GPT Image 2.5を評価する

9月8日、OpenAIはImages 2.0の5か月後にChatGPT Images 2.5をリリースしました。ChatGPTでは、全ユーザー向けの画像モデルとなりました。APIでは2つのモデルとして登場しました。高速な標準モデルのGPT-Image-2.5 Flareと、時間をかけてより精密な仕事をこなすGPT-Image-2.5 Sunburstです。

OpenAIによれば、同社のツールで作られる画像はいまや週30億枚を超えています。ここでは、何が変わったのか、モデルが得意なこと、まだ崩れる点、費用、そしてブランドとして使う場合に何を意味するのかを見ていきます。

変わったこと

主な売り文句は、よりシャープな細部、より自然な光と質感、そしてImages 2.0より待ち時間が最大50パーセント短い、速い結果です。OpenAIはまた、参照写真の被写体がより見分けやすく保たれ、複数回のやり取りにわたって編集指示により確実に従うため、それまでの変更が崩れなくなったとしています。

ChatGPTには、モデルを取り巻くツールが加わりました。Sketchは、ラフな絵を完成した画像に変えます。テンプレートを使えば、白紙のプロンプトではなく構成からポスターや商品写真を作り始められ、画像に直接コメントを置いて編集を指示することもできます。

土台の多くは、4月のGPT Image 2で築かれていました。TechCrunchは、その文字の描写を「驚くほど良い」と評し、実際に使えそうなほどのレストランのメニューを例に挙げました。OpenAIも、日本語、韓国語、ヒンディー語、ベンガル語といった文字の描写が向上したと述べています。GPT Image 2では思考のステップも加わりました。モデルはWebを検索し、1つのプロンプトから複数の画像を作り、自らの出力を確認できます。

品質、文字、編集

ブラインド投票では首位に立っています。人々が匿名の2枚の画像を比べて良いほうを選ぶArenaのテキストから画像へのランキングで、10月7日時点でSunburstが1位、Flareが2位となり、GPT Image 2を上回り、Grok Imagine、MicrosoftのMAI-Image-2.6、GoogleのNano Banana 2.1には明確な差をつけました。こうした投票が測るのは、人がひと目見て何を好むかであって、その画像がブランドにふさわしいかどうかではありません。それでも、そのリードは一貫しています。

進歩が最も表れているのは文字です。2年前には崩れていた見出し、メニュー、ラベル、インターフェース要素も、いまではたいてい正しく綴られます。OpenAI自身のドキュメントは、発表の投稿よりも慎重です。モデルは「文字の正確な配置や明瞭さに、いまも苦労することがあります」。私たちの見るところ、これは下書きやモックアップには使ってよく、最終的なパッケージや法的な文言には、人がすべての語を確認してから使ってよい、という意味です。

ブランドにとっては、最初の1枚よりも編集のほうが重要です。OpenAIによれば、Images 2.5は求められた部分だけを変えるのが得意になり、構図を保ったまま商品、背景、コピーの1行を差し替えられます。ドキュメントは限界もはっきり示しています。マスクは型紙ではなく目安であり、モデルは「その形状に完全に正確に従うとは限りません」。また、繰り返し登場するキャラクターやブランド要素を生成のたびに一貫させること、レイアウトの中で要素を正確に配置することにも苦労する場合があります。

そこから実践的なルールが導かれます。すべての編集を画像全体の描き直しとして扱い、どこかに出す前に元の画像と比べること。規制対象のラベルが付いたボトルのように、商品がまったくそのままでなければならない場合は、本物の写真を使い、モデルには対象物を描き直させるのではなく、その周りの場面を作らせることです。

速度、価格、制限

Flareは、OpenAIがほとんどの用途に推奨するモデルです。Sunburstは編集が崩れてはならないキャンペーン制作向けで、時間がかかります。トークンあたりの料金はどちらも同じで、画像の出力トークン100万あたり30ドルに、入力分が加わります。OpenAI自身の計算ツールでは、1'024ピクセル四方の画像1枚が、低品質で約0.5セント、高品質で約5セント、新しい最高設定で約21セントとなっています。

画像の長辺は最大3'840ピクセルまで対応しますが、2'560×1'440を超えるものはまだ実験的な扱いで、複雑なプロンプトでは最大2分かかることがあります。OpenAIは、APIで画像モデルを使う前に組織の本人確認を求める場合があります。モデルの退役も早く、gpt-image-1は10月23日に終了し、GPT Image 1.5とそのmini版は12月1日に続きます。あるモデルの上に作ったワークフローは、どれも次のモデルで再テストが必要になります。

Googleやほかのモデルとの比較

Googleは10月6日、Gemini 3.6 Flashをもとに構築したNano Banana 2.1で応えました。最大14枚の参照画像を受け付け、最大4人のキャラクターと10個のオブジェクトを一貫させ、最大4Kで描画します。The Decoderによれば、料金は1Kで1枚3.36米セント、4Kで7.56セントです。Google自身のモデルカードは弱点も挙げています。1Kでは小さな文字がぼやけることが多く、参照画像との類似が完全ではなく、ときに左右を取り違えることです。

つまり、トレードオフは明確です。GPT Image 2.5は全体的な好まれやすさと文字で先行し、編集も向上しました。Googleは高解像度で安く、一度に多くの参照画像を受け付け、Google Ads、Flow、Stitchの中に組み込まれています。The Decoderのテストでは、Googleの旧モデルで価格も高いNano Banana Proのほうが、より自然な画像を生成することがまだ多くありました。すべての仕事で勝つモデルはありません。だからこそ選択は、年に1度ではなく仕事ごとに行うのが最善です。

ブランドにとっての意味

私たちの評価です。現時点の根拠に基づけば、GPT Image 2.5は利用可能な汎用画像モデルのなかで最も強力であり、とくに文字やレイアウトが重要な場面で力を発揮します。下書き、コンセプト、ソーシャル向けのフォーマットにはFlareを、最終的なキャンペーン制作にはSunburstを使いましょう。すべての語を確認し、正確さが求められるものには本物の商品写真を使い、Googleのほうが安いか優れている仕事のために2つ目のモデルを用意しておくことです。OpenAIは画像にC2PAメタデータと不可視の透かしを付けており、誠実さの面で役立ちます。

それでも、これはブランドのシステムではありません。見せない限り、そのブランドの光、トリミング、色を知ることはなく、生成のたびにずれていくこともあります。そこを担うために作られたのがReelです。実際のリファレンスから固定したスタイル、GPT ImageやGeminiを含むなかから仕事ごとに選ぶ最適なモデル、すべての結果に対する品質チェック、そして何を使うかを選ぶ人。より良いモデルは、そのプロセスを速くします。プロセスに取って代わるわけではありません。