Qwen Image 3 Pro vs GPT Image 2：同じ5つのプロンプトで比べた結果

どちらも OmniaKey で使えます：Qwen Image 3 Pro と GPT Image 2。Qwen の数字は Alibaba が5つの地域で出している公式の 2K 料金、GPT の数字は今回のリクエストが返した使用量から計算しました。

GPT Image 2 は OpenAI の最新画像モデルではありません。gpt-image-2.5-sunburst と gpt-image-2.5-flare が 2026年9月8日に公開されています（OpenAI changelog、2026年11月3日確認）。Alibaba は Pro の強みを、メニューや試験問題のような密なレイアウト、10 px までの小さな文字と説明しています（Model Studio リリースノート、2026年11月3日確認）。

検証方法

• モデルと ID：Qwen Image 3 Pro（OmniaKey では qwen-image-3-pro、Alibaba では qwen-image-3.0-pro）と GPT Image 2（gpt-image-2）。
• 2026年11月3日。プロンプト5つを各1回、画像は10枚、加えて編集の元画像を1枚用意しました。
• Qwen の設定は size=2048*2048、prompt_extend=false、watermark=false です。GPT の設定は size=2048x2048、quality=medium です。
• 編集の元画像は GPT Image 2 が作った 1024x1024 のティーポット画像です。
• 時間は送信から succeeded までで、待ち時間と通信も含みます。
• 画像の読み取りは別の視覚モデルが行い、元の解像度で1文字ずつ書き写しました。ポスター、看板、小さな文字は元解像度の切り出しも読み直しています。
• OmniaKey はこの2モデルの API を販売しているので、検証は OmniaKey 経由で実行しました。料金はすべて Alibaba と OpenAI の公式な数字です。
• 料金と制限は Alibaba の Qwen image API reference と Model Studio pricing、OpenAI の image generation guide と pricing page から取り、いずれも 2026年11月3日に確認しました。

プロンプト1つにつき1回の実行なので、結果は例として読んでください。

5つのテスト、同じプロンプト

テスト1：英語のパン屋ポスター（1:1）

英語の3行を、書いたとおりに組めるかを見ます。

プロンプト：

A printed poster for a neighbourhood bakery's weekend baking class, photographed flat on a wooden table. Top line in large mixed-case letters: "THE FLOUR HOUR". Under it, two smaller lines: "Sourdough from scratch · Saturday 21 March" and "9:00 to 13:00 · 12 seats". A simple line drawing of a loaf in the middle, cream paper, dark brown ink, generous white margins, everything spelled exactly as written here.

• Qwen Image 3 Pro（29.0 秒）：元解像度の切り出しで80文字すべて正しい。ポスターは木のテーブルに平置きで、周りに木目が見えます。見出しは手書き風、パンは細い線画です。
• GPT Image 2（57.6 秒）：同じ80文字が正しく、クリーム色の紙に版画風のパン、文字の上下には細い罫線と麦の穂が付きます。

結論： 引き分けです。文字はどちらも正しく、GPT は装飾が多くて 57.6 秒、Qwen は簡素で 29.0 秒でした。

テスト2：中国語の麺店の看板（1:1）

中国語メニューの5行を見るテストなので、プロンプトは中国語で書きました。

プロンプト：

一家面馆门口的木质菜单牌，竖排手写中文。最上面一行大字“老陈牛肉面”，下面四行小字分别是“红烧牛肉面 18元”“番茄牛腩面 20元”“酸菜肉丝面 16元”“加蛋 2元”。招牌下方挂着一串红辣椒，背景是虚化的街道，白天自然光，写实摄影。

日本語にすると、麺店の前の木のメニュー板、手書きの5行、赤唐辛子の房、ぼけた街並み、日中の光という内容です。

• Qwen Image 3 Pro（28.4 秒）：5行すべて正しく、1行に1品、名前の後に価格が続きます。木の板に黒の手書き文字、背景はぼけた街で、端に赤唐辛子があります。元解像度の切り出しで5行を1文字ずつ確認しました。
• GPT Image 2（32.8 秒）：5行すべて正しく、2列に分かれて価格が右揃え、クリーム色の罫線の下に並びます。印刷されたメニューのようです。切り出しの確認でも同じ結果でした。

結論： 引き分けです。どちらも1文字も外しておらず、2列か1列かは好みの問題です。

テスト3：鍛冶職人の人物（1:1）

肌の細部、手に持った蹄鉄、作業場がプロンプトどおりに作られているかを見ます。

プロンプト：

Candid portrait of a blacksmith in his fifties holding a finished horseshoe, standing in a dim workshop with a glowing forge behind him. Soot on his forearms, sweat on his forehead, leather apron worn smooth, deep wrinkles around his eyes. Shot on an 85mm lens at f/2, warm forge light from behind, cool window light on his face.

• Qwen Image 3 Pro（28.7 秒）：額のしわ、目尻のしわ、毛穴、無精ひげまで写真のように写っています。手の鉄は2つに割れ、つなぎ目の曲線がないので蹄鉄に見えません。指も重なって曲がっています。
• GPT Image 2（24.0 秒）：肌とひげの写実性は同じで、手には1つの完全な蹄鉄、指の一部はその陰に隠れています。炉は右、窓は左で、Qwen とは左右が逆の構図です。

結論： GPT Image 2 です。完全な蹄鉄を作れたのはこちらだけでした。1回の実行で、人物のほかの部分はどちらも同じでした。

テスト4：ティーポットの編集（1:1）

背景を変えてもティーポットが残るか、編集にどれだけかかるかを見ます。どちらも同じ 1024x1024 の元画像を編集しました。

プロンプト：

Put this exact teapot on a pale linen tablecloth beside a small bowl of loose tea and a wooden scoop, with soft morning light from the left and a simple plaster wall behind. Keep the teapot, its lid, its handle, its glaze and every mark on it exactly as they are.

• Qwen Image 3 Pro（56.6 秒）：ティーポット、ふた、注ぎ口、取っ手、釉薬を保ち、リネンのクロス、茶葉の小鉢、木のスプーン、左からの朝の光を加えました。
• GPT Image 2（31.0 秒）：小道具も光の向きも同じで、ティーポットの形と釉薬もそのままです。31.0 秒で、Qwen より 25.6 秒速い結果です。

結論： 被写体を保つ点は引き分けです。編集の速さは GPT Image 2 が 25.6 秒上です。

テスト5：小さな文字のスペックカード（1:1）

見出し、2列4行の表、グレーの小さな注記を見ます。

プロンプト：

A clean product comparison card, portrait orientation, white background. Title at the top in bold: "TRAIL RUNNER X2". Below it a table with four rows and two columns. Left column: "Weight", "Drop", "Price", "Sizes". Right column: "268 g", "6 mm", "$149", "EU 39-47". Under the table a single line in small grey type: "Prices include VAT. Weights are for a EU 42." All text in a modern sans-serif, left aligned, nothing else in the frame.

• Qwen Image 3 Pro（24.9 秒）：268 g、6 mm、$149、EU 39-47、注記の "a EU 42" まで、文字も数字もすべて正しい。4行2列、薄いグレーの罫線、ラベルは左揃えです。
• GPT Image 2（26.3 秒）：文字も数字もすべて正しく、注記も合っています。ラベル列に薄いグレーの下地が入り、価格列が広くなっています。

結論： 引き分けです。小さな文字はどちらも正しく、違いは表の見た目だけでした。

テスト別の結果

料金と速度

Alibaba の Qwen Image 3 Pro は1枚ごとの料金です。2K 出力は中国、香港、フランクフルト、バージニア、東京で1枚 $0.068761、シンガポールで1枚 $0.075 です（Model Studio pricing、2026年11月3日確認）。

編集には入力画像の料金が加わります。上の5地域は1枚 $0.00275、シンガポールは $0.003 です。今回のティーポット編集は、5地域で $0.068761 + $0.00275 = $0.071511、シンガポールで $0.075 + $0.003 = $0.078 になります。

OpenAI の GPT Image 2 は枚数ではなくトークンで課金されます。画像出力が100万トークンあたり $30、画像入力が $8、テキスト入力が $5 です（OpenAI pricing、2026年11月3日確認）。

生成1枚で、画像出力 2,058 トークンとテキスト入力 97 トークンが返りました。2,058 × $30 ÷ 1,000,000 = $0.0617、97 × $5 ÷ 1,000,000 = $0.0005 で、合計約 $0.0622 です。編集では画像出力 2,058、画像入力 194、テキスト入力 60 トークンが返り、2,058 × $30 + 194 × $8 + 60 × $5 を100万で割ると $0.0636 です。

この2つを比べるときの注意が1つあります。Qwen の $0.068761 は 2048×2048 のファイル、GPT Image 2 の $0.0622 は5回中4回が 1254×1254 で、画素数は半分に届きません。画素あたりでは差がもっと開きます。OpenAI のガイドの1枚あたりの表は 1024x1024、1024x1536、1536x1024 だけで、2048 の金額はリクエストが返す使用量から計算するしかありません。

速さは用途で分かれました。Qwen は新規生成の中央値が 28.55 秒、編集が 56.6 秒。GPT は新規生成が 29.55 秒、編集が 31.0 秒で、差が開くのは編集です。

実務で効く違いはサイズです。GPT Image 2 は size=2048x2048 の指定に対して5回中4回（ポスター、看板、編集、カード）が 1254×1254 で、2048×2048 だったのは人物の1回だけでした。Qwen は毎回 2048×2048 なので、2048 px 固定の入稿が必要な制作の流れは Qwen のほうが簡単です。

長所と短所

Qwen Image 3 Pro

• 長所：毎回 2048×2048、文字の3テストで1文字も外さず、新規生成の中央値が 28.55 秒。
• 短所：編集に 56.6 秒、人物の蹄鉄が2つに割れた。

GPT Image 2

• 長所：唯一の完全な蹄鉄、編集 31.0 秒、medium 画質で1枚約 $0.0622。
• 短所：5回中4回が 1254×1254、ポスターは 57.6 秒。

用途別の選び方

1つのキーで両方を動かす

OmniaKey は2モデルを同じ media-task エンドポイントで提供しているので、変えるのは model と parameters だけです。次は Qwen Image 3 Pro で 2K のポスターを1枚作ります：

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: flour-hour-qwen-001" \
  -d '{
    "model": "qwen-image-3-pro",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "A printed poster for a neighbourhood bakery. Top line: THE FLOUR HOUR."},
    "parameters": {"size": "2048*2048", "prompt_extend": false, "watermark": false}
  }'

同じリクエストを GPT Image 2 で、サイズと画質はこのモデル自身の項目で送ります：

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: flour-hour-gpt-001" \
  -d '{
    "model": "gpt-image-2",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "A printed poster for a neighbourhood bakery. Top line: THE FLOUR HOUR."},
    "parameters": {"size": "2048x2048", "quality": "medium"}
  }'

1. 応答は 202 とタスク id です。
2. 数秒ごとに https://api.omniakey.com/v1/media/tasks/{id} を確認し、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、公開前に画素数を確かめます。GPT Image 2 は 2048 の指定に 1254×1254 で返した回が5回中4回ありました。

編集では operation を edit にして、元画像を input.image に入れます。Qwen では prompt_extend と watermark も同じように指定します。Qwen Image 3 Pro と GPT Image 2 のモデルページに現在の1回あたりの料金があります。コードを書かずに試すなら、AI Image Generator を開いてください。

よくある質問

Qwen Image 3 Pro と GPT Image 2 では、どちらが文字を正確に書きますか？

5つのテストでは優劣が付きませんでした。英語ポスターの80文字、中国語メニューの5行、小さな文字のカード全体を、どちらも正しく書いています。

Qwen Image 3 Pro は GPT Image 2 より安いですか？

1ファイルあたりでは安くありません。OpenAI のトークン料金で、GPT Image 2 は新規1枚約 $0.0622、編集約 $0.0636 でした。Qwen は Alibaba の 2K 定価で1枚 $0.068761、編集は入力画像の $0.00275 を足して $0.0715 です。ただし5回中4回、GPT が返したのは 1254×1254 で、Qwen は 2048×2048 でした。同じ金額で得られる画素は Qwen のほうが多くなります。

2048×2048 を指定したのに GPT Image 2 が 1254×1254 を返すのはなぜですか？

今回の5回のうち4回がそうでした。ダウンロードしたファイルの幅と高さを読んでから公開し、2048 px が必要ならもう一度リクエストしてください。

1つのキーで両方のモデルを呼べますか？

呼べます。どちらも OmniaKey の media-task エンドポイントで動くので、model と parameters を変えるだけで、確認の手順は同じです。Qwen Image 3 Pro と GPT Image 2 のページに現在の料金があります。

参照した情報源

• Qwen Image generation and editing API reference, Alibaba Model Studio, 2026年11月3日確認。
• Model Studio model pricing, Alibaba Model Studio, 2026年11月3日確認。
• Newly released models, Alibaba Model Studio, 2026年11月3日確認。
• Image generation guide, OpenAI, 2026年11月3日確認。
• Pricing, OpenAI, 2026年11月3日確認。
• Changelog, OpenAI, 2026年11月3日確認。

更新履歴

• 2026年11月3日：初版。5つの同一プロンプト検証、所要時間、1枚あたりのコストを掲載。