Stable Diffusion入門 from Thailand 第37回

画像生成AIで比較！ChatGPT、Gemini、Grokどれを選ぶ？得意分野と使い分け【作例大量・2025年最新版】

「超複雑プロンプト」で限界を見る

本気のストレステスト：多要素での複雑プロンプト

　シンプルなプロンプトでは差が出にくい。そこで、過剰なほど多くの要素を詰め込んだ超複雑プロンプトで3つのAIの限界を試した。

テストプロンプト

「渋谷スクランブル交差点で、侍（鎧姿）と忍者（黒装束）とロボット（ガンダム風）が将棋を指している。周りには10人の群衆（傘を持った人、買い物袋を持った人含む）。背景に『ASCII.jp』のビル看板。時間帯は夕暮れ、雨上がりで路面が濡れている、空には虹。画像は横長（16:9）。」

Gemini

Grok

ChatGPT

詳細検証結果

項目	Gemini	Grok	ChatGPT
侍の描写	鎧の質感◎	完璧◎	鎧の色彩美◎
忍者の描写	黒装束◎	黒装束◎	黒装束◎
ロボット	ガンダム風◎	立ち姿で迫力◎	ガンダム風◎
将棋盤	明確◎	明確◎	明確◎
群衆（10人）	10人以上◎	多数配置◎	多数配置◎
傘・買い物袋	両方確認◎	傘多数◎	両方確認◎
ASCII.jp看板	完璧◎	完璧◎（2つ）	ほぼ完璧◎
夕暮れ	完璧◎	完璧◎	完璧◎
濡れた路面	反射美しい◎	反射あり◎	反射完璧◎
虹	自然で控えめ◎	鮮明◎	美しい◎
総合評価	★★★★★	★★★★★	★★★★★

3つの発見

①複雑な指示への対応力は3つとも極めて高い
　7つの要素をほぼ完璧に再現した。侍・忍者・ガンダム・将棋盤・群衆・看板・天候——すべてが指示通りだ。2025年の画像生成AIは、もはや「複雑だから失敗する」というレベルではない。

②個性は「何を再現するか」ではなく「どう見せるか」
　Geminiは構図が最も整っており、ドキュメンタリー的な安定感がある。Grokはガンダムを立たせるなど、ドラマチックな演出を加える。ChatGPTは映画のワンシーンのような構図で、物語性を感じさせる。要素の再現度ではなく、演出の違いが個性だ。

③生成速度の差は極めて大きい
　Grokは約5秒で複数枚同時生成、Geminiは30秒前後、ChatGPTは60秒前後だった。複雑なプロンプトでも、Grokの速度は圧倒的だ。急ぎの作業や大量生成ではGrok、じっくり作り込むならChatGPTという使い分けが有効だ。