AI画像生成ツールは急速に進化し、よりスマートで、より高速で、よりクリエイティブになっています。ChatGPT-5とGeminiの画像生成機能をテストした後、GoogleのGeminiのパフォーマンスを、イーロン・マスクの「無料」チャットボットであるGrokと比較してみました。
フォトリアリスティックなリクエストからピクサー風のリクエストまで、7ラウンドにわたるバトルで、各モデルの指示遵守能力と説得力のある画像を生成する能力をテストしました。それぞれのモデルの主な強みと、最終的にどのAIが勝利したかをご紹介します。この比較は、GeminiとGrokのどちらのモデルがAI画像生成のニーズに最適かを理解する上で役立ちます。
1. 超リアルな製品コンセプト
課題：「折りたたみ式の透明なスマートフォンを木製のカフェテーブルの上に置き、その表面に街の明かりが反射している様子をリアルに撮影する。」
Grokはこの要求を見事に満たし、依頼されたすべてのディテールを含んだリアルな写真を2枚制作した。どちらのバージョンも洗練された仕上がりで、コンセプトを正確に反映していた。
ジェミニの成果は良好だったが、完璧ではなかった。透明なスマートフォンはややバランスが悪く見え、主張の要となる街の灯りの反射も、グロックの試みほど説得力のある形で表現されていなかった。
勝者：Grokは、優れた画像を作成し、主張を最も的確に解釈した点で勝利しました。このAI画像生成テストにおいて、Grokは明らかに他を凌駕しました。
2. 感情を持ったキャラクターを描く
課題：「火星の地表にヘルメットを忘れてきたことに気づいた若い宇宙飛行士を、誇張した表情、鮮やかな色彩、そして漫画的なユーモアを交えて、コミック風のイラストで描きなさい。」
グロク氏は、ヘルメットをかぶった驚いた様子の宇宙飛行士らしき人物2人の画像を2枚公開した。画像が非常に近接しているため、明確な解釈は難しく、「物忘れ」の理由もはっきりしない。
ジェミニ計画は、物忘れの激しい宇宙飛行士を描いた画像を制作した。吹き出しは宇宙飛行士の苛立ちの理由を最もよく表しているが、宇宙飛行士がヘルメットを被っていなければ、さらに良い画像になっただろう。背景と全体的なデザインは明瞭だ。
勝者：ジェミニは、応募要項を忠実に守り、よりユーモラスな画像を提供した点で優勝しました。
3. 歴史の再解釈
依頼内容：「レオナルド・ダ・ヴィンチ風のルネサンス様式で、現代のスマートフォンを持ったクレオパトラを描いてください。」
Grokが制作した画像は、ルネサンス風の衣装を身にまとい、スマートフォンを持った現代女性の写真のように見える。しかし、その画像はむしろ自撮り写真のようで、非常に現代的だ。
ジェミニは芸術的な側面により重点を置いた。その絵は、単に衣装を着た現代女性というよりは、ルネサンス様式の絵画に近く、クレオパトラ本人を描いたように見えた。
勝者：ジェミニは、その秩序の解釈と歴史的正確さにおいて最も優れていたため、受賞しました。
4. 複雑な群衆シーン
請求： 「大晦日のタイムズスクエアの航空写真を作成します。人混み、光り輝く看板、夜空に舞い上がる紙吹雪でいっぱいです。」
今回のツアーでグロックの作品は本当に期待外れだった。2枚の写真ともひどく、ぼやけていて、タイムズスクエアのニューイヤーズイブの様子をうまく表現できていなかった。人物同士の間隔が広すぎるし、ニューイヤーズイブの雰囲気を醸し出すような細部も欠けている。
ジェミニは、タイムズスクエアの大晦日の熱気と大勢の人々を捉えた。この写真は明らかにニューヨーク市で撮影されたもので、看板がそのイベントを示唆している。グロクの写真とは異なり、群衆はぎっしりと詰めかけている。
勝者：ジェミニが、タイムズスクエアの大晦日の様子を最も鮮明かつ正確に捉えた画像で受賞しました。
5. シュールなミックス
その主張はこうだ。「巨大なタコが、海底のガラス張りの部屋でアルバート・アインシュタインとチェスをしているところを想像してみてほしい。」
グロックはこのテストに苦戦した。これまでのテストで検証されたどの主張よりも、はるかに長い時間をかけて「考え込んで」いた。画像は良かったが、主張にある「ガラス張りの部屋」という要件を満たしていなかった。
ジェミニはすぐに肖像画らしきものを提示した。ガラスの家は興味深く、写実的だった。タコはグロックのものよりずっと大きく、奇妙なイメージをよりうまく補完していた。
勝者：ジェミニが、優れた画質と正確な指示追従性で勝利を収めました。
6. インフォグラフィックの明瞭さ
課題：「蝶のライフサイクルを分かりやすく示すインフォグラフィックをデザインし、各段階にラベルを付け、矢印とフラットアイコンを使用し、できるだけ少ない色数で表現してください。」
グロックによる図の作成は、成功と失敗の両方を経験した。最初のバージョンはごちゃごちゃしすぎていて、生命周期から注意をそらす不要な蝶が描かれていた。2番目のバージョンはより精緻なものだったが、生命周期の細部の正確さに欠けていた。
ジェミニ社は、蝶のライフサイクルを正確に描写した鮮明な画像を提示し、明確なラベル、最小限の色使い、そして読みやすいラベルを採用した。
勝者：ジェミニが勝利。初回でタスクを完了した。画像は正確で、閲覧可能な状態である。
7. プロフィール写真のスタイルに一貫性を保つ。
課題：「金髪でノートを持っている40歳のジャーナリストのピクサー風3Dキャラクターモデルを作成し、さらに異なる服装のバリエーションを3つ作成してください。」
Grokは、この主張の中で「ピクサー風」を要求しただけでなく、「異なる衣装」という部分も無視しており、完全に的外れだった。とはいえ、彼は3種類の異なるヘアスタイルを考案したので、その点は評価できる。
ジェミニはピクサー風にジャーナリストを打ち負かしたが、3つの違いをすべて間違えた。
勝者：両ロボットとも指示に従えなかったため、同点。あえてどちらかを選ぶとしたら、パターンを正しく再現し、ジャーナリストの雰囲気をより良く捉えたジェミニを選ぶだろう。
総合優勝者：ジェミニ
7つのコマンドを実行した結果、Geminiは総合的に見て最も信頼性の高い画像生成ツールであることが証明されました。Geminiは指示に一貫して正確に従い、よりきれいな構図を生成し、Grokがしばしば見逃していた細部まで理解していました。つまり、Geminiはテキストコマンドを理解し、実行して要求された画像を生成する能力に優れていたのです。
Grokは確かに創造性の閃きを見せ、フォトリアリズムにおいては明確な勝利をもたらしましたが、精度に問題を抱え、標準から逸脱することが多かったです。実験的で型破りな結果を求めるなら、Grokにも魅力があります。しかし、明瞭性、精度、洗練度が最も重視される日常的な用途では、Geminiこそが頼りになるAI画像生成ツールです。つまり、様々なシナリオで一貫した高品質な結果を求めるユーザーにとって、Geminiはより良い選択肢と言えるでしょう。
Grokを試したことがありますか？Geminiはどうですか？どれが一番お気に入りですか？コメントで教えてください。
コメントは締め切りました。