TL;DR
GPT-Image-2.5 は2モデル構成の画像 API ファミリーです。Flare は日常用途での高速生成を優先し、Sunburst は編集精度と最終出力の忠実度を優先します。CometAPI を通じて、既存の OpenAI SDK 連携は base URL・API キー・モデル ID を切り替えるだけで移行できる場合がほとんどです。まずは Flare の medium 品質で開始し、レイテンシと承認された画像あたりのコストを計測し、要求の厳しい編集やプレミアム出力は Sunburst に振り分けましょう。
Key Takeaways
- Flare はインタラクティブ製品、素早い反復、高ボリューム生成に最適なスピード優先の選択肢。
- Sunburst はローカライズ編集、参照の保持、複雑な最終合成に最適な精度優先の選択肢。
- 両モデルはテキストおよび画像入力を受け付け、6段階の品質モードをサポートし、Images API を通じて画像生成・編集が可能。
- CometAPI は OpenAI 互換の base URL と SDK パターンで2つのモデル ID をサポート。
- 現在の Arena 結果は生成・編集ともに Sunburst を優位とする一方、両新モデルは暫定扱い。
- 本番選定はレイテンシ、受理率、編集忠実度、トークン使用量、承認画像あたりの実効コストに基づいて判断すること。
2026年9月8日、OpenAI は ChatGPT Images 2.5 を発表し、API に2つの新しい画像生成モデルを投入しました。GPT Image 2.5 Flare は高速・日常用途向け、GPT Image 2.5 Sunburst は画像品質と厳密な編集制御を優先するワークフロー向けです。OpenAI は Flare を大半のアプリケーションのデフォルト、Sunburst を最も高性能な生成・編集モデルとして位置づけています。
両モデルは CometAPI から利用可能です。実務的な利点は、OpenAI SDK と同じインターフェースで呼び出しつつ、API キーと base URL を CometAPI に切り替えるだけでよい点です。CometAPI の OpenAI 互換 API により、既存の画像生成アプリは SDK やリクエスト構造を作り直すのではなく、小さな変更で済むのが一般的です。
本ガイドでは、cURL・Python・JavaScript を用いて CometAPI 経由で GPT-Image-2.5 での画像生成と編集を行う方法、そして本番ワークフローに適したモデル、品質、サイズ、出力形式の選び方を解説します。
What Is the GPT-Image-2.5 API?
GPT-Image-2.5 は OpenAI の現行の画像生成ファミリーです。テキストおよび画像入力を受け付け、画像を返します。ファミリーには2つのモデルがあり、GPT-Image-2.5 Flare は速度と日常用途に、GPT-Image-2.5 Sunburst は最大能力と精密編集に最適化されています。
How to GPT-Image-2.5 API Compared with GPT Image 2 API?
主な変化は単なる高速な後継モデルではありません。GPT-Image-2.5 はワークロードを2つの目的別の選択肢に分離しました。Flare は低レイテンシのルーチン生成を、Sunburst は最も要求の厳しい生成・編集を対象とします。両モデルは共通の広い制御面を提供し、low から max までの品質レベル、編集用の画像入力、部分画像のストリーミングに対応します。
移行時は、まず現行のプロンプトとリクエスト構造を維持したまま、レイテンシと忠実度要件に応じてモデルを選択します。本番切替前に、テキスト描画、保持指示、マスク、参照画像の順序、出力サイズ、コストを再検証してください。
Why Use GPT-Image-2.5 Through CometAPI?
CometAPI は、すでにゲートウェイを利用しているチームにとって、統合工数を減らせる OpenAI 互換レイヤーを提供します。実務上の利点は、キー管理の集中化、馴染みのあるリクエスト形式、利用状況の可視化、そして1つの base URL で画像生成と編集をルーティングできることです。
| Item | Value |
|---|---|
| Base URL | https://api.cometapi.com/v1 |
| Generation route | POST /images/generations |
| Editing route | POST /images/edits |
| Authentication | Authorization: Bearer $COMETAPI_KEY |
プロバイダーの価格やモデル提供状況は変わる可能性があります。モデル ID、エンドポイントの挙動、最新の課金は本番導入前に CometAPI ダッシュボードで確認してください。
How to Use GPT-Image-2.5 API in CometAPI
Step 1: Get a CometAPI API Key
CometAPI アカウントを作成またはサインインし、CometAPI API token console からトークンを発行します。
キーはアプリケーションのソースコードにハードコードせず、環境変数として保存してください。
| export COMETAPI_KEY="your-cometapi-key" |
|---|
Windows PowerShell の場合:
| $env:COMETAPI_KEY="your-cometapi-key" |
|---|
API キーをブラウザ側の JavaScript、公開リポジトリ、スクリーンショット、クライアントアプリに露出させないでください。本番ではサーバー側の環境変数やシークレットマネージャーの利用が安全です。
Step 2: Generate Your First Image with cURL
多くのアプリケーションでは、まず Flare から始めるのがよいでしょう。最小の生成リクエスト例は次のとおりです。
curl "https://api.cometapi.com/v1/images/generations" \-H "Authorization: Bearer $COMETAPI_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-2.5-flare", "prompt": "Premium product photograph of a matte black wireless speaker on a light concrete pedestal, soft window light, realistic material texture, clean editorial composition, no text", "size": "1536x1024", "quality": "medium", "output_format": "png" }' |
|---|
重要な CometAPI 固有のポイントはエンドポイントと API キーです。GPT Image 2.5 Flare API in CometAPI は Bearer 認証で api.cometapi.com/v1/images/generations エンドポイントを使用します。
GPT Image モデルは、アプリケーションに恒久的な画像 URL のダウンロードを要求するのではなく、通常はdata[].b64_jsonで生成画像コンテンツを返します。
簡略化したレスポンスは次のとおりです。
| { "data": [ { "b64_json": "<base64-image-data>" } ], "usage": { "input_tokens": 32, "output_tokens": 1372, "total_tokens": 1404 } } |
|---|
アプリケーション側では、この Base64 フィールドをデコードし、最終アセットとして Base64 文字列を保存するのではなく、返されたバイト列を保存してください。
Step 3: Generate an Image with Python
| import base64 import os import requests response = requests.post( "https://api.cometapi.com/v1/images/generations",
 headers={"Authorization": f"Bearer {os.environ['COMETAPI_KEY']}"}, json={ "model": "gpt-image-2.5-flare", "prompt": ( "A clean isometric illustration of a solar-powered research lab, " "white background, precise geometry, no labels or watermarks" ), "size": "1536x1024", "quality": "high", "output_format": "png", }, timeout=180, ) response.raise_for_status() payload = response.json() image_b64 = payload["data"][0]["b64_json"] with open("research-lab.png", "wb") as file: file.write(base64.b64decode(image_b64)) |
|---|
これは、既存の OpenAI SDK プロジェクトにとっての CometAPI の大きな実務上の利点のひとつです。公式の CometAPI 例は同じ OpenAI クライアントを利用し、アプリケーションの SDK 層を置き換えるのではなく、base_url・キー・モデル ID を変更するだけで済みます。
Step 4: Use Multiple Reference Images with the Responses API
各画像に安定した役割を与えてからプロンプトを書きます。便利な順序は、被写体を先に、スタイルを次に、そして背景やレイアウト参照を最後に置くことです。プロンプト内で各役割を明示し、モデルがどの属性をコピーすべきかを推測しなくて済むようにしましょう。
import base64
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1",
)
response = client.responses.create(
model="gpt-6-astra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Create a campaign image. Use image 1 only for the product "
"shape and colors; image 2 only for lighting and visual style; "
"image 3 only for the background composition. Preserve the "
"product logo exactly and add no other text."
)},
{"type": "input_image", "image_url": "https://example.com/product.png"},
{"type": "input_image", "image_url": "https://example.com/style.png"},
{"type": "input_image", "image_url": "https://example.com/background.png"},
],
}],
tools=[{
"type": "image_generation",
"model": "gpt-image-2.5-sunburst",
}],
)
for item in response.output:
if item.type == "image_generation_call":
with open("campaign.png", "wb") as file:
file.write(base64.b64decode(item.result))
Responses API はトップレベルでサポートされるメインラインモデルを使用し、image-generation ツール内で GPT-Image-2.5 を選択します。ゲートウェイがまだ選択したメインラインモデルやツールスキーマを公開していない場合は、最新の CometAPI モデルカタログを確認し、その同等機能を使用してください。
注意: 複数の参照画像は同時に入力できます。各画像に明確な役割を与え、プロンプトでその目的を明示してください。マルチ画像編集を行う場合、入力順序と意味的な対応関係に注意してください。
How to Edit Existing Images
既存アセットを保持しつつ変更する必要がある場合は編集ルートを使用します。変更要求を述べる前に、固定すべき点を明記しましょう。
curl https://api.cometapi.com/v1/images/edits \
-H "Authorization: Bearer $COMETAPI_KEY" \
-F "model=gpt-image-2.5-sunburst" \
-F "image[]=@product.png" \
-F "prompt=Preserve the product shape, label, and camera angle. Replace only the background with a warm studio gradient. Add no new text." \
-F "quality=high" \
-F "output_format=png"
入力
出力
Assign Roles to Multiple Input Images
アップロード順だけに頼らないでください。「画像1は被写体」「画像2はスタイル参照」「画像3は背景参照」と明示しましょう。次に、各画像から転写してよい属性を列挙します。これにより誤った参照から顔・ロゴ・テキスト・レイアウトが誤ってコピーされることを減らせます。
Use a Mask for Localized Edits
マスクは編集可能領域をガイドします。透明ピクセルが変更許可領域、残りは保持対象です。マスクは元画像とサイズ・フォーマットを一致させ、アルファチャンネルを含み、API のファイルサイズ制限内に収めてください。複数画像入力時、マスクは最初の画像に適用されます。
マスクはピクセル単位の厳密選択ではなくガイダンスです。「透明領域だけを変更し、その他のピクセル・テキスト・幾何を保持する」といった保持言語で補強してください。
Production Tips for GPT-Image-2.5 in CometAPI
モデル仕様は汎用的なモデルレベルのストリーミングをサポート機能としては列挙していませんが、Image API および Responses API は partial_images による画像生成のストリーミングをサポートします。これはトークン単位のテキストストリーミングではなく、進捗プレビューです。Images API はpartial_images values from 0 to 3を受け付け、生成中にその数だけプレビューを返すことがあります。各プレビューは出力トークンを100追加します。プレビューは進捗 UI に活用でき、不要な場合は標準の生成・編集フローを使い続けられます。
たとえ
partial_images: 3を設定しても、必ず3枚の部分画像が受信できる保証はありません。最終画像の生成が十分に速い場合、実際の受信枚数は要求より少ないことがあります。
GPT-Image-2.5 API Parameters
GPT-Image-2.5 は、プロンプトとモデル選択以上の出力制御を提供します。
| Parameter — OpenAI image guide | What it controls | Recommended starting point |
|---|---|---|
| quality | 計算量/ディテールレベル | 開発時は medium |
| size | 画像解像度/アスペクト | 1024×1024 または 1536×1024 |
| output_format | PNG, JPEG, WebP | 忠実度重視なら PNG、配信は WebP/JPEG |
| background | 不透明/透過出力 | 透過は必要時のみ |
| output_compression | JPEG/WebP 圧縮 | Web 配信向けに調整 |
| n | 返却画像枚数 | まずは 1 |
| prompt | 視覚的要件 | レイアウトと制約を明確に |
Image API vs Responses API
| Criterion | Image API | Responses API |
|---|---|---|
| Best for | 直接のワンショット生成・編集 | 対話型、段階的、あるいはエージェント的な画像ワークフロー |
| Model selection | 画像モデルを直接指定 | メインラインモデル + image-generation ツール |
| Multiple references | ルートにより編集でサポート | 複数の URL や file ID 入力に自然に対応 |
| Iteration | アプリがコンテキストを再送 | 反復的なターンやツール呼び出し向けに設計 |
| Streaming previews | partial images をサポート | partial images をサポート |
| Choose when | 望む出力が明確で最短のリクエストにしたい場合 | コンテキストや参照、過去結果を踏まえた推論が必要な場合 |
ルールオブサム: まずは Image API から始めましょう。会話状態、複数の意味参照、画像生成以外のツールが必要になったら Responses API へ移行します。
Choosing quality
サポートされる品質の梯子は次のとおりです。
| auto low medium high xhigh max |
|---|
auto はモデルに判断を委ねますが、開発時は明示的に medium を選ぶと A/B テストの統制が取りやすくなります。
有用なデプロイパターン:
| low / medium → 下書き、プレビュー、大量実験 high → 承認済みの本番アセット xhigh / max → 品質向上がコストに見合う最終レンダー |
|---|
max があるからといって自動的に使わないでください。画像出力トークンが増えるとコストも増加しますし、弱いプロンプトは品質を上げても良いプロンプトにはなりません。
Choosing image size
一般的なプリセットは次のとおりです。
| 1024x1024 1536x1024 1024x1536 |
|---|
2.5 モデルは任意の有効な寸法もサポートしており、バナー、商品ページ、モバイルクリエイティブなど非正方形アセットに有用です。OpenAI の現行仕様では、ピクセル数と縦横比の制限内で片辺 3840 ピクセルまでが許容されています。OpenAI image prompting guide
Creating transparent images
使用例:
| { "background": "transparent", "output_format": "png" } |
|---|
または WebP。透過出力にはアルファ透過をサポートする形式が必要なため、JPEG は不適切です。Transparent-background requirements
これは商品切り抜き、UI アセット、アイコン、ステッカー、コンポジット用パイプラインに特に有用です。
How to Prompt GPT-Image-2.5
信頼性の高い本番プロンプトは、創作目標と制約を分けて記述します。まず肯定的な指示、その後に保持・否定の制約を書きます。
Define Composition
被写体、カメラアングル、フレーミング、奥行き、背景、重要オブジェクトの相対位置を指定します。例: 「三四分角の商品ビュー、中央配置、右側に充分なネガティブスペース、アイレベルのカメラ、50mm レンズ風」。
Describe Lighting and Materials
光源の方向、柔らかさ、コントラスト、色温度、マテリアルの反応を指定します。例: 「左上からの大型ソフトボックス、さりげないリムライト、リアルなヘアライン加工アルミ、制御された反射」。
Control Exact Text
必要なテキストは引用符で囲み、位置、階層、大文字小文字、書体を指定します。追加テキストは不要と明記します。例: 「見出し “BUILD WITH CLARITY” を最上部中央に、太字のサンセリフ体・全大文字で配置。綴りは厳密に保持。他の単語や文字、ラベル、透かしは追加しないこと。」
State What Must Be Preserved
編集時は、変更してはいけない要素（アイデンティティ、ポーズ、商品形状、ロゴ、ラベルのテキスト、比率、カメラアングル、背景）を列挙します。要求変更の前にこれらの制約を置いてください。
Add Negative Constraints
起こりがちな失敗モードを平易に列挙します。「余分な指は不可、商品の重複なし、ロゴの歪みなし、テキストの綴り間違いなし、枠線なし、透かしなし」など。否定制約は、一般的な品質用語よりも、具体的なリスクに焦点を当てるほど有効です。
How Much Does GPT-Image-2.5 Cost?
Official OpenAI API Costs
検証時点では、Flare と Sunburst は同一のトークン単価が掲載されています。テキスト入力トークンは $5/100万、キャッシュ済みテキスト入力トークンは $1.25/100万、画像入力トークンは $8/100万、キャッシュ済み画像入力トークンは $2/100万、画像出力トークンは $30/100万。最終コストはリクエスト数だけでなく、実際のトークン使用量に依存します。
CometAPI Pricing and Ways to Reduce Cost
CometAPI は現時点で GPT-Image-2.5 Flare に 20% 割引をモデルカタログで提示しています。ゲートウェイの価格は変動し得るため、ダッシュボードと請求書を正としてください。コスト削減のために、日常業務は Flare を使い、品質は medium または high から開始、xhigh や max は承認済み用途に限定、対応していれば入力キャッシュを再利用、不要なバリアントを避け、プレビューが UX に貢献しないなら partial_images は 0 に設定します。
Other Cost Factors and a Worked Example
コストは、プロンプト長、参照画像の数と解像度、出力寸法、品質、最終出力トークン、要求したバリアント、部分プレビュー、リトライ、却下率などに左右されます。リクエスト単価と、承認された画像あたりの支出の両方を追跡してください。
承認画像あたりのコスト = 生成合計支出 ÷ レビューに通過した出力数。
例: $0.18/回 の試行を10回で $1.80。6枚が承認されたなら、承認画像コストは $0.30（$0.18 ではない）。より良いプロンプトで8回の実行で6枚が承認されれば、承認画像コストは $0.24 に低下。
Flare vs. Sunburst: Which Model Should You Use?
モデル選定は Flare を Sunburst の自動置換と見なすのでなく、ワークロード駆動で行うべきです。
| Decision | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|---|
| Interactive application | 推奨 | 選択的に使用 |
| Rapid prompt iteration | 推奨 | 通常は不要 |
| High-volume creative generation | 推奨 | 受理率に依存 |
| Product/reference editing | 良い | 推奨 |
| Complex final composition | 良い | 推奨 |
| Maximum editing control | 良い | 推奨 |
| Latency-sensitive UI | 推奨 | あまり適さない |
| Premium final asset | まず検証 | 品質向上が計測できるなら推奨 |
多くのプロダクトにとって、最適解は「どちらか一方を永続的に選ぶ」ことではありません。大半のリクエストは Flare に送り、要求の厳しい改稿や高価値の最終出力を Sunburst に振り分けましょう。
How Do You Migrate from GPT Image 2 to GPT-Image-2.5?
すでに GPT Image 2 を CometAPI 経由で使用している場合、生成と編集はいずれも Images API のルートのままなので、移行量は比較的小さくなります。
最も簡単な変更は次のとおりです。
| # Before model="gpt-image-2" # After: speed-first model="gpt-image-2.5-flare" # After: precision-first model="gpt-image-2.5-sunburst" |
|---|
ただし ID の置換だけで終わらせないでください。固定の評価セットを用いて、品質、出力寸法、レイテンシ、被写体の保持、テキスト正確性、編集の局所性、実トークン使用量を再評価してください。
OpenAI は、モデル比較の際、プロンプト、参照、寸法、出力形式を一定に保ち、モデル変更のみを変数とすることを推奨しています。OpenAI migration guidance
Production Tips for GPT-Image-2.5 in CometAPI
本番サービスでは、GPT-Image-2.5 周りの実装を意図的に小さく保ちましょう。API キーはサーバー側に保持、デコード済み画像は自前ストレージに保存、モデル/品質/サイズ/レイテンシ/利用量をログ、リトライ回数に上限、400 系は 429/5xx の一時的失敗と扱いを分けます。
CometAPI は、キューイング、制限付き同時実行、指数バックオフ、耐久 ID、ストレージ、マニフェスト、バッチコスト追跡を扱う専用ガイドを公開済みです。単一 API コールからバッチ本番へ移行する際は、ここで実装を重複させるのではなく How to Automate Image Generation at Scale を参照してください。
この区別は、OpenAI ネイティブ API 向けの例を、第三者の OpenAI 互換エンドポイントへ直接適用する際に特に重要です。
Common GPT-Image-2.5 API Errors
| Error | Likely cause | What to do |
|---|---|---|
| 401 Unauthorized | CometAPI キーが不正/不足 | COMETAPI_KEY と Bearer ヘッダーを確認 |
| 400 Bad Request | パラメータ/サイズ/形式/モデル ID が不正 | 任意フィールドを外して最小構成で再テスト |
| 429 Too Many Requests | 同時実行やアカウントの制限に到達 | ジッター付きで退避し再試行 |
| Repeated 5xx | 一時的な上流/API の問題 | 回数を限ってリトライ |
| Image appears as Base64 text | b64_json をデコードしていない | Base64 デコードしてバイト列として保存 |
| Transparent output fails | 出力形式が非対応 | PNG または WebP を使用 |
| Edit changes too much | 保持指示が不十分 | 変更不可の要素を明確に記述 |
| Costs rise unexpectedly | 高品質/高解像度やリトライの影響 | リクエストごとの使用量をログし、承認画像単価を算出 |
すべての失敗を自動再試行しないでください。400 の不正リクエストは基本的に不正のままであり、認証エラーの再試行は失敗トラフィックを増やすだけです。
Rate Limits and Concurrency
| Tier | TPM | IPM |
|---|---|---|
| Tier 1 | 100K | 5 |
| Tier 2 | 250K | 20 |
| Tier 3 | 800K | 50 |
| Tier 4 | 3M | 150 |
| Tier 5 | 8M | 250 |
Conclusion
GPT-Image-2.5 は単なる世代交代以上に有用なモデル分割を提供します。Flare は日常的な高速画像ワークロードに最適化され、Sunburst は要求の厳しい生成・編集ワークフローに対してより高精度な選択肢を与えます。
CometAPI を介せば、どちらも最小限の統合作業で OpenAI 互換の既存アプリに組み込めます。まずは /v1/images/generations、Flare、統制された品質設定、代表的なプロンプトセットから開始しましょう。参照保持や精密な視覚変更が必要になったら、/v1/images/edits と Sunburst を追加します。
最適化の要点は、最も強力な設定を選ぶことではありません。実際のワークロードに対して、レイテンシ、トークン使用量、受理率、編集精度、承認画像あたりの実効コストを計測してください。これこそが、Flare と Sunburst のどちらが本番モデルとして適切かを決定します。
FAQ
Is GPT-Image-2.5 available on CometAPI?
はい。GPT Image 2.5 Flare と GPT Image 2.5 Sunburst は CometAPI 経由で利用可能です。
Do I need a separate OpenAI API key?
いいえ。CometAPI 経由でモデルを呼び出す場合、認証は CometAPI キーを CometAPI のエンドポイントに対して使用します。
Should I use Flare or Sunburst?
ほとんどの生成ワークロードでは Flare から始めてください。編集精度、複雑な合成、参照画像ディテールの保持が受理率に影響する場合は Sunburst を使用します。これは OpenAI 自身の両モデルの位置づけにも沿っています。
Can GPT-Image-2.5 edit existing images?
はい。現行のモデル仕様は画像入力と画像編集をサポートしており、CometAPI もファミリーの編集機能を公開しています。GPT Image 2.5 Flare API in CometAPI
Does GPT-Image-2.5 support transparent images?
はい。background を transparent に設定し、出力形式に PNG または WebP を使用してください。OpenAI image prompting guide
Can I use the OpenAI Python SDK with CometAPI?
はい。CometAPI の現行サンプルは、base_url="https://api.cometapi.com/v1" と CometAPI キーで標準の OpenAI クライアントを初期化しています。CometAPI SDK example