2026 年 9 月 8 日に公開された GPT Image 2.5 は、GPT Image 2 を 2 つのモデルで置き換える。トークン単価が据え置きのままレイテンシを最大 50% 削ったという Flare と、マルチターン編集の制御精度を高めた Sunburst である。トークン単価そのものは変わらないが、品質ティアの目盛りは引き直された。2.5 の max は、GPT Image 2 の high と同じコストになる。Arena の 2026 年 9 月時点の暫定ボードでは、Sunburst が 1421、GPT Image 2 が 1381 だ。
本稿で扱うのは、OpenAI が何を変えたのか、3 モデルの 1 枚あたりコストが実際にはどう見えるのか、同一のキューを通した 同じ 5 本のプロンプトで 3 つの選択肢がどう振る舞ったのか、そして仕事の種類ごとにどれを選ぶべきか、である。数値はすべて 2026 年 9 月 10 日時点のもので、主要な数値には出典リンクを添えた。
GPT Image 2.5 とは何か、GPT Image 2 と何が違うのか
GPT Image 2.5 は、2026 年 9 月 8 日に ChatGPT Images 2.5 として発表された OpenAI の画像生成モデルファミリーである。2026 年 4 月 21 日に単一モデルとして登場した GPT Image 2 と違い、GPT Image 2.5 は API 上で gpt-image-2.5-flare と gpt-image-2.5-sunburst の 2 モデルとして提供され、どちらも 2026-09-08 スナップショットを持つ。両モデルは LoveGen AI の GPT Image 2.5 で Flare/Sunburst のトグルとして使え、従来の GPT Image 2 も併存している。
OpenAI は発表記事で、今回の更新を「よりシャープなディテール、より速い生成、より精密な編集、そして制作と共有のためのより優れたツール」とまとめている(OpenAI via 9to5Mac, 2026 年 9 月 8 日)。同社はさらに、Images 2.5 は「より自然なライティングと豊かなテクスチャを生成し、参照写真の被写体をより忠実に保ち、複数ターンにわたって編集指示をより確実に守る」とも述べている。
Flare と Sunburst を 1 枚の表で
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst | |
|---|---|---|
| OpenAI の位置づけ | 「ほとんどの用途に」向く既定モデル | 「編集をまたぐ緻密な制御が効く、プレミアムなビジュアルワークフロー」向け |
| GPT Image 2 との品質差 | 上回る。しかも「レイテンシは 50% 低い」 | 上回る。ただし生成時間は Flare より「長い」 |
| 想定ワークロード | クリエイター向け/ソーシャル向けコンテンツ、プロダクト体験、ビジュアル検索、ラピッドプロトタイピング、大量生成 | 本番のキャンペーンクリエイティブ、仕上げ重視の商品画像、複数ラウンドの追い込み |
| API ID | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| トークン単価 | GPT Image 2 と同一 | GPT Image 2 と同一 |
出典:OpenAI Developer Community の告知および OpenAI のモデルページ。
GPT Image 2.5 で変わった点
OpenAI の告知によれば、GPT Image 2 に対して新しくなったのは次の 5 点だ。
- 1 モデルから 2 モデルへ。 速度なら Flare、精度なら Sunburst。トークンあたりの価格は同じ。
- 品質ティアが 2 段追加。
xhighとmaxがhighの上に載る。GPT Image 2 はhighが上限だった。2.5 の両モデルは既定でquality: autoになる(OpenAI の画像生成ガイド)。 - 狙い撃ちの編集。 OpenAI は「変えたいところだけを変えるコメントベースの編集」と「複数回の編集をまたいだディテールの一貫性」を挙げる。
- 参照写真の再現性向上。 アップロードした写真の被写体が、設定やスタイルを変えても見分けのつく形で保たれる。
opaqueという背景オプションの新設。 既存のautoとtransparentに加わった。
ChatGPT アプリ側では、Images 2.5 に合わせて、ラフなレイアウトを描く Sketch ツール、画像の特定領域を指すコメント、ポスターやグッズなど用途別のテンプレート、共有できるプロンプトも追加された(The Decoder, 2026 年 9 月)。The Decoder は、出力に Google DeepMind の SynthID による不可視の電子透かしが入る点にも触れている。
変わらなかった点
2026 年 4 月に GPT Image 2 を際立たせた特徴は、そのまま引き継がれた。GPT Image 2 は、レンダリングの前に構図を設計する推論ステップを備えた OpenAI 初の画像モデルであり、1 つのプロンプトから最大 8 枚の整合した画像を返せ、日本語・韓国語・中国語・ヒンディー語・ベンガル語といった非ラテン文字を従来モデルより格段に確実にレンダリングできた(OpenAI, 2026 年 4 月;MacRumors, 2026 年 4 月 22 日)。これらの能力は Images 2.5 にも残っている。
レート制限も 3 つの API モデルで同一だ。OpenAI は gpt-image-2、Flare、Sunburst の各モデルページで、Tier 1 は毎分 100,000 トークンかつ毎分 5 枚、Tier 5 では毎分 8,000,000 トークンかつ毎分 250 枚と記載している。
GPT Image 2.5 vs GPT Image 2：スペック対照
| スペック | GPT Image 2 | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst | 出典 |
|---|---|---|---|---|
| リリース日 | 2026 年 4 月 21 日 | 2026 年 9 月 8 日 | 2026 年 9 月 8 日 | OpenAI |
| API ID / スナップショット | gpt-image-2 / 2026-04-21 | gpt-image-2.5-flare / 2026-09-08 | gpt-image-2.5-sunburst / 2026-09-08 | OpenAI のモデルページ |
| 品質ティア | low, medium, high | low, medium, high, xhigh, max, auto | low, medium, high, xhigh, max, auto | OpenAI のガイド |
| レイテンシの公称 | 基準 | GPT Image 2 比で最大 50% 低い | Flare より長い | OpenAI |
| カスタム解像度 | 16 の倍数、最長辺 3840 px、総画素数 655,360〜8,294,400 | 同じ | 同じ | OpenAI のガイド |
| アスペクト比の範囲 | 1:3〜3:1 | 1:3〜3:1 | 1:3〜3:1 | OpenAI のガイド |
| 背景オプション | auto, transparent, opaque | auto, transparent, opaque | auto, transparent, opaque | fal.ai のスキーマ |
| 推論(「思考」)ステップ | あり | あり | あり | OpenAI, 2026 年 4 月 |
| テキスト入力 / 画像入力 / 画像出力 | 100 万トークンあたり $5 / $8 / $30 | 100 万トークンあたり $5 / $8 / $30 | 100 万トークンあたり $5 / $8 / $30 | OpenAI のモデルページ |
| Arena のテキスト→画像スコア(2026 年 9 月) | 1381 ± 4(medium、78,731 票) | 1399 ± 13(2,856 票、暫定) | 1421 ± 13(3,149 票、暫定) | Arena |
| Artificial Analysis の順位(2026 年 9 月 10 日) | 1 位、Elo 1171(high) | 未掲載 | 未掲載 | Artificial Analysis |
| LoveGen AI での参照画像 | 最大 4 枚 | 最大 6 枚 | 最大 6 枚 | LoveGen AI のモデルページ |
| LoveGen AI での最大サイズ | 2K | 3840×2160 | 3840×2160 | LoveGen AI のモデルページ |
| LoveGen AI でのクレジット | 1 枚 0.3 の固定 | 品質とサイズに応じて 0.1〜3.4 | Flare と同じ | LoveGen AI のモデルページ |
OpenAI のガイドは、このファミリーの全モデルについて 2560×1440 を超える解像度を実験的な扱いとし、標準サイズとして 1024×1024、1536×1024、1024×1536 を推奨している(OpenAI の画像生成ガイド)。
GPT Image 2.5 は GPT Image 2 より高いのか
トークン単位では高くならない。1 枚あたりでは、どの品質ティアを選ぶかで答えが変わる。OpenAI が目盛りを引き直したからだ。GPT Image 2.5 の high で出てくる 1 枚は、GPT Image 2 の medium とおおよそ同じコストであり、GPT Image 2.5 の max は GPT Image 2 の high とおおよそ同じコストになる。
トークンの料金表は同じ
3 モデルはいずれも、テキスト入力が 100 万トークンあたり $5(キャッシュ時 $1.25)、画像入力が 100 万トークンあたり $8(キャッシュ時 $2)、画像出力が 100 万トークンあたり $30 で課金される。gpt-image-2.5-flare と gpt-image-2.5-sunburst のモデルページには「トークン単価は GPT Image 2 と一致する」と明記されている。同じページには、OpenAI の GPT Image 2 用コスト計算ツールは「GPT Image 2.5 のトークン消費量を見積もれない」という注意書きもある。これが、1 枚あたりの出力トークン数が変わったことを示す最初のヒントだ。
品質ティアの目盛りが引き直された
fal.ai は両世代について、品質とサイズの組み合わせごとに 1 枚あたりの固定価格を公開している。おかげで変化が見て取りやすい。以下は 2026 年 9 月 9 日時点の fal.ai のリスト価格である。
| 品質ティア | GPT Image 2、1024×1024 | GPT Image 2.5、1024×1024 | GPT Image 2、3840×2160 | GPT Image 2.5、3840×2160 |
|---|---|---|---|---|
| low | $0.006 | $0.006 | $0.012 | $0.011 |
| medium | $0.053 | $0.013 | $0.101 | $0.026 |
| high | $0.211 | $0.053 | $0.401 | $0.100 |
| xhigh | 提供なし | $0.094 | 提供なし | $0.178 |
| max | 提供なし | $0.211 | 提供なし | $0.400 |
出典:fal.ai の GPT Image 2 と fal.ai の GPT Image 2.5 Flare。fal.ai では Flare と Sunburst が同じ価格表を共有している(Sunburst のページ)。
GPT Image 2.5 の列を上から追えば、対応関係は明快だ。2.5 の high($0.053)は GPT Image 2 の medium($0.053)と一致し、2.5 の max($0.211)は GPT Image 2 の high($0.211)と一致する。The Decoder も同じ結論に達しており、2.5 の max ティアは「Images 2.0 の high ティアのコストと一致する」と書いている(The Decoder)。実質的に OpenAI は、従来の最上位ティアより上に高価な段を 2 つ足したのではなく、その下に安い段を 2 つ差し込んだのだ。
既存の連携を移行する場合、何を意味するか
これまで gpt-image-2 に quality: "high" を渡していたリクエストのモデル ID を gpt-image-2.5-flare に差し替えただけだと、quality: "high" はそのまま残り、消費する出力トークンは以前の約 4 分の 1 になる。1024×1024 なら約 75% のコスト削減(fal.ai のリスト価格で $0.211 から $0.053)だが、同時に生成に割り当てられる計算量も変わるということだ。以前と同じ出力トークン予算を維持したいチームは quality: "max" を指定すべきである。既定値に頼っていたチームは、GPT Image 2.5 の既定が OpenAI の API では auto(OpenAI のガイド)、fal.ai では high になっている点(fal.ai のスキーマ)に注意したい。
LoveGen AI でのクレジット消費
LoveGen AI では、GPT Image 2 は 1 枚 0.3 クレジットの固定で、参照画像は最大 4 枚、出力は 2K まで。GPT Image 2.5 は品質とサイズによる価格制で、下限は 0.1 クレジットだ。既定の 1024×1024 では Low が 0.1、Medium が 0.2、High が 0.5、Extra High が 0.8、Max が 1.8 クレジット。3840×2160 のレンダリングは Low の 0.1 クレジットから Max の 3.4 クレジットまで幅がある。Flare と Sunburst は同額で、1024×768 から 1920×1080、2560×1440、3840×2160 までの各サイズが横向き・縦向きの両方で選べ、透過 PNG 背景もオプションで指定できる。
実測：5 プロンプト、3 モデル、1 プラットフォーム
ローンチから 2 日後の 2026 年 9 月 10 日、fal.ai のキュー API 経由で、GPT Image 2 と GPT Image 2.5 の 2 モデルに 5 つの固定プロンプトを流した。3 モデルがプロバイダー、キュー、時計をすべて共有する形だ。試した構成は 4 つ。GPT Image 2 の high(現在多くの連携が使っている基準)、Flare の high(モデル ID を素朴に差し替えた場合に得られるもの)、そして Flare と Sunburst の max(1024×1024 で 1 枚 $0.211 という fal.ai のリスト価格で基準とコストを揃えたもの)である。このランで生成された画像は 33 枚、失敗はゼロ、リスト価格での費用は約 $6 だった。
テストの手順
- サイズ:テスト 1、2、3、5 は 1024×1024、テスト 4 は 3840×2160 で、幅と高さを明示的に指定して投げた。
- 計測:キューへの投入から結果の完了までの実時間(秒)。4 構成は並列に投入し、キューの待ち時間が 3 秒を超えることはなかったため、数値は実質的に fal.ai 上の処理時間である。テスト 5 は 3 回のランの中央値、それ以外はすべて 1 回のランで、本文にもそう明記している。
- 参照画像:白背景に白い山のロゴが入ったネイビーのセラミックマグ 1 枚。Flare の
highで一度だけ生成し、テスト 2 と 3 では全モデルに同一の入力として使い回した。 - 採点:テスト 1 は 5 つの文字列、計 37 文字のうち正しく描けた文字数を数える。テスト 2 と 3 はチェーンを通じてマグ、ロゴ、背景に生じた意図しない変化を数える。テスト 4 は小屋の周辺を 1024×640 で 100% 等倍に切り出して比較する。テスト 5 は 3 回のランすべてがサムネイルとして使えるかを見る。
- 留意点:fal.ai のキューには固有のオーバーヘッドがあり、LoveGen AI は GPT Image 2 と GPT Image 2.5 を別のプロバイダー経由でルーティングしている。したがって他のプラットフォームでの絶対時間は違ってくる。比較で重要なのはモデル間の比率だ。
テスト 1：多言語のポスター文字
プロンプトで求めたのは、フラットベクター調のカフェポスターと、そこに載る 5 つの厳密な文字列である。"MORNING BREW"、每日现磨咖啡、毎朝焙煎、"$4.50"、"Open 7am - 6pm"、そして右下のプライスタグだ。4 構成すべてが 37 文字すべてを正しく描き、プライスタグも指定どおりの位置に置いた。Flare の max は見出しの後と営業時間の後によけいなピリオドを 1 つずつ付けたが、残る 3 つはきれいだった。所要時間は GPT Image 2 が 116.0 秒、Flare の high が 26.0 秒、Flare の max が 54.5 秒、Sunburst の max が 96.1 秒(1 回のラン)。2026 年 4 月に GPT Image 2 の看板だったテキストレンダリングは、2.5 にも無傷で引き継がれている。つまりここは、どちらの世代を選ぶ理由にもならない。
左上:GPT Image 2(high)。右上:GPT Image 2.5 Flare(high)。左下:GPT Image 2.5 Flare(max)。右下:GPT Image 2.5 Sunburst(max)。
テスト 2：参照画像からの商品編集
各モデルに同じマグの画像と、「窓辺の白い大理石のカウンターに置き、柔らかな朝の光を当てる。形、色、取っ手の位置、ロゴは変えない」という指示を与えた。4 構成すべてがロゴ、色、取っ手を保った。GPT Image 2.5 の 3 出力は参照画像のプロポーションと一致したが、GPT Image 2 はマグを元画像よりやや寸胴に描いた。所要時間は GPT Image 2 が 137.2 秒、Flare の high が 36.6 秒、Flare の max が 68.9 秒、Sunburst の max が 107.9 秒(1 回のラン)。参照画像からの一発編集なら、どの構成も本番で使える水準にある。
テスト 3：3 ターンの編集チェーン
各モデルのテスト 2 の出力を起点に、2 ターン目ではマグの右にクロワッサンを載せた皿を置くこと、それ以外は何も変えないことを求めた。3 ターン目では、ライティングだけを暖色の夜のランプ光に変えるよう指示した。そして、頼んでいない変化をすべて数えた。
- GPT Image 2(high):2 ターン目でシーン全体を描き直した。マグは左に動いて小さくなり、観葉植物とカッティングボードの位置も変わった。3 ターン目はその新しいレイアウトを保ったものの、窓越しの景色を描き直した。意図しない変化は 4 件、1 ターンあたり約 136 秒。
- Flare(high):2 ターン目でマグの表面にうっすら布のような目が乗ったが、それ以外は動かなかった。3 ターン目は光だけが変わった。意図しない変化は 1 件、1 ターンあたり約 30 秒。
- Flare(max):2 ターンを通じてマグの表面がマットからクロスハッチ状の目へと流れ、観葉植物と窓枠も両ターンでずれた。意図しない変化は 4 件、1 ターンあたり約 62 秒。
- Sunburst(max):レイアウト、マグ、観葉植物、キャニスター、ボードは両ターンを通じて固定されたまま。変わったのはクロワッサンとライティングだけだ。意図しない変化はゼロ、1 ターンあたり約 107 秒。
Sunburst は、複数ラウンドの作業について OpenAI が約束したものをそのまま出してきた。意外だったのは Flare の max で、このチェーンでは GPT Image 2 と同程度に流れた一方、Flare の high は安定していた。1 本のチェーンは統計にはならないが、上位ティアのほうが安全だと決めつける前に、自分の編集シーケンスで Flare の両ティアを試す理由にはなる。
チェーンの最終フレーム。左上:GPT Image 2(high)。右上:GPT Image 2.5 Flare(high)。左下:GPT Image 2.5 Flare(max)。右下:GPT Image 2.5 Sunburst(max)。
テスト 4：4K 風景のディテール
4 構成すべてが、フィヨルドの風景をちょうど 3840×2160 で返してきた。画面に収まるよう縮小すると、4 枚の区別はつきにくい。小屋の周りを 100% で切り出すと、最も鮮鋭なのは Sunburst の max だ。岩肌の地衣類、屋根のトタンの波、手すりの板 1 枚 1 枚まで読み取れる。Flare の max がすぐ後に続く。GPT Image 2 の high は小屋の外壁をきりっと描くが、草木と岩には絵画的な滲みが残る。Flare の high は全体に目に見えて甘く、出力トークンが 4 分の 1 なのだから当然でもある。所要時間は GPT Image 2 が 105.4 秒、Flare の high が 31.0 秒、Flare の max が 75.1 秒、Sunburst の max が 91.5 秒(1 回のラン)。これらのレンダリングの fal.ai リスト価格は、順に $0.401、$0.100、$0.400、$0.400 である(fal.ai)。
各 3840×2160 のレンダリングから 1024×640 を 100% 等倍で切り出したもの。左上:GPT Image 2(high)。右上:GPT Image 2.5 Flare(high)。左下:GPT Image 2.5 Flare(max)。右下:GPT Image 2.5 Sunburst(max)。
テスト 5：実用に足る最安ティアでソーシャル用サムネイル
プロンプトは黄色い背景に真上から見たラーメンの丼で、1024×1024、各構成 3 回ずつ実行した。12 出力すべてが使える水準だった。Flare の high はきれいで揃った丼を 3 枚返し、中央値は 25.1 秒、リスト価格は 1 枚 $0.053。GPT Image 2 の high は中央値 152.6 秒、$0.211 を要し、しかも 1 回目のランでは丼の外の背景にネギを散らしてしまった。Flare の max は中央値 58.8 秒、Sunburst の max は 128.4 秒で、いずれも $0.211 だ。サムネイル用途なら、Flare の high は GPT Image 2 の基準構成に対して 6 分の 1 の時間、4 分の 1 の価格で使える画像を出す。
各構成 3 回のランのうち 1 回目。左上:GPT Image 2(high)。右上:GPT Image 2.5 Flare(high)。左下:GPT Image 2.5 Flare(max)。右下:GPT Image 2.5 Sunburst(max)。
結果ひと目まとめ
| テスト | GPT Image 2(high) | GPT Image 2.5 Flare(high) | GPT Image 2.5 Flare(max) | GPT Image 2.5 Sunburst(max) |
|---|---|---|---|---|
| 1. ポスター文字:正解文字数、時間 | 37/37、116.0 秒 | 37/37、26.0 秒 | 37/37 と余分なピリオド 2 個、54.5 秒 | 37/37、96.1 秒 |
| 2. 参照編集:被写体の維持、時間 | 維持(やや寸胴)、137.2 秒 | 維持、36.6 秒 | 維持、68.9 秒 | 維持、107.9 秒 |
| 3. 編集チェーン:2 ターンの意図しない変化、1 ターンあたり時間 | 4 件、約 136 秒 | 1 件、約 30 秒 | 4 件、約 62 秒 | 0 件、約 107 秒 |
| 4. 4K のディテール:100% での順位、時間、リスト価格 | 3 位、105.4 秒、$0.401 | 4 位、31.0 秒、$0.100 | 2 位、75.1 秒、$0.400 | 1 位、91.5 秒、$0.400 |
| 5. サムネイル:3 回のランの中央値、リスト価格 | 152.6 秒、$0.211 | 25.1 秒、$0.053 | 58.8 秒、$0.211 | 128.4 秒、$0.211 |
計測は 2026 年 9 月 10 日、fal.ai のキュー API 上。時間は投入から完了までの実時間で、5 行目を除きすべて 1 回のラン。価格は出力画像 1 枚あたりの fal.ai リスト価格で、参照画像の入力トークンは含まない。
GPT Image 2.5 は GPT Image 2 よりどれだけ速いのか
OpenAI の主張は、Flare が GPT Image 2 に対して「最大 50% 低レイテンシ」というものだ(OpenAI)。ローンチ以降に公開された第三者の数値も同程度か、それ以上である。WeShop は同一設定で Flare が 30% から 52% 速いと測り(WeShop)、Manus はローンチ前の自社ワークロードで Flare が GPT Image 2 の 2 倍から 4 倍の速さだったと報告している(BuildFastWithAI)。
fal.ai の同一キューで得た我々の数値は、OpenAI の主張より大きい。1024×1024 では、Flare の high が中央値 25.1 秒に対し GPT Image 2 の high は 152.6 秒。84% の削減、約 6 倍の速さだ。コストを揃えたティアである Flare の max は 58.8 秒で、61% の削減。Sunburst の max は 128.4 秒で、GPT Image 2 より 16% 速く、しかも 4 構成で最も精細な出力を返した。奇妙な点が 1 つある。GPT Image 2 は 1024×1024 のサムネイルのほうが 3840×2160 の風景より時間がかかった(152.6 秒 対 105.4 秒)。所要時間が画素数ではなく計画ステップに支配されていることを示唆する挙動だ。これらは 1 日の fal.ai キュー時間であり、OpenAI の直接 API では振る舞いが違う可能性もある。比率は確定値ではなく目安として扱ってほしい。
独立系ベンチマークで GPT Image 2.5 は GPT Image 2 を上回るのか
初期の投票は「上回る」と言っているが、サンプル数には留保が付く。2026 年 9 月 7 日付の Arena テキスト→画像リーダーボードでは、gpt-image-2.5-sunburst が 1421 ± 13 で首位、gpt-image-2.5-flare が 1399 ± 13 で 2 位につけ、どちらも暫定表示だ。medium 品質の gpt-image-2 は 1381 ± 4 で 3 位を維持している。Sunburst と GPT Image 2 の差は 40 ポイントだが、新登場の 2 件の票数は 3,149 と 2,856 で、GPT Image 2 の 78,731 に対して信頼区間は 3 倍広い。
Artificial Analysis のテキスト→画像アリーナは、2026 年 9 月 10 日時点でどちらの 2.5 モデルも追加していない。同ボードでは今も GPT Image 2(high)が 15,381 サンプルで Elo 1171 の首位、次いで MAI-Image-2.6 が 1144、Nano Banana 2 が 1122 と並ぶ。GPT Image 2.5 が向こうで票を積むまでは、正直なまとめはこうなる。一方の独立系ボードでは GPT Image 2 が依然トップで、もう一方では GPT Image 2.5 が暫定データで首位、である。
ChatGPT で Flare か Sunburst を選べるのか
選べない。ChatGPT は Images 2.5 の 2 モデルを切り替えるピッカーを出していない。The Decoder はローンチ後に両方のコンシューマー面をテストし、Chat モードは「しばしば」弱いほうのモデルへ、Work モードは「一貫して」強いほうへルーティングされること、そして Chat モードの編集は無関係なディテールをより頻繁に書き換えることを確認している(The Decoder, 2026 年 9 月)。OpenAI のドキュメントには、どの状況で ChatGPT がどちらのバリアントを選ぶのかは書かれていない。
Images 2.5 はローンチ当日に、無料を含むすべての ChatGPT ティア、加えて ChatGPT Work と Codex へ、デスクトップ・モバイル・Web で展開された(OpenAI via 9to5Mac)。有料プランで得られるのは、別のモデルではなく待ち時間の短縮と利用上限の引き上げだ。再現性のある結果が必要なら、Flare か Sunburst を確実に指定する手段は、API のモデル ID か、トグルを見せてくれるプラットフォームしかない。LoveGen AI は GPT Image 2.5 のページで 2 つのバリアントを並列のカードとして提示するので、生成ごとに選択が明示される。
どれを使うべきか：仕事別に見る GPT Image 2 / Flare / Sunburst
| 仕事 | 推奨モデル | 品質ティア | 理由 |
|---|---|---|---|
| ソーシャル用サムネイル、大量のバリエーション | GPT Image 2.5 Flare | medium か high | 使える 1 枚あたりのコストが最も安く、テストでは生成も最速 |
| 参照写真からの EC 商品編集 | GPT Image 2.5 Sunburst(または high の Flare) | high か xhigh | チェーンテストでは両者がマグ、ロゴ、背景を固定できた。中でも Sunburst が最もきれい |
| 複数ラウンドのクライアント修正 | GPT Image 2.5 Sunburst | xhigh か max | 3 ターンのチェーンで意図しない変化ゼロ。GPT Image 2 と max の Flare はどちらも 4 件 |
| 予算重視で 2K の多言語ポスター | GPT Image 2 | high(LoveGen AI では 0.3 クレジット) | Artificial Analysis では依然 1 位。LoveGen AI の 0.3 クレジット固定は 2.5 の High の 0.5 より安い |
| 印刷物、キービジュアル、4K 壁紙 | GPT Image 2.5 Sunburst か Flare | max | max ティアがあるのは 2.5 だけ。4K の max は fal.ai で $0.400、GPT Image 2 の high と同額 |
| スループットが要る API 連携 | GPT Image 2.5 Flare | auto か high | レート制限は GPT Image 2 と同じで、1 枚あたりのレイテンシは低い |
GPT Image 2 に留まるべき場面
強いテキストを伴う 2K 出力が必要で、しかも LoveGen AI でクレジット課金を払っている場合だ。同等のサイズとティアで比べると、GPT Image 2 は 0.3 クレジット、GPT Image 2.5 は 0.5 クレジットである。パイプラインを GPT Image 2 の出力に合わせて調整済みで、まだ再検証していない場合も留まるべきだ。2.5 の編集は設計上、振る舞いが違う。
GPT Image 2.5 Flare を選ぶ場面
ディテールの最後の一伸びより、速度と量が重要な場合である。我々のテストでは、high の Flare は 1024×1024 を中央値 25.1 秒で返し、GPT Image 2 の 6 倍速く、3 ターンの編集チェーンも安定して保った。OpenAI は Flare を「クリエイター向け/ソーシャル向けコンテンツ、プロダクト体験、ビジュアル検索、画像のラピッドプロトタイピング、大量生成」の既定モデルと位置づけており(OpenAI)、トークン料金表が同じである以上、この速度に割増料金は付かない。
GPT Image 2.5 Sunburst を選ぶ場面
成果物を 2 回以上編集する場合、あるいは参照被写体がスタイルやシーンの変更を無傷でくぐり抜けなければならない場合だ。Sunburst は OpenAI が「編集をまたぐ緻密な制御が効くプレミアムなビジュアルワークフロー」向けに作ったモデルで、WeShop が報告した第三者テストでは対象領域の外側での流れが Flare より約 40% 少なかったとされ(WeShop, 2026 年 9 月)、我々の 3 ターンのチェーンで意図しない変化がゼロだった唯一の構成でもある。4 構成で最も鮮鋭な 4K レンダリングを出したのもこのモデルだ。
どちらの OpenAI モデルも勝たない場面
参照画像が 6 枚を超える編集や、十数点の入力にわたって同一性を保たせる写真の自然言語編集なら、Google の Nano Banana Pro が LoveGen AI 上で最大 14 枚の参照画像を受け付ける。タイポグラフィ主導のレイアウトでは Ideogram 3 が依然として専門家であり、テキストを含まないスタジオ級のフォトリアリズムなら Flux 2 Pro も有力な代替だ。いずれも同じクレジット残高で動くので、同じプロンプトをモデル横断で試すコストは 1 クレジットの端数で済む。
GPT Image 2 は非推奨になったのか。今すぐ移行すべきか
2026 年 9 月 10 日時点で、GPT Image 2 は非推奨になっていない。OpenAI の非推奨ページに gpt-image-2 の廃止日は載っておらず、gpt-image-2 のモデルページも 2026-04-21 スナップショットで引き続き公開されている。GPT Image 2 が DALL-E 系に続いて退役するのがいつなのか、そもそも退役するのかについて、OpenAI は何も述べていない。
新規案件については、GPT Image 2.5 から始めるのが妥当な既定であり、OpenAI 自身のガイダンスも、まず Flare から入り、品質要件がそれを求めるときに限って Sunburst へ移れという内容だ(OpenAI Developer Community)。既存の連携向けの移行チェックリストは次のとおり。
- モデル ID を
gpt-image-2.5-flareまたはgpt-image-2.5-sunburstに変更する。 qualityを読み替える。 出力トークン予算を以前と同じにしたいなら、旧highは新maxに相当する。旧mediumは新highだ。qualityを明示的に指定する。 新モデルの既定はautoで、ティアの選択が OpenAI 任せになる。- 編集プロンプトを見直す。 2.5 は頼まれたところだけを変える。GPT Image 2 がフレーム全体を描き直すことに頼っていたプロンプトは、狙う全体的な変化を書き下す必要が出てくるかもしれない。
background: "opaque"を検討する。 transparent や auto の背景で予想外の結果が出ていた場合だ。- 予算は fal.ai か OpenAI の使用量データから積む。GPT Image 2 の計算ツールは使わない。 2.5 はカバーしていないと OpenAI 自身が言っている。
よくある質問
GPT Image 2.5 はいつリリースされたのか
OpenAI は 2026 年 9 月 8 日、コンシューマー向け名称 ChatGPT Images 2.5 として GPT Image 2.5 をリリースした。API では gpt-image-2.5-flare と gpt-image-2.5-sunburst の 2 モデルが公開され、どちらも 2026-09-08 スナップショットである。同日、無料を含むすべての ChatGPT ティア、加えて ChatGPT Work と Codex に、デスクトップ・モバイル・Web で展開された(OpenAI)。
GPT Image 2.5 Flare と Sunburst の違いは何か
Flare は OpenAI の既定モデルで、GPT Image 2 より高品質かつレイテンシは最大 50% 低く、ソーシャルコンテンツ、プロダクト体験、大量生成を狙う。Sunburst は生成時間が長い大きめの精度重視モデルで、キャンペーンクリエイティブや、修正のたびに画像の他の部分に触れてはいけない複数ラウンドの編集のために作られている。トークン単価は共通だ(OpenAI)。
GPT Image 2.5 は GPT Image 2 より優れているのか
Arena の 2026 年 9 月の暫定テキスト→画像ボードでは、GPT Image 2.5 Sunburst が 1421、Flare が 1399、対する gpt-image-2(medium)が 1381 だ。ただし新登場の 2 件の票数は約 3,000 で、78,000 に対しては心もとない(Arena)。OpenAI はディテールの鮮鋭さ、より自然なライティング、参照写真の保持、マルチターン編集の確実さの向上を掲げている。Artificial Analysis が今も GPT Image 2 を 1 位に置いているのは、2.5 がまだ追加されていないためである。
GPT Image 2.5 は GPT Image 2 より高いのか
トークン単位では高くない。どちらもテキスト入力が 100 万トークンあたり $5、画像入力が 100 万トークンあたり $8、画像出力が 100 万トークンあたり $30 だ(OpenAI)。1 枚あたりでは目盛りが動いた。fal.ai では 1024×1024 の GPT Image 2.5 が low で約 $0.006、high で $0.053、max で $0.211。一方 GPT Image 2 は low で $0.006、medium で $0.053、high で $0.211 である。
新しい xhigh と max の品質ティアとは何か
GPT Image 2.5 は high の上に xhigh と max を足した。GPT Image 2 は high で止まる。2.5 の両モデルは既定で auto だ(OpenAI のガイド)。1024×1024 では fal.ai が xhigh を 1 枚 $0.094、max を $0.211 と掲げ、3840×2160 では xhigh が $0.178、max が $0.400 になる(fal.ai)。max が、GPT Image 2 の旧 high の出力コストに一致するティアである。
GPT Image 2.5 は 4K に対応しているのか
対応している。OpenAI の画像生成ガイドは、各辺が 16 の倍数、どの辺も 3840 ピクセルを超えない、総画素数が 655,360 から 8,294,400 の範囲、アスペクト比が 1:3 から 3:1 の範囲、という条件でカスタム解像度を許している。2560×1440 を超える解像度は実験的な扱いだ(OpenAI のガイド)。LoveGen AI では GPT Image 2.5 が 3840×2160 と 2160×3840 を直接選べるが、GPT Image 2 は 2K までである。
ChatGPT の中で Flare か Sunburst を選べるのか
選べない。ChatGPT は Images 2.5 のモデルピッカーを出していない。The Decoder は、Chat モードがしばしば弱いバリアントへ、Work モードは一貫して強いほうへルーティングされ、Chat モードの編集では無関係なディテールがより頻繁に変わったと報告している(The Decoder)。バリアントを制御したいなら、API のモデル ID か、Flare/Sunburst のトグルを見せる LoveGen AI のようなプラットフォームを使うことだ。
GPT Image 2 は非推奨なのか
2026 年 9 月 10 日時点では非推奨ではない。OpenAI の非推奨ページに gpt-image-2 の廃止日は載っておらず、モデルページも 2026-04-21 スナップショットで引き続き公開されている。ただし OpenAI は、GPT Image 2 用のコスト計算ツールでは 2.5 モデルのトークン消費量を見積もれないと明記している(OpenAI)。切り替える前に予算は別立てで見ておきたい。
GPT Image 2.5 は GPT Image 2 よりどれだけ速いのか
OpenAI は、Flare が GPT Image 2 に対してレイテンシを最大 50% 削ると述べている(OpenAI)。WeShop が報告した第三者テストでは同一設定で Flare が 30% から 52% 速く、Manus はローンチ前の自社ワークロードで 2 倍から 4 倍速いと測った(BuildFastWithAI)。2026 年 9 月 10 日に fal.ai の同一キューで行った我々のテストでは、1024×1024 の 1 枚あたり中央値が high の Flare で 25.1 秒、max の Flare で 58.8 秒、high の GPT Image 2 で 152.6 秒だった。
参照写真を使った編集にはどちらのモデルが向くのか
GPT Image 2.5 Sunburst だ。OpenAI は連続した編集をまたぐ緻密な制御のためにこのモデルを作っており、新しい設定やスタイルの中でも参照被写体を見分けのつく形で保つのが得意である(OpenAI)。WeShop のテストでは、Sunburst は対象領域の外側での流れが Flare より約 40% 少なかった(WeShop)。2026 年 9 月 10 日の 3 ターンのチェーンでは、max の Sunburst が意図しない変化ゼロ、high の Flare が 1 件、GPT Image 2 は 2 ターン目でシーン全体を描き直したため 4 件だった。
LoveGen AI で GPT Image 2.5 は何クレジットかかるのか
1 枚 0.1 クレジットから。既定の 1024×1024 なら High で 0.5 クレジット、Extra High で 0.8、Max で 1.8 だ。上限は 3840×2160 の Max で 3.4 クレジットになる。Flare と Sunburst は同額。LoveGen AI の GPT Image 2 は 1 枚 0.3 クレジットの固定で参照画像は最大 4 枚なので、2K の仕事では依然こちらが安い選択肢である。
API 連携を gpt-image-2 から gpt-image-2.5 に切り替えるべきか
新規案件なら「切り替えるべき」。ただし 1 点変更が要る。品質の読み替えだ。gpt-image-2 に quality: "high" を渡していたリクエストは、出力トークン予算を維持するなら gpt-image-2.5-flare に quality: "max" を渡すべきである。high をそのまま残せば、安くトークンの少ない画像になる(fal.ai の価格)。あわせて、新しい auto の既定、opaque という背景オプション、そして Sunburst はレイテンシが増すことも押さえておきたい。
まとめ
GPT Image 2.5 は、編集、参照忠実度、速度の面で GPT Image 2 に対する本物のアップグレードであり、しかもトークン単価は同じだ。切り替える前に頭に入れておくべき一点は、品質の名前が動いたことである。max が新しい high であり、high が新しい medium だ。ほとんどの仕事では Flare が正しい既定であり、被写体が何ラウンドもの編集を生き延びなければならないときに Sunburst が余分な秒数の元を取る。そして GPT Image 2 も、テキストの多い 2K の仕事を安く回す用途では、とりわけ LoveGen AI の 0.3 クレジットという条件で、まだ手元に置く価値がある。
両世代は、LoveGen AI の AI 画像モデルカタログで他の主要モデルすべてと横並びに動き、サブスクリプションなしの 1 枚単位の課金で使える。本稿執筆時点で、LoveGen AI は GPT Image 2.5 の無料お試しも提供している。上記 5 本のプロンプトを自分の参照画像で試すのに、これがいちばん安い手だ。