固めてから動画化し、さらに言葉で編集を重ねる——つまり複数のモデルを工程として繋ぐ作り方を、GoogleはAPIレベルで標準の開発者体験にしようとしています。動画の1秒単価がずっと普及の壁だったこの分野で、$0.10/秒という(自称Veo 3.1 Fast並みの)値付けを持ち込んだことも、価格競争を確実に一段加速させます。

なお、生成された画像・動画にはどちらもSynthID(AI生成物だと後から検出できるように埋め込まれる、目に見えない電子透かし)が入る、とGoogleは説明しています。Geminiアプリ、Chrome、検索から確認できるとのことですが、これも同社の説明ベースの話です。

「安い」は確かめられる、「良い」はまだ確かめられない

最後に時間軸を整理して、この発表の確度をまとめます。