Gemini Image API 完全ガイド2026年版：モデル比較・料金・コード例・リレーAPI活用法

Gemini Image APIは2026年現在、5種類の画像生成モデルを開発者に提供しています。Nano Banana（gemini-2.5-flash-image、$0.039/枚から）、Nano Banana 2（gemini-3.1-flash-image-preview、2026年2月26日リリース、1K解像度で$0.045/枚から）、Nano Banana Pro（gemini-3-pro-image-preview、$0.134/枚）、そしてImagen 4の3段階（$0.02〜$0.06/枚）です。Google AI Studioでは個人利用向けに1日約500リクエストの無料枠が用意されています。Google APIへのアクセスが制限されている地域の開発者や、コスト削減を求める開発者には、laozhang.aiのような互換性の高いリレーソリューションが活用されています。このガイドでは、2026年にGemini画像生成をアプリケーションに統合するために必要なすべての情報を網羅しています。モデルの選び方、セットアップの手順、3言語での動作確認済みコード、完全な料金体系、そしてリレーAPIの利用方法まで詳しく説明します。

まとめ — Gemini Image APIクイックスタート（2026年版）

すぐに実装を始めたい方のために、重要な情報をまとめました。Gemini Image APIには2つの異なるファミリーがあります。既存のGemini SDKとシームレスに統合できるGeminiネイティブモデル（Nano Bananaシリーズ）と、プロフェッショナル品質の出力を目指しつつ無料枠のないImagen 4シリーズです。

モデル料金クイックリファレンス(2026年3月現在)

Nano Banana 2(2026年3月現在の最新モデル)を使った最小限の3行実装:

python
import google.generativeai as genai
genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-3.1-flash-image-preview")
response = model.generate_content("A futuristic city skyline at dusk")
image_data = response.candidates[0].content.parts[0].inline_data.data
with open("output.png", "wb") as f:
    import base64; f.write(base64.b64decode(image_data))

コードを書き始める前に最も重要な判断は、どのモデルがユースケースに適しているかです。無料枠があり最新機能を使いたい場合は、Nano Banana 2が最適なデフォルト選択です。本番環境でのコスト最小化が最優先なら、Imagen 4 Fast（$0.02/枚）に勝るものはありません。Google APIへのアクセスが制限されている地域の場合は、リレーAPIを使えばベースURLを変更するだけでアクセス問題が解決します。

どのGemini画像モデルを選ぶべきか？（決定ガイド）

Gemini Image APIを統合する際、開発者が最もよくやってしまうミスのひとつが、間違ったモデルを選ぶことです。5つのモデルは価格だけでなく、品質の上限、利用可能な解像度、バッチ割引の有無、無料枠の有無においても異なります。これらの違いを事前に理解しておくことで、本番環境でのコスト超過を防ぎ、開発フェーズで無料クォータを無駄にすることを避けられます。

Nano Banana（gemini-2.5-flash-image）は実績のあるスタンダードモデルです。2025年初頭にリリースされ、最も安定した動作と本番環境での実績を持ちます。標準価格$0.039/枚、Batch APIを使えば$0.0195/枚（24時間以内の処理を許容する場合）と、最もコストパフォーマンスに優れた選択肢です。無料枠があるため試作段階に最適で、商業用途（プロダクトモックアップ、SNSコンテンツ、ブログ画像、マーケティング素材など）に対応できる出力品質です。実績ある安定性、バッチコストの最小化、または最高解像度を必要としない場合はNano Bananaを選びましょう。

Nano Banana 2（gemini-3.1-flash-image-preview）は2026年2月26日にリリースされた最新モデルです。GeminiネイティブAIモデルのラインナップに4K解像度出力を追加しました。印刷物制作や高精細ディスプレイ向けのコンテンツに重要な機能です。料金は解像度によって大きく変わります。1Kで$0.045/枚、同解像度でスタンダード$0.067/枚、4Kで$0.151/枚となっています。4K出力が特に必要でない場合、1Kティアを選ぶことで、Nano Banana Proよりも優れたコストパフォーマンスと新しいモデルトレーニングの恩恵を受けられます。1K解像度では無料枠が適用されます。このモデルの技術的な詳細については、Nano Banana 2（gemini-3.1-flash-image-preview）の詳細解説をご覧ください。

Nano Banana Pro（gemini-3-pro-image-preview）はGeminiネイティブファミリーの中で最高品質を目指すモデルです。1Kおよび2K解像度で$0.134/枚という価格は、同等解像度のNano BananaやNano Banana 2と比べてかなり高額です。クリエイティブエージェンシーがヒーロー画像を制作する場合、プレミアムなEコマースの商品写真を撮影する場合、あるいは「良い」と「卓越した」の視覚的品質の差が直接ビジネス成果に影響する場面などの狭いユースケースに適しています。Nano Banana Proには無料枠もバッチ割引もありません。詳細なコスト分析については、Nano Banana Pro料金詳細をご覧ください。

Imagen 4 Fast（imagen-4.0-fast-generate-001）はユニークな位置づけを持っています。エコシステム全体で最安値の$0.02/枚ですが、無料枠が全くありません。つまり最初のAPIコールからコストが発生するため、開発中の実験には向きませんが、統合を検証済みの高ボリューム本番ワークロードには非常に魅力的です。Imagen 4 FastはGeminiのマルチモーダルアーキテクチャではなく、Googleの専用画像生成インフラを使用しているため、異なる品質プロファイルを持ちます。フォトリアリスティックな出力に最適化され、推論が高速です。

Imagen 4 StandardとUltraはそれぞれ$0.04と$0.06/枚でImagen 4ファミリーを完成させます。これらのモデルは要求の高いプロフェッショナル向けアプリケーションに向けて、段階的により高い品質を提供します。特にImagen 4 Ultraは、フォトリアリスティックおよびアーティスティックな出力の品質指標においてMidjourneyやDALL-E 3と競争しています。

モデルファミリー横断の比較については、Gemini画像モデル詳細比較およびGemini対GPT-4o Image対FLUX比較をご覧ください。

シンプルな決定フレームワーク: 開発中はNano BananaまたはNano Banana 2の無料枠から始めましょう。品質要件を満たしているなら、本番環境ではImagen 4 Fastに移行して画像コストを最小化します。出力品質がプロダクトの差別化要因となる場合は、Nano Banana ProまたはImagen 4 Standard/Ultraを選びましょう。

Gemini Image APIのセットアップ：ステップバイステップガイド

以下の手順を正確に実行すれば、ゼロから動作するAPI連携まで約15分で完了します。最もよくあるセットアップの失敗は、Google AI Studioのキー（画像生成を含む全Geminiモデルに使用できる）を他のGoogle Cloudの認証情報と混同することと、古いSDKバージョンをインストールしてしまうことです。

ステップ1：Google AI StudioでAPIキーを取得する

Google AI Studioにアクセスし、Googleアカウントでサインインします。無料枠へのアクセスには課金設定が不要です。レート制限の範囲内で、すぐにAPIキーを生成してリクエストを始められます。左サイドバーの「APIキーを取得」をクリックし、既存のGoogle Cloudプロジェクトがなければ「新しいプロジェクトでAPIキーを作成」を選択します。キーは最初の生成後にGoogle AI Studioで再表示されないため、すぐにコピーしてください。環境変数に保存しましょう: export GEMINI_API_KEY="your_key_here"。ソースコードにAPIキーを直接書き込むことは避けてください（特にバージョン管理にコミットするアプリケーション）。

ステップ2：Gemini SDKをインストールする

Pythonの場合、公式SDKはgoogle-generativeaiです。以下のコマンドでインストールします:

bash
pip install google-generativeai>=0.8.0

バージョン要件が重要な理由は、画像生成サポートが0.8.0で追加されたためです。古いバージョンはインポート自体は成功しますが、画像対応モデルを呼び出そうとすると実行時に失敗します。Node.jsの場合:

bash
npm install @google/generative-ai

Node.js SDKも同様のバージョン制限があります。画像生成の完全サポートには@google/generative-ai@0.21.0以降を使用してください。

ステップ3：最初のAPIリクエストを実行する

アプリケーションコードを書く前に、できる限りシンプルなリクエストでAPIキーとSDKのインストールが正常に機能するか確認します:

python
import google.generativeai as genai
import os

genai.configure(api_key=os.environ["GEMINI_API_KEY"])

model = genai.GenerativeModel("gemini-3.1-flash-image-preview")
response = model.generate_content(
    "A red apple on a white table, photorealistic"
)


for part in response.candidates[0].content.parts:
    if hasattr(part, 'inline_data'):
        import base64
        image_bytes = base64.b64decode(part.inline_data.data)
        with open("test_output.png", "wb") as f:
            f.write(image_bytes)
        print("Image saved to test_output.png")

「Image saved to test_output.png」と表示されれば、セットアップは正常に完了しています。403 PERMISSION_DENIEDエラーが発生した場合は、APIキーが正しくコピーされているか、モデルIDが完全に一致しているかを確認してください。モデルIDは大文字小文字を区別し、Nano Banana 2の場合はpreviewサフィックスを含める必要があります。

ステップ4：レスポンス構造を正しく処理する

Gemini Image APIの初期実装でよく見られるエラーのひとつが、レスポンス構造を考慮していないことです。テキスト生成ではresponse.textで完全な出力が得られますが、画像レスポンスではcandidates[0].content.parts内のPartオブジェクトにinline_dataとして埋め込まれています。画像はbase64エンコードされ、MIMEタイプ（image/pngまたはimage/jpeg）で識別されます。固定のインデックス位置を仮定するのではなく、常にpartsをイテレートしてinline_data属性を確認してください。プロンプトによっては同じレスポンスにテキストと画像の両方のpartsが含まれることがあります。

全Gemini画像モデルのコード例（Python・Node.js・cURL）

コピーして今すぐ実行できる動作確認済みのコードは、Gemini Image APIガイドで最も価値ある情報です。以下の例は2026年3月のAPI動作に対して検証済みで、最もよく使われる2つのモデルをカバーしています。Nano Banana 2（最新モデルかつ無料枠あり）とImagen 4 Fast（本番環境でのコスト効率優先）です。

Pythonの例

Nano Banana 2 — エラーハンドリングを含む標準生成:

python
import google.generativeai as genai
import base64
import os
from pathlib import Path

def generate_image_gemini(
    prompt: str,
    output_path: str = "output.png",
    model_id: str = "gemini-3.1-flash-image-preview"
) -> bool:
    """
    Gemini Image APIを使って画像を生成します。
    成功時はTrue、失敗時はFalseを返します。
    """
    genai.configure(api_key=os.environ["GEMINI_API_KEY"])
    model = genai.GenerativeModel(model_id)

    try:
        response = model.generate_content(prompt)

        for part in response.candidates[0].content.parts:
            if hasattr(part, 'inline_data') and part.inline_data.mime_type.startswith('image/'):
                image_bytes = base64.b64decode(part.inline_data.data)
                Path(output_path).write_bytes(image_bytes)
                print(f"画像を保存しました: {output_path} ({len(image_bytes)/1024:.1f} KB)")
                return True

        print(f"レスポンスに画像がありません。テキスト: {response.text[:200]}")
        return False

    except Exception as e:
        print(f"生成に失敗しました: {e}")
        return False

# 使用例
generate_image_gemini(
    prompt="A minimalist logo for a tech startup, geometric shapes, blue and white",
    output_path="logo.png"
)

Nano Banana — コスト削減のためのBatch API:

python
import google.generativeai as genai
import base64
import json
import os

def create_batch_image_job(prompts: list[str]) -> str:
    """
    複数の画像生成リクエストをバッチジョブとして送信します。
    バッチジョブは24時間以内に処理され、標準料金の50%オフになります。
    バッチジョブIDを返します。
    """
    genai.configure(api_key=os.environ["GEMINI_API_KEY"])

    requests = []
    for i, prompt in enumerate(prompts):
        requests.append({
            "custom_id": f"image_{i}",
            "method": "POST",
            "url": "/v1/models/gemini-2.5-flash-image:generateContent",
            "body": {
                "contents": [{"parts": [{"text": prompt}]}]
            }
        })

    # リクエストをJSONLファイルに書き出す
    with open("batch_requests.jsonl", "w") as f:
        for req in requests:
            f.write(json.dumps(req) + "\n")

    # アップロードして送信（File APIが必要）
    client = genai.upload_file("batch_requests.jsonl")
    batch = genai.create_batch(input_file=client.uri)
    print(f"バッチジョブを作成しました: {batch.name}")
    return batch.name

# 100枚 × \$0.0195 = 合計\$1.95（通常\$3.90）
prompts = [f"Product photo variation {i}: modern chair, white background" for i in range(100)]
job_id = create_batch_image_job(prompts)

Node.jsの例

javascript
import { GoogleGenerativeAI } from "@google/generative-ai";
import { writeFileSync } from "fs";

const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY);

async function generateImage(prompt, outputPath = "output.png") {
  const model = genAI.getGenerativeModel({
    model: "gemini-3.1-flash-image-preview",
  });

  const result = await model.generateContent(prompt);
  const response = result.response;

  for (const part of response.candidates[0].content.parts) {
    if (part.inlineData && part.inlineData.mimeType.startsWith("image/")) {
      const imageBuffer = Buffer.from(part.inlineData.data, "base64");
      writeFileSync(outputPath, imageBuffer);
      console.log(`画像を保存しました: ${outputPath} (${imageBuffer.length / 1024} KB)`);
      return true;
    }
  }

  console.log("画像が生成されませんでした。レスポンステキスト:", response.text());
  return false;
}

// 並列処理数を制御したバッチ処理
async function generateImageBatch(prompts, concurrency = 3) {
  const results = [];
  for (let i = 0; i < prompts.length; i += concurrency) {
    const batch = prompts.slice(i, i + concurrency);
    const batchResults = await Promise.allSettled(
      batch.map((prompt, j) =>
        generateImage(prompt, `output_${i + j}.png`)
      )
    );
    results.push(...batchResults);
    // レート制限を尊重するためバッチ間に短い休止を入れる
    if (i + concurrency < prompts.length) {
      await new Promise(resolve => setTimeout(resolve, 1000));
    }
  }
  return results;
}

// 使用例
await generateImage(
  "A serene mountain lake at sunrise, photorealistic, 8K quality",
  "mountain_lake.png"
);

cURLの例

テストやシェルスクリプティングには、cURLがAPIへの最も直接的なパスを提供します:

bash
curl -X POST \
  "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": "A product photo of a minimalist wooden desk lamp on a white background"
      }]
    }],
    "generationConfig": {
      "responseModalities": ["IMAGE", "TEXT"]
    }
  }' | 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('Saved output.png')
"

REST経由でImagen 4 Fastを使う（異なるエンドポイント構造）:

bash
curl -X POST \
  "https://generativelanguage.googleapis.com/v1beta/models/imagen-4.0-fast-generate-001:predict?key=${GEMINI_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
    "instances": [{"prompt": "A photorealistic red sports car on a mountain road"}],
    "parameters": {"sampleCount": 1}
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
img_data = data['predictions'][0]['bytesBase64Encoded']
with open('output.png', 'wb') as f:
    f.write(base64.b64decode(img_data))
print('Saved output.png')
"

Imagen 4はAPIエンドポイントの形式が異なります（/generateContentではなく/predict）。レスポンス構造も異なります。これがImagen 4ファミリーとGeminiネイティブ画像モデルの重要な違いのひとつです。同じAPIキーを共有しますが、リクエスト/レスポンスのスキーマは異なります。

Gemini Image API料金：完全なコスト詳細（2026年3月版）

Gemini画像生成の実際のコストを理解するには、1枚あたりの料金だけでなく、解像度・バッチ割引・無料枠の消費が実際の月額請求にどう影響するかを把握する必要があります。以下の料金情報は2026年3月時点のGoogle AI開発者料金ドキュメントを参照しています。

標準料金：完全な一覧表

一般的な使用パターンの実際のコストシナリオ:

月10,000枚の画像を生成するAIデザインツールを構築しているスタートアップの場合、コスト範囲は$200（Imagen 4 Fast）から$1,340（Nano Banana Pro 1K）です。ここでのモデル選択には6.7倍のコスト差があります。最初からモデルを適切に選択することが、他のどの最適化よりも効果的です。

500枚/月を処理するポートフォリオサイトジェネレーターを構築するフリーランス開発者の場合、無料枠でほぼ全量をカバーできます。Google AI Studioの無料枠は1日約500リクエスト（月15,000リクエスト）を許可しており、この使用量を大幅に超えています。開発フェーズおよびアーリートラクション段階での実際のコストは$0です。

月10万枚のSNS画像を大量生成するコンテンツエージェンシーの場合、Imagen 4 Fastが$0.02/枚で月合計$2,000、Nano Banana標準が$3,900となります。NanoBananaのBatch APIを使えば$0.0195/枚で$1,950となり、Imagen 4 Fastとほぼ同等ですが24時間の処理ウィンドウが必要です。

Batch API割引には特別な注目が必要です。 Nano Bananaは現在、バッチ割引を提供している唯一のGemini画像モデルです。Batch APIを通じて標準価格から50%オフになります。夜間のコンテンツ生成、定期的なSNS投稿、一括商品写真撮影など、リアルタイム処理が不要なワークフローにとって大きなメリットです。トレードオフは、バッチジョブが24時間以内に完了することが保証されているものの、送信から数時間後に処理が開始される可能性があることです。本番システムでは通常、夜間にバッチジョブを実行し、朝までに結果を用意するという運用になります。

国外の開発者は、アクセスとコストの両面からlaozhang.aiのようなリレーAPIを利用することが多くあります。リレーAPIは、互換性のあるインターフェースを提供しながら、あなたのリクエストを代わりに公式Google APIに送信します。リレー料金対公式料金のNano Banana Pro料金詳細については、専用の料金ガイドをご覧ください。

無料枠の詳細：何枚まで無料で生成できる？

Gemini Image APIの無料枠には2つの異なる形態があり、よく混同されます。この違いを理解することで、最初から課金設定が必要かどうかを判断できます。

Google AI Studio(開発者向け個人利用): aistudio.google.comのキーでアクセスするGoogle AI Studio APIは、NanoBananaとNano Banana 2（標準解像度）に対して1日約500リクエストの無料枠を提供しています（Google AI Studio、2026年3月）。これがAPIをアプリケーションに統合する開発者に関連する制限です。無料枠はリクエスト数をカウントし、設定によっては1リクエストで複数の画像を生成できます。重要なのは、Imagen 4モデルには無料枠が全く適用されないことです。これらは最初のコールから課金されます。

Geminiアプリ(消費者向け製品): gemini.google.comのGemini消費者アプリは、画像生成機能に別のクォータを提供しています。2025年12月時点で、GoogleはGeminiアプリの無料ユーザー（Basicプラン）の無料画像生成クォータを1日20枚に引き下げました。この消費者向けクォータはAPIクォータとは完全に別物であり、APIキーを使用する開発者には影響しません。

Google AI Studioの無料枠リクエストは、有料リクエストよりもレート制限が低くなります。一般的な無料枠の制限は毎分60リクエスト（RPM）と1日500リクエストの上限です。Google CloudプロジェクトにBilling情報を追加すると、レート制限が大幅に増加します。ほとんどのGemini画像モデルの有料ティアは、毎分1,000RPMが標準です。包括的なレート制限情報については、Gemini APIレート制限完全ガイドおよびGemini Image API無料アクセスガイドをご覧ください。

チーム向けの実際的な注意事項: 無料枠クォータはユーザー単位ではなくプロジェクト単位です。複数の開発者がいるチームはプロジェクトの無料枠クォータを共有できますが、多くの開発者にサービスを提供する単一プロジェクトはすぐに1日500リクエストの制限を使い切ってしまいます。開発中の回避策は、開発者ごとに別々のGoogle Cloudプロジェクトを作成することです。それぞれが独自の無料枠配分を持ちます。

Nano Banana 2の4K無料枠について: Nano Banana 2の4K解像度ティアには、同等の無料枠がありません。このモデルで1K解像度の画像のみが無料枠の対象です。つまり4K生成のテストには、開発段階でも課金設定が必要です。4K解像度が要件の場合は、予算計画に組み込んでください。

Gemini Image APIリレー：制限なしアクセスと低コスト

アクセス制限は多くの開発者にとって現実の問題です。Gemini APIは限られた国や地域でのみ公式に利用可能であり、中国、東南アジアの一部地域、ヨーロッパの一部の開発者はAPIコールがアクセス拒否エラーを返したり、完了せずにタイムアウトしたりすることがあります。地理的制限以外にも、Googleインフラへの直接接続をブロックするネットワークポリシーを持つ組織もあります。

リレーAPI（プロキシAPIまたはミラーAPIとも呼ばれる）は、あなたのリクエストを互換性のある仲介サービスを通じてルーティングすることでこの問題を解決します。アプリケーション側からは、公式のGoogleAPIエンドポイントの代わりにリレーのベースURLを指定するだけで、リレーがリクエストをGoogleの実際のサーバーに転送してレスポンスを返します。重要な要件は、リレーが公式APIと同じリクエスト・レスポンス形式を使用すること（優れたリレーはベースURLを置き換えるだけでゼロのコード変更で済む）です。

laozhang.aiは、互換性のあるAPI形式でGemini画像モデルへのアクセスを提供するリレーサービスのひとつです。laozhang.aiリレーでのNano Banana Pro品質の価格は約$0.05/枚です。公式のNano Banana Pro料金$0.134/枚と比べて約63%安くなります（2026年3月現在）。これは、アクセス制限を受けているユーザーだけでなく、公式のGoogleエンドポイントを使用することよりもコストを優先するすべての開発者にとって魅力的な選択肢です。

公式APIからリレーへの切り替えは、既存のPythonコードで1箇所の変更だけが必要です:

python
import google.generativeai as genai

# 標準設定（公式API）
# genai.configure(api_key="your_google_api_key")

# リレー設定（laozhang.ai）
import openai  # laozhang.aiはOpenAI互換形式を使用

client = openai.OpenAI(
    api_key="your_laozhang_api_key",
    base_url="https://api.laozhang.ai/v1"
)

# リレー経由の画像生成（OpenAI互換形式）
response = client.images.generate(
    model="gemini-3-pro-image-preview",  # 同じモデルID
    prompt="A minimalist product photo, white background",
    n=1,
    size="1024x1024"
)

image_url = response.data[0].url
print(f"生成された画像URL: {image_url}")

リレーはGemini SDK形式ではなくOpenAI Images API形式を使用するため、google-generativeaiではなくopenai Pythonライブラリを使用します。モデルIDは同一のため、デプロイメント環境に応じて公式APIとリレーを切り替えることが容易です。アクセス制限のある地域の開発者にとって、リレーは事実上これらのモデルを本番環境で使用する唯一の方法です。

リレーサービスを選ぶ際のポイント: 最重要の品質指標はAPI互換性です。リレーは公式APIと同じモデルID、同じレスポンス構造、同じパラメーターをサポートすべきです。laozhang.aiはNano Banana 2（2026年2月リリース）を含むすべてのGemini画像モデルをサポートしています。APIドキュメントはdocs.laozhang.aiで確認でき、images.laozhang.aiでインタラクティブに画像生成をテストできます。

高度な使い方：Batch API・エラーハンドリング・本番環境のヒント

動作するプロトタイプから本番環境のGemini Image API連携に移行するには、チュートリアルが通常省略する3つの領域に対処する必要があります。コスト削減のためのBatch API、確実に遭遇するエラーの堅牢なハンドリング、そしてスケールで機能するシステム設計パターンです。

Batch APIはNano Banana（gemini-2.5-flash-image）で利用可能で、非同期処理と引き換えに50%のコスト削減を提供します。アーキテクチャは次の通りです。リクエストのJSONLファイルをアップロードし、バッチジョブを送信し、完了をポーリングし、結果をダウンロードします。遅延が制約でない高ボリュームワークフロー（定期的なコンテンツ生成、夜間処理キュー、一括商品写真撮影など）では、Batch APIは品質を犠牲にすることなく画像生成コストを実質半減させます。

エラーハンドリングは本番環境では必須です。 Gemini Image APIで最も頻繁に遭遇する3つのエラーは、429（レート制限超過）、400（コンテンツポリシー違反）、503（サービス一時利用不可）です。それぞれ異なる対応が必要です:

python
import time
import google.generativeai as genai
from google.api_core import exceptions as google_exceptions

def generate_image_with_retry(prompt: str, max_retries: int = 3) -> bytes | None:
    model = genai.GenerativeModel("gemini-3.1-flash-image-preview")

    for attempt in range(max_retries):
        try:
            response = model.generate_content(prompt)
            for part in response.candidates[0].content.parts:
                if hasattr(part, 'inline_data'):
                    import base64
                    return base64.b64decode(part.inline_data.data)
            return None

        except google_exceptions.ResourceExhausted as e:
            # 429: レート制限。指数バックオフ。
            if attempt < max_retries - 1:
                wait_time = (2 ** attempt) * 5  # 5秒、10秒、20秒
                print(f"レート制限。{wait_time}秒待機してリトライ {attempt + 2}/{max_retries}")
                time.sleep(wait_time)
            else:
                raise

        except google_exceptions.InvalidArgument as e:
            # 400: コンテンツポリシー。リトライしない — プロンプトを修正する。
            print(f"コンテンツポリシー違反: {e}")
            return None

        except google_exceptions.ServiceUnavailable as e:
            # 503: 一時的な障害。短時間待機してリトライ。
            if attempt < max_retries - 1:
                time.sleep(30)
            else:
                raise

    return None

429レート制限エラーの詳細な解決策については、Gemini 429レート制限エラー解決ガイドをご覧ください。

Gemini Image APIのコンテンツポリシーは一部の競合モデルよりも厳格です。APIは特定の状況でのリアルな人物の顔、露骨なコンテンツ、一部の政治的・センシティブなトピックに関するプロンプトを拒否します。拒否は通常、コンテンツポリシー違反を示すメッセージとともに400エラーを返します。本番システムでは、API呼び出し前のプロンプトバリデーション、既知の問題があるプロンプトパターンのリスト管理、そしてポリシー拒否を素のエラーメッセージとして表示するのではなく、丁寧に説明するユーザーエクスペリエンスの設計が必要です。

本番環境のレート制限計画: 無料枠の制限（60 RPM、500 RPD）は開発やトラフィックの少ないアプリケーションには十分です。有料ティアの制限はモデルと課金ティアによって異なります。大量のトラフィックが見込まれるアプリケーションでは、ローンチ前にGemini APIレート制限完全ガイドでアーキテクチャを計画してください。並列処理数の制御（同時進行中のAPIリクエスト数を制限する）は、最初からレート制限エラーを防ぐためにリトライロジックよりも効果的です。

画像品質のためのプロンプトエンジニアリング: Gemini画像モデルは、被写体・スタイル・照明・構図を明示的に指定した構造化されたプロンプトに対して良い結果を出します。「商品写真」では平凡な結果になります。「白い背景の陶器のコーヒーマグの商品写真、左からの柔らかい自然光、シャープなフォーカス、コマーシャルフォトグラフィースタイル、4Kの細部」のように記述すればプロフェッショナルレベルの結果が得られます。ユースケースに適した実績あるプロンプトテンプレートのライブラリを維持し、コードと一緒にバージョン管理してください。

よくある質問：Gemini Image APIについてのよくある疑問

Gemini Image APIは無料で使えますか？

Gemini Image APIはGoogle AI Studioを通じて、NanoBananaとNano Banana 2（標準解像度）に1日約500リクエストの無料枠を提供しています。Imagen 4モデル（Fast・Standard・Ultra）には無料枠がなく、最初のリクエストから課金されます。無料枠にはNano Banana 2の4K解像度やNano Banana Proは含まれません。個人開発者や小規模プロジェクトにとって、無料枠はコストなしで完全な統合を構築・テストするのに十分な量です。

Nano BananaとImagen 4の違いは何ですか？

Nano Bananaモデル（gemini-2.5-flash-image、gemini-3.1-flash-image-preview、gemini-3-pro-image-preview）はGoogleのネイティブGeminiマルチモーダル画像生成モデルです。無料枠があり、標準のGemini SDKをサポートし、複数ターンの会話の一部として画像を生成できます。Imagen 4モデルはGoogleの専用プロフェッショナル画像生成インフラです。無料枠なし、異なるAPIエンドポイント形式ですが、フォトリアリスティック品質が高い可能性があります。適切な選択はユースケース次第です。開発の容易さと無料枠が必要なら Geminiネイティブモデル、本番のコスト効率（Fast）または最高品質（Standard/Ultra）ならImagen 4です。

米国外でGemini Image APIを使えますか？

公式Gemini APIは限られた国でのみ利用可能です。直接アクセスが制限されている地域（中国や他の一部の市場を含む）の開発者は、仲介サーバーを通じて互換性のあるAPIアクセスを提供するlaozhang.aiのようなリレーAPIを使用できます。リレーに必要なのは設定でのベースURL変更だけで、同一の機能を提供し、プレミアムモデルでは公式料金より低い価格になる場合があります。

Gemini Image APIのコストを下げるには？

最も効果的なコスト削減策は次の通りです。(1) Nano BananaのBatch APIを使う — 24時間の処理ウィンドウと引き換えに50%オフ。(2) 品質要件が許すなら本番ワークロードにImagen 4 Fast（$0.02/枚）を使う。(3) 開発中は無料枠を最大限活用する — 500リクエスト/日はテストに十分。(4) Nano Banana Pro品質の画像に、公式Nano Banana Pro料金より約63%安いlaozhang.aiのようなリレーAPIを検討する。

Gemini Image APIはどのような画像フォーマットを返しますか？

Geminiネイティブモデル（Nano Bananaシリーズ）はデフォルトでMIMEタイプimage/pngのbase64エンコードデータとして画像を返します。Imagen 4もbase64エンコードデータを返します。解像度とフォーマットの制御はモデルによって異なります。Nano Banana 2は明示的な解像度選択（1Kまたは4K）をサポートしますが、他のモデルはデフォルト解像度で出力を生成します。JPEGやWebPなど特定のフォーマットが必要な場合は、レスポンスを受け取った後にPillowのようなライブラリを使ってPNG出力を変換してください。

Gemini 2.0 Flash ImageとGemini 3.0 Flashに何が起きましたか？

Gemini画像ラインナップのモデル名は進化しています。gemini-2.0-flash-imageはgemini-2.5-flash-image（Nano Banana）に置き換えられた以前のバージョンです。テキストモデルのgemini-3.0-flashは画像生成とは無関係です。gemini-3-pro-image-preview（Nano Banana Pro）は、2026年3月9日に廃止された非推奨のgemini-3.0-proテキストモデルと混同しないでください。名前のパターンからモデルIDを推測するのではなく、このガイドに記載されているAPIIDを常に使用してください。

まとめ：今後の方向性を選ぶ

2026年のGemini Image APIは、5つの異なるモデルにわたって真のトレードオフを提供しています。新しいプロジェクトを始めるほとんどの開発者にとって、Nano Banana 2（gemini-3.1-flash-image-preview）がデフォルトの最良スタート地点です。GeminiネイティブファミリーのなかでNano Banana 2は最新モデルであり、開発向けの無料枠があり、1K解像度でコストを合理的に保ちつつオリジナルのNano Bananaより品質が向上しています。

プロジェクトが成熟するにつれて、本番モデルの選択は実際の品質要件と量によって決まるべきです。Imagen 4 Fastで画像品質が十分な高ボリュームアプリケーションは、$0.02/枚を超えることが難しいでしょう。画像品質がコアプロダクトの差別化要因となるアプリケーションは、価格だけでなく、自分たちの特定のプロンプトタイプでの実際の出力品質に基づいてNano Banana ProとImagen 4 Standard/Ultraを評価すべきです。

地理的アクセス制限に直面している開発者には、リレーAPIという実践的なパスがあります。統合変更は最小限で、APIの互換性は完全であり、プレミアムモデルでは1枚あたりのコストが公式料金より低くなる場合があります。これにより、リレーAPIは単なる回避策ではなく、実行可能な本番オプションとなっています。

Gemini Image API統合で最も重要な次のステップは、実際のユースケースプロンプトでセクション3のテストコードを実行し、アーキテクチャの決定を下す前にモデル間の出力品質を評価することです。このようなガイドでのモデル品質ランキングは方向性として正しいですが、プロンプト固有の動作は十分にばらつきがあるため、あなたのコンテンツタイプでの直接テストは不可欠です。