【実測】Seedream 5.0 Pro vs GPT Image 2 vs Nano Banana Pro 徹底比較｜勝てた領域はゼロ。でも「差もほとんど無かった」 | ねこ社長

2026年7月8日、ByteDance が画像生成AIの新モデル Seedream 5.0 Pro をリリースしました。ネット上には「GPT Image 2 超え」「日本語テキストが完璧」といった記事が並んでいます。

ですが、そのほとんどが ByteDance のプレスリリースを言い換えただけでした。 実際に触って測った日本語の記事は、探した限りひとつも見つかりませんでした。

そこで、3モデル・合計102試行を Higgsfield API 経由の同一条件で生成し、すべて自分で採点しました（＋ドット絵は測り直しで28枚を追加検証）。この記事では、結論を先に出したうえで、7つの検証結果を証拠画像と数字で1つずつ提示します。

そして先に正直に書いておきます。この検証で、私自身が一度、測り方を間違えました。 「Seedream はドット絵が強い」と結論づけたのですが、その指標が間違っていました。 撤回して測り直した全経緯も、この記事に書いています（検証6）。

▶ 動画版は近日公開予定です。
Seedream 5.0 Pro と他の画像生成サービスを比較する検証動画を制作中です。公開後、この位置にリンクを追加します。
チャンネル: https://www.youtube.com/@neko.shacho0808

結論：比較した5課題すべてで負けた
検証1：AI画像モデルは「カメラを回せない」
検証2：日本語テキストは、もう差がつかない
1. 素のカタカナ看板：3モデルとも完璧
2. 3行の立て看板でも完全一致
検証3：編集能力を45試行で測る — 「Seedream は編集器」仮説の検証
検証4：公式が「一番の売り」に掲げる機能ほど、弱かった
1. 結果：Seedream だけが、指示にない文字を勝手に足した
検証5：日本語が崩れる「条件」が判明した
1. 3モデルとも良いUIを出した。だが1つだけ文字を間違えた
2. ここは慎重に書きます
検証6：ドット絵 ── ここで私は、測定を間違えました
検証7：写真もアニメも、「指示どおり」には描けなかった
1. 写真リアル度：「産毛が見えるほど精細に」と指示したのに、肌が滑らかになる
2. アニメ：「グラデーション禁止」と書いたのに、グラデーションで描かれる
公式が掲げる「レイヤー分離」は、少なくとも今は見つけられなかった
検証手法（追試できる形で公開します）
この検証の限界（正直に書きます）
1. まだ検証できていないこと
なぜ自分で測ったのか — この分野の情報環境は壊れている
1. ただし「自分で測る」にも落とし穴があります
まとめ
よくある質問（FAQ）
関連リンク・出典
動画制作のコストを、常識ごと変える。

結論：比較した5課題すべてで負けた

先に採点の前提を書きます。この記事の点数は「絵として良いか」を測ったものではありません。「指示どおりに描けたか」だけを見ています。 絵の好みは人それぞれで、優劣をつけられるものではないからです。採点は 0 = 指示を満たさない / 1 = 惜しい / 2 = 指示どおり の3段階です。

まず、各モデルが「得意」とされる領域の結果から。

課題	Seedream 5.0 Pro	Nano Banana Pro	GPT Image 2
写真（人物）	1.00	2.00	1.00
写真（商品）	1.00	2.00	2.00
アニメ（ベタ塗り指定）	0.50	1.50	2.00
インフォグラフィック	0.67	2.00	2.00
ゲームUI	0.50	2.00	2.00
5課題の平均	0.73	1.90	1.80

Seedream は、比較できた5課題すべてで負けました。

そしてドット絵。ここは当初「Seedream の単独勝利」と書いていました。その結論は撤回します。測り方が間違っていたからです（詳しくは検証6）。測り直した結果は「3モデルとも、厳密なドット絵は作れない」。差はありませんでした。

さらに、別枠で編集能力とカメラ制御も測っています。

課題群	Seedream 5.0 Pro	Nano Banana Pro	GPT Image 2
編集能力（有効試行の平均）	1.62	1.93	1.93
カメラ制御（12試行の平均）	1.00	1.25	1.50
全体の平均	1.18	1.84	1.84

総合では Nano Banana Pro と GPT Image 2 が同点（1.84）で、Seedream だけが離されました。

ただし、ここが本当に大事なところです

「Seedream が全敗」と聞くと、使い物にならないモデルに聞こえます。ですが、実際に画像を見比べた感想は違いました。

正直、思ったより差はありません。 編集も、日本語も、3モデルとも実用レベルです。ネットで語られているほどの決定的な差は、どこにも無かったというのが、全試行を見終わった率直な結論です。

点数は「指示への忠実さ」を測ったものであって、「使えるかどうか」ではありません。そこは分けて読んでください。

採点から除外したもの: Seedream は Higgsfield 経由で4件、画像そのものが返ってきませんでした。これは Higgsfield（ラッパー）側の問題である可能性があるため、モデルの落ち度とはみなさず採点から除外しています。同じ理由で「セル調アニメ」の課題は Seedream の画像が得られず比較不能のため、上の表から外しました（Nano Banana Pro と GPT はいずれも 2.00 でした）。

「安くて速い」は成立しなかった（クレジット消費の実記録つき）

実務でいちばん効くのに、どのメディアも先頭に出していない数字がこれです。Higgsfield のクレジット取引履歴を実際に取り出して集計しました。

モデル	1生成あたりのクレジット	生成時間の中央値
Nano Banana Pro	2クレジット（最安）	36.5秒（最速）
Seedream 5.0 Pro	3クレジット	62.0秒
GPT Image 2	7クレジット	150.1秒（Nano Banana Pro の4.1倍遅い）

GPT Image 2 は41件中39件が7クレジットでした（低解像度の試行のみ 0.75〜3クレジット）。この検証セッション全体の実消費は 約463クレジット・120生成です。

Higgsfield で使う限り、Seedream 5.0 Pro は最安でも最速でもありません。 Nano Banana Pro の方が安く、しかも速い。「安くて速い新モデル」という売り文句は、この経路では成立しませんでした。

ただし「安い」は経路によって逆転します

ここは正確に書きます。ネイティブAPIの公表価格を見ると、話が逆になります。

経路	Seedream 5.0 Pro	Nano Banana Pro	どちらが安いか
Higgsfield（今回の実測）	3クレジット	2クレジット	Nano Banana Pro
ネイティブAPIの公表価格	$0.045〜0.09 / 枚	$0.134 前後 / 枚	Seedream

どちらも事実です。 「Seedream は Nano Banana Pro の2/3の単価」と書いている実務者の記事も、ネイティブAPIの話であれば正しい。

この記事の数字は「Higgsfield で叩いたときに、実際に自分の残高から引かれた額」として読んでください。なお速度については、どの経路でも Nano Banana Pro が最速という報告で一致しています。

用途別の使い分け（先に出します）

やりたいこと	選ぶべきモデル	根拠
ドット絵「風」の絵がほしい	3モデルとも使える	見た目はちゃんとドット絵。サムネ・キービジュアルなら問題なし
厳密なドット素材がほしい	どれも苦手	升目が揃ったのは28枚中1枚。手直しの工程が要る
あおり構図	Seedream 5.0 Pro	3モデル中いちばん強いパース。ただし目で見た評価＝主観
アニメ（絵柄を指定どおりに固定したい）	Nano Banana Pro / GPT Image 2	Seedream は「グラデーション禁止」の指示を守らなかった
キャラの4面図（ターンシート）	どれでも可	実際に見比べると3モデルとも実用レベル。差はほとんどない
写真・商品撮影	Nano Banana Pro	「産毛が見えるほど精細に」等の質感の指示に最も忠実
指示を厳密に守らせる	GPT Image 2	「真横90度」「余計な語を書くな」を守る唯一のモデル。ただし遅い
あおり構図	Seedream 5.0 Pro / GPT Image 2	この2つが同点（2.00）。Seedream が最も強いパースを出した
カメラを回す	どれも無理	動画モデルで小さく回して1コマ抜くのが現実解

ここからが検証結果の詳細です。なぜそう言えるのかを、証拠画像と機械測定の数字で1つずつ示していきます。

検証1：AI画像モデルは「カメラを回せない」

今回いちばんの発見であり、3モデル全部が失敗する共通の限界です。Seedream の弱点ではなく、この技術全体の弱点だという点が重要です。

やりたかったのはシンプルなことです。シーンの中の被写体はそのままに、カメラだけを動かす。 あおり、俯瞰、回り込み、引き。映像制作では日常的な作業です。

判定できる基準シーンを作る

ここが検証設計の肝です。無地の背景では「カメラが動いたかどうか」を検証できません。 そこで基準シーンに固定のランドマークを置きました。

左後方に赤いネオン看板「赤龍拉麺」
右後方に金属階段
中央にバイクの女性

カメラが被写体の周りを90度回れば、この左右の景色は必ず激変します。 看板が正面に来るか、画面外に消えるはずです。逆に言えば、看板が左・階段が右のままなら、カメラは動いていないと機械的に判定できます。

カメラ検証の基準シーン。左に赤いネオン看板、右に金属階段というランドマークを置いた

結果：全モデルが「被写体だけを回して背景を貼った」

「カメラを右に90度回り込ませて、バイクを真横から見た構図に」と指示しました。

一見、成功しているように見えます。バイクは確かに真横を向きました。ですが、看板は依然として左、階段は依然として右のままです。背景が一切動いていません。

つまりモデルは、カメラを回さず、バイクだけを回して背景を貼ったままにしました。これは物体の回転であって、カメラワークではありません。 そして3モデルとも、同じごまかし方をしました。

「カメラを右に90度回り込ませて」と指示した結果。バイクは横を向いたが、看板は左・階段は右のままで背景が動いていない

なぜこうなるのか（論文と実務者の一致）

この現象は、査読済みの論文で定量化されています。

SpatialEdit（arXiv 2604.04911, 2026年4月） は、カメラ制御の精度を Viewpoint Error（狙った視点からどれだけズレたか。小さいほど良い）として測定しています。Nano Banana は 0.845。この論文が提案するカメラ制御専用モデル（SpatialEdit-16B）の 0.243 と比べると、3.5倍悪い数字です。汎用の画像生成モデルは、カメラ制御を専門に設計されたモデルに遠く及びません。

日本の実務者も同じ結論に達しています。SB C&S の AI推進室は Nano Banana の「弱点②：アングルの変更が苦手」を名指ししています。

一度生成された画像を3Dの空間として捉え、アングルを変更する(カメラ位置を変える)のは少々苦手

そして原因を最も端的に説明しているのが note のむみまさんの記事です。

実は画像生成AIには「3D座標を動かすカメラ」を持っている概念がなかったのです。（…）AIはそれを学習データ上の”それっぽいパターン”として解釈します

モデルはカメラを動かしていません。「そこから撮ったように見える絵」を再想像しているだけです。

難易度には明確な法則がある

4種類のカメラ操作を試したところ、はっきりした法則が見えました。

難易度	操作	結果
易	引き・ズーム	✅ 通る（既存の構図を外側に延長するだけ）
中	あおり・俯瞰（±15〜30度）	🟡 通る（ただし Seedream は俯瞰で脱落）
難	90度回り込み・真俯瞰	🔴 破綻する

「見えていない部分を作らないといけない量」が、そのまま難易度になります。

引きは既存の構図の外側を描き足すだけです。しかし90度回り込みは、バイクの反対側という「元画像に存在しない情報」を丸ごと捏造する必要があります。だから破綻します。

俯瞰：Seedream だけ視点が上がらない

俯瞰では Nano Banana Pro と GPT は本当に視点が上がりましたが、Seedream はほぼ動きません。

俯瞰。Nano Banana Pro と GPT は本当に視点が上がっているが、Seedream はほぼ動かない

あおり：Seedream が最も強いパースを出した

一方、あおりでは Seedream が3モデル中で最も強いパースを出しました。採点上は Seedream 2.00 / GPT Image 2 2.00 の同点で、Nano Banana Pro（1.00）だけが弱い。Seedream の数少ない勝ちどころです。

あおり。Seedream と GPT が成功（同点）。Seedream が最も強いパースを出した

引き：3モデルとも問題なし

難易度の法則どおり、引きは3モデルとも通ります。

回避策：今日から使える4つの手

① 下手でいいので、カメラ位置を示した図を2枚目の参照画像として渡す（最も効く）

英語圏の Chase Jarvis は「立方体とカメラの位置を示した雑な3Dダイアグラム」を参照画像として渡す手法を公開しています。日本の SB C&S も「簡易でも手描きイラスト等で指定すれば、ある程度は反映されます」と書いています。アプローチは違うのに、たどり着いた結論は同じです。文章でカメラ位置を説明するより、絵で見せた方が早いということです。

② 言葉ではなく、数値で指示する

arXiv 2605.10588（Thinking with Novel Views）が実験で確認しています。英語の言葉（”orbit 90 degrees”）よりも、(Δx, Δy, Δz, yaw, pitch, roll) の6自由度の数値が全モデルで最も効きます。どのブログにも書かれていない知見です。

③ 「変えないもの」を必ず書く

これを書かないと、モデルは別の新しいシーンを作ってしまいます。これが最大の失敗モードです。実際に使ったプロンプトがこれです。

同一の場所・同一の被写体のまま、カメラの位置だけを変える。新しいシーンを作らないこと。
女性・バイク・左後方の赤いネオン看板・右後方の金属階段・濡れた路面・奥の高層ビルは
すべて同じ物体で、位置関係も変えない。ライティングと色調も同じ。
（その上で）カメラを被写体の周りに右へ90度回り込ませ、バイクを真横から見た構図にする。

「何を変えるか」だけでなく、「何を変えないか」を全部書き出す。ここが要です。

④ 動画モデルでカメラを振って、1コマ抜く

ただし注意があります。SpatialEdit の測定では、動画生成モデルは玉石混交です。Kling（Viewpoint Error 1.051）は Nano Banana（0.845）よりむしろ悪い。一方でカメラ制御に特化した ReCamMaster（0.755）は Nano Banana より良い。「動画モデルなら何でも正確」ではありません。

✅ 動画モデルが得意なのは シーンの持続性（背景が別物にならない）
❌ 苦手なのは 角度の正確さ（きっかり90度には行かない）

「ゆっくり10〜30度回す」なら動画モデル。「正確に90度」は、現状どの手段でも実現できません。

検証2：日本語テキストは、もう差がつかない

「Seedream は日本語テキストが目玉」という記事をよく見ます。目視で確認したところ、3モデルとも完璧でした。

※ この日本語看板のテストは目視確認のみで、採点対象の102試行には含めていません。

素のカタカナ看板：3モデルとも完璧

長音符・濁点・小書き文字を含むカタカナ（コーヒースタンド、パンプキンプリン、ソーシャルデザイン）を看板に描かせました。全部正確です。

素のカタカナ看板。長音符・濁点・小書き文字を含むが3モデルとも完璧（画像は Seedream）

3行の立て看板でも完全一致

難易度を上げて、3行の立て看板（小さい文字・全角コロン・波ダッシュ入り）にしても、3モデルとも完全一致でした。

2026年7月時点で、「日本語が書ける」はもう差別化要因ではありません。 ただし、崩れる条件があります。それは検証5で詳述します。

検証3：編集能力を45試行で測る — 「Seedream は編集器」仮説の検証

arena.ai（LMArena）のスコアには、興味深い数字があります。

モデル	Text-to-Image	Image Edit
GPT Image 2	1位 1385	1位 1465
Nano Banana Pro	8位 1245	7位 1388
Seedream 5.0 Pro	11位 1231	4位 1393

Seedream は「生成」では11位なのに、「編集」では4位に跳ね上がります。 ここから「Seedream は生成器ではなく編集器なのではないか」という仮説が立ちます。もしそうなら、使い方の結論が変わります。

45試行で検証した結果：仮説は否定された

課題	Seedream	Nano Banana Pro	GPT Image 2
真横90度	1.00	1.67	2.00
ターンシート	1.00	2.00	1.67
局所編集	2.00	2.00	2.00
背景差し替え	2.00	2.00	2.00
平均	1.62	1.93	1.93

少なくとも「編集なら Seedream が頭ひとつ抜けている」という仮説は、成立しませんでした。

ただし、ここは正直に書いておきます。 上の点数は AI（Claude）による一次採点です。記事にする前に、私自身が全画像を見直しました。すると、Seedream への減点のいくつかは、画像を見ても再現できませんでした。 順に書きます。

ターンシート：正直、Seedream と Nano Banana Pro の差はほとんどない

同じキャラを4方向から描かせる「ターンシート」。AI採点は Nano Banana Pro 2.00 / Seedream 1.00 と差をつけ、「Seedream は側面で眼鏡が消える」と書いていました。

ですが、画像を見直すと眼鏡はどの面にもきちんと描かれています。 4面とも同一人物で、破綻らしい破綻は見つかりませんでした。強いて言えば Nano Banana Pro の方が大きく・描き込みが厚いという程度で、「使える4面図が出るか」という観点では3モデルとも合格です。

この課題については、AI の減点は厳しすぎたと判断しています。 実務上は好きなモデルを選んで問題ありません。

ターンシート（4面）。3モデルとも4面とも同一人物で成立している。差は描き込みの厚みくらい

真横90度：ここは GPT が最も忠実。ただし差は小さい

「キャラを真横90度に向けろ」という指示。GPT Image 2 は3回とも正確に真横を出しました。Seedream も角度自体は真横で、指示は満たしています（AI採点は「低精細」を理由に減点していましたが、これは好みの範囲だと考えています）。

唯一気になったのは Nano Banana Pro です。 品質は高いのですが、試行によっては真横ではなく斜め寄り（45度寄り）になり、角度の指示から外れました。

「角度をきっちり指定どおりにしたい」なら GPT が最も確実。 ただし、ここも決定的な差ではありません。

「真横90度」。GPT と Seedream は真横を出した。Nano Banana Pro は試行によって斜め寄りになった

背景差し替え：3モデルとも満点

背景を空撮に差し替える課題は、3モデルとも成功しています。 人物はきちんと保持され、背景だけが置き換わりました。指示遵守という観点では、画像を見比べても差はありません。（背景の作り込みの好みは分かれると思いますが、それは採点の対象外です）

「背景の差し替え」レベルの編集なら、どのモデルでも問題なくこなせます。

背景差し替え（空撮化）。3モデルとも人物を保持したまま背景の差し替えに成功している

編集についての、正直な結論

目視で見る限り、編集タスクでの3モデルの差は小さいです。 実際に確認できた差は、次の3点だけでした。

角度の指示（真横90度）を最も確実に守るのは GPT Image 2（Nano Banana Pro は斜めに流れることがある）
局所編集で周囲を最も壊さないのは Nano Banana Pro（これは後述の機械測定で数字が出ます）
背景差し替え・ターンシートは、3モデルとも実用上問題なし

そして arena.ai の順位差も、信頼区間が重なっていて互角圏です（Seedream 編集4位 1393±10 / Nano Banana Pro 7位 1388±3・票数4,299）。順位だけを見て「編集なら Seedream」と書いている記事は、この誤差を読んでいません。

つまり「編集なら Seedream」も「編集で Seedream は劣る」も、どちらも言えません。 ここは差がつかない領域だ、というのが実測での結論です。

「精密編集」は、もう Seedream の専売特許ではない

Seedream の最大の売りは「精密編集」です。これを厳密に測りました。

「マフラーだけを赤から緑に変えろ。他は一切変えるな」と指示し、マフラー以外がどれだけ変化したかを機械測定します。基準画像の赤いマフラーをマスクとして抽出し、マスクの外側の変化率をピクセル単位で数えるという手法です（コードは後述の検証手法の章に載せます）。

見た目では3モデルとも成功しています。

「マフラーだけを赤から緑に。他は一切変えるな」。見た目では3モデルとも成功している

ですが、数字で見るとこうです。

モデル	マフラー以外の変化率
Nano Banana Pro	0.4%（最良）
GPT Image 2	0.5%
Seedream 5.0 Pro	0.9%（最下位）

ここから2つのことが分かります。

1つめ。3モデルとも、ちゃんと局所的に編集できていました。 よく言われる「Nano Banana は周囲を巻き込んで画像全体を作り直してしまう」という通説は、実測では再現しませんでした。むしろ最も周囲を壊していないのが Nano Banana Pro です。

2つめ。編集器のはずの Seedream が、僅差ながら最下位でした。

検証4：公式が「一番の売り」に掲げる機能ほど、弱かった

ByteDance が Seedream 5.0 Pro の目玉として筆頭に掲げているのは「複雑な情報のビジュアル化」、つまりインフォグラフィックです。

そこで、採点基準が最初からプロンプトに埋め込まれた形で指示しました。

Render these EXACT texts, spelled precisely, no other words anywhere:
（指定した文字を正確に描け。それ以外の単語は一切書くな）

結果：Seedream だけが、指示にない文字を勝手に足した

Nano Banana Pro と GPT は、指定文字を正確に描き、余計な単語を1つも足しませんでした。

Seedream は、指示にない文字列を勝手に追加しました。 拡大するとはっきり読めます。

Seedream が勝手に追加した文字列「REAL-TIME INTERPOLATION FOR VIDEO ENHANCEMENT」。こんな指示はしていない

「REAL-TIME INTERPOLATION FOR VIDEO ENHANCEMENT」— こんな指示はしていません。明確な指示違反です。 別の試行では「4K」という語を勝手に足していました（3回中2回で違反）。

ByteDance が目玉筆頭に掲げる領域で、Seedream が3モデル中最下位（0.67）でした。

これは前世代でも指摘されていた弱点です。IGenBench（arXiv 2601.04498） は「インフォグラフィック全体が正しい率」を600ケースで測定しており、Seedream 4.5 は 0.06（100枚中6枚しか正しくない）。Nano Banana Pro は 0.49、GPT-Image-1.5 は 0.12 です。

「見た目は正しく見えるが、データが間違っている」という、いちばんタチの悪い失敗モードです。インフォグラフィックを AI に作らせるなら、数字と文字は必ず人間が検算してください。

検証5：日本語が崩れる「条件」が判明した

検証2で「日本語は3モデルとも完璧」と書きました。ですが、崩れる条件があります。

自分のゲーム案件で使ったUIプロンプトを、モデル名が分からない形に改変して投げました。要素が20個以上ある、極めて密なUIです。

3モデルとも良いUIを出した。だが1つだけ文字を間違えた

3モデルとも、驚くほど良いUIを出してきました。ですが Seedream だけ、キャラクター名を間違えました。

要素20個以上の密なゲームUI。3モデルとも良いUIを出したが、Seedream だけ文字を間違えた

拡大すると、「コムギ」が「ロムキ」になっています。 コ→ロ、ギ→キ（濁点の消失）の2文字誤りです。

Seedream：キャラ名の「コムギ」が「ロムキ」になっている（コ→ロ、ギ→キの2文字誤り）

GPT は同じ条件で正確に描いています。

崩れたのは名前だけではありません。同じ画面のカード名も、「仕込み」が「仕記み」になっていました（GPT は正しく「仕込み」と描いています）。画面全体は驚くほど良く出来ているのに、小さい文字だけが静かに崩れている——これが実務でいちばん怖いパターンです。

Seedream：カード名の「仕込み」が「仕記み」に化けている。他のカードは正しい

ここは慎重に書きます

「Seedream だけが日本語に弱い」とは言えません。 この課題は各モデル2回ずつしか回しておらず、たまたま Seedream の回で崩れただけという可能性が十分にあります。文字の描画は確率的に揺れるので、n=2 で断定するのは無理があります。

言えるのは、こういうことです。

素の看板の日本語は、3モデルとも完璧に書ける。
だが「密なUIの中の小さい文字」は、崩れることがある。 今回それが出たのが Seedream だった。

これは、どのモデルにも起こりうる話だと考えています。文字が小さく・数が多くなるほど、崩れる確率は上がる。問題は「どのモデルが弱いか」ではなく、「どういう条件で崩れるか」の方です。

実務上の教訓はシンプルです。 文字が重要な案件（UI・ロゴ・看板）では、モデルが何であれ、必ず文字を目で検算してください。 1枚だけ見て判断せず、複数回生成して見比べること。画面全体の出来が良いほど、小さな誤字は見逃されます。 今回のケースがまさにそれで、UI としては驚くほど良い出来なのに、キャラ名とカード名が静かに化けていました。

検証6：ドット絵 ── ここで私は、測定を間違えました

この章は、私の訂正です。

当初、私はこう書いていました。

Seedream 5.0 Pro には、明確な強みがひとつある。ドット絵だ。マス目のズレを機械で測ると、Seedream は 3.5 / 8.1。Nano Banana Pro は 21.9 / 15.9、GPT Image 2 は 18.2 / 21.5。Seedream だけが桁違いに揃っている。

この数字は、すべて無効です。撤回します。

何をどう間違えたのか、そして測り直したら何が出てきたのかを書きます。同じ失敗を避けるための材料として読んでください。

まず、何を測ろうとしていたか

3モデルに「32×32ドットのゲームスプライト。剣を持った小さな騎士。レトロな16色パレット」と指示しました。

見た目は、どれもドット絵です。目では差が分かりません。 だから機械で測ることにしました。ここから間違いが始まります。

測っていたのは「マス目」ではなく「背景の広さ」だった

私が使った指標はこうです。

画像を 32×32 に縮小して、また元のサイズに戻す。本物のドット絵なら、この往復で情報は失われないはず。元画像とのズレが小さいほど、マス目が揃っている。

一見もっともらしい。ですが、致命的な穴があります。

平坦な背景は縮小しても劣化しない。つまりこの指標は「背景が広いモデル」ほど有利になる

平坦な背景は、縮小しても劣化しません。

つまりこの指標は、キャラを小さく描いて背景を広く残したモデルほど有利になります。 そして Seedream は、2048×2048 のキャンバスに 347×431 のスプライトを1体描いただけでした。画面の96%が、ただの塗りつぶし。

誤差 3.5 の正体は、これです。

私が測っていたのは「マス目の揃い」ではなく、「背景の広さ」でした。

しかも「小さく描く癖」すら、私のせいだった

では Seedream は「キャンバスを無駄にするモデル」なのか。それも違いました。

私の指示文には、こう書いてあったんです。「剣を持った小さな騎士」。

Seedream だけが、この「小さな」に素直に反応していました。

確かめるため、プロンプトを2種類にして測り直しました。

A: 原文のまま（「小さな騎士」を含む）
B: 「小さな」を削り、「キャラクターは画面いっぱいに、フレーム全体を使って大きく描く」を追加

「小さな」を削ると、Seedream の占有率は 14% → 64% に。モデルの癖ではなく、指示への忠実さだった

占有率は 14% → 64%。ちゃんと大きく描きます。 モデルの欠点ではなく、指示への忠実さでした。だから「Seedream はキャンバスを無駄にする」とも、私は言えません。

拡大すると、1ドットが単色になっていない

では、マス目の揃い方そのものはどうなのか。拡大して見ます。

拡大（最近傍補間）。3モデルとも、ドットの縁がにじんでいる。1ドットが単色の正方形になっていない

拡大には最近傍補間を使っています。これは元画像に存在しない色を作りません。つまりここで見えるにじみは、拡大の副作用ではなく、元画像に最初から存在するものです。

3モデルとも、ドットの縁がにじんでいます。1ドットが単色の正方形になっていない。 厳密には「ドット絵」ではなく「ドット絵風のイラスト」です。

——とはいえ、縮小して見るぶんには、ちゃんとドット絵に見えます。 そこが厄介なところでした。

指標を作り直した

今度は、交絡が原理的に起こらない方法を考えました。

原理のまったく違う2つの方法でドット幅を測り、一致するかどうかだけを見る。

– 方法1: ドット内の色ムラが最小になるドット幅を、総当たりで探す
– 方法2: 同じ色が横に連続する画素数の最頻値を取る

本当にドットの格子がある画像なら、どちらの方法でも同じ幅に収束します。 収束しないなら、その画像に格子は存在しません。

この指標の良いところは、背景の広さにもキャラの大きさにも影響されないことです。前回のような交絡が、原理的に起こりえません。

測り直した結果

24枚を追加生成し、既存と合わせて 28枚で測り直しました。

モデル	本物のドット格子があった枚数
Seedream 5.0 Pro	0 / 9枚
Nano Banana Pro	1 / 10枚
GPT Image 2	0 / 9枚

升目がきれいに揃ったのは、28枚中1枚だけ。それも10回に1回です。

「Seedream が強い」でも「Seedream が弱い」でもなく、厳密さを求めると、どれも難しい。 これが答えでした。

ただし「使えない」と読むのは行き過ぎです

用途で答えが割れます。

やりたいこと	結論
ドット絵「風」の絵がほしい（サムネ、キービジュアル、雰囲気がドット絵のゲーム）	3モデルとも十分使えます。見た目はちゃんとドット絵です
厳密なドット素材がほしい（升目に落として、ドット単位で整えたい）	どれも苦手。手直しの工程が要ります

私が測ったのは「升目のグリッドにきれいに落とせるか」だけです。見た目がドット絵として通用するかは、測っていません（そして見た目は3モデルとも問題ありません）。

※ ドット絵のアニメーション差分（歩行コマなど）が作れるかは、今回まったく検証していません。

この件から学んだこと

いちばん怖かったのは、この数字がファクトチェックを通過していたことです。

私は公開前に検証結果を再計算し、「グリッド誤差 3.5、数値は再現した ✅」と確認していました。

確かに数字は再現しました。再現したのは、間違った指標そのものでした。

同じコードを2回走らせても、指標の妥当性は検証できません。 必要だったのは、原理の違う別の方法で測り直すことと、画像を目で見ることでした。

今回、拡大画像を4枚並べていれば、初回で気づけたはずです。数字だけの資料は、もう作りません。

検証7：写真もアニメも、「指示どおり」には描けなかった

念のため、Seedream が「得意」とされてきた領域でも測りました。

ここで測っているのは「絵として良いか」ではありません。「指示どおりに描けたか」だけです。 絵の好みは人それぞれで、優劣をつけられるものではありません。以下はすべて指示への忠実度の話として読んでください。

写真リアル度：「産毛が見えるほど精細に」と指示したのに、肌が滑らかになる

ここは Seedream が唯一勝ったと報告されていた領域です。クリエイターによるブラインド審査のトーナメント（LinkedIn で公開されたもの。学術ベンチマークではなく独自テストです）で、写真リアル度だけは Seedream が単独1位（勝率 35.7% 対 GPT Image 2 の 24.3%）とされていました。

そこで、プロンプトで「肌の質感と産毛が見えるほど精細」と明示的に指定して測り直しました。

結果、Seedream の肌はツルッと滑らかに仕上がりました（いわゆる「AI美肌フィルタ」的な質感）。絵として悪いわけではなく、むしろこちらを好む人も多いと思います。ですが、今回出した指示とは違います。 Nano Banana Pro は毛穴・肌の凹凸・産毛まで描写していて、指示に最も忠実でした。

写真リアル度（人物）。「産毛が見えるほど精細に」という指示に最も忠実だったのは Nano Banana Pro。Seedream は肌が滑らかに寄った

商品撮影でも同じ傾向でした。金属の反射という「指示した質感」の再現度で、Nano Banana Pro と GPT が上でした。

写真リアル度（商品）。指示した金属の反射の再現度は Nano Banana Pro と GPT が上

アニメ：「グラデーション禁止」と書いたのに、グラデーションで描かれる

プロンプトで「ベタ塗りの影。写実的な陰影やグラデーションは使わない」と明示しました。

Seedream は写実的なグラデーションで描きました。 絵の出来ではなく、明示した禁止事項を破っているという意味で、これは指示違反です。note の実務者が報告していた「ジブリ寄りに引っ張られる」という傾向が、そのまま再現された形でした。

アニメ。「ベタ塗りの影・グラデーション禁止」と明示したのに、Seedream は写実的なグラデーションで描いた

「絵柄を指定どおりに固定したい」場面では、Nano Banana Pro か GPT Image 2 の方が言うことを聞いてくれます。 逆に「いい感じに描いてくれればいい」場面なら、Seedream の絵柄が好みに合うことも十分あると思います。

公式が掲げる「レイヤー分離」は、少なくとも今は見つけられなかった

ByteDance は Seedream 5.0 Pro の目玉として「レイヤー分離」を挙げています。ポスターを10層以上の独立レイヤーに分解し、レイヤーは透明度を保持する、と。Dreamina（国際版）の公式ページにも「Multi-Layer Separation」が機能として掲載されています。

ですが、2026年7月12日時点の Dreamina の Canvas で、画像を選択したときに使える操作は、これで全部でした。

拡張 / アップスケール / 背景削除 / テキストを編集 / 再生成 / 削除 / 動画を生成

レイヤー分離は見当たりませんでした。 API 経由でも、公式の中国語の言い回しで指示しましたが、フラットな画像が1枚返ってくるだけです。

ByteDance 公式ブログ（中国語版）が挙げる体験入口は 豆包 / 即夢（中国版）/ 火山方舟 の3つで、Dreamina は入っていません。 中国版には実装されている可能性があります。

ただし、これは「実装されていない」という断定ではありません。 私が見つけられなかった、というだけです。UI の裏に隠れている可能性もありますし、公開直後の機能なので、これから実装される可能性も高いと考えています。

正確に書くと、こうです。「2026年7月12日時点では、国際版の Dreamina でレイヤー分離を使う方法を見つけられませんでした。」 レイヤー分離が目当てで課金を検討している方は、必ず公式の最新情報を確認してから判断してください。この手の機能は数週間で状況が変わります。

検証手法（追試できる形で公開します）

この記事の主張は全て「自分で測った数字」に立脚しています。誰でも追試できるよう、条件と手法を残します。

実行環境

項目	内容
経路	Higgsfield CLI（1つのAPIキーで3モデルを同一条件で叩ける唯一の経路）
モデルID	seedream_v5_pro / gpt_image_2 / nano_banana_pro
解像度	全モデル 2K に統一
GPT の品質	high を明示（low/medium/high で価格が35倍違い、挙動も別物）
規模	102試行（うち Seedream の4件は Higgsfield 経由で画像が返らず、採点から除外。ラッパー側の問題の可能性があるため、モデルの落ち度とはみなしていない）
実消費	約463クレジット / 120生成（スモークテスト・基準画像を含む。取引履歴から集計）

なぜ 2K に揃えるのか: Seedream 5.0 Pro がネイティブに生成できる上限が 2K だからです（Nano Banana Pro はネイティブ 4K、GPT Image 2 は最大辺 3840px まで可能）。低い方に合わせるのが公平な比較になります。

交絡因子の固定（ここを外すと結果が無意味になる）

① n を2〜3で回す

テキスト描画もレイアウトも確率的に揺れます。同じプロンプトでも成功したり失敗したりする。n=1 では「たまたま」と区別できません。 実際、Seedream のインフォグラフィックは3回中2回だけ指示違反しました（1回は正常）。1枚だけ見て結論づけるのは誤りです。

② 編集テストは基準画像を1枚だけ作る（最重要）

各モデルに別々の基準画像を作らせると、生成能力の差が混入して編集能力を測れなくなります。

❌ 間違い: 3モデルそれぞれに基準画像を作らせ、それぞれ編集させる
✅ 正しい: 基準画像を1枚だけ作り、それを3モデル全部に同じ指示で編集させる

「目視では分からない差」を機械測定する

この検証の肝です。 見た目だけでは3モデルとも成功に見える課題が複数ありました。

局所編集（マスク外変化率） — 基準画像の赤いマフラーをマスクとして抽出し、マスク外の変化率を測ります。マスク外の変化が大きい = 画像全体を再生成している（＝作り直し）ということです。

from PIL import Image, ImageFilter
import numpy as np

base = Image.open("base_character.png").convert("RGB")
b = np.asarray(base, dtype=np.int16)
r, g, bl = b[:,:,0], b[:,:,1], b[:,:,2]

# 赤いマフラー = R が高く G,B が低い
scarf = (r > 120) & (r - g > 50) & (r - bl > 50)
# 境界のアンチエイリアスを許容するためマスクを膨張させる
m = Image.fromarray((scarf*255).astype(np.uint8)).filter(ImageFilter.MaxFilter(25))
scarf = np.asarray(m) > 127

edited = np.asarray(Image.open("edited.png").convert("RGB").resize(base.size), dtype=np.int16)
changed = np.abs(edited - b).max(axis=2) > 24     # 目に見える変化のしきい値
outside = changed[~scarf].mean() * 100            # ← これが本丸
print(f"マフラー外の変化率: {outside:.1f}%")

ドット絵の判定 — 当初は「32×32 に縮小して戻したときの誤差」で測っていましたが、これは背景の広さを測っていただけでした（撤回）。 現在は「原理の違う2つの方法でドット幅を測り、一致するかどうかだけを見る」方式に差し替えています。詳しくは検証6に書きました。以下は撤回した旧コードです（同じ失敗を避けるために残します）。

from PIL import Image
import numpy as np

im = Image.open("sprite.png").convert("RGB")

# ① 色数: 16色パレット指定なのに実際は何色使っているか
colors = len(im.getcolors(maxcolors=10**7))

# ② グリッド整合: 32x32 に最近傍で縮小 → 拡大して戻す → 元との差
small = im.resize((32,32), Image.NEAREST).resize(im.size, Image.NEAREST)
err = np.abs(np.asarray(im, dtype=np.int16) - np.asarray(small, dtype=np.int16)).mean()

print(f"色数: {colors:,} / グリッド誤差: {err:.1f}")

カメラ移動の判定 — 基準シーンに固定のランドマーク（左の看板・右の階段）を置き、それが動いたかどうかで判定します。無地の背景では検証不能である点に注意してください。

この検証の限界（正直に書きます）

信頼できる比較記事の条件は、限界を自分から書いてあることだと考えています。

n = 1〜3 です。 特にカメラ検証は各条件1枚のみ（4構図 × 3モデル = 12試行）。統計的な断定はできません。「この条件では」という限定つきの話として読んでください
盲検を実施していません。 スタイル判断（アニメらしさ・写真らしさ）には主観が入りえます
採点は AI（Claude）による一次採点です。そして実際に、画像を見直したところ AI の減点が再現できない箇所がありました（ターンシートの「眼鏡が消える」など。本文に書いたとおりです）。スコアは目安として読み、必ず画像そのものを見てください
機械測定なら安心、でもありません。 実際にドット絵の指標を間違えました（検証6）。数字が再現しても、その指標が正しいとは限りません。 必ず画像そのものを見てください
Higgsfield 経由の実測です。ネイティブAPI（BytePlus / OpenAI / Gemini）では挙動が異なる可能性があります
リリース4日後の検証です。モデルは更新されます。2026年7月時点の話として読んでください
GPT Image 2 は arena.ai の生成・編集ともに1位です。 この記事は Seedream を持ち上げる記事でも、貶める記事でもありません

まだ検証できていないこと

項目	なぜ重要か
マルチ参照（最大10枚）	Seedream にしかない仕様（Nano Banana Pro は3枚まで）。ここが効けば「大量参照なら Seedream 一択」という明確な推奨理由になる
点・投げ縄選択による精密編集	公式が推す機能だが UI 限定で API から叩けない
豆包 / 即夢（中国版）のレイヤー分離	国際版の Dreamina では見つけられなかったが、中国版にはあるかもしれない
縦書き日本語	日本語特有の領域。海外モデルが最も苦手とするはず

なぜ自分で測ったのか — この分野の情報環境は壊れている

きっかけは、この企画のリサーチをAIに任せたことでした。出てきた企画書を裏取りしていったら、間違いがいくつも混ざっていました。

企画書の主張	実際
GPT Image 2 を8ポイント上回る	逆。8ポイント負けていた（根拠として貼られたURLのスラッグ自体が “trailed … 8-points” ＝「8ポイント負けた」だった）
Nano Banana 2 は Meta	Google
リアルタイムWeb検索連携	Pro の機能ではない。実体は Seedream 5.0 Lite の機能（Lite の公式ブログに “real-time search enhancement” と明記）。ByteDance 公式の Pro 発表にも、fal / Replicate の Pro のAPIスキーマにも存在しない
コスパで完全に勝ち	クレジットの実記録では Seedream は最安ですらない

AI が悪い、という話をしたいわけではありません。 リサーチをAIに任せれば、こういうことは起こります。問題は、AIが参照する情報環境の方が壊れていることです。

私が検索した範囲では、上位に並ぶ記事の大半が AI 生成のSEOスパムでした（これは体感であって、計測した数字ではありません）。スパム同士が互いを引用し合って、誤情報が「定説」になっていく。AIはそれを読んで、もっともらしくまとめてくれるわけです。

見分け方はあると思っています。「ガイド」を名乗るのに、失敗例が1つも書かれていなければ、それは広告です。

だから、自分で測るしかありませんでした。

ただし「自分で測る」にも落とし穴があります

測り方を間違えると、自分も同じ側に回ります。 いちばん分かりやすいのが「解像度」です。

	実際
ネイティブ生成	2K まで。火山方舟の API リファレンスでも解像度の指定は 1K / 2K の2択（総画素の上限は約462万px）
Dreamina / 即夢 UI の「4K」	選べます。ただしこれは AI増強＝アップスケール後の解像度。ByteDance 自身が「2Kは画像生成の直出し、4KはAI増強後の解像度」と説明している
前世代（Seedream 4.0 / 4.5）	API でネイティブ 4K（4096×4096）を出せる。 5.0 Pro はここだけ見ると世代が後退している
Nano Banana Pro / GPT Image 2	Nano Banana Pro はネイティブ 4K。GPT Image 2 は最大辺 3840px

APIだけを見れば「Seedream は4Kを出せない」と言えてしまいます。でも Dreamina の画面を開けば、4K は普通に選べます。 どちらも事実で、見ている経路が違うだけです。

「APIで確認したから正しい」は成立しません。 見ていない経路が必ずあります。この記事の数字も、すべて「Higgsfield 経由で叩いたときの話」として読んでください。

そしてもう1つ、もっと痛い失敗をしました。ドット絵で「Seedream の圧勝」と結論づけ、その数字が自分のファクトチェックすら通過したんです。間違っていたのは計算ではなく、指標そのものでした（検証6に全部書いています）。

数字が再現しても、その指標が正しいとは限りません。 これが今回いちばんの学びです。

まとめ

Seedream 5.0 Pro は「万能な新王者」ではない。 指示遵守で採点すると、比較した5課題すべてで負ける（全体の平均は Nano Banana Pro と GPT Image 2 が同点1位で 1.84、Seedream 1.18）
ただし「ネットが言うほどの差」も無い。 編集も日本語も、3モデルとも実用レベル。点数は「指示への忠実さ」であって「使えるかどうか」ではない
ドット絵は、どのモデルも「風」止まり。 見た目はちゃんとドット絵だが、厳密なドット素材にするには手直しが要る（升目が揃ったのは28枚中1枚）
Seedream が明確に良かったのは、あおり構図（ただし目で見た評価＝主観）
測る側も間違える。 私はドット絵の指標を間違え、その数字は自分のファクトチェックを通過した。数字が再現しても、指標が正しいとは限らない
AI画像モデルは、まだカメラを回せない。 3モデル全部が、カメラを回さず被写体だけを回して背景を貼る。これは技術全体の限界
回避策は「カメラ位置を示した図を参照画像で渡す」「6自由度の数値で指示する」「変えないものを全部書く」の3つ
公式の売り文句と実際の製品は違う。 目玉筆頭のインフォグラフィックで最下位、公式サイトに載っている「レイヤー分離」は少なくとも今の国際版では見つけられなかった
失敗例が1つも書かれていない「ガイド」は、広告である

よくある質問（FAQ）

Q1. 結局、どのモデルを選べばいいですか？

迷ったら Nano Banana Pro です。 指示遵守の総合で GPT Image 2 と同点1位、しかも最速（中央値36.5秒）で、Higgsfield 上では最安（2クレジット）です（ネイティブAPIの価格では Seedream の方が安いので、そこは経路次第）。「指示を一字一句守らせたい」場面は GPT Image 2、「あおり構図」は Seedream 5.0 Pro。

ただし、ここは強調しておきます。実際に画像を見比べると、3モデルの差は想像より小さいです。 点数は「指示への忠実さ」であって「絵の良し悪し」ではありません。絵柄の好みは点数と別物なので、最終的にはご自身の目で見比べてください。

Q2. Seedream 5.0 Pro は4K出力できますか？

「経路による」が正解です。

API（火山方舟 / Replicate / fal / Higgsfield）では 2K が上限です。解像度の指定が 1K / 2K の2択しかありません
Dreamina / 即夢の UI では 4K が選べます。 ただしこれは AI増強（アップスケール）後の解像度で、ByteDance 自身が「2Kは直出し、4KはAI増強後」と説明しています
ネイティブ 4K が欲しいなら、Nano Banana Pro（4096×4096）、あるいは前世代の Seedream 4.0 / 4.5（こちらは API でネイティブ4K可）です

「Seedream は4Kが出せない」と書いている記事もありますが、それはAPIから叩いたときだけの話です。逆に「4K対応」と書いている記事も、AI増強後の解像度のことを指していれば間違いではありません。

Q3. 日本語テキストが得意なモデルはどれですか？

素の看板やロゴなら、3モデルとも完璧です。差はつきません。 ただし要素が20個以上ある密なUIの中の小さい文字になると崩れることがあり、今回それが出たのは Seedream でした（「コムギ」→「ロムキ」、「仕込み」→「仕記み」）。

ただしこの課題は各モデル2回ずつしか回していないので、「Seedream だけが弱い」とは言えません。 どのモデルでも起こりうる話だと考えています。文字が重要な案件では、モデルを問わず必ず目で検算してください。

Q4. AIにカメラアングルを変えさせるコツはありますか？

4つあります。（1）下手でいいのでカメラ位置を示した図を2枚目の参照画像として渡す（最も効く）、（2）言葉ではなく6自由度の数値で指示する、（3）「変えないもの」を全部書き出す、（4）動画モデルで小さく回して1コマ抜く。ただし「正確に90度回り込む」は、現状どの手段でも実現できません。

Q5. Seedream の「レイヤー分離」は使えますか？

2026年7月12日時点、国際版の Dreamina で使う方法は見つけられませんでした。 公式サイトに機能として掲載されていますが、Canvas の操作メニューに見当たらず、API 経由でもフラットな画像が返るだけでした。中国版（豆包 / 即夢）には実装されている可能性があり、今後実装される可能性も高いので、使う前に必ず公式の最新情報を確認してください。

Q6. ドット絵・ゲーム素材を作るなら、どのモデルですか？

「ドット絵風の絵」でよければ、3モデルとも使えます。 サムネ、キービジュアル、雰囲気がドット絵のゲームなら問題ありません。見た目はちゃんとドット絵です。

ですが「厳密なドット素材」（升目に落として、ドット単位で整えたい）を求めると、どれも苦手です。 28枚を測り直した結果、本物のドット格子を持っていたのは28枚中1枚だけでした（Seedream 0/9、Nano Banana Pro 1/10、GPT Image 2 0/9）。手直しの工程が要ります。

※ 当初この記事では「Seedream のドット絵が圧勝」と書いていましたが、測定方法が誤っていたため撤回しました。 経緯は検証6に全部書いています。

Q7. この検証結果はどのくらい信頼できますか？

n = 1〜3 の実測です（カメラ検証は各1枚）。統計的な断定はできません。 盲検も実施していません。採点は AI による一次採点で、実際に画像を見直したら再現できない減点もありました（本文に明記しています）。

一方で、機械測定した項目は信頼していいと考えています。局所編集のマスク外変化率とドット絵のグリッド誤差は、生画像に対してコードを実行して出した数字で、そのコードも本文に載せています。誰でも追試できます。数字を鵜呑みにせず、画像そのものを見て判断してください。

動画制作のコストを、常識ごと変える。

AI × プロの演出で、“予算の壁”を壊します。

これまで 100万円クラス 高くて、続かない

→

これから 手の届く予算へ 続けられる価格に

「発信を強化したいけど、外注費が高すぎて続かない」——その悩み、最新AI × プロのディレクションで解決します。従来100万円クラスのハイクオリティ映像も、工程を変えることで手の届く予算に。浮いた予算を“投稿の打席数”に回せば、SNSでの認知も成約も伸びていきます。「AIに丸投げ」ではなく、プロが1本ずつ演出を作り込むから、ブランドを損ないません。

🎁 LINE登録特典導入事例＆具体的な料金がわかる詳細資料と、初回10,000円OFFクーポンをプレゼント中。

LINEでクーポンと詳細資料を受け取る 👉 フォームによるお問い合わせ

相談・壁打ちだけでも歓迎です。しつこい営業はいたしません。