GPT-Image 2.5 と GPT-Image 2

GPT-Image 2.5 と GPT-Image 2 のどちらを選ぶかは、マーケティングページが混ぜてしまう 3 つの問いに分けて考えると整理できます。名前の裏にどのモデルがあるのか、出力サイズと品質がどう振る舞うのか、そして 1 枚の画像が実際にいくらかかるのか、です。結論はシンプルです。OmniaKey では GPT-Image 2 がどのサイズ段階でも 1 枚あたり $0.005 安く、2.5 の追加品質段階はこの経路では効きません。実際の差は編集の挙動に出ます。

OpenAI は新しい画像モデル群を 2 つの ID に分けています。gpt-image-2.5-flare と gpt-image-2.5-sunburst です。OmniaKey はこの 2 つの公式 ID を gpt-image-2 と並べて公開し、以前の単一 gpt-image-2.5 エイリアスも同じ API で呼び出せます。3 つのルートの違いはワークフローに直結します。品質の上限、サイズの扱い、編集時の挙動、呼び出しあたりの価格です。

GPT-Image 2.5 と GPT-Image 2：先に結論

両ルートは同じメディアタスク API 上で動作し、GPT-Image 2.5 はどのサイズ段階でも 1 枚あたり $0.005 高く、リクエストの形も同じです。明示的な 幅x高さ を渡し、n=1 を守り、タスクをポーリングします。

実際に行った 3 つの視覚ケース

上の主張は、文書化されたインターフェースについてのものです。2 つの OmniaKey ルートが同じ条件で何を返すかを見るため、2026 年 9 月 12 日に 3 つの視覚ケースを実行しました。各比較では同じプロンプトまたは同じ入力画像、同じ要求サイズ、n=1、新しい Media Task を使っています。これは各 1 回の観察であり、ベンチマークでも、すべてのランダムシードを代表する証拠でもありません。

ケース 1：同じ設定で複雑なシーン

プロンプトの要約：海食崖に埋め込まれたガラス温室、3 つの赤いランタン、銅の望遠鏡、遠くの白い帆船、濡れた玄武岩、ブルーアワーの荒れた海。両方とも high と 1536x1024 を指定しました。

GPT-Image 2 / high / 1536x1024

GPT-Image 2.5 / high / 1536x1024

この実行では、GPT-Image 2.5 の温室テラスは積み重なった構造として読み取りやすく、望遠鏡、ランタン、帆船の階層も明確でした。GPT-Image 2 は崖の横方向の切り取りが強く、波の質感もより劇的でした。このケースの結論：顧客向けの複雑な構図なら 2.5 を先に試し、アートディレクションの下書きなら 2 も有力です。これは 1 組の観察であり、普遍的な勝敗ではありません。

ケース 2：製品素材と 2.5 の品質上限

プロンプトの要約：エメラルドグリーンのガラス香水瓶、ブラッシュドブラスのキャップ、黒曜石、水面、暖色のキーライト、寒色のリムライト、物理的に自然な屈折、結露。GPT-Image 2 は high、GPT-Image 2.5 は新しい max を意図的に使いました。

GPT-Image 2 / high / 1024x1536

GPT-Image 2.5 / max / 1024x1536

このペアでは、GPT-Image 2.5 のほうが瓶の面とハイライトの境界を安定して制御しました。GPT-Image 2 は岩と水の質感をよりドラマチックにしました。製品のヒーロー画像としての結論：瓶の形状と反射素材が納品物なら 2.5 max の追加費用を説明しやすく、雰囲気や質感を探る段階なら GPT-Image 2 high が適しています。品質レベルが違うため、同条件の採点ではなく上限テストです。

ケース 3：色だけを変える精密編集

同じ小さな JPEG を両方に送り、エメラルドグリーンの液体とガラスだけをルビーレッドへ変更するよう指示しました。シルエット、真鍮キャップ、水滴、カメラ、照明、黒曜石は維持します。両方とも high と 1024x1536 です。

同じ入力画像

GPT-Image 2 / edit / high

GPT-Image 2.5 / edit / high

ここが最も差の小さいケースでした。両方とも編集に成功し、レイアウトを保ち、自然な赤いガラスのバリエーションを作りました。この編集の結論：この 1 回では OmniaKey の 2.5 ルートに決定的な優位性は見えません。公式の 2 ID はそれぞれ公開されたので、編集の忠実度が重要なら gpt-image-2.5-flare と gpt-image-2.5-sunburst で同じケースを回し直し、どちらに編集パイプラインを任せるか決めてください。

この視覚テストはレイテンシや信頼性を測っていません。別の gpt-image-2.5 high 生成が上流でタイムアウトしたため、性能の主張には使いません。

OpenAI は 2.5 で何を変えたのか

まず捨てるべき思い込みは、「GPT-Image 2.5」が 1 つのモデルだという前提です。OpenAI のカタログには 2 つあります。

• gpt-image-2.5-flare は、日常的な高品質生成で最速の選択肢と説明されています。
• gpt-image-2.5-sunburst は、生成と編集で最も能力が高く、編集精度が最も重要なワークフロー向けと位置づけられています。

どちらも既定スナップショットは 2026-09-08 で、テキストと画像を入力し画像を出力します。GPT-Image 2 の既定スナップショットはより古く、gpt-image-2-2026-04-21 です。

2 つ目の変化は品質の範囲です。GPT-Image 2 は high が上限ですが、2.5 は xhigh と max を追加し、既定はすべて auto です。品質を上げるほど画像出力トークンの消費が増え、モデル間・レベル間のコスト差はまさにここに現れます。

両世代ともエンドポイントは同じ 2 つです。テキストからの生成が v1/images/generations、編集と参照画像が v1/images/edits です。チャットモデルではありません。OpenAI は GPT Image 系で API Organization Verification が必要になる場合があると明記しているため、提供開始日を約束する前にプロジェクトで権限を確認してください。

見落としやすい後退もあります。OpenAI のモデルページでは Batch が gpt-image-2 に対応、2.5 の 2 モデルには非対応と記載されています。夜間に数千枚を割引で処理するパイプラインがあるなら、現時点でその機能は旧モデル側にしかありません。

OmniaKey は両モデルをどう提供するか

OmniaKey は OpenAI Images API の同期形式をそのまま中継しません。gpt-image-2、gpt-image-2.5-flare、gpt-image-2.5-sunburst はすべて同じ非同期メディアタスクの流れを使います。POST /v1/media/tasks で作成し、GET /v1/media/tasks/{id} でポーリングし、署名付き URL をダウンロードします。OpenAI 側が同期でも、ゲートウェイ側は非同期です。

OpenAI のスクリプトを移すと 2 点が変わります。

• インライン base64 の応答はありません。タスクが succeeded か failed になるまで待ち、その後で成果物を取得します。
• 複数画像の n は使えません。OmniaKey は n = 1 を必須とするため、10 枚なら 10 タスクです。ストリーミングや部分画像もタスクの進捗表示に置き換わります。

冪等性は Idempotency-Key ヘッダーで扱います。同じキーと同じボディの再送は元のタスクを返し、同じキーで異なるボディは黙って 2 つ目のタスクを作らず拒否されます。

出力サイズ：正確なピクセル、段階指定ではない

最も目に見える違いはサイズです。両モデルが同じ size 値を受け付けるため、見落としやすい部分でもあります。

OpenAI は推奨サイズとして 1024x1024、1536x1024、1024x1536 を挙げ、幅x高さ の独自指定も許可します。両辺が 16 の倍数、アスペクト比が 1:3 から 3:1、どちらの辺も 3840 ピクセル以下、総ピクセル数が 655,360 から 8,294,400 の範囲です。2560x1440 を超える解像度は実験的とされています。

OmniaKey では両世代の GPT Image が同じサイズ規則を共有します。要求した 幅x高さ はそのまま返り、size を省略した場合のキャンバスはプロバイダーが決めます。1K／2K／4K の段階トークンは現在の中継では拒否されるため、以前 2 モデルを分けていたサイズ差はなくなりました。

現在の中継では要求した 幅x高さ が正確に反映され、1K／2K／4K の段階トークンは画像が生成される前にプロバイダーが拒否します。

品質レベルとその実コスト

品質は見た目のスイッチではありません。モデルが消費する画像出力トークン数を決め、課金されるのは出力トークンです。

OmniaKey が GPT-Image 2 で記録した結果は差を明確に示します。同じプロンプトが low、medium、high でそれぞれ約 408、1056、6240 の画像出力トークンを返しました。同一モデルの最安値と最高値の間に 15 倍以上の開きがあります。

これらのトークン数はチャネル単位の計測値であり、モデルの定数ではありません。実際の数値は OmniaKey チャネルの背後にある上流が決めるため、同じモデル ID でも別の計測で違う値になることがあります。品質段階ごとの料金を公開・見積もりする前に再計測してください。

OpenAI が公開する GPT-Image 2 の 1 枚あたりの推定値は、同じことをドルで示します。

これらは OpenAI 自身の推定であり OmniaKey の見積もりではなく、テキスト入力トークンを含みません。2.5 について OpenAI は、同じトークン単価でも 1 枚あたりのコストは同じにならないと明記しています。トークン消費はモデルと品質レベルで変わるためで、公式のトークン計算ツールは GPT-Image 2 を対象とし、GPT-Image 2.5 の消費は推定しないとされています。

ただし OmniaKey ではその 2 段階は存在しません。2026-09-17 の実測では xhigh と max は medium として描画され、画像出力トークンは完全に同一でした。したがって low、medium、high だけを送ってください。カタログは 1 回あたりの定額なので、high の上流コストは low の約 15 倍のままですが、定額であることが試しやすさの理由です。

価格：1 回固定とトークン課金

購入者にとっての差が最も鋭く出るのがここです。

OpenAI の標準トークン単価は gpt-image-2、gpt-image-2.5-flare、gpt-image-2.5-sunburst で同一です。テキスト入力 100 万トークンあたり $5、画像入力 $8、画像出力 $30、キャッシュ入力は $1.25 と $2 です。Batch 表に割引付きで載るのは GPT-Image 2 だけです。

OmniaKey はこの単価をそのまま通しません。稼働中のカタログはサイズ段階ごとの 1 枚あたりの価格を掲載しており、品質が変わっても同じです。

1K の場合、成功した 100 枚は再試行を除いて OmniaKey で gpt-image-2 なら約 $2.00、2.5 のどちらの ID でも約 $2.50 です。OpenAI の推定では、高品質の 1024x1024 が 1 枚 $0.211 で 100 枚約 $21.10、低品質は 100 枚約 $0.60 です。したがって品質を無視するゲートウェイ価格は高品質で最も魅力的、低品質で最も魅力が薄く、トークン課金のカーブとは逆になります。

だからこそ数字の正はこの記事ではなく稼働中のカタログです。メディア価格は接続済みチャネル、公開する品質レベル、運用側の最終改定に依存します。予算を立てる前にモデルページを確認し、失敗したタスクが課金ではなく返金されることをアカウントで確かめてください。

予算を立てる前に GPT-Image 2 モデルページ、GPT-Image 2.5 モデルページ、最新の価格表 を確認してください。

編集：参照画像と 1 MiB の上限

両モデルとも generate と edit に対応します。OmniaKey では編集は入力画像付きの edit 操作で、参照画像は input.image または input.images で渡します。

実際に作れるものを決める制約は 2 つです。

• インライン base64 のみ。 入力は data URL、または data と mime_type を持つオブジェクトである必要があります。そのペイロードを含むリクエスト全体が 1 MiB に制限されるため、小さな素材、マスク、サムネイル向けで、フル解像度のカメラファイルには向きません。
• 編集は入力トークンを消費します。 記録された編集タスクは 194 の画像入力トークンを返し、元画像が実際にモデルの推論に入っていることを示しました。OpenAI も gpt-image-2 は画像入力を常に高忠実度で処理し、input_fidelity パラメータの変更を許可しないと述べています。参照画像の多い編集では入力トークンのコストが上がります。

編集精度については公式の役割分担が重要です。OpenAI は gpt-image-2.5-sunburst を「編集精度が最も重要」なワークフロー向けと明確に位置づけています。「この領域だけを変え、カメラアングル、光、製品の形状は保つ」という要件なら、最初に試すべきモデルです。3 つのルートは同じ価格なので、価格で悩む必要はありません。

どちらを選ぶべきか

• GPT-Image 2： プロンプト探索、絵コンテ、SNS 用の下書き、サムネイル、そして不要な画像を再生成するコストが安い大量ループ。
• GPT-Image 2.5： 最終素材や顧客提出物、文字とレイアウトの正確さ、変更箇所以外を保つ必要がある編集。
• 大量処理やループには GPT-Image 2。 どのサイズ段階でも 2.5 の ID より 1 枚あたり $0.005 安く（1K では 20% 安い）、OpenAI Batch と長い実績も備えています。
• 編集には GPT-Image 2.5 Flare か Sunburst。 どちらも参照画像を受け取り、編集精度向けに位置づけられています。サイズの扱いは旧モデルと同一なので、「違うキャンバス」を期待して切り替えないでください。
• OpenAI Batch の割引が必要なら GPT-Image 2 を前提に計画を。 2.5 の 2 モデルは Batch 非対応です。
• 1 回のリクエストで複数枚が必要ならどちらも不適。 OmniaKey は n = 1 を必須とし、並列化はタスク単位になります。

有用な既定の流れは、GPT-Image 2 の medium で生成して選別し、選ばれたものだけを GPT-Image 2.5 の high 以上で再生成する方法です。高価なモデルのトークンを、すでに出すと決めた画像にだけ使えます。

同じ6つのプロンプトで ByteDance の Seedream 5.0 Pro と比べた結果は、Seedream 5.0 Pro vs GPT Image 2 にまとめています。

OmniaKey から両方を呼び出す

リクエストボディは両モデルで同じ形で、変わるのは model の値だけです。

curl --fail-with-body https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer your-omniakey-api-key" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: hero-image-001" \
  -d '{
    "model": "gpt-image-2.5-flare",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "a paper boat on a quiet lake at sunset"},
    "parameters": {"size": "1536x1024", "quality": "high"}
  }'

応答は 202 Accepted です。返されたタスク ID を状態が succeeded になるまでポーリングし、署名付き URL の有効期限が切れる前にダウンロードします。画像自体は 24 時間、署名リンクは約 1 時間保持されるため、必要なら再ポーリングでリンクを更新できます。

編集では operation を保ち、入力をインライン画像に差し替えます。

BASE64=$(base64 -i source.png | tr -d '\n')

curl --fail-with-body https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer your-omniakey-api-key" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: hero-image-edit-001" \
  -d '{
    "model": "gpt-image-2.5-flare",
    "type": "image",
    "operation": "edit",
    "input": {
      "prompt": "replace the background with a clean studio wall",
      "image": {"data": "'"$BASE64"'", "mime_type": "image/png"}
    },
    "parameters": {"size": "1024x1024"}
  }'

パラメータの全一覧、出力形式、エラー表は 画像生成ドキュメント にあります。実際の寸法と MIME タイプは完了したタスクから読み取り、PNG だと決めつけないでください。

よくある質問

GPT-Image 2.5 は GPT-Image 2 より優れていますか？

OpenAI のドキュメント上は xhigh と max を追加し、Sunburst は編集精度向けとされています。ただし OmniaKey ではそれらは medium として描画され、サイズの扱いも旧モデルと同じです。したがって GPT-Image 2 に対する 2.5 の実際の違いは編集向けの位置づけであり、使える品質段階ではありません。本記事は独立した画質ベンチマークを主張していません。

GPT-Image 2.5 の Flare と Sunburst とは？

OpenAI の 2.5 世代における 2 つの公式モデル ID です。Flare は日常生成で最速、Sunburst は生成と編集で最も高能力と説明されています。OmniaKey は両方を個別に公開し、パラメータと価格は同じですが、出力は非決定的でバイト単位の一致は期待できません。

なぜ正確なピクセル寸法を指定する必要がありますか？

プロバイダーが段階トークンを拒否するためです。この中継では 1K、2K、4K は理解されるサイズ値ではなく、使うと HTTP 400 が返り、タスクは provider_submit_rejected で終了します。画像も上流コストも発生しません。1024x1024、1536x1024 などの明示的な 幅x高さ を送り、実際の幅と高さはリクエストのメタデータではなくダウンロードしたファイルから読んでください。

GPT-Image 2.5 は高くなりますか？

OmniaKey では少し高いです。稼働中のカタログは gpt-image-2.5-flare、gpt-image-2.5-sunburst を 1 枚 $0.025 / $0.035 / $0.055、gpt-image-2 を $0.02 / $0.03 / $0.05（1K / 2K / 4K）と表示しています。OpenAI の直接のトークン単価では両世代は同じですが、消費トークンはモデルと品質で変わるため、1 枚あたりの結果は異なることがあります。

1 回のリクエストで複数枚を生成できますか？

OmniaKey ではできません。メディアタスク API は n = 1 を必須とするため、1 枚ごとに別タスクです。OpenAI の Images API は n を受け付け、GPT-Image 2 は Batch に対応しますが、どちらも現在の OmniaKey メディアルートには含まれません。

すべてを GPT-Image 2.5 に切り替えるべきですか？

いいえ。3 ルートの価格は同じなので、全体を移す理由はありません。編集と最終素材は 2.5、バッチと下書きは GPT-Image 2 に任せてください。唯一の実質的な制約は OpenAI Batch が旧モデルにしかないことです。

主な情報源

• OpenAI：GPT-Image 2 モデルページ
• OpenAI：GPT-Image 2.5 Flare モデルページ
• OpenAI：GPT-Image 2.5 Sunburst モデルページ
• OpenAI：画像生成ガイド
• OpenAI：API 価格
• OmniaKey：画像ドキュメント
• OmniaKey：稼働中の画像カタログ

証拠の開示：公式モデル ID、品質オプション、エンドポイント、トークン単価、1 枚あたりの推定値は 2026 年 9 月 12 日に OpenAI のドキュメントから読み取りました。2 つの 2.5 ID のサイズ段階、品質挙動、1 回あたりの価格は 2026 年 9 月 17 日に再測定しました。サイズ、トークン、ファイル容量は OmniaKey の検証記録と、ここに掲載した 3 つの有償視覚ケースに基づきます。ケースは各 1 サンプルであり、独立ベンチマーク、レイテンシ計測、コスト対品質調査ではありません。提供状況、別名、価格は変わるため、予算策定前に稼働中のカタログを確認してください。