要点
GPT-Image-2.5は、ChatGPT Images 2.0およびGPT-Image-2 API世代の後継として、2026年9月8日に発表されたOpenAIの最新世代の画像生成・編集テクノロジーです。
開発者向けにはFlareとSunburstの2モデルが提供されます。Flareは多くの本番アプリでの標準選択として設計され、より高い画像品質と大幅に高速な生成を両立します。Sunburstは、編集の精度や最終画像の忠実度をレイテンシよりも重視するワークフローに向けられています。
単に画質が鮮明になっただけではありません。GPT-Image-2.5は、参照画像の保持、ローカライズされた編集、マルチターン編集の一貫性、視覚的なリアリズム、指示遵守、透過背景の生成、高解像度出力を改善します。OpenAIは、画像生成のレイテンシがImages 2.0比で最大50%低減されたと述べています。
初期の人間嗜好ベンチマークも良好です。9月9日のArenaスナップショットでは、Sunburstがテキストから画像生成で1421 ± 13 Eloで1位、Flareが1399 ± 13で2位、Image 2の1381 ± 4を上回りました。
開発者はCometAPIを通じて両方のバリアントにアクセスできます。GPT-Image-2.5 Flareは高速・大量処理向けにgpt-image-2.5-flareを使用し、GPT-Image-2.5 Sunburstは編集精度と最終画像の忠実度が最重要な場合にgpt-image-2.5-sunburstを使用します。どちらもおなじみの/v1/images/generationsおよび/v1/images/editsルートで利用でき、透過出力にはPNGまたはWebPを使用する必要があります。
重要なポイント
- GPT-Image-2.5は世代アップグレードであり、単なる画質刷新ではない
- 開発者は2つのバリアントを選択可能：速度とスケールのFlare、最大の編集精度のSunburst
- OpenAIによると、FlareはImages 2より高品質かつレイテンシを50%低減
- 両バリアントはlow、medium、high、xhigh、max、autoの品質モードをサポート
- カスタム出力寸法は4Kクラスの総画素数に到達可能で、各辺は最大3840ピクセル
- 現在のArena結果では、テキストから画像と単一画像編集の両方でSunburstとFlareがImage 2を上回る
- 両モデルの公式トークン単価は同一：テキスト入力$5/M、画像入力$8/M、画像出力$30/M
- CometAPIのFlare APIは、本番向けの画像ワークフロー構築における見出し入出力単価をより低く提示
GPT-Image-2.5 とは？
GPT-Image-2.5は、OpenAIの最新の画像生成・画像編集モデルファミリーです。ChatGPTではChatGPT Images 2.5として提供され、APIでは以下の2つのモデルから選択できます。
- gpt-image-2.5-flare
- gpt-image-2.5-sunburst
この区別は重要です。「GPT-Image-2.5」は単一のAPIモデルIDではなく、モデル世代（ファミリー）として理解するのが適切です。
GPT-Image-2.5は、CometAPIのImage 2 APIの機能に基づきつつ、画像作成のワークフローにさらに重点を置いています。各生成をほぼ独立した結果として扱うのではなく、新世代では、ユーザーが反復する間に被写体、構図、スタイル、過去の編集を保持するよう設計されています。
OpenAIは、参照画像の忠実度と精密編集の改善に加え、マルチターンの一貫性、豊かなテクスチャ、自然なライティングを強調しています。これは、単一の編集要求でアセット全体が予期せず再構成されるべきではない商用クリエイティブ作業に特に有効です。
重要な変更点として、xhighとmaxが導入されました。以前のGPT Imageモデルはquality設定がhighまでしかサポートしていませんでしたが、GPT-Image-2.5はレイテンシ対忠実度のトレードオフをより細かく制御できます。モデルは総画素数8,294,400までのカスタム寸法にも対応しますが、OpenAIは2560×1440を超える解像度を実験的としています。幅と高さは16の倍数である必要があります。
Flare と Sunburst の比較
FlareとSunburstはGPT-Image-2.5の中核能力を共有しますが、異なる本番要件に最適化されています。
| 意思決定要因 | Flare | Sunburst |
|---|---|---|
| 主目的 | スケールでの高速・高品質生成 | 最大限の生成・編集精度 |
| 相対レイテンシ | 高速。インタラクティブなワークフローに推奨 | 低速。忠実度と制御を優先 |
| 最適なワークロード | ソーシャルアセット、プロトタイプ、ビジュアル検索、大量アプリ | キャンペーンクリエイティブ、プロダクトヒーロー画像、難易度の高い局所編集 |
| 編集挙動 | 強い参照忠実度とマルチターン一貫性 | 細部を正確に保持する必要がある場合の最有力 |
| 推奨ルーティング | ルーチンリクエストのデフォルトモデル | 要求の厳しい生成や最終編集向けの精密ティア |
多くのアプリケーションでは、まずFlareで開始し、困難な最終編集をSunburstへルーティングするのがよいでしょう。これにより、応答性を保ちつつ高精度オプションも確保できます。
GPT-Image-2.5 の新機能
参照画像の忠実度向上
GPT-Image-2.5の最重要改善の一つは、元画像の忠実な保持です。参照ベースの生成は従来、変換を強めるほど、保持すべき人物の同一性、プロポーション、製品、背景、小さな視覚特徴が変わりやすいというトレードオフがありました。
GPT-Image-2.5はこれらの詳細をより保持するよう設計されています。ライティング、環境、衣服、構図、スタイルを変えても、被写体の認識性がより高く維持されるとOpenAIは述べています。これは、製品背景の差し替え、同一キャラクターのキャンペーンバリエーション、ポーズ・同一性を保つ衣装替え、同じソースアセットから構築する別構図などに有効です。
OpenAIの公式「Remixed baby portrait」例では、ポーズと青いスタジオ背景を保ちながら衣装を変更する、参照を意識した編集が示されています。
OpenAI の公式入力画像。
OpenAI の公式編集出力。
より精密な画像編集
2つ目の大きなアップグレードは編集の局所化です。製品写真にボトル、背景、見出し、ロゴ、影、小道具が含まれている場合、有用なエディタはボトルの形状やカメラアングル、ライティングを変えずに見出しだけを置き換えられるべきです。GPT-Image-2.5は、変更すべき部分と固定すべき部分の区別がより得意です。
マルチターン編集の信頼性向上
画像編集の真価は最初の編集の後に現れることが多いものです。典型的なクリエイティブワークフローでは、製品シーンを生成し、背景を変更し、製品を移動し、見出しを差し替え、販促バッジを追加し、ライティングを調整し、最後に透過版をエクスポートします。
弱い画像モデルでは、各ステップが進むにつれて、初期に確立したディテールが徐々に劣化することがあります。GPT-Image-2.5は、複数回の編集にわたって以前の変更がより持続するように設計され、画像生成を、無関係な生成の連続ではなく、インタラクティブな編集プロセスに近づけます。
より自然なライティングと質感
GPT-Image-2.5は、AI生成写真を見分けやすくする視覚アーティファクトも対象としています。OpenAIは、自然なライティングとより豊かなマテリアルの質感を改善したと報告しています。実際には、肌、布、ガラス、金属、パッケージ、家具、フードフォト、リアルな環境シーンなどで効果が期待できます。
複雑な指示の追従性向上
現代の画像生成プロンプトはデザインブリーフに近づいています。複数のオブジェクト、正確な位置、見出し、製品パッケージ、カメラ視点、ブランドカラー、ライティング、前景・背景関係、透過領域、除外要素などが指定されることがあります。GPT-Image-2.5は、こうした構造化された要求を首尾一貫した画像に翻訳する能力を高めています。
透過背景と柔軟な出力
両方のGPT-Image-2.5 APIモデルは、出力形式がPNGまたはWebPの場合に透過背景をサポートします。
background="transparent"
output_format="png"
公式の画像生成仕様は、開発者に少数の固定アスペクト比を強制するのではなく、有効な任意のWIDTHxHEIGHT寸法を許可します。これは、eコマースアセット、オーバーレイ、プレゼンテーション用グラフィック、UIコンポーネント、ステッカー、単体オブジェクト、サムネイル、広告クリエイティブに有用です。
GPT-Image-2.5 のベンチマーク性能
画像生成ベンチマークの解釈には注意が必要です。美的評価、プロンプト遵守、編集精度、視覚的リアリズム、参照忠実度を同時に捉える、数学ベンチマークのような単一指標は存在しません。GPT-Image-2.5では、現在有用な定量的根拠として、Arenaの人間嗜好結果、OpenAIのレイテンシ測定、OpenAIのセーフティスタック評価の3種があります。
Arena テキストから画像ベンチマーク
Arenaは、同一タスクに対して2つの匿名モデルの出力を提示し、ユーザーが好みの結果を選ぶブラインド比較で評価します。スナップショットは以下の通りです。
Arena 予備スナップショット
| モデル | テキストから画像 Elo | ランク | 票数 |
|---|---|---|---|
| Sunburst | 1421 ± 13 | 1 | 3,149 |
| Flare | 1399 ± 13 | 2 | 2,856 |
| Image 2 (medium) | 1381 ± 4 | 3 | 78,731 |
| MAI Image 2.6 | 1331 ± 7 | 4 | 11,213 |
| Grok Imagine Image 2.0 (low) | 1315 ± 12 | 5 | 2,681 |
画像編集ベンチマーク
Arenaの単一画像編集リーダーボードでも同様の傾向が見られます。
| モデル | 単一画像編集 Elo | Image 2 との差 |
|---|---|---|
| Sunburst | 1520 ± 9 | +59 |
| Flare | 1491 ± 9 | +30 |
| Image 2 | 1461 ± 3 | 基準 |
| Grok Imagine Image 2.0 | 1439 ± 8 | -22 |
| MAI Image 2.6 | 1434 | -27 |
編集におけるSunburstの優位性は特に明確です。テキストから画像よりもImage 2に対する差が大きく、精密志向モデルという位置づけに合致します。
生成レイテンシ
OpenAIは、GPT-Image-2.5がImages 2.0に対して生成レイテンシを最大50%削減したと述べています。APIに限っても、FlareはImage 2より高画質でレイテンシを50%低減すると位置づけられています。Sunburstは追加の精度のために生成時間を長く取る設計です。
安全性評価
OpenAIは、ポリシー違反の画像を意図的に要求するアドバーサリアルなプロンプトを用いた定量的セーフティ評価も公開しています。
| モデル | 安全な生成 | 不適切リクエストをブロック | 不適切だが提示 |
|---|---|---|---|
| Sunburst | 77.0% | 21.9% | 1.09% |
| Flare | 79.4% | 19.2% | 1.41% |
| ChatGPT Images 2.0 ベースライン | 75.2% | 23.1% | 1.64% |
出典: OpenAI Images 2.5 safety evaluations。1.64%のベースラインと比較すると、最終的な不適切提示率はSunburstで0.55ポイント、Flareで0.23ポイント低下しています。
これらの数値はセーフティのストレステスト結果であり、一般的な画像品質スコアや通常トラフィックの推定ではありません。
Flare vs Sunburst vs Image 2
多くの開発者にとって有用なのは、抽象的にGPT-Image-2.5が優れているかどうかではなく、特定のワークロードにどのモデルが適しているかです。
| 次元 | Flare | Sunburst | Image 2 |
|---|---|---|---|
| 主目的 | 速度 + 高品質 | 最大の精度 | 旧世代の汎用画像モデル |
| テキストから画像 | 優秀 | 現在のArenaで最良 | 優秀 |
| 画像編集 | 優秀 | この3つの中で最良 | 強力 |
| Arena T2I Elo | 1399 ± 13 | 1421 ± 13 | 1381 ± 4 |
| Arena 画像編集 Elo | 1491 ± 9 | 1520 ± 9 | 1461 ± 3 |
| 相対レイテンシ | 最速の選択 | 低速 | ベースライン |
| 参照忠実度 | 改善 | 改善 / 精密志向 | 強力 |
| マルチターン編集 | 改善 | 改善 | 最適化の度合いは低い |
| 品質設定 | maxまで対応 | maxまで対応 | highまで |
| カスタム寸法 | 対応 | 対応 | 対応 |
| 4Kクラス出力 | 対応 | 対応 | 対応 |
| 透過背景 | 対応 | 対応 | 対応 |
| 最適用途 | アプリ、ソーシャル、プロトタイピング、バッチ | キャンペーン、磨き上げた製品、困難な編集 | 既存統合の維持 |
| 新規APIプロジェクト推奨 | はい、デフォルト | はい、精度が重要な場合 | 主に既存ワークフロー維持時 |
どのモデルが品質で勝つ？
現時点ではSunburstです。主要なArena画像カテゴリーの双方でリードし、OpenAIから生成と編集の最も高性能なモデルとして明確に位置づけられています。
どのモデルが速度で勝つ？
答えはFlareです。高い嗜好スコアと大幅に低いレイテンシの組み合わせにより、ファミリー内の最も汎用的な選択肢となります。
Flare は Sunburst より安い？
公表された単価レベルでは違います。
両モデルは現時点で同じトークン単価を使用します。Flareの経済的優位は主にレイテンシとワークフローのスループットから生じ、トークン単価の低さによるものではありません。
GPT-Image-2.5 の価格
OpenAIは現時点でFlareとSunburstに同じトークン単価を適用しています。
| トークン種別 | Flare | Sunburst |
|---|---|---|
| テキスト入力 | $5 / 1M tokens | $5 / 1M tokens |
| キャッシュ済テキスト入力 | $1.25 / 1M tokens | $1.25 / 1M tokens |
| 画像入力 | $8 / 1M tokens | $8 / 1M tokens |
| キャッシュ済画像入力 | $2 / 1M tokens | $2 / 1M tokens |
| 画像出力 | $30 / 1M tokens | $30 / 1M tokens |
したがって、公式のトークン単価だけでは「Flareは安く、Sunburstは高い」という単純な区別にはなりません。代わりに、経済的差はワークフロー上の挙動から生まれます。より高速なモデルは、エンドユーザーの待ち時間、アプリの同時実行要件、中断された生成試行、反復的なデザイン時間、長時間リクエストが占有するインフラを削減し得ます。
画像入力コスト
例：参照画像編集のコスト：総リクエストコスト = テキスト入力トークン × $5/M + 画像入力トークン × $8/M + 画像出力トークン × $30/M
CometAPI における GPT-Image-2.5 Flare と Sunburst の価格
現時点で、CometAPIは公式の入出力単価に対して20%の見出しディスカウントを提示しています。OpenAIはFlareとSunburstに同一の単価を公表しているため、表示上の比較は両バリアントで同じです。
| モデル | モデルID | CometAPI 入力 | CometAPI 出力 | 公式 入力/出力 |
|---|---|---|---|---|
| Flare | gpt-image-2.5-flare | $4 / 1M tokens | $24 / 1M tokens | $5 / $30 per 1M tokens |
| Sunburst | gpt-image-2.5-sunburst | $4 / 1M tokens | $24 / 1M tokens | $5 / $30 per 1M tokens |
これらは簡略化した見出しの入出力数値です。OpenAIはテキスト入力、画像入力、キャッシュ済入力、画像出力を個別に課金するため、参照画像や編集のワークロードは実際のリクエストで返されるトークン区分に基づいて予算化すべきです。本番導入前にはライブのモデルカタログを確認してください。価格はプロバイダー側で変更され得ます。
GPT-Image-2.5 の最適ユースケース
商品撮影
参照保持とターゲット編集はeコマースで特に有用です。同じ製品を保ちつつ、背景、ライティング、季節設定、プロモーション文言、影、構図、地域別キャンペーンの処理を変更できます。
広告・キャンペーンクリエイティブ
一つのマスタークリエイティブから慎重に制御された複数のバリエーションが必要な場合、Sunburstは特に魅力的です。製品やブランドの構図を保ちながら、見出し、背景シーン、プロモーション、言語、ビジュアル処理を変更できます。
大量のソーシャルコンテンツ
Flareのレイテンシ優位は、ソーシャル画像ジェネレーター、クリエイターツール、パーソナライズされたサムネイル、ミーム、プロフィールアセット、自動化コンテンツパイプラインに適しています。こうした領域では、最終的な数ポイントの嗜好差よりも、スループットと反復速度が重要です。
ビジュアルプロトタイピング
デザイナーは、アプリ画面、Webサイト構想、パッケージ、インテリア、プロダクトコンセプト、プレゼンテーションビジュアル、広告レイアウトの迅速な探索にGPT-Image-2.5を活用できます。
画像編集プロダクト
ユーザーが自分の写真をアップロードするアプリでは、参照の保持が純粋なテキストから画像品質より重要になる場合があります。例として、衣装替え、室内リデザイン、背景置き換え、製品レタッチ、ヘッドショットのバリエーション、パーソナライズドクリエイティブなどが挙げられます。
透過アセット
ネイティブの透過背景出力により、単体の製品オブジェクト、ステッカー、UIグラフィック、プレゼンテーションアセット、コンポジティングパイプラインでの実用性が高まります。
GPT-Image-2.5 の制限事項
テキストは依然として失敗し得る
テキストレンダリングは最近のGPT Image世代で大幅に改善されていますが、広告、パッケージ、メニュー、法的文言、UIスクリーンショットなど高リスク用途では引き続き手動で検証すべきです。
正確なレイアウト制御は保証されない
「ロゴを左上から正確に40ピクセルの位置に配置」といった自然言語の指示は、設計ツールの決定論的制約と同義ではありません。ピクセル単位のレイアウトは、まずビジュアルアセットを生成し、テキストやインターフェース要素をプログラム的またはデザインツールで正確に合成する方が適しています。
キャラクターやブランドの一貫性は依然としてドリフトし得る
マルチターンの一貫性は改善されていますが完璧ではありません。長い画像列、繰り返しのキャラクター生成、大規模なブランドキャンペーンでは、品質管理を引き続き行うべきです。
超高解像度は実験段階
APIは総画素数8,294,400、各辺最大3840ピクセルまで許可しますが、2560×1440を超える解像度は現時点で実験的です。本番システムでは、すべての4K構成が同様に動作する前提を置かず、高解像度出力を検証してください。
複雑なプロンプトは依然として時間がかかる
難しい要求は依然として多大な処理時間を要することがあります。アプリケーションは、適切なローディング状態、タイムアウト、一時的な失敗に対するリトライ、バッチパイプラインの非同期処理を実装すべきです。
Flare と Sunburst：どちらを選ぶべき？
選択は「速度」と「最終編集の精度」のどちらがワークフローで重要か、という一つの問いに集約できます。
以下を構築するなら Flare を選択:
- コンシューマ向け画像アプリケーション
- 大量生成
- ソーシャルコンテンツツール
- ラピッドプロトタイピング
- ビジュアル検索の結果生成
- プロダクト体験
- 迅速なフィードバックが期待されるインタラクティブエディタ
以下を作成するなら Sunburst を選択:
- 本番品質のキャンペーンアセット
- プレミアムな製品イメージ
- 要求の厳しい参照画像編集
- 困難な多段リビジョン
- 応答時間よりも細部の正確な保持が重要なビジュアル
多くの新規アプリケーションでは、まずFlareから始めるべきです。Sunburstは、すべてのリクエストで自動的に選ぶのではなく、精密ティアとして扱うのが適切です。洗練された本番システムでは、通常のリクエストをFlareにルーティングし、高い精度を要する編集にSunburstを割り当てることができます。
なぜ CometAPI 経由で GPT-Image-2.5 を使うのか？
CometAPIは、提示価格の差以上に本番の画像スタックを簡素化できます。
- One API: 認証を統一し、対応する生成・編集ワークフローでおなじみの
/v1/images/generationsおよび/v1/images/editsルートを利用可能。 - モデル切替: modelフィールドを変更するだけで
gpt-image-2.5-flareからgpt-image-2.5-sunburstへ切替、あるいはgpt-image-2へのフォールバックが可能。周辺統合を作り直す必要はありません。 - 請求の一元化: 対応モデルの利用と請求を統合し、ルートごとに個別アカウント・請求書を維持する負担を削減。
- マルチモデル実験: 同一のプロンプト、参照画像、寸法、品質設定で制御比較を実施し、レイテンシ、トークン使用、編集精度、受け入れ率を測定。
- コスト最適化: 応答性の高い大量処理にはFlareをデフォルトに、精度が重要な編集はSunburstにエスカレーションし、既存ワークフローで成熟した挙動が必要な箇所にはImage 2を維持。見出し単価だけでなく実際の使用データに基づくルーティングを組み合わせる。
実務的な利点は運用の一貫性です。単一の統合内でモデルをテスト・ルーティングしつつ、各リクエストに適した品質・レイテンシ・コストプロファイルを選択できます。
結論
GPT-Image-2.5は、生成的な画像作成から、より制御可能な画像編集プラットフォームへのOpenAIの最新ステップを示します。Flareは最も広く有用なバージョンであり、新ファミリーの品質・編集改善と大幅なレイテンシ低減を両立し、インタラクティブアプリや大量の本番運用に適しています。
Sunburstはさらに精度を追求します。現在のArena結果では、テキストから画像生成と単一画像編集の両方でFlareとImage 2を上回り、要求の厳しいプロフェッショナルなクリエイティブワークフローにおける強力な選択肢となっています。
しかし最も意味のある変化はワークフローの信頼性です。被写体の保持、ターゲット編集、マルチターンの一貫性、カスタム高解像度出力、透過背景の生成が改善され、GPT-Image-2.5は、孤立した画像生成デモではなく、実際のクリエイティブパイプラインにとって実用的になっています。
よくある質問
GPT-Image-2.5 とは？
GPT-Image-2.5は、2026年9月にリリースされたOpenAIの最新の画像生成・編集モデルファミリーです。APIではFlareとSunburstに分かれています。
ChatGPT Images 2.5 と GPT-Image-2.5 の違いは？
ChatGPT Images 2.5はChatGPTに統合された画像生成体験を指します。開発者は、gpt-image-2.5-flareやgpt-image-2.5-sunburstといったAPIモデルを通じて新世代にアクセスします。
GPT-Image-2.5 Flare とは？
GPT-Image-2.5 Flareは速度志向のバリアントで、ほとんどのAPIアプリでOpenAIが推奨するデフォルトです。高い画像品質、画像編集、そして大幅に低い生成レイテンシに焦点を当てています。
GPT-Image-2.5 Sunburst とは？
GPT-Image-2.5 Sunburstは、生成と編集における最も高い能力を持つバリアントです。生成速度よりも精度と制御が重要なワークフローを意図しています。
GPT-Image-2.5 は Image 2 より優れていますか？
現時点の証拠ではイエスです。9月9日のArenaスナップショットで、テキストから画像ではSunburstが1421 ± 13、Flareが1399 ± 13、Image 2が1381 ± 4でした。単一画像編集では新2モデルの優位がさらに大きくなっています。
GPT-Image-2.5 は Image 2 より速いですか？
Flareは速いです。OpenAIによると、FlareはImage 2より高画質で、レイテンシを50%低減します。Sunburstは、より厳密な編集制御と引き換えに生成時間を意図的に長く取っています。
GPT-Image-2.5 は4K画像をサポートしますか？
はい。両APIバリアントは、総画素数8,294,400、各辺最大3840ピクセルまでのカスタム寸法をサポートします。OpenAIは現在、2560×1440を超える解像度を実験的としています。
GPT-Image-2.5 の費用はいくらですか？
OpenAIは現在、FlareとSunburstの両方で、テキスト入力$5/100万トークン、画像入力$8/100万トークン、画像出力$30/100万トークンを課金します。キャッシュ済入力の単価はより低くなります。
Flare と Sunburst のどちらを使うべきですか？
インタラクティブ、高ボリューム、コンシューマ、ソーシャル、プロトタイピング中心のワークロードにはFlareを。最大の編集精度と最終的な視覚的忠実度がレイテンシより重要な場合はSunburstを使用してください。