新しい画像生成AIが出るたびに、同じ課題を同じ条件で焼いて左右比較し、機械で測れる軸(日本語OCR一致率・要素数・主体保持・部分編集の非破壊性)で世代差を記録する常設コース。課題は「自分が毎日使っている固定プロンプト」から作ってある=新モデルが実務でどれだけ使えるかがそのまま出る。
prompts_img/ は tools/sync_img_course.py の生成物で、手編集しない。各課題の <pre><code> がプロンプト確定文、<script class="spec"> が課題仕様(サイズ・モード・入力素材・採点軸)。data-src)とその時点の sha(data-src-sha256)を見出しに記録し、スキル側が改訂されても確定文は変えない(verify が乖離を警告するだけ)。改訂するときはバージョンを上げ、過去回の結果と混ぜない。scores_img/)で、生成物は不変。日本語の太文字3ブロックを一字も落とさず描けるか。実運用の youtube-thumbnail design1(pattern1 cyan)を、--screenshot 無し・--logos 無しで組み立てた確定文(末尾の CHARACTER IDENTITY は生成器の identity_block と同文)。参照画像=char_ref.png(サムネ用キャラ roster の1体・1024幅へ縮小)。頻出の失敗=促音・長音の欠落/ブロックが4つ以上に増える/キャラが写真そのままになる。
YouTube thumbnail 16:9, dark purple/black background with glowing magenta/pink circuit board pattern and a bright white light burst from the right side.
Left side bold Japanese text in exactly 3 text blocks only, ALL TEXT MUST BE ULTRA BOLD EXTRA THICK WEIGHT:
- Block 1 (top): 'GPT Image 2.5' in very large CYAN / LIGHT BLUE ultra-bold extra-thick text with glow outline, and '単価は同じだった' in very large WHITE ultra-bold extra-thick text directly below. The two colors must be clearly different.
- Block 2 (middle, largest and most prominent): '2倍は誤報' in huge bright yellow ultra-bold extra-thick text with thick black outline inside a glowing red-orange badge, and '価格表を確認' in huge bright yellow ultra-bold extra-thick text with thick black outline inside a glowing red-orange badge
- Block 3 (bottom): '30ドルは据え置き' in massive golden-yellow gradient ultra-bold extra-thick letters with a very thick black outline
NO other text. Only these 3 blocks. All text must be extremely bold and thick weight. Render the Japanese characters accurately and legibly.
Right side: The provided reference image rendered as a bold-outlined 2D cartoon illustration with thick black lineart, vibrant flat colors, anime mascot style. Do NOT render photorealistically. Stylized as an anime character: bold uniform-width black lineart, simplified features, flat cel-shaded colors with a single hard-edged shadow step and NO gradients, pink diagonal hatch blush on the cheeks, eyelashes as solid black shapes, a single dot for the nose, a wide open D-shaped mouth about one third of the face width, rounded face and slightly chibi proportions. The character is LARGE and PROMINENT, occupying roughly the right 40-45% of the frame and shown from the head down to about the waist, clearly the visual focal point, and is outlined with a thick white sticker border. The character is doing a big THUMBS UP gesture with its right hand close to camera, leaning forward with a confident smirking expression, dynamic energy lines radiating around the character. Behind the character: a large smartphone screen showing a GPT Image 2.5 app interface and a dark-themed GPT Image 2.5 dashboard screen with charts (no readable text).
Top right corner: app icons for ChatGPT, Codex floating with a sparkle glow.
Style: Bold thick black outlines, 2D cartoon illustration, cel-shaded flat coloring, NO gradients on the character, NO soft airbrush shading, NO semi-realistic rendering, vibrant neon glow, high-energy, ultra bold typography, professional Japanese YouTube thumbnail style, anime mascot character style with exaggerated cute expressions and dynamic poses.
CHARACTER IDENTITY (this block decides WHO is drawn, never HOW it is drawn — the art-style rules stated above always win): Draw the same person as in the provided reference image: a young Japanese woman with a dark chin-length bob with bangs, round gold-rimmed glasses and a beige cardigan, gentle warm smile. Copy ONLY these identity traits: gender, hairstyle, hair length, hair color, and accessories (glasses, beard, headphones, hair ornaments). Everything else — linework, shading, proportions, level of cuteness and deformation — must follow the art-style rules above, not the reference photo. The reference is a real photograph and must NOT be copied as a photograph.
渡したスクリーンショットを崩さず主役に据えられるか(主体保持)。design7(Manus級・pattern1 odoroki)を costume 指定・ロゴ無しで組み立てた確定文(※design7 は 2026-09-26 夜の番号の再編より前の番号=今の design2「スクショ漫画インク調」の系譜。出典は design2.json に付け替えたが、同日の全面改訂より前の版なので sha は一致しない=確定文は変えない)。参照は 1枚目=char_ref.png・2枚目=kadai2_screenshot.png(公式価格表の切り抜き・1744x424)。採点は スクショとの低レベル類似度+OCR+目視。
YouTube thumbnail 16:9, high information density, professional Japanese YouTube thumbnail, deep navy-to-black background with a glowing cyan circuit-board pattern, white light burst from behind the panel and floating light particles.
LAYOUT (classic split): left 38-42% = text zone. Right 58-62% = TWO focal points that slightly overlap: a LARGE glowing framed panel showing the product screenshot, and the presenter character reacting to it on the outer right. Text must NEVER overlap the character's face or the key content of the panel.
LEFT TEXT — bold Japanese, at most 3 blocks, ALL ULTRA BOLD EXTRA THICK WEIGHT. The text must FILL the left zone with NO large empty gaps, characters MASSIVE:
- Block 1 (top): 'GPT Image 2.5' in very large CYAN / LIGHT BLUE ultra-bold extra-thick text with a glow outline, and '単価は同じだった' in very large WHITE ultra-bold extra-thick text directly below in a small dark badge. The two colors must be clearly different.
- Block 2 (middle, largest and most prominent): '2倍は誤報' in huge bright yellow ultra-bold extra-thick text with a thick black outline inside ONE glowing red-orange badge.
- Block 3 (bottom): '価格表で確認済み' in massive golden-yellow gradient ultra-bold extra-thick letters with a very thick black outline, kept INSIDE the left ~40%.
NO other text anywhere. Render every Japanese string EXACTLY character-for-character; do not add, drop or substitute any character. No romaji, no extra English words, no invented labels, no watermark.
(A) THE SCREENSHOT IS A CO-STAR, NOT A BACKGROUND. The provided product screenshot reference (the image right after the character reference) must be reproduced FAITHFULLY and LARGE — placed in the centre-right as a glowing monitor / floating window. THE PANEL MUST HAVE A BRIGHT NEON EDGE FRAME — a thick, clearly visible glowing border of saturated colour running all the way around the screenshot, plus a soft outer glow and a subtle drop shadow, tilted very slightly for depth. This frame is REQUIRED: the screenshot must never bleed into or blend with the background, it must read as a separate lit-up panel floating in front of it. Its key content must stay clearly readable so a viewer instantly understands what was made. If several screenshots are provided, make the FIRST one the big hero panel and arrange the others as smaller satellite cards floating around it with the same neon framing. Never crop away the interesting part, never blur it, never cover it with text.
(B) THE CHARACTER REACTS TO THAT PANEL. The FIRST provided reference image is the presenter. Keep the SAME PERSON — same face, same hairstyle, same hair colour, same accessories. COSTUME CHANGE (mandatory — never keep the original clothes): a sleek dark-navy tech hoodie with glowing cyan trim, worn open over a plain white tee. FACIAL EXPRESSION (exaggerated so it reads even at tiny size): genuinely astonished — eyes wide open with big ★-shaped sparkle highlights, eyebrows raised high, mouth open in a gasp, a light blush of excitement. POSE: turned toward the glowing panel with one hand raised near the cheek in disbelief, the other hand gesturing toward the screen. The character is large and lively, shown bust-up on the outer right, and is clearly ENGAGING WITH THE PANEL — looking at it, pointing at it, or presenting it with an open hand.
CHARACTER ART DIRECTION — a BOLD-OUTLINED 2D ANIME ILLUSTRATION, drawn like a printed key visual or a die-cut sticker, NOT a painting and NOT a photograph. THE LINEWORK IS THE DEFINING FEATURE: THICK, HEAVY, CONFIDENT BLACK OUTLINES of clearly visible uniform weight around the whole figure, the hair, the face, the hands and every piece of clothing — heavy enough to read instantly at thumbnail size. Draw a THICK WHITE STICKER BORDER — a clean solid white outline of even width — all the way around the character's outer silhouette (hair, shoulders, arms, hands included), exactly like a die-cut sticker, so the figure pops off the background. This white border is REQUIRED. INSIDE those bold lines, keep it CLEAN CEL-SHADED ANIME ILLUSTRATION — the look of a hand-drawn anime key visual, NOT a glossy 3D render. Hair is painted in FLAT BLOCKS of colour with one or two crisp hard-edged highlight shapes, no strand-by-strand detail and no wet shine. Shading is CEL SHADING: a small number of clearly separated flat shadow shapes with hard edges, only where they define form — no soft airbrush gradients, no heavy rim light, no glow on the skin. Skin is MATTE and evenly coloured with a simple blush. Eyes are normal expressive anime eyes with a simple round white catchlight — do NOT draw ★-shaped or star sparkle highlights in the eyes. Crisp solid-black eyelashes. Clear saturated colours kept flat. Bold graphic linework on the outside, clean flat anime colouring on the inside. Cute and charming, high-energy. Do NOT use thin, delicate or sketchy lines. Do NOT render as a photograph or a semi-realistic painting. Do NOT make the character small or passive.
TOP RIGHT: nothing. Leave the top-right corner clean — do NOT invent, draw or imitate any company logo, brand mark or app icon. Only draw a logo when an actual logo image is provided as a reference.
STYLE: bold-outlined 2D anime illustration for the character with thick black lineart and a white sticker border, faithful crisp reproduction for the screenshot panel, vibrant neon glow, sparkles and radiating energy bursts, strong depth and contrast, ultra bold Japanese typography with thick outlines, high-energy click-worthy YouTube thumbnail.
CHARACTER IDENTITY (this block decides WHO is drawn, never HOW it is drawn — the art-style rules stated above always win): Draw the same person as in the provided reference image: a young Japanese woman with a dark chin-length bob with bangs, round gold-rimmed glasses and a beige cardigan, gentle warm smile. Copy ONLY these identity traits: gender, hairstyle, hair length, hair color, and accessories (glasses, beard, headphones, hair ornaments). Everything else — linework, shading, proportions, level of cuteness and deformation — must follow the art-style rules above, not the reference photo. The reference is a real photograph and must NOT be copied as a photograph.
15〜30個の日本語要素を崩さず入れられるか。図版スタイル仕様 §1 tegaki 雛形を「単価は上がっていない」で充填した実体(2026-09-10 収録の台本 デモ②とバイト同一)。GPT Image 2.0 の基準出力が収録素材にある=初回データとして取り込む。化けやすい語=「ドル」「据え置き」。
横長16:9の手描き風インフォグラフィック。クリーム色(生成り)の紙のような背景で、わずかに紙の質感がある。
上部中央に、極太の赤茶色の手描きマーカー文字で大きくタイトル「単価は上がっていない」。
タイトルの左右にそれぞれ3本ずつの短い強調線を放射状に入れる。
そのすぐ下に、細めの黒い手描き文字でサブタイトル「2倍に見えたのは比べる列の違い」を書き、オレンジの下線を引く。
本体は3つのブロックに分かれていて、それぞれの左上に朱色の丸い番号バッジ①②③が付いている。
ブロック1:小見出し「通常価格どうしで比べる」。その下に「GPT Image 2 の画像出力は 100万トークンあたり 30ドル。GPT Image 2.5 も 30ドル。まったく同じ金額」
ブロック2:小見出し「2倍に見えた理由」。その下に「GPT Image 2 にはバッチ料金の列があり、そこは半額の 15ドル。この15ドルと2.5の30ドルを並べると、2倍に見えてしまう」
ブロック3:小見出し「ただし請求は別の話」。その下に「単価は同じでも、使うトークンの量は変わる。品質設定に xhigh と max が増えたので、上を選べば1枚あたりは高くなる」
ブロック同士は太いオレンジの矢印で左から右へ繋ぐ。
強調したい数値は角丸の枠で囲み、極太の文字で大きく書く。特に「30ドル」「30ドル」「15ドル」の3つは目立たせる。
画面下部に、薄いクリーム色の帯を置き、その中に小さなアイコン付きの箇条書きを3行入れる:
「公式の価格表は 2 と 2.5 が同額」「15ドルはバッチ専用の値段」「消費トークンは別に増えることがある」
右下に手描きの吹き出しを置き、その中に結論を極太の赤茶文字で「単価は据え置き」と書く。
全体のトーン:オレンジ・朱色・からし色・深緑・赤をアクセントに使い、
丸みのある手描きアイコン(お金・天秤・グラフ・チェック・警告など内容に合うもの)を各所に添える。
線は手描きのマーカー風で、角丸の枠と点線の囲みを使い分ける。余白は詰めすぎず、要素は多めに。
影とグラデーションは使わない。
★日本語の文字はすべて正確に、読める大きさで書くこと。文字を省略したり記号で代用したりしない。
★情報量は多めにする。ラベルだけで終わらせず、説明・数値・注釈まで入れて、
この図だけ見れば内容が理解できる状態にすること。
水滴・貫通した穴・金属の映り込み・手指という破綻しやすい細部を同時に成立させられるか。新規固定文。機械採点は「文字・ロゴが無いこと」だけで、細部は目視チェックリスト(○△×)で採点する。
実物の商品写真。被写体はマットブラックのステンレス製ウォーターボトル(容量500ml、円筒形、上部に持ち手用の楕円の穴が開いた黒いキャップ)。
撮影条件: 屋外のカフェの木のテーブルに置き、午後の自然光が左上から差し込む。背景は浅い被写界深度でボケた緑の植栽。
必須のディテール:
- ボトル表面に無数の細かい水滴が付着し、光を受けて一粒ずつハイライトが出ている
- キャップ上部の持ち手の穴は貫通しており、穴の向こう側の背景が見えている
- キャップの縁の無塗装ステンレスのリングに、周囲の環境が歪んで映り込んでいる
- 木目のテーブルにボトルの影が光源と整合する方向(右下)に落ちている
- 人物の右手がボトルの下半分を軽く握っており、指が5本自然に写っている(爪と関節のディテール)
構図: 正方形。ボトルは画面中央やや左、被写体の高さは画面の約70%。
カメラ: 85mm相当、f/2.8、ISO100。RAW現像したような自然な色調で、過度な彩度・HDR感は出さない。
禁止: ロゴ・文字・透かしを入れない。イラスト調・3DCG調にしない。
指定した一箇所以外の画素がどれだけ動くか(指定領域外の差分率)。台本 デモ⑤の編集指示とバイト同一。入力の基準画像 kadai5_base.png は 台本 デモ③のサムネプロンプトで焼いた1枚を凍結したもの(動的に「課題1の出力」へ繋ぐと公平性が崩れるため固定)。edit_region は基準画像の価格カード(左下・「$30」×2)を OCR で実測した矩形(x 0.02〜0.52・y 0.69〜0.91・2026-09-10 実測 1672x941)。
この画像の、左下にある価格カードの中の文字だけを「$30」から「$15」に変えてください。
それ以外の部分は、文字・キャラクター・背景・色を含めて一切変更しないでください。
同じ人物のまま、ポーズ・構図・背景だけを変えられるか。参照=char_ref.png。文中の英語の外見アンカーはサムネ用キャラ roster の desc と同文。機械採点は参照との低レベル類似度(配色・構図の目安)で、人物同一性そのものは目視で判定する。
添付の参照画像の人物と同一人物を描く。参照画像の人物: a young Japanese woman with a dark chin-length bob with bangs, round gold-rimmed glasses and a beige cardigan, gentle warm smile。
同一性として保つもの: 髪型・髪の長さ・髪色・眼鏡の形と色・顔立ち・カーディガンの色。
変えるもの(指示):
- ポーズ: 正面を向いて立ち、右手で胸の高さに OK サイン(親指と人差し指で輪)を作り、左手は腰に当てる。
- 構図: 頭からつま先までの全身、縦位置、人物は画面の高さの約85%。
- 背景: 均一な白のスタジオ背景。床の影はごく薄く。
- 表情: 参照と同じ穏やかな笑顔のまま、目線をカメラに向ける。
画風: 参照画像と同じ写実的な写真のトーン。イラスト化・アニメ化しない。
禁止: 文字・ロゴ・透かし・小物の追加。人物を2人以上描かない。
禁止指示に従えるか=OCR で文字が検出されないこと。素材ライブラリの flat-warm スタイル(画像内に文字・数字・記号・文字らしき模様を一切描かない規約)を、lib.py cmd_gen と同じ「題材+空行+スタイル文」で組み立てた確定文。画像モデルは勝手に文字を描き込みがちで世代差が出やすい。
大きな砂時計と、その後ろで噛み合う2つの歯車。砂時計の砂は上から下へ落ちている途中で、歯車は砂時計の動きに連動して回っている。
画風の指定(厳守): フラットなベクターイラスト。太い濃いチャコールグレー(#33393F)の輪郭線で描く。背景は暖色のクリーム色(#FAF0DC〜#F6F2E9)のベタ塗り一色で、枠線もフレームも付けない。差し色はアンバー(#E0A244〜#B9791A)とティール(#6FBFB4〜#2F6F68)の2系統のみ。それ以外の色は使わない(白・薄いグレーは補助として可)。影はごく薄いオフセットのみで、グラデーション・光沢・テクスチャ・立体感は使わない。主題は1〜3個の大きなアイコン的モチーフに絞り、画面中央へゆったり配置して周囲に十分な余白をとる。横長16:9。★最重要: 画像内に文字・単語・数字・記号・ロゴ・ラベル・目盛り・注釈を一切描かないこと(英字も日本語も一切不可。文字らしき模様も描かない)。
抽象的な考え方を図に落とし、40〜60個の日本語要素を崩さず書けるか。図版スタイル仕様 §2 ホワイトボード雛形を3分割に拡張し、題材を「ハーネスエンジニアリング=先に検証を作る」に固定した確定文。参考実物(15〜30要素)の倍を要求して、どこで崩れるかを見る。
横長16:9。実際の白いホワイトボードを正面から撮った写真の上に、手描きで図解が書かれている。
ホワイトボードの四隅には赤・青・黄・緑の丸いマグネットが留めてあり、
下端のトレイには黒・赤・青のマーカーが置かれている。わずかに照明の映り込みがある。
上部中央に、太い黒のマーカー文字で大きくタイトル「ハーネスエンジニアリング=先に検証を作る」。
タイトルの一部の語だけ赤で書き、下に赤の二重下線を引く。左右に短い赤の強調線を入れる。
タイトルの直下に、細い黒文字でサブタイトル「品質は記憶ではなく仕組みに担保させる」。
画面を縦線で3つに分割する。
左側:上に青い枠で囲んだ見出し「1. 作る前に用意するもの」。その下にアイコン付きの箇条書きを6行:
・テスト(正解の例を先に書く)
・リンタ(表記ゆれを機械で止める)
・型チェック(引数の間違いを即検知)
・ビルド確認(壊れたら赤くなる)
・起動確認(実際に動くかを毎回見る)
・禁止語チェック(出してはいけない文字列)
その下に「工具箱から道具を取り出す人物」を手描きで描く。
中央:上に緑の枠で囲んだ見出し「2. 回す順番(ループ)」。その下に丸番号付きの手順を5行:
①指示を書く
②AIが生成する
③検証が自動で走る
④赤なら差し戻す
⑤緑なら次へ進む
手順の脇に「1回で終わらせない・何周も回す」と赤で注記。
その下に「矢印が円になって回っているループの図」を手描きで描く。
右側:上に赤い枠で囲んだ見出し「3. よくある失敗」。その下にアイコン付きの箇条書きを6行:
・検証を後回しにして山ほど直す
・AIの「できました」を信じる
・人の目だけで確認して見落とす
・同じ注意を毎回口で言う
・手順が曖昧で毎回違う結果
・ログを作業フォルダに置いて自己参照
その下に「頭を抱えるエンジニアと赤いエラー画面」を手描きで描く。
左と中央の間に太い赤の矢印を置き、脇に「先に作る」と短く書く。中央と右の間にも赤の矢印を置き、脇に「これを防ぐ」と書く。
画面の各所に付箋を6枚貼る(黄・ピンク・水色・薄緑・オレンジ・紫)。それぞれに手書きで補足を書く:
「品質は記憶でなく仕組みに任せる」「作った本人に採点させない」「赤くなる仕組みが最初の成果物」「繰り返す指示は設定に書く」「検証は別のモデルに見せる」「壊れたら環境側を直す」
右下に手描きの吹き出しを置き、その中に結論を太い赤文字で「ループが品質を作る」と書く。
画面下部に横一本の帯を置き、左端に赤い警告の三角アイコン、
その右に「検証手段がないまま実装を積み上げない」を黒で書き、重要な語だけ赤にする。
帯の下に小さな用語メモを横一列に6つ並べる:
「ハーネス=検証の仕組み」「ループ=実行→観測→修正」「メーカー=作る側」「チェッカー=検証する側」「フック=自動で走る処理」「正本=1本の元データ」
全体のトーン:黒マーカー主体で、見出しに青・緑・赤、強調に赤の下線と囲みを使う。
丸みのある手描きアイコン(ロボット・チェック・歯車・警告・ループ矢印・工具・付箋など内容に合うもの)を各所に添える。
★日本語の文字はすべて正確に、読める大きさで書くこと。文字を省略したり記号で代用したりしない。
★情報量は非常に多くする。箇条書き・付箋・注釈・矢印の説明・用語メモまで入れて、
この1枚だけで全体像が理解できる状態にすること。日本語の文字要素は合計40個以上入れること。
欠けたら実用にならない必須項目の充足率と情報階層。新規固定文。日時・会場・登壇者3名・料金2種・QR枠・注意書き2行の8項目を必須にし、OCR の充足率がそのまま点数になる(8項目中6項目=75点)。
縦長のイベント告知ポスター(A4縦に近い比率)。実際に印刷して掲示できる完成品として、情報の階層がはっきり分かるデザインにする。
イベント名(最も大きく・最上部):「ルーティンラボ 公開検証ナイト」
サブタイトル(イベント名の直下・中くらい):「新モデルを同じ課題で焼き比べる90分」
必須項目(すべて漏れなく、読める大きさで入れる):
1. 日時:2026年10月3日(土)19:00〜20:30(開場18:30)
2. 会場:渋谷サクラステージ 4F カンファレンスルームB
3. 登壇者(3名・名前と肩書):セナオ(主催・検証設計)/ミナト ユウ(画像生成担当)/アオイ リン(採点システム担当)
4. 参加費:一般 2,000円/学生 500円
5. 定員:先着60名
6. 申込方法:右下のQRコードから(QRコードの枠を右下に置く。中身は白黒の市松模様のダミーでよい)
7. 主催:ルーティンラボ
8. 注意書き(下部に小さく2行):「録画・配信はご遠慮ください」「未成年の方は保護者の同意が必要です」
レイアウト:上から イベント名 → サブタイトル → メインビジュアル(左右2枚の画像が比較されている抽象的なイラスト) → 日時・会場を大きく → 登壇者3名を横並び(丸い顔アイコン+名前+肩書) → 参加費・定員 → 申込QRと主催 → 注意書き の順。
配色:濃紺の背景にクリーム色の文字、強調はアンバー(琥珀色)1色。装飾は最小限で、余白を活かす。
★日本語の文字はすべて正確に、読める大きさで書くこと。文字を省略したり記号で代用したりしない。
★上の必須項目1〜8をすべて入れること。指定していない文言(キャッチコピーの追加など)は入れない。
マスク画像で範囲を指定したとき、範囲の外の画素がどれだけ動くか。Nano Banana 2.1 の公称「mask-based editing」を測る(2026-10-07 追加)。基準画像は課題5と同じ kadai5_base.png、マスクは kadai10_mask.png(同サイズ・ネクタイを覆う白い矩形)。edit_region はマスクの白い矩形そのもの。課題5(言葉で場所を指定)と並べて、マスクで指定した方が非破壊性が上がるかを見る。
1枚目の画像を編集してください。2枚目は編集範囲を示すマスク画像です(1枚目と同じサイズ。白い部分=変えてよい範囲、黒い部分=変えてはいけない範囲)。
マスクの白い範囲の中だけで、ネクタイを「赤地に白い細い斜めストライプ」の柄に変えてください。ネクタイの形・結び目の位置・しわの陰影はそのまま保ちます。
マスクの黒い範囲(文字・人物の顔・手・背景・価格カードを含む)は一切変えないでください。出力は1枚目と同じ縦横比・同じ構図にしてください。
参照画像4枚の4人を1枚に描いたとき、全員が別人にならず、特徴が混ざらないか。Nano Banana 2.1 の公称「複数キャラクターの一貫性(最大4人)・参照14枚」を測る(2026-10-07 追加)。参照=kadai11_char1〜4.png(アリーナ smash3d の支給素材と同一ファイル)。機械採点は文字が無いことだけで、同一性は目視チェックリストで判定する。★Antigravity レーンは参照画像が3枚までなので対象外。
添付の4枚の参照画像に写っている4人のキャラクターを、同じ1枚の絵の中に並べて描く。
- 1枚目: 赤い鎧と黒髪、背中に剣を背負った炎の剣士
- 2枚目: 青く光る線の入った全面兜の雷の騎士
- 3枚目: 石の肌と髭の岩の巨人
- 4枚目: 緑のフードと覆面、緑の目の影の暗殺者
同一性として保つもの: 各キャラクターの顔(兜・覆面を含む)・髪・肌の質感・鎧や衣装の色と意匠。参照画像と別人にしない。
場面: 夕暮れの荒野の岩場に4人が横一列に立ち、全員がカメラの方を向いた全身の集合絵。左から 炎の剣士・雷の騎士・岩の巨人・影の暗殺者 の順。岩の巨人は他の3人より頭ひとつ大きい。
画風: 参照画像と同じ、陰影の濃いダークファンタジーのデジタルペイント。
禁止: 文字・ロゴ・透かし。5人目以上の人物を描かない。キャラクター同士の特徴(色・装備)を混ぜない。
4:1 の超横長を、継ぎ目や繰り返しなしの1枚の絵として描けるか。小さめの文字がにじまないか。Nano Banana 2.1 の公称「1:8〜8:1 の超横長・超縦長比」と、既知の弱点「小さい文字のにじみ」を同時に見る(2026-10-07 追加)。4:1 を受けないモデルは最も近い比へ丸めて送り(Nano Banana Pro=21:9)、出力サイズの不一致(size_match)としてそのまま記録する。GPT Image に 4:1 を送って拒否されたら「非対応」が結果になる。
横に非常に長い 4:1 のウェブサイト用ヘッダーバナー。
左端から右端まで1枚の連続した風景: 左から右へ「夜明けの海辺 → 昼の田園 → 夕暮れの山並み → 星空の街」と時間帯が切れ目なく移り変わる、やわらかい水彩調のパノラマ。継ぎ目・繰り返し・タイル状の模様を出さない。
文字(日本語・正確に):
- 左寄りの中央に大きく「AIモデル検証アリーナ」(白い太字のゴシック体・細い濃紺の縁取り)
- その下に小さく「同じお題で、毎回くらべる」
文字は上の2つだけ。ロゴ・透かし・ほかの文字は入れない。
構図: 横4:縦1。文字の背後は空の部分にして読みやすくする。
同じ商品のまま、場面・光・表面の状態だけを変えられるか。Nano Banana 2.1 の公称「product recontextualization(商品の別シーン化)」を測る(2026-10-07 追加)。参照=kadai13_product.png(課題4 の GPT Image 2.5 Sunburst の出力を凍結)。★GPT 系の出力を素材にしているので GPT 系に有利に働く可能性がある(課題5 の基準画像と同じ扱い)。機械採点は参照との低レベル類似度と文字なし、商品の同一性は目視。
添付の商品写真に写っているウォーターボトルを、同じ商品のまま別の場面の広告写真にする。
同一性として保つもの: マットブラックの円筒形ボトルの形と縦横比、黒いキャップと上部の楕円形の持ち手穴(貫通している)、キャップの縁の無塗装ステンレスのリング。商品を作り変えない・別の商品にしない。
変えるもの(指示):
- 場面: 早朝の雪山。テントの前の平らな岩の上にボトルが1本だけ立っている。背景にはぼけた雪の稜線と朝焼けの空。
- 光: 右から低い朝日が差し、ボトルの左側に長い影が落ちる。ステンレスのリングに朝焼けのオレンジが映り込む。
- ボトル表面の水滴は無くし、うっすらと霜が付いている。
- 人物・手は写さない。
構図: 横長。ボトルは画面の右寄り3分の1、高さは画面の約60%。
禁止: 文字・ロゴ・透かし。イラスト調・3DCG調にしない。
参照写真の商品を同じまま使い、日本語のコピー・特長・価格・小さい注記まで1枚の広告に組めるか。 Nano Banana 2.1 の公称を測る追加課題(2026-10-07・本人依頼「ポスター・資料・リアル写真で特徴が出るものを増やす」)。参照=kadai13_product.png(課題13 と同じ)。公称の「visual design」「product recontextualization」と、既知の弱点「小さい文字のにじみ」(注記)を同時に見る。
縦長の商品広告ポスター。添付の商品写真のウォーターボトルを主役にする(形・色・キャップ・持ち手の穴・ステンレスのリングは参照どおり。別の商品にしない)。
レイアウト(上から):
1. 商品名(最も大きく):「SUMIKA ボトル 500」
2. キャッチコピー:「朝の一杯を、夜まで冷たく。」
3. 商品写真: 明るい木のテーブルの上、朝の柔らかい光。ボトルは画面の中央、高さは画面の約40%。
4. 特長を3つ横並び(それぞれ小さな線画アイコン付き):「保冷24時間」「保温12時間」「重さ280g」
5. 価格(大きめ):「税込 3,980円」
6. 最下部に小さく1行:「※保冷・保温時間は室温20℃での目安です」
配色: 生成りの背景に墨色の文字、強調は深い緑1色。余白を広く取った上品なデザイン。
★日本語の文字はすべて正確に。上の6つ以外の文言は入れない。ロゴ・透かしは入れない。
数値・グラフ・表を含む業務資料の1枚を、数字の取り違えなく描けるか。 Nano Banana 2.1 の公称を測る追加課題(2026-10-07・本人依頼「ポスター・資料・リアル写真で特徴が出るものを増やす」)。棒の高さが数値に比例しているか(グラフの正しさ)は目視、数字と見出しは OCR で見る。公称の「visual design」と既知の弱点「小さい文字」を資料の形で測る。
16:9 のビジネス資料スライド1枚。白背景・紺とグレーの落ち着いた配色・ゴシック体。
タイトル(左上):「2026年 第3四半期 売上レポート」
左半分: 縦棒グラフ「月別売上(万円)」。棒は3本で、左から 7月=120、8月=145、9月=180。各棒の上に数値を表示し、棒の高さは数値に正確に比例させる。縦軸は0〜200で目盛りは50刻み。
右上: 表「チャネル別」(3行×2列・罫線あり)
オンライン|220万円
店舗|150万円
法人|75万円
右下: 枠で囲んだ要点(箇条書き3行)
・前期比 +18%
・9月は新商品の発売で過去最高
・第4四半期の目標は 500万円
右下の隅に小さく:「出典: 社内集計(2026年10月)」
★数字と日本語はすべて正確に。指定していない数値・文言は入れない。
人の肌(しわ・毛穴・血色)と、革・真鍮・木という違う素材を、1つの光源で破綻なく写せるか。 Nano Banana 2.1 の公称を測る追加課題(2026-10-07・本人依頼「ポスター・資料・リアル写真で特徴が出るものを増やす」)。公称の「photorealistic skin tones, detailed materials, lighting」を測る。機械採点は文字が無いことだけで、写実は目視チェックリストで判定する。
実写の人物ポートレート写真。被写体は70代の日本人の革職人の男性。工房の作業台に向かい、両手で焦げ茶色の革の財布の縁を縫っている。顔は少しうつむき加減で、穏やかな表情。
撮影条件: 左側の大きな窓から入る曇りの日の柔らかい自然光だけ。背景は浅い被写界深度でぼけた工房(壁に掛かった道具)。
必須のディテール:
- 顔と手の肌: 年齢相応のしわ・毛穴・シミ・血色のむら。肌をなめらかに加工しない
- 両手の指が合計10本で、関節・爪・指先のささくれまで自然
- 革: 表面のシボと、縫い目の糸の撚り
- 作業台の上の真鍮の金具: 窓の光が映り込んだ鈍い反射
- 使い込んだ木の作業台: 傷と油染み
構図: 縦位置。人物の胸から上と手元が入る。
カメラ: 85mm相当、f/2.0、ISO400。フィルムのような自然な色調。
禁止: 文字・ロゴ・透かし。イラスト調・3DCG調・過度なレタッチ。
実世界の知識(順序・大きさ・特徴)を間違えずに図にできるか。 Nano Banana 2.1 の公称を測る追加課題(2026-10-07・本人依頼「ポスター・資料・リアル写真で特徴が出るものを増やす」)。公称の「factual accuracy / real-world knowledge」を測る。惑星名は OCR、順序・大小関係・特徴は目視で判定する(冥王星を入れない・地球の衛星は1つ、など誤りやすい点を含めた)。
子ども向け科学図鑑の見開きページのような横長の図解。
内容: 太陽系の8つの惑星を、太陽に近い順に左から右へ1列に並べる。左端に太陽の一部(大きな円弧)を置く。
各惑星の下に日本語の名前を書く: 水星・金星・地球・火星・木星・土星・天王星・海王星。
描き方:
- 惑星の大きさの順位は実物どおり(木星が最大、次に土星。水星が最小)。距離は縮めてよい
- 土星にははっきりした環、木星には大赤斑、地球には青い海と雲、火星は赤茶色
- 地球のそばに月を1つだけ描き、「月」と小さく書く
- 冥王星は描かない
タイトル(上部中央):「太陽系の8つの惑星」
画風: 明るいフラットなイラスト。背景は濃紺の宇宙に小さな星。
★惑星名の文字は正確に。上に指定した以外の文字は入れない。
写真の一部をマスクで指定して消し、背景を自然につなげられるか(範囲外は動かさない)。 Nano Banana 2.1 の公称を測る追加課題(2026-10-07・本人依頼「ポスター・資料・リアル写真で特徴が出るものを増やす」)。課題10(イラストの柄替え)の写真版。基準画像=kadai13_product.png、マスク=kadai18_mask.png(左下のアイスコーヒーのグラスを覆う白い矩形)。範囲外の非破壊性は edit_locality、消えたか・つながりは目視。
1枚目の写真を編集してください。2枚目は編集範囲を示すマスク画像です(1枚目と同じサイズ。白い部分=変えてよい範囲、黒い部分=変えてはいけない範囲)。
マスクの白い範囲にあるアイスコーヒーのグラスを完全に消し、その部分を周囲と同じ木のテーブルと、ぼけた背景の植栽で自然に埋めてください。木目の向き・光の当たり方・ぼけ具合を周囲とつなげます。
マスクの黒い範囲(ボトル・手・人物・パン・背景)は一切変えないでください。出力は1枚目と同じ縦横比・同じ構図にしてください。
1:4 の超縦長を、スクロールで読む1本の縦長図解として描けるか。 Nano Banana 2.1 の公称を測る追加課題(2026-10-07・本人依頼「ポスター・資料・リアル写真で特徴が出るものを増やす」)。課題12(4:1)の縦版。公称の「1:8〜8:1」を縦で測る。1:4 を受けないモデルは最も近い比へ丸めて送り、出力サイズの不一致として記録する。
スマートフォンで縦にスクロールして読む、1:4 の超縦長インフォグラフィック。
タイトル(最上部・大きく):「朝のルーティン 5ステップ」
その下に5つのステップを上から順に縦に並べる。各ステップは「番号の丸+見出し+小さなイラスト」の1ブロックで、ブロックの間を点線の矢印でつなぐ:
1.「カーテンを開ける」
2.「コップ1杯の水」
3.「5分ストレッチ」
4.「今日の3つを書く」
5.「メールは9時から」
最下部に小さく:「続けるコツは、完璧を目指さないこと」
配色: 白背景、ステップごとに淡い色を変える(黄→緑→水色→紫→橙)。やわらかい手描き風のイラスト。
★日本語の文字はすべて正確に。指定していない文言は入れない。途中でレイアウトが途切れたり、同じブロックを繰り返したりしない。
同じ人物を4コマ通して保ち、吹き出しの日本語・読む順番・オチの表情まで1枚に収められるか。(2026-10-08 追加・本人依頼「漫画と LINE スタンプを各モデルで比べたい」)参照=char_ref.png(課題1・2・6 と同じ人物)。セリフは OCR、人物の同一性とコマの流れは目視。公称の「subject consistency」と「visual design」を漫画の形で測る。
縦に4コマ並んだ日本の4コマ漫画を1枚で描く。主人公は添付の参照画像の人物(a young Japanese woman with a dark chin-length bob with bangs, round gold-rimmed glasses and a beige cardigan)。4コマすべてで同じ人物として描く(髪型・眼鏡・カーディガンを変えない)。
画風: やわらかい線のカラー漫画。各コマは同じ大きさの横長の枠で、上から下へ読む。
1コマ目: 机でスマホを見て目を輝かせる。吹き出し「新しい画像AIが出たらしい」
2コマ目: パソコンに向かって腕まくり。吹き出し「さっそく同じお題で試してみよう」
3コマ目: 画面を見て目を丸くして驚く。吹き出し「えっ、文字まで完璧…!」
4コマ目: 机に突っ伏して遠い目。壁のカレンダーに赤丸。吹き出し「…でも締め切りは延びない」
★吹き出しの日本語はすべて正確に。上の4つ以外の文字(効果音・タイトル・署名)は入れない。
日本の漫画らしいコマ割り・スクリーントーン・描き文字の効果音を、読む順番どおりに組めるか。(2026-10-08 追加・本人依頼「漫画と LINE スタンプを各モデルで比べたい」)右上から左下へ読む日本式のコマ割りと、絵の一部として描く効果音(描き文字)を求める。セリフと効果音は OCR、コマ割りと画風は目視。
日本の少年漫画の1ページ(モノクロ・スクリーントーン・Gペンの強弱のある線)。右上から左下へ読む日本式のコマ割りで、コマは5つ。
登場人物: 短い黒髪にはちまきをした少年剣士。敵は苔むした巨大な岩のゴーレム。
1コマ目(右上・横長): 崩れた神殿の前でゴーレムが立ち上がる。地面が揺れる描き文字の効果音「ゴゴゴ」
2コマ目(左上): 少年が刀を構え、汗をにじませる。吹き出し「まだ終わってない!」
3コマ目(中段・ページ幅いっぱい): ゴーレムの拳が振り下ろされ、地面が砕ける。大きな描き文字の効果音「ドンッ」
4コマ目(下段右): 砂煙の中から少年が跳び上がる。集中線
5コマ目(下段左・縦長): 刀を振り下ろす少年のアップ。吹き出し「この一撃で決める」
★吹き出しと効果音の日本語は正確に。上の4つ以外の文字は入れない。カラーにしない。
同じキャラクターの表情違い8個を、短い日本語つきのスタンプとして揃えて描けるか。(2026-10-08 追加・本人依頼「漫画と LINE スタンプを各モデルで比べたい」)8個の文言は OCR、キャラの同一性・白フチ・重なりは目視。公称の「subject consistency」を、1枚の中の多数の描き分けで測る。
LINEスタンプの8種セットを1枚にまとめた一覧画像。横4列×縦2行のグリッドに、同じキャラクターのスタンプを8個並べる。
キャラクター: 丸っこい白いしろくま。黒い点の目、ピンクのほっぺ、首に水色のスカーフ。全8個で同じ見た目にする。
各スタンプ: キャラクターの全身+短い日本語の文字。キャラと文字のまわりに太い白フチ。スタンプ同士は重ならず、間に十分な余白。背景は薄いグレーの無地。
並び(左上から右へ、次に下の段):
1.「おはよう」手を振る
2.「ありがとう」ぺこりとおじぎ
3.「了解!」敬礼
4.「おつかれさま」湯気の立つお茶を差し出す
5.「ごめんね」両手を合わせて涙目
6.「さすが!」拍手してキラキラ
7.「いいね」親指を立てる
8.「おやすみ」枕を抱えてうとうと
文字: 丸ゴシックの太字、文言ごとに色を変える。★日本語はすべて正確に。上の8つ以外の文字は入れない。
養護の先生が保健室に貼る資料を、見取り図・手順・アイコンつきで1枚にできるか。(2026-10-08 追加・本人依頼「先生が出しそうな教材ポスターを作ってスライドに入れる」=AIの教科書の Nano Banana 2.1 先生向け回)X で話題になった「保健室の見取り図をイラストにする」使い方を、ラベル18か所の文字(OCR)と配置(目視)で測る。
縦長の保健室の掲示ポスター(A4縦に近い比率)。小学校の養護の先生が保健室の入口に貼る、子どもにも分かる資料。やわらかい手描き風のイラストと、清潔感のある白とミントグリーンの配色。
タイトル(最上部・大きく):「保健室の使い方」
上段: 保健室を真上から見た見取り図のイラスト。部屋の中に次の6つを描き、それぞれに日本語のラベルを付ける:「入口」「ベッド」(2台)「手洗い場」「先生の机」「身長計・体重計」「休むスペース」
中段: 見出し「保健室に来たら」の下に、4つのステップを左から右へ、番号の丸と小さなイラスト付きで並べる:
1.「ノックしてあいさつ」
2.「手をあらう」
3.「来室カードを書く」
4.「先生にようすを話す」
下段: 見出し「こんなときは来てね」の下に、アイコン付きで4つ:「けがをした」「気分が悪い」「熱っぽい」「心配なことがある」
最下部に小さく:「休み時間に来られるときは、休み時間に来ましょう」
★日本語の文字はすべて正確に、読める大きさで書く。ふりがなは付けない。上に指定した以外の文字は入れない。人物を描くときは簡単な顔のイラストにし、実在の人物に似せない。
地理の教材で、地形図の等高線と断面図の高さを矛盾なく描けるか。(2026-10-08 追加・本人依頼「先生が出しそうな教材ポスターを作ってスライドに入れる」=AIの教科書の Nano Banana 2.1 先生向け回)地理の講師が Nano Banana 2 で「まだ授業では使えない」とした模式図を、数字と注記は OCR、等高線と断面の一致は目視で測る。
縦長の地理の授業用ポスター(A4縦に近い比率)。中学校の社会科(地理)で使う、地形図と地形断面図の対応を学ぶ教材。白い背景、線は黒と濃い茶色、標高による淡い段彩(低い所は緑、高い所は黄土色から茶色)。
タイトル(最上部):「等高線と断面図の読み方」
上半分: 架空の山地を真上から見た地形図。等高線は10mごとに細い線、50mごとに太い線で描き、太い線の所に「50」「100」「150」と標高の数字を書く。山頂を1つ置き、三角の記号と「山頂 172m」と書く。山頂の西側はゆるやかな斜面、東側は急な斜面で、その先に深い谷がある。地図の左端に「A」、右端に「B」を置き、AとBを結ぶ赤い直線を引く。赤い線は、西側のゆるやかな斜面・山頂のすぐそば・東側の急な斜面・谷を横切る。
下半分: AからBまでの断面図。横軸はAからBまでの距離、縦軸は標高(0mから200mまで、50mごとに目盛り)。断面の線の高さは、上の地形図で赤い線が等高線と交わる高さと一致させる。
断面図の上に、引き出し線で注記を4つ付ける:「等高線の間隔がせまい=急な斜面」「等高線の間隔が広い=ゆるやかな斜面」「山頂」「谷」
右下に凡例:「細い線=10mごと」「太い線=50mごと」
★日本語と数字はすべて正確に書く。上半分の地形図と下半分の断面図は同じ横幅で描き、AとBの位置を上下でそろえる。ふりがなは付けない。指定していない文字は入れない。
年号と出来事8つを正しい順と組み合わせで並べ、臨場感のある絵を添えられるか。(2026-10-08 追加・本人依頼「先生が出しそうな教材ポスターを作ってスライドに入れる」=AIの教科書の Nano Banana 2.1 先生向け回)信長・秀吉・家康の流れを、年号・出来事の文字(OCR)と、順序・色の切り替え・絵の対応(目視)で測る。
横長の歴史の授業用ポスター(3:2)。中学校の社会科(歴史)で使う、戦国時代の終わりから江戸幕府の始まりまでの年表。和紙のような生成りの背景に、墨と朱を基調にした迫力のある絵巻風。
タイトル(上部中央・大きく):「天下統一への道 信長・秀吉・家康」
画面を左から右へ流れる1本の太い年表の帯を描く。帯の上に年号、帯の下に出来事の名前と一行の説明を書く。次の8つを左から順に、この文言のまま書く:
1560「桶狭間の戦い」信長が今川義元を破る
1573「室町幕府がほろびる」信長が足利義昭を追放する
1575「長篠の戦い」織田・徳川軍が鉄砲で武田軍を破る
1582「本能寺の変」信長が明智光秀にたおされる
1582「山崎の戦い」秀吉が光秀を破る
1590「秀吉が全国を統一」小田原の北条氏をくだす
1600「関ヶ原の戦い」家康が石田三成らを破る
1603「江戸幕府を開く」家康が征夷大将軍になる
年表の帯を3つの色に分け、帯の上に見出しを書く:「信長の時代」(朱)・「秀吉の時代」(金)・「家康の時代」(藍)。本能寺の変で朱から金へ、関ヶ原の戦いの手前で金から藍へ切り替える。
出来事の近くに、臨場感のある小さな絵を添える: 桶狭間の戦い=雨の中の奇襲、長篠の戦い=鉄砲隊の一斉射撃と馬防柵、本能寺の変=炎に包まれる寺、関ヶ原の戦い=東西の軍勢がぶつかる合戦、江戸幕府を開く=江戸城。人物は兜や旗印で表し、特定の肖像画に似せない。
帯には矢印・炎・旗・刀のモチーフを使い、時代のうねりが伝わる動きのある構図にする。
★年号・人名・出来事の日本語はすべて正確に書く。ふりがなは付けない。指定していない年号や文字は入れない。
置き場=アリーナ viewer/assets/img_course/。出自と sha は同フォルダの _sources.json に記録。素材を差し替えるときは新しいファイル名を切って spec も改訂する(差し替えでプロンプト sha 不変のまま条件が変わるのを防ぐ)。
| ファイル | 使う課題 | 出自 |
|---|---|---|
char_ref.png | 課題1・2・6・20 | サムネイル用キャラ roster の girl03(外見アンカー付き)を 1024 幅へ縮小 |
kadai2_screenshot.png | 課題2 | 2026-09-10 収録 デモ① の公式価格表スクリーンショット(1744x424) |
kadai5_base.png | 課題5・10(編集の基準画像) | 台本 デモ③ のサムネプロンプトで Codex サブスク枠(gpt-image 2.0 世代)から1枚焼いて凍結 |
kadai10_mask.png | 課題10(マスク) | 基準画像と同じ 1672x941。黒地にネクタイを覆う白い矩形1つ(x 0.83〜0.92・y 0.72〜1.00)を作図 |
kadai11_char1〜4.png | 課題11 | アリーナ smash3d の支給素材 fighter1〜4(2026-08-16 生成)を無変換コピー |
kadai13_product.png | 課題13・14・18 | 課題4 の GPT Image 2.5 Sunburst 出力(run 20260910_GPTImage25_sunburst_or・run1)を無変換コピーして凍結 |
kadai18_mask.png | 課題18(マスク) | kadai13_product.png と同じ 1024x1024。黒地に左下のグラスを覆う白い矩形1つ(x 0〜0.16・y 0.57〜1.00)を作図 |
| レーン | 経路 | 費用 | 指定できるもの | 備考 |
|---|---|---|---|---|
| codex-image | Codex サブスク(image_gen・エージェント経由) | ¥0 | プロンプト・参照画像のみ | 世代はサーバ側が決める(C2PA で実測)。所要時間はエージェント往復込み(agent-e2e) |
| gpt-image-2-5-flare-or / -sunburst-or | OpenRouter(/api/v1/images) | 従量(prompt $8 / image out $30 per 1M・usage.cost が実請求) | モデル・品質(auto/low/medium/high)・aspect_ratio | 既定オフ・確認額が上限。仲介分のオーバーヘッドが秒に乗る。★C2PA は 2.5 でも「2.0」表記(2026-09-10 実測・generation 記録で 2.5 使用を確認)=世代の証跡は要求モデル+経路の記録で残す |
| gpt-image-2-5-flare / -sunburst / gpt-image-2 | OpenAI API 直 | 従量(text in $5 / image in $8 / image out $30 per 1M) | モデル・品質・サイズ | 既定オフ・確認額が上限。所要時間は送出〜受領(api-roundtrip) |
| nano-banana-2-1-or / nano-banana-2-or / nano-banana-pro-or | OpenRouter(/api/v1/images) | 従量(画像出力 2.1 $30・2 $60・Pro $120 per 1M=1K 1枚 $0.034 / $0.067 / $0.134・usage.cost が実請求) | モデル・aspect_ratio・解像度(1K/2K)。品質パラメータは無い | 既定オフ・確認額が上限。版を指定できる唯一の経路(Antigravity は版を選べない)。Pro は比が10種のみ=4:1 は 21:9 へ丸めて送る。C2PA にモデル名は無い。Nano Banana 2 の提供終了日は未発表(公式の非推奨一覧・2026-10-07 確認) |
| agy-image | Antigravity(Google AI Pro・generate_image・エージェント経由) | ¥0(サブスク) | プロンプト・AspectRatio・参照画像(≤3) | 画像モデルは選べない(Nano Banana の版は非開示・自己申告は信用しない)。C2PA は Google 署名ありだがモデル名なし。所要はエージェント往復込み |
| img-echo | フェイク | ¥0 | — | 決定論的 PNG。E2E と採点器の自己検証用 |
mode=generate の課題で、Codex サブスクレーン(エージェント経由)がプロンプト本文の前に付ける固定の指示文。{PROMPT} に課題本文が無改変で入り、{ASPECT} には spec.size から作った向きの語(横長/縦長/正方形)が入る。API 直レーンには付けない。
次の内容の画像を1枚生成してください。生成するだけでよい(コピーや保存の追加作業は不要)。画像の向きとサイズは{ASPECT}にしてください。生成後、保存先の絶対パスを SAVED=<パス> の形式で1行出力してください。
画像の内容:
{PROMPT}mode=reference の課題で、Codex サブスクレーン(エージェント経由)がプロンプト本文の前に付ける固定の指示文。{PROMPT} に課題本文が無改変で入り、{ASPECT} には spec.size から作った向きの語(横長/縦長/正方形)が入る。API 直レーンには付けない。
添付画像は参照画像です(1枚目が人物などの主体、2枚目以降があればスクリーンショット等)。参照を踏まえて次の内容の画像を1枚生成してください。生成するだけでよい(コピーや保存の追加作業は不要)。画像の向きとサイズは{ASPECT}にしてください。生成後、保存先の絶対パスを SAVED=<パス> の形式で1行出力してください。
画像の内容:
{PROMPT}mode=edit の課題で、Codex サブスクレーン(エージェント経由)がプロンプト本文の前に付ける固定の指示文。{PROMPT} に課題本文が無改変で入り、{ASPECT} には spec.size から作った向きの語(横長/縦長/正方形)が入る。API 直レーンには付けない。
添付画像(1枚目)を編集してください。編集後の画像を1枚生成するだけでよい(コピーや保存の追加作業は不要)。画像の向きとサイズは{ASPECT}にしてください(編集では元画像と同じ)。生成後、保存先の絶対パスを SAVED=<パス> の形式で1行出力してください。
編集の指示:
{PROMPT}mode=generate の課題で、Antigravity(Google AI Pro 枠・agy -p)の内蔵 generate_image ツールに渡す固定の指示文。{PROMPT} に課題本文が無改変で入り、{ASPECT}(1:1/3:2/2:3/16:9 等)・{INPUTS}(参照画像の絶対パス)・{IMAGE_NAME} はランナーが埋める。画像モデルは選べない(版は非開示)。
generate_image ツールで画像を1枚生成してください。パラメータ: AspectRatio は {ASPECT} を指定。ImageName は {IMAGE_NAME}。生成するだけでよい(コピーや加工の追加作業は不要)。生成後、保存先の絶対パスを SAVED=<パス> の形式で1行出力してください。
画像の内容(Prompt にこのまま渡す):
{PROMPT}mode=reference の課題で、Antigravity(Google AI Pro 枠・agy -p)の内蔵 generate_image ツールに渡す固定の指示文。{PROMPT} に課題本文が無改変で入り、{ASPECT}(1:1/3:2/2:3/16:9 等)・{INPUTS}(参照画像の絶対パス)・{IMAGE_NAME} はランナーが埋める。画像モデルは選べない(版は非開示)。
generate_image ツールで画像を1枚生成してください。パラメータ: ImagePaths に次の参照画像を渡す(1枚目が人物などの主体、2枚目以降があればスクリーンショット等): {INPUTS}。AspectRatio は {ASPECT} を指定。ImageName は {IMAGE_NAME}。生成するだけでよい(コピーや加工の追加作業は不要)。生成後、保存先の絶対パスを SAVED=<パス> の形式で1行出力してください。
画像の内容(Prompt にこのまま渡す):
{PROMPT}mode=edit の課題で、Antigravity(Google AI Pro 枠・agy -p)の内蔵 generate_image ツールに渡す固定の指示文。{PROMPT} に課題本文が無改変で入り、{ASPECT}(1:1/3:2/2:3/16:9 等)・{INPUTS}(参照画像の絶対パス)・{IMAGE_NAME} はランナーが埋める。画像モデルは選べない(版は非開示)。
generate_image ツールで、ImagePaths に渡す1枚目の画像 {INPUTS} を編集した画像を1枚生成してください。AspectRatio は {ASPECT} を指定(元画像と同じ比率)。ImageName は {IMAGE_NAME}。生成するだけでよい(コピーや加工の追加作業は不要)。生成後、保存先の絶対パスを SAVED=<パス> の形式で1行出力してください。
編集の指示(Prompt にこのまま渡す):
{PROMPT}| 軸 | 測り方 | 使う課題 |
|---|---|---|
① 日本語テキスト精度 ocr_match | Apple Vision OCR → NFKC 正規化 → 期待文字列ごとの最大一致率(difflib)の平均 | 1・2・3・5・8・9・12・14・15・17・19〜22 |
① 逆採点 text_absent | 信頼度 0.5 以上の文字が 1 つも検出されなければ 100、1 つごとに −20 | 4・6・7・11・13・16・18 |
② 要素数 element_count | 検出された文字要素の distinct 数が下限に届けば 100 | 3(15〜30)・8(40〜60) |
② 指示追従 checklist | 必須語の充足率(8項目中6=75) | 9 |
③ 主体保持 subject_similarity | 参照画像との aHash/dHash・色相ヒストグラムの低レベル類似度(人物同一性は目視) | 2・6・13・14・20 |
④ 部分編集の非破壊性 edit_locality | 基準画像との差分画素のうち、指定領域「外」の比率 → 100×(1−外側比率)。出力サイズが違うときは出力側の解像度で、引き伸ばしと位置合わせの良い方を採る(切り落とされた縁は分母から除く・scorer v2・2026-10-07) | 5・10・18 |
目視 manual_checklist | ビューアの ○△× と一言メモ(curation) | 1・2・4・6・9・10〜22 |
新しいモデルが出たら、発表で「伸びた」とされた点を1行ずつ課題へ対応づけ、比べる相手と一緒にここへ書く。アリーナの /img「注目点」タブがこの表(下の <script class="focus">)を読み、主張ごとに該当課題の出力・採点・秒・金額を並べる。主張は発表の引用で、検証済みの事実ではない=結果が主張どおりかはタブで判断する。
| モデル | 公称の伸び | 測る課題 | 見る軸 |
|---|---|---|---|
| Nano Banana 2.1 | マスクで範囲を指定した編集 | 課題10・課題18・課題5 | 課題10(イラストの柄替え)と課題18(写真の消去)をマスクで指定し、範囲外の非破壊性を課題5(言葉だけで範囲指定)と並べる |
| Nano Banana 2.1 | 複数キャラクターの一貫性(最大4人・参照14枚) | 課題11・課題6 | 課題11(4人同時)を目視チェックリストで、課題6(1人の別ポーズ)を類似度で見る |
| Nano Banana 2.1 | 超横長・超縦長の比(1:8〜8:1) | 課題12・課題19 | 4:1(課題12)と 1:4(課題19)で出せたか(出力サイズ)・継ぎ目や繰り返しの有無・小さい文字のOCR |
| Nano Banana 2.1 | 商品の別シーン化 | 課題13・課題14・課題4 | 課題13(場面の置き換え)と課題14(広告ポスター)で、参照との類似度と目視(商品が別物になっていないか) |
| Nano Banana 2.1 | ビジュアルデザインと文字組み(既知の弱点=小さい文字のにじみ) | 課題14・課題15・課題9・課題8・課題3・課題1 | 広告ポスター・資料スライド・告知ポスター・高密度図解・サムネの OCR 一致率。弱点として公表された小さい文字は各課題の注記・出典の行に出る |
| Nano Banana 2.1 | 写実(肌の色・素材・光) | 課題16・課題4 | 課題16(職人のポートレート)と課題4(商品写真)を目視チェックリストで。機械採点は文字が無いことだけ |
| Nano Banana 2.1 | 実世界の知識・事実の正確さ | 課題17・課題15 | 課題17(太陽系の順序・大小・特徴)と課題15(グラフの棒の比・表の値)。名前と数字は OCR、順序と比は目視 |
| Nano Banana 2.1 | 漫画とスタンプ(複数コマ・多数の描き分けでの一貫性と文字) | 課題20・課題21・課題22 | 4コマ(参照キャラの同一性)・漫画1ページ(コマ割り・効果音)・LINEスタンプ8種(同じキャラの表情違い)。セリフは OCR、同一性とコマの流れは目視 |
| Nano Banana 2.1 | 教材のインフォグラフィック(文字と図の配置) | 課題23・課題24・課題25・課題17 | 保健室の見取り図・地形図と断面図・戦国の年表・太陽系の図鑑。文字は OCR、配置・順序・図の正確さ(等高線と断面の一致・年号と出来事の組み合わせ)は目視 |
| Nano Banana 2.1 | Flash 並みの速度・単価は 1K/2K で半額(1K $0.0336)、4K は約25%減 | 全課題 | 全課題の生成時間中央値と1枚あたりの実請求額(usage.cost)を Nano Banana 2 と比べる。入力単価は3倍になっている点も実請求で確かめる。★「約2.7倍速」は Nano Banana 2 Lite の説明の数字で、2.1 の公称ではない(2026-10-07 確認) |
| 日付 | モデル(経路・品質) | 課題1 | 課題2 | 課題3 | 課題4 | 課題5 | 課題6 | 課題7 | 課題8 | 課題9 | 生成時間中央値 | 消費tok中央値 | $/枚 | 所感 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2026-09-10 | Nano Banana(版は非開示) | — | — | — | 文字なし100 33.0s | 非破壊92.0 OCR100.0 29.4s | 類似60.7 文字なし100 25.8s | 文字なし100 24.8s | 要素85 OCR91.7 28.9s | — | 29.3s | —(サブスク) | ¥0 | 第1世代・続き:1枚 28〜50s・¥0。課題5 の非破壊・課題7 の文字なし・課題9 の充足を含む(13/18 ok・run 20260910_NanoBanana_agy_rest) |
| 2026-09-10 | Nano Banana(版は非開示) | OCR100.0 類似54.4 30.5s | OCR97.0 類似42.2 31.9s | 要素100 OCR100.0 32.2s | 文字なし100.0 38.0s | — | — | — | — | — | 31.9s | —(サブスク) | ¥0 | 第1世代・部分:1枚 27〜49s・¥0・出力 1264x848(3:2 指定時)。generate_image は 11枚で 429 RESOURCE_EXHAUSTED(リセット約4.8h後)=残り16枚は自動再走を予約(11/27 ok・run 20260910_NanoBanana_agy) |
| 2026-09-10 | GPT Image 2.0 | OCR98.2 類似50.3 110.3s | OCR93.9 類似41.6 109.5s | 要素100 OCR100.0 117.0s | 文字なし100 153.8s | — | — | — | — | — | 111.9s | 5488 | $0.1792 | 第1世代・部分:1枚 108〜154s・/bin/zsh.17〜0.21=2.5 Flare の 5.7倍遅く 3.5倍高い(出力トークン 6208 前後)。本人裁定で打ち切り=2.0 は Codex サブスク側の行を正とする(10/27 ok・run 20260910_GPTImage2_or) |
| 2026-09-10 | GPT Image 2.0 | OCR94.5 類似49.0 91.1s | OCR97.2 類似42.8 113.0s | 要素100 OCR100.0 99.2s | 文字なし100 73.9s | 非破壊99.1 OCR100.0 83.9s | 類似57.4 文字なし100 73.0s | 文字なし100 53.8s | 要素100 OCR100.0 202.3s | 充足100 OCR100.0 94.8s | 91.1s | —(サブスク) | ¥0 | 第1世代:27/27・¥0・1枚91s(エージェント往復込み・課題8 は 202s)。出力サイズは非標準が混在(1254x1254・1672x941)。OCR 94.5〜100(27/27 ok・run 20260910_GPTImage20_codex) |
| 2026-09-10 | GPT Image 2.5 Sunburst | OCR100.0 類似49.4 31.4s | OCR98.6 類似42.0 30.4s | 要素100 OCR100.0 34.4s | 文字なし100 38.1s | 非破壊99.1 OCR100.0 24.8s | 類似63.3 文字なし100 25.7s | 文字なし100 22.6s | 要素100 OCR100.0 36.3s | 充足100 OCR100.0 29.7s | 29.9s | 1372 | $0.0489 | 第1世代:27/27・1枚31s(Flare の1.6倍)・/bin/zsh.049(同額)。課題6 の類似 63.3 が Flare 53.1 より高い(主体保持は Sunburst 優位)(27/27 ok・run 20260910_GPTImage25_sunburst_or) |
| 2026-09-10 | GPT Image 2.5 Flare | OCR100.0 類似51.6 19.1s | OCR98.6 類似41.5 20.6s | 要素100 OCR100.0 21.8s | 文字なし100 18.9s | 非破壊98.9 OCR100.0 18.9s | 類似53.1 文字なし100 16.7s | 文字なし100 14.4s | 要素100 OCR96.7 22.2s | 充足100 OCR100.0 18.7s | 19.0s | 1372 | $0.0489 | 第1世代:27/27・1枚19s・/bin/zsh.049。OCR は課題8(40〜60要素)でも 96.7。実請求 .32 は seed 見積り .02 の 1/4=2.5 は出力トークンが少ない(中央値 1372)(27/27 ok・run 20260910_GPTImage25_flare_or) |
| 2026-09-10 | gpt-image 2.0 | OCR85.5 類似50.6 99.8s | — | OCR89.4 要素100(43個) | 文字なし100 68.9s | OCR100.0 非破壊99.1 67.4s | — | — | — | — | 68.9s | —(サブスク) | ¥0 | 第0世代(コース作成時の実疎通・各1枚):課題5 の部分編集は指定領域外の差分 0.9%=ほぼ非破壊。課題1 は OCR 平均 85.5 で完全一致 0=日本語は読めるが一字一句は崩れる。課題3 は収録素材(fig1)を取り込み。出力サイズは非標準(1254x1254・1672x940)。 |