GPT Image 2.5 vs Nano Banana 2.1：同じプロンプトで比較、仕上がりと料金

2026年10月26日、同じ4つのプロンプトを GPT Image 2.5 Sunburst、GPT Image 2.5 Flare、Nano Banana 2.1 に投げました。メニューは Sunburst、商品写真は Flare が勝ち、2項目は引き分けです。2K画像1枚は OpenAI の料金で GPT の high が約 $0.50、Google の料金で Nano Banana 2.1 が約 $0.056 でした。

GPT Image 2.5 Flare は商品写真がいちばん良く、その一方でメニューには頼んでいない灯台を描き、瓶の数を両方とも間違えました。トークンの単価は Sunburst と同じで、今回の実行では速くもありません。

3モデルとも OmniaKey で使えます：GPT Image 2.5 Sunburst、GPT Image 2.5 Flare、Nano Banana 2.1。

テストの方法

• モデル：OmniaKey の gpt-image-2.5-sunburst、gpt-image-2.5-flare、gemini-nano-banana-2.1。OpenAI は日付入りのスナップショット gpt-image-2.5-sunburst-2026-09-08 と gpt-image-2.5-flare-2026-09-08 も公開していますが、使ったのは日付なしの ID です。
• 設定：Sunburst と Flare は size 2048x2048、quality high。Nano Banana 2.1 は image_size 2K、aspect_ratio 1:1、思考は既定のまま。すべての画像は 2048×2048 です。
• 日付：2026年10月26日。メニューは Sunburst と Nano Banana 2.1 で2回、Flare で1回、ほかのテストは各モデル1回。編集の元画像と画質の追加3回を合わせて18回の呼び出しで、すべて1回目で成功しました。
• 編集の元画像は前世代の GPT Image 2 で作り、3モデルとも同じファイルを渡しました。
• 時間はタスクの作成から完了の確認まで。OmniaKey の非同期メディア API を4秒ごとに確認するので、待ち時間も含みます。
• 判定は原寸で行いました。文字と価格はすべて読み、物の数は拡大した切り出しで数え、各画像がプロンプトの各行に従っているか、編集では指定した物が残ったかを見ています。
• OmniaKey は3モデルすべての API を提供しているので、テストもそこから実行しました。以下の価格はすべて OpenAI と Google の定価で、当社の価格ではありません。
• 出典：OpenAI の GPT Image 2.5 Sunburst と Flare のモデルページ、API 料金、画像生成ガイド、変更履歴。Google の Gemini API 料金、画像生成、変更履歴。いずれも2026年10月25日に確認しました。

1つのプロンプトにつきモデルごとに1〜2枚では標本が小さいので、どの結果も実際に見られる一例として読んでください。

4つのテスト、同じプロンプト

テスト1：価格が6つ入ったカフェのメニュー（1:1）

メニューカードの文字と価格をすべて読み、価格が1列に揃うかを見ます。

プロンプト：

A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads "HARBOR CAFÉ". Below it, six items, each on its own line with the price aligned to the right: "Flat White — $4.50", "Oat Latte — $5.25", "Cardamom Bun — $3.75", "Avocado Toast — $9.00", "Shakshuka — $11.50", "Lemon Tart — $4.25". At the bottom, in small italic text: "Open daily 7am–3pm". Natural window light, soft shadows, a sprig of rosemary at one corner of the card.

内容：大理石のテーブルに置いたクリーム色のメニューカードを真上から撮る指定です。見出しは "HARBOR CAFÉ"、その下に6品を1行ずつ、価格は右揃え。下部に斜体の小さい文字で "Open daily 7am–3pm"、窓の自然光と柔らかい影、カードの角にローズマリーを1枝。

• GPT Image 2.5 Sunburst（36.7 s と 34.3 s）：2回とも文字も価格もすべて正しく、"CAFÉ" のアクセントと "7am–3pm" の短いダッシュも合っています。2回とも em ダッシュを落とし、印刷されたメニューのように価格を右揃えの1列にしました。ローズマリーはカードの角にあり、一部はカードの外に出ています。1回目は画面の端にコーヒーカップと水のグラス、2回目はコーヒーカップが加わりました。
• GPT Image 2.5 Flare（42.9 s）：文字も価格もすべて正しく、em ダッシュは落ちて価格は右揃え。行の間に細い罫線、カードの周りに枠があります。見出しの上に小さな灯台と鳥の絵、さらにコーヒーカップと水のグラスを足しました。
• Nano Banana 2.1（36.5 s と 32.8 s）：2回とも文字も価格もすべて正しく、ローズマリーは指示どおりカードの角にあります。em ダッシュをそのまま残したので、価格は揃いません。1回目は長さの違うリーダー線、2回目は右揃えがまったくありません。

判定：GPT Image 2.5 Sunburst。5枚のメニューすべてで文字と価格が正しく、文字の再現は引き分けです。Sunburst は "Flat White — $4.50" の行を2回とも右揃えの価格列を持つ本物のメニューに変え、カード自体には何も足していません。Nano はダッシュを字面どおり残したので価格が揃わず、Flare は誰も頼んでいない灯台を描きました。

テスト2：棚の物を数える（1:1）

1枚の写真に2つの正確な数が入るか、棚が指示どおりかを見ます。

プロンプト：

A studio photo of a wooden shelf against a light gray wall. On the shelf, from left to right: a clear glass jar holding exactly five red marbles, an empty clear glass jar, and a clear glass jar holding exactly three yellow lemons. A small white paper tag hangs from the middle jar with the number "2" written on it in black marker. A single blue feather lies on the shelf in front of the right jar. Soft, even lighting and no other objects.

内容：薄いグレーの壁の前の木の棚を撮る指定です。左から、赤いビー玉がちょうど5個入った透明なガラス瓶、空のガラス瓶、黄色いレモンがちょうど3個入ったガラス瓶。中央の瓶には黒いマーカーで "2" と書いた白い紙のタグ、右の瓶の前に青い羽根が1枚、ほかの物は置きません。

• GPT Image 2.5 Sunburst（32.9 s）：左の瓶に赤いビー玉がちょうど5個、中央の瓶は空で "2" のタグ付き。右の瓶は手前にレモンが3個、その背後に4個目が半分隠れていて、合計4個。羽根は手前、中央と右の瓶の間にあります。
• GPT Image 2.5 Flare（37.7 s）：ビー玉はピラミッド状に6個、右のレモンは4個で、手前に3個、1個が半分隠れています。中央の瓶は空で "2" のタグ付き。
• Nano Banana 2.1（37.5 s）：左の瓶にビー玉が7個、右のレモンはちょうど3個で、瓶のガラスに沿って縦に積まれています。中央の瓶は空で "2" のタグ付き。瓶はより背が高く、メイソンジャーの形です。

判定：引き分けで Sunburst と Nano Banana 2.1。2つの瓶を両方合わせたモデルはありませんでした。Sunburst は4個目のレモンを隠し、Nano はビー玉を7個入れ、Flare は両方を外しました。数が大事なときは1枚ずつ確認し、物を横並びで頼むのも手です（"three lemons in a row, none behind"）。

テスト3：白いレザーのランニングシューズの商品写真（1:1）

スタジオ撮影の指示が最後まで守られるかを見ます。光沢の反射、ピントの外れたネオン、文字なし、ロゴなし。

プロンプト：

Product photo of a white leather running shoe on wet black asphalt at night, low angle, close-up. Pink and teal neon signs are out of focus in the background, and their colors reflect in the puddles and on the shoe's glossy surfaces. Small water droplets on the toe box. Sharp focus on the shoe, shallow depth of field, realistic commercial photography, no logos and no text.

内容：夜の濡れた黒いアスファルトの上に置いた白いレザーのランニングシューズを、低いアングルで寄りで撮る指定です。背景のピンクとティールのネオンはピントを外し、色は水たまりとシューズの光沢面に映り込みます。つま先に小さな水滴、シューズにピント、浅い被写界深度、写実的な商業写真、ロゴなし、文字なし。

• GPT Image 2.5 Sunburst（41.5 s）：濡れたアスファルト、ピンクとティールのネオンの映り込み、つま先の水滴、エナメルのような光沢、文字なし。ただしシューズは足にはめられており、足首と黒いジョガーパンツが写っています。生活シーンの写真で、求められた商品写真ではありません。
• GPT Image 2.5 Flare（41.8 s）：夜の濡れたアスファルトにシューズが単体で置かれ、低いアングル。背景のネオンはピントが外れ、色は水たまりと光沢面に映り、つま先に水滴、文字もロゴもありません。指示の各行にいちばん近い仕上がりです。
• Nano Banana 2.1（47.3 s）：シューズが単体で、マットなパンチングレザー。3枚のうちでいちばん本物の革らしく、つま先に水滴もあります。"文字なし" の行だけ崩れ、背景のぼけたピンクのネオンが単語のような形になり、地面は水たまりというより光る粒状で、シューズに光沢はありません。

判定：GPT Image 2.5 Flare。光沢の映り込みがあり文字のない素直な商品写真になったのはこれだけです。Sunburst はシューズを誰かの足にはめ、Nano はいちばん革らしいシューズを作ったものの、単語の形をしたネオンを加えました。

テスト4：部屋の編集（1:1）

部屋を保つ編集かどうかを見ます。変わるのはソファだけで、植物が1つ増えます。

プロンプト：

Change the sofa to dark green velvet and put a tall potted fiddle-leaf fig plant on the left side of the sofa. Keep everything else exactly the same: the walls, the window, the coffee table, the books, the rug, the light and the camera angle.

内容：ソファを深いグリーンのベルベットに替え、ソファの左に背の高い鉢植えのフィドルリーフフィカスを置く指定です。壁、窓、コーヒーテーブル、本、ラグ、光、カメラアングルはすべて元のままにします。

元画像は前世代の GPT Image 2 で作りました。白い壁に薄いグレーの3人掛け布製ソファ、丸いオークのコーヒーテーブルに本2冊、クリーム色のウールのラグ、右側にシアーカーテンの大きな窓、午後の日差しという内容です。3モデルには同じファイルを渡しました。

• GPT Image 2.5 Sunburst（43.1 s）：深いグリーンのベルベットのソファ、左に籠に入った背の高いフィドルリーフフィカス。壁、額縁の絵2枚、窓、カーテン、クッション、スロー、オークのテーブル、本2冊、背表紙の文字、ラグ、光、カメラアングルはすべて元画像と一致します。いちばん左にあった本棚は消え、植物がそこに立っています。
• GPT Image 2.5 Flare（37.5 s）：Sunburst と同じ結果です。フィカスは左、指定された物は背表紙の文字まで残り、本棚は消えました。
• Nano Banana 2.1（33.2 s）：深いグリーンのベルベットのソファ、左に白い鉢のフィカス、本棚は残っています。ただしソファを短くし、左端を右へ動かしてスローやクッションと一緒に植物の場所を作り、背表紙の文字は読めない別の文字に変わりました。テーブル、ラグ、窓、光は残っています。

判定：引き分けで Sunburst と Flare。どちらも指定された物を背表紙の文字まで残し、本棚を消して植物の場所を作りました。Nano は本棚を残した代わりにソファを短くし、背表紙の文字も変えました。プロンプトは本をそのまま残すよう求めていました。

テスト別の結果

どのメニューも文字と価格はすべて正しく、このテストはレイアウトで決まりました。GPT は em ダッシュを区切りとして扱って価格を揃え、Nano はそのまま残しました。3モデルとも指示の1行を落としています。Sunburst は商品写真ではなく生活シーンを作り、Flare はメニューに描き込み、Nano は "文字なし" の写真に単語の形のネオンを入れました。

料金と速度

OpenAI は GPT Image 2.5 をトークン単位で値付けし、1枚あたりの価格は公表していません。以下の数字は、こちらの画像が課金されたトークン数に OpenAI の単価を掛けたものです。

OpenAI は画像出力100万トークンあたり $30 なので、high の1枚は 16,640 × $30 / 100万 = $0.4992。これに100万トークン $5 のテキスト入力 79–160 トークンが加わり、最大で $0.0008 です。

スマートフォンの大きさでは3枚は似て見えます。原寸では low のメニューがわずかに甘くなります。1つのプロンプトの結果なので、目安として扱ってください。

Sunburst と Flare は同じ画質で同じトークン数でした。high が 16,640、medium が 4,224 です。high の編集は入力画像 1,659 トークン（100万トークン $8）とテキスト 56 トークンが加わり、約 $0.51 でした。

Google の定価は2026年10月25日時点で、画像出力100万トークン $30、テキストと思考の出力100万トークン $7.50、入力100万トークン $1.50 です。

Nano の編集は思考トークン 258 と入力画像 1,120 トークンで、約 $0.054 でした。2K画像1枚あたり、GPT Image 2.5 は high で約 9 倍、medium で約 2.3 倍、low では安くなって $0.033 対 $0.056 です。

Nano が Google の表示する画像価格より高いのは、medium で思考が既定でオンになり、テキスト出力として100万トークン $7.50 で課金されるためです。Qwen Image 3 vs Nano Banana 2.1 のテストでも同じ傾向が出ています。

両社とも Batch では標準料金の半額を請求します。

low と medium の画質で GPT は速くなりませんでした。low と medium のメニューは Sunburst で 37.3 s、Flare の medium で 37.8 s でした。OmniaKey の現在の料金は Sunburst、Flare、Nano Banana 2.1 のモデルページにあります。

Sunburst か Flare か

文字、レイアウト、数える作業は Sunburst、商品写真は Flare です。トークン単価は同じです。OpenAI 自身の説明は "Choose Sunburst for workflows where editing precision matters most, and Flare for fast, high-quality everyday image generation." で、編集の精度がもっとも大事な作業には Sunburst、速く高品質な日常の画像生成には Flare という意味です。モデルページでは Sunburst が "Highest"、速度 "Medium"、Flare が "Higher"、速度 "Very fast" で、トークン単価は同じです。

今回の実行では2モデルが同じトークン数で課金され、編集の結果もほぼ同じで、商品写真は Flare がいちばん良くなりました。一方で Flare はメニューに描き込みをし、瓶の数を両方間違え、中央値 41.8 s で3モデル中もっとも遅い結果です。OpenAI のドキュメントには xhigh と max という画質も載っていますが、この2段階は試していません。前世代からの変化は GPT Image 2.5 vs GPT Image 2 にあります。

長所と短所

GPT Image 2.5 Sunburst

• 長所：2回のメニューで文字がすべて正しく価格も揃い、ビー玉の数も合い、編集では指定した物をすべて残し、中央値 35.5 s でいちばん速い。
• 短所：シューズを人の足にはめ、4個目のレモンを隠し、メニューの画面にコーヒーカップと水のグラスを足し、high では2K画像1枚が約 $0.50。

GPT Image 2.5 Flare

• 長所：商品写真がいちばん良く、編集も Sunburst と同じ水準。
• 短所：メニューに頼んでいない灯台を描き、瓶の数を両方間違え、OpenAI の "Very fast" という表示に反して中央値 41.8 s でいちばん遅い。

Nano Banana 2.1

• 長所：文字がすべて正しく、レモンはちょうど3個、ローズマリーも指示どおりの位置、本棚も残り、2K画像1枚が約 $0.056。Google のドキュメントは 4K と最大14枚の参照画像に対応するとしています。Pro との比較は Nano Banana 2.1 vs Pro で測っています。
• 短所：em ダッシュを残して価格が揃わず、ビー玉は5個ではなく7個、"文字なし" の写真に単語の形のネオン、編集ではソファが短くなって背表紙の文字も変わり、どの画像でも思考トークンがかかる。

どの作業にどれを選ぶか

同じテストを1つの API で実行する

テスト1のメニューのプロンプトを、テストと同じ 2048×2048、high で Sunburst に送ります：

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: harbor-cafe-menu-001" \
  -d '{
    "model": "gpt-image-2.5-sunburst",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads \"HARBOR CAFÉ\". Below it, six items, each on its own line with the price aligned to the right: \"Flat White — $4.50\", \"Oat Latte — $5.25\", \"Cardamom Bun — $3.75\", \"Avocado Toast — $9.00\", \"Shakshuka — $11.50\", \"Lemon Tart — $4.25\". At the bottom, in small italic text: \"Open daily 7am–3pm\". Natural window light, soft shadows, a sprig of rosemary at one corner of the card."},
    "parameters": {"size": "2048x2048", "quality": "high"}
  }'

1. 返答は 202 とタスク id です。
2. https://api.omniakey.com/v1/media/tasks/{id} を数秒ごとに取得し、status が succeeded になるまで待ちます。
3. assets[0].url から画像をダウンロードします。

Flare に切り替えるには model を gpt-image-2.5-flare にします。OmniaKey の quality は low、medium、high、auto を受け付け、medium にすると出力トークンは 16,640 から 4,224 になりました。

Nano Banana 2.1 では model を gemini-nano-banana-2.1、parameters を {"aspect_ratio": "1:1", "image_size": "2K"} にします。OmniaKey はこのモデルで size を拒否するためです。編集は operation を edit にし、元画像を input.image に {"data": "<base64>", "mime_type": "image/jpeg"} の形で渡し、リクエスト全体を 1 MiB 以下に保ちます。GPT Image モデルは PNG、Gemini モデルは通常 JPEG を返します。

GPT Image 2.5 Sunburst、GPT Image 2.5 Flare、Nano Banana 2.1 のモデルページから始めて、各パラメータは 画像 API のドキュメント で確認してください。

よくある質問

GPT Image 2.5 は Nano Banana 2.1 より良いですか？

テスト別では、メニューは Sunburst、商品写真は Flare が勝ち、数える作業と部屋の編集は引き分けでした。価格は逆で、high の2K画像1枚が約 $0.50 と約 $0.056 です。レイアウトと保つ必要のある編集は GPT、請求額を優先するなら Nano を選んでください。

GPT Image 2.5 Sunburst と Flare の違いは何ですか？

OpenAI は Sunburst を編集の精度、Flare を速い日常の生成に位置づけ、Sunburst を "Highest"、速度 "Medium"、Flare を "Higher"、速度 "Very fast" と表示しています。トークン単価は同じで、今回の実行でも同じトークン数でした。商品写真は Flare、メニューの整ったレイアウトは Sunburst です。

GPT Image 2.5 の画像1枚は何トークンですか？

2048×2048 で、こちらの画像は low が出力 1,088 トークン、medium が 4,224、high が 16,640 で、編集では入力画像 1,659 トークンが加わりました。OpenAI の計算ツールは 2.5 のトークン量を見積もれないので、最初に小さなバッチを測り、出力100万トークン $30 を掛けてください。

Nano Banana 2.1 が表示価格より高いのはなぜですか？

medium で思考が既定でオンになり、テキスト出力として100万トークン $7.50 で課金されるためです。4回の生成では思考トークンの中央値が 730 で、$0.0504 の画像代に約 $0.0055 が加わりました。

gpt-image-2 は非推奨ですか？

いいえ。OpenAI の非推奨ページに gpt-image-2 の行はなく、画像ガイドにも記載が残っています。古い gpt-image-1-mini、gpt-image-1.5、chatgpt-image-latest は2026年12月1日に API から外れ、代替は Sunburst か Flare です。gpt-image-1 は2026年10月23日に停止しました。

更新履歴

• 2026年10月26日：初版。4つの同じプロンプトのテストを同じ日に行いました。