GPT Image 2.5 API ガイド：料金、設定、および実機テスト

OpenAIのGPT Image 2.5 APIは、単一の呼び出し可能なモデルではなく、2つのモデルからなるファミリーです。 gpt-image-2.5. 現在使用されているエイリアスは以下の通りです。 gpt-image-2.5-flare, OpenAIによって配置され、日常的な生成を高速かつ高品質に行うことを目的としており、 gpt-image-2.5-sunburst, 、精密な画像編集に特化した製品です。いずれも2026年9月8日にリリースされました。このガイドでは、正確なID、3つのAPIパス、サポートされているパラメータ、カスタムサイズ、公式のトークン価格、レート制限、および実用的なコスト計算ツールについて解説しています。.

また、Anywhereの統合プラットフォームを通じて実施された別の対照試験についても報告している。 gpt-image-2.5 ルート。この会場では、フレア／サンバーストのセレクターやリターン・バリアントのラベルが見当たらなかったため、その出力はネイティブのOpenAI APIの結果として提示されておらず、いずれの公式モデルにも割り当てられていない。.

今すぐGlobalGPTでGPT Image 2.5をお試しください！

GPT Image 2.5 API とは何ですか？

GPT Image 2.5は、2026年9月8日にリリースされたOpenAIの画像生成・編集モデル群です。両方の公式モデルはテキストを受け取って画像を出力しますが、編集ワークフローでは画像を入力として指定することも可能です。 実装上の重要な点は「識別子」です。ファミリー名は説明文では便利ですが、実際の生成リクエストでは、公式モデルページに記載されている正確なモデルIDを使用する必要があります。.

2つのモデルがあり、呼び出し可能なファミリーIDは1つではない

「移動エイリアス」は、その名称の背後にある OpenAI の最新バージョンに追従します。日付付きのスナップショットは、リクエストを特定のリリースに固定するため、回帰テストの際に再現しやすくなります。コードを変更せずに互換性のあるモデル更新を行いたい場合は移動エイリアスを使用し、後続のリビジョンを自動的に受け取るよりも一貫した動作を重視する場合はスナップショットを使用してください。.

これらの説明はOpenAIのポジショニングを示すものであり、当社のテストによって決定された勝者ではありません。本記事の後半で実施した制御された実行では、サードパーティ製の統合ルートが使用され、リクエストにどの公式バリアント（もしあれば）が対応したかは明らかにされていませんでした。.

GPT Image 2.5 API クイックスタート

Image API を使用して生成する

直接発電の用途 POST /v1/images/generations. OpenAI SDK は環境変数から API キーを読み取り、GPT Image は恒久的なホスティング URL ではなく、Base64 エンコードされた画像データを返します。そのデータをデコードし、同じ拡張子を使用して書き出してください。 出力形式.

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()
result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="白いスタジオの床に置かれたセラミック製のデスクランプ、商品写真",
    size="1536x1024",
    quality="high",
    output_format="webp",
)

image_bytes = base64.b64decode(result.data[0].b64_json)
Path("lamp.webp").write_bytes(image_bytes)

再現性のある生産テストを行うには、移動エイリアスを次のように置き換えてください。 gpt-image-2.5-flare-2026-09-08. プロンプト、サイズ、品質、およびシードのようなアプリケーション入力は、独自のリクエストログに記録しておいてください。返される画像そのものが、依然として主要な成果物となります。.

画像を編集する

ダイレクト編集の用途 POST /v1/images/edits. APIドキュメントでは、マルチパートアップロードおよびJSONリファレンスについて、以下を通じて説明しています。 image_url または file_id 選択したルートで対応している場合に限ります。最大16枚の画像を提出できますが、この上限は推奨数ではありません。参照画像の枚数が少なく、明確に区別できるものの方が、審査や採点が容易です。.

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()
with Path("product.png").open("rb") as source:
    result = client.images.edit(
 model="gpt-image-2.5-sunburst",
 image=[source],
 prompt="ランプシェードだけをコバルトブルーに変えてください。",
        size="1536x1024",
 output_format="png",
    )

Path("product-edited.png").write_bytes(
    base64.b64decode(result.data[0].b64_json)
)

「変更のみ」といった明確な保存要件を検証可能な制約として設定し、ソースと出力を完全な解像度で比較してください。編集を行う際、指定された属性を満たしつつ、変更されていない領域の構成や再構築を行うことも可能です。.

Responses APIの画像生成ツールを使用する

お電話でもお問い合わせいただけます POST /v1/responses 画像生成ツールを使用します。この方法は、テキストやツールの結果についても推論を行うモデル主導のワークフローにおいて、画像生成がその一工程である場合に役立ちます。これは、直接的な Image API のレスポンス形式をそのまま置き換えるものではありません。前提として考えるのではなく、画像生成呼び出しのレスポンス出力項目を実際に確認してください。 data[0].b64_json 存在する。.

response = client.responses.create(
    model="YOUR_RESPONSES_MODEL",
    input="この承認済みのブリーフに基づいて、洗練された商品画像を作成してください。",
    tools=[{"type": "image_generation"}],
)

image_calls = [
    item for item in response.output
    if item.type == "image_generation_call"
]

範囲が限定された画像生成や編集作業で、会計処理がシンプルな場合は、ダイレクト Image API を選択してください。画像生成がより広範なエージェントシーケンスの一部となる場合は、「Responses」を選択してください。いずれの場合も、現在の 公式画像作成ガイド また、新しくリリースされたAPIスキーマは変更される可能性があるため、デプロイする前にSDKの署名を確認してください。.

パラメータ、出力形式、およびサイズ制限

最も有用なパラメータは、画質、出力枚数、プログレッシブプレビュー、モデレーション、バックグラウンド動作、フォーマット、圧縮、およびサイズを制御するものです。これらは独立したスイッチではなく、互いに連携したセットとして扱うようにしてください。たとえば、透明度を扱うにはPNGまたはWebPが必要ですが、 出力圧縮 これはPNGではなく、JPEGおよびWebPに適用されます。.

カスタム寸法

カスタムサイズを設定する場合、各辺は16の倍数でなければならず、アスペクト比は1:3から3:1の範囲内である必要があります。また、いずれの辺も3,840ピクセルを超えてはならず、総面積は655,360ピクセルから8,294,400ピクセルの範囲内である必要があります。 2560×1440を超えるサイズは、実験的なものとして記載されています。.

• 1536×1024 これは有効です。両辺が16の倍数であり、3:2の比率が許容範囲内であり、面積も許容範囲内にあるからです。.
• 1024×1024 同じ理由から、これも有効です。.
• 1200×800 アスペクト比は妥当に見えるものの、1,200と800はどちらも16の倍数ではないため、この設定は無効です。.

リクエストを送信する前にディメンションを検証し、アプリケーションのバグがモデルの評価に混入しないようにしてください。また、デコードされたファイルの実際のフォーマットとディメンションも確認してください。サードパーティ製の互換性ルートでは、ネイティブのパラメータをすべて正確に再現できない場合があります。.

GPT Image 2.5 API の料金体系

OpenAIでは、GPT Image 2.5の料金をトークンカテゴリごとに設定しています。以下の料金は、2026年9月10日時点で公式の価格ページと照合して確認されたものです。GPT Image 2も同様の料金体系を採用していますが、料金が同じであっても、同じプロンプトや画像に対して消費されるトークン量が必ずしも同じとは限りません。.

実際のリクエストコストを計算する

各カテゴリについて、返されたトークン数に100万トークンあたりの単価を掛け、その値を1,000,000で割ります。1回のリクエストにおける5つのカテゴリのコストを合計します。 公式のGPT Image 2計算ツールでは、GPT Image 2.5のトークン消費量は推定されないため、実際の使用データがない限り、妥当な普遍的な「1画像あたりのコスト」は算出できません。.

生産計画においては、合格した出力1件あたりのコストも追跡してください。これは、バッチ総コストを、そのタスク固有のゲートを通過した出力の数で割ったものです。これは独自の運用指標であり、OpenAIのような課金単位ではありません。コストは安くても使用できないリクエストは、再生成なしで出荷されるトークン数が多い結果よりも、かえってコストが高くなる可能性があります。.

レート制限と生産計画

レート制限には、1分あたりのトークン数（TPM）と1分あたりの画像数（IPM）が含まれます。両方の制限を考慮して計画を立ててください。リクエストが画像数の制限内に収まっていても、トークンのスループット制限を超過してしまう可能性があるからです。現在、GPT Image 2.5モデルの2つの公式ページには、同じ表が掲載されています。.

再試行、並行処理、および障害クラス

ログ内の「認証」「無効なパラメータ」「レート制限」「容量」「トランスポート」「タイムアウト」「無効な出力」の各イベントを区別してください。認証エラーやパラメータエラーは、通常、再試行ではなく設定の修正が必要です。 レート制限や容量制限による応答については、限定的なバックオフが正当化される場合があります。トランスポート障害やタイムアウトについては、アプリケーションが誤って課金対象となる重複作業を生成しないよう、冪等性戦略が必要です。.

最も重要な点は、動作上の不具合は画質の結果ではないということです。有効でデコード可能な出力が得られた後にのみ、品質を評価してください。観測されたレイテンシは、ルート、日付、エンドポイント、およびリクエストの条件とともに記録してください。ある場所でのレイテンシが、そのモデルの速度を恒久的に示すものではありません。.

「Anywhere GPT Image 2.5」の制御されたテストで何が起きたのか

以下の生成、編集、および参照構成の各タスクでは、それぞれ最初の有効な出力を1つ使用しました。成功した5つの形式的な要求の、算出された合計コストは $0.088603. 。この合計には、失敗したリクエスト、フィクスチャの作成、レディネスプローブ、およびヒーロー画像は含まれていません。.

G01: テキスト通りの商品広告

プロンプトでは、次の行を入力するよう求められていました アイデアのためのスペースを確保しよう 正確に1回、ランプ1つ、固定の構成、そして明示的な除外条件。最初の有効な出力は、テキストを1回再現し、宣言されたすべてのチェックに合格した。.

2026年9月9日、Anywhereの統合型gpt-image-2.5ルートを通じてテストを実施しました。.

ステータス

有効な最初の出力

タスクの得点

10/10

経過時間

6,150 ms

算出された費用

$0.041645

能力分析この最初の一回の出力において、このルートは、正確な可視テキスト、オブジェクト数、構成、およびネガティブ制約をまとめて処理しました。.

制限1つの広告が成功したからといって、テキスト表示の成功率が全体的に高いとは限らず、また、統一された手法では「Flare」や「Sunburst」は特定されなかった。.

実用的な結論凍結されたコピー行を使用し、表示されているテキストのインスタンスをすべてカウントします。この出力は再生成されずに通過しました。.

正確なリクエスト、入力内容の完全性、設定、および目的の確認

ステータス 1回目の試行で有効な出力が得られたため、最初の有効な出力が保持されました。.

ルート： OpenAI対応のあらゆる場所 /images/generations と gpt-image-2.5.

正確なプロンプト

架空のマットブラックのポータブルデスクランプを、清潔感のある白と淡いグレーのセット上で撮影した、縦横比3:2の横長スタジオ商品広告を作成してください。ランプは1つだけ、やや右に傾けて配置し、柔らかく温かみのある光の輪と、たっぷりの余白を演出してください。テキストは「MAKE ROOM FOR IDEAS」という1行のみを記載してください。 このテキストは、明瞭な大文字のサンセリフ体で、画面上部の3分の1の位置に中央揃えで配置してください。その他のテキスト、ロゴ、透かし、人物、および他の製品は一切含まないこと。.

入力内容全体： テキストのみ。画像は入力されていません。.

実際のリクエスト設定

サイズ

1536×1024

品質

高

出力形式

webp

背景

不透明

n

1

客観的なチェック

exact_text2/2

「MAKE ROOM FOR IDEAS」という文字が1回だけ、完全かつ正しい綴りで表示されており、それ以外のテキストは表示されていません。.

必須オブジェクト2/2

マットブラックのデスクランプが、ちょうど1つあります。.

構成2/2

ランプは右を向いており、温かみのある光の広がりが確認でき、余白が保たれており、テキストは画面の上3分の1の位置に配置されている。.

禁止事項2/2

ロゴ、透かし、人物、その他の製品が写り込んでいないこと。.

first_output_usability2/2

最初の有効な出力は、再生処理や大規模な再構築を行うことなく利用可能です。.

出力結果全体

このエビデンスパネルのすぐ下に、1536×1024の「first-valid」出力がすべて表示されています。リクエストではWebPを指定していたにもかかわらず、レスポンスはPNG形式で返されました。.

G02：カウント対象物の配置

その要求では、青いガラスの球、黄色い折り扇、そして鋼鉄の立方体という、正確に3つの物体が左から右の順で指定されていました。最初の有効な出力は、個数、順序、および識別可能な材質を正しく反映していました。.

2026年9月9日、Anywhereの統合型gpt-image-2.5ルートを通じてテストを実施しました。.

ステータス

有効な最初の出力

タスクの得点

10/10

経過時間

33,577ミリ秒

算出された費用

$0.005505

能力分析最初の出力は、3つのオブジェクトの計数、左・中央・右の順序、指定された色、および明確な素材の手がかりに基づいて行われました。.

制限この観察対象は、1つの制御された静物画であり、任意の物体の数え上げの複雑さや、繰り返し制作における信頼性については対象としていない。.

実用的な結論このケースでは、具体的な数量、順序、材料、および除外項目を明確にしたことで、すぐに活用できる結果が得られました。.

正確なリクエスト、入力内容の完全性、設定、および目的の確認

ステータス 1回目の試行で有効な出力が得られたため、最初の有効な出力が保持されました。.

ルート： OpenAI対応のあらゆる場所 /images/generations と gpt-image-2.5.

正確なプロンプト

チャコールグレーとオフホワイトのスタジオセットを背景に、縦横比3:2の横長なエディトリアル・スティルライフを撮影してください。被写体は正確に3点のみとします：左側にコバルトブルーのガラス球1つ、中央に折りたたまれた黄色い紙の扇子1つ、右側にブラッシュドスチールの立方体1つです。 3つのオブジェクトすべてが完全に視認でき、等間隔に配置され、左上から1つの柔らかな光に照らされているようにしてください。テキスト、ロゴ、透かし、人物、余分なオブジェクト、装飾的なシンボルは一切含まないこと。.

入力内容全体： テキストのみ。画像は入力されていません。.

実際のリクエスト設定

サイズ

1536×1024

品質

高

出力形式

webp

背景

不透明

n

1

客観的なチェック

オブジェクト数2/2

青いガラス玉がちょうど1つ、黄色い折り扇が1つ、そしてスチール製の立方体が1つある。.

注文と表示設定2/2

オブジェクトは、指定された「左、中央、右」の順序で完全に視認できます。.

素材と色2/2

ガラス、紙、つや消し金属といった素材や、指定された色については明確です。.

照明と間隔2/2

このシーンでは、左上からの一貫した照明と均等な間隔が用いられています。.

禁止事項とアーティファクト2/2

テキスト、ロゴ、透かし、人物、余分な物体、または目立つノイズは一切写っていません。.

出力結果全体

このエビデンスパネルのすぐ下に、1536×1024の「first-valid」出力がすべて表示されています。リクエストではWebPを指定していたにもかかわらず、レスポンスはPNG形式で返されました。.

E01: 1色を変更する

この編集では、マットブラックのランプシェードをコバルトブルーに変更しつつ、製品そのものの識別性を維持しました。ただし、正方形の出力元を3:2の出力に変換したことで、ターゲット属性の範囲外でわずかなフレーミングの変更と再構成が生じたため、1点減点されました。.

2026年9月9日、Anywhereの統合型gpt-image-2.5ルートを通じてテストを実施しました。.

ステータス

有効な最初の出力

タスクの得点

9/10

経過時間

41,387ミリ秒

算出された費用

$0.016320

能力分析希望されたシェードの色の変更は成功し、ランプの主な特徴、構造、照明効果は一貫性を保ったまま維持された。.

制限正方形から3:2への変換により、わずかな構図の変更と再構成が生じたため、対象以外の部分の保存はピクセル単位で正確には行われませんでした。.

実用的な結論厳密な維持が求められる場合は、ソースと出力のアスペクト比を一致させた上で、対象範囲外の領域をすべて点検してください。.

正確なリクエスト、入力内容の完全性、設定、および目的の確認

ステータス 1回目の試行で有効な出力が得られたため、最初の有効な出力が保持されました。.

ルート： OpenAI対応のあらゆる場所 /images/edits と gpt-image-2.5.

正確なプロンプト

ランプシェードの色のみを、マットブラックからコバルトブルーに変更してください。ランプの形状、位置、スケール、台座、アーム、スイッチ、影、温かみのある光、背景、カメラアングル、トリミング、およびその他すべての目に見えるディテールは、そのまま維持してください。テキスト、ロゴ、透かし、人物、その他の余分なオブジェクトは一切追加しないでください。.

画像入力の全文：

• 入力 1: 00-control/fixtures/edit-source-lamp.png (1,328,812 バイト; SHA-256 a93d7c90aa57c7949939f011918fcfe531f34fa039859d043556c0cd26dcea2b)

実際のリクエスト設定

サイズ

1536×1024

品質

高

出力形式

webp

背景

不透明

n

1

客観的なチェック

変更依頼2/2

色合いがマットブラックからコバルトブルーへと変化します。.

geometry_position_scale_crop1/2

ランプの形状はそのままですが、3:2の出力に合わせて、正方形の発光部は構図が調整され、若干再構成されています。.

非標的保存2/2

ベース、アーム、スイッチ、電球、および黒色の非標的領域は、材質的に一貫しています。.

lighting_edges_materials2/2

照明、影、エッジ、およびマテリアルのレンダリングは、一貫性を保っています。.

first_output_usability2/2

最初の正常な出力は、再生処理や大規模な修理を必要とせずに使用可能です。.

出力結果全体

このエビデンスパネルのすぐ下に、1536×1024の「first-valid」出力がすべて表示されています。リクエストではWebPを指定していたにもかかわらず、レスポンスはPNG形式で返されました。.

E02: 背景を置き換える

この編集により、背景が淡いミントグリーンに変更され、ランプの質感は維持されました。E01と同様、依頼された変更は反映されましたが、アスペクト比の変換に伴い、構図の微調整と再構成が行われました。.

2026年9月9日、Anywhereの統合型gpt-image-2.5ルートを通じてテストを実施しました。.

ステータス

有効な最初の出力

タスクの得点

9/10

経過時間

50,151ミリ秒

算出された費用

$0.007208

能力分析このルートでは、ランプの主な黒色の素材や特徴的な形状をそのままに、スタジオの背景を置き換えました。.

制限E01と同様、新たに導入された3:2のキャンバスにより、依頼された背景の変更に加え、わずかな構図の変更と再構成が行われました。.

実用的な結論最初の出力では背景の置換は問題なく使用できましたが、アスペクト比の変更については、別のリスクとして検討する必要があります。.

正確なリクエスト、入力内容の完全性、設定、および目的の確認

ステータス 1回目の試行で有効な出力が得られたため、最初の有効な出力が保持されました。.

ルート： OpenAI対応のあらゆる場所 /images/edits と gpt-image-2.5.

正確なプロンプト

スタジオの背景のみを、淡いグレーからフラットな柔らかなミントグリーンに変更してください。マットブラックのランプについては、色、形状、位置、スケール、台座、アーム、スイッチ、点灯した電球、温かみのある光、影、カメラアングル、トリミングなど、あらゆる要素をそのまま維持してください。テキスト、ロゴ、透かし、人物、その他の物体を追加しないでください。.

画像入力の全文：

• 入力 1: 00-control/fixtures/edit-source-lamp.png (1,328,812 バイト; SHA-256 a93d7c90aa57c7949939f011918fcfe531f34fa039859d043556c0cd26dcea2b)

実際のリクエスト設定

サイズ

1536×1024

品質

高

出力形式

webp

背景

不透明

n

1

客観的なチェック

変更依頼2/2

スタジオの背景が、柔らかなミントグリーンに変わります。.

geometry_position_scale_crop1/2

ランプの形状はそのままですが、3:2の出力に合わせて、正方形の発光部は構図が調整され、若干再構成されています。.

非標的保存2/2

ランプはマットブラックのまま、ベース、アーム、シェード、スイッチ、電球といった主要なディテールもそのまま残されています。.

lighting_edges_materials2/2

背景の編集後も、照明、影、エッジ、マテリアルは一貫性を保ったままです。.

first_output_usability2/2

最初の正常な出力は、再生処理や大規模な修理を必要とせずに使用可能です。.

出力結果全体

このエビデンスパネルのすぐ下に、1536×1024の「first-valid」出力がすべて表示されています。リクエストではWebPを指定していたにもかかわらず、レスポンスはPNG形式で返されました。.

M01：3つの参考文献を統合する

出力結果では、緑色のランプ、珊瑚色のノート、青いマグカップが保持され、要求された「左・中央・右」の配置に配置されました。これは、3つの参照点からなる1つの固定された構成において成功したことを示すものであり、文書化されている最大16個の入力に対する一般的な保証ではありません。.

2026年9月9日、Anywhereの統合型gpt-image-2.5ルートを通じてテストを実施しました。.

ステータス

有効な最初の出力

タスクの得点

10/10

経過時間

105,469 ms

算出された費用

$0.017925

能力分析このルートでは、1つのシーンにおいて、「参照ID」「素材」「個数」、およびそれらに求められた空間的関係という3つの異なる要素が維持されていました。.

制限これは3つの参照を含む構成の一つであり、文書化されている最大16個の入力に対する等価な保存性を証明するものではありません。.

実用的な結論参照は指定された順序で記載し、各配置に名前を付け、同一性の評価と数の評価は、視覚的な完成度とは別に行います。.

正確なリクエスト、入力内容の完全性、設定、および目的の確認

ステータス 1回目の試行で有効な出力が得られたため、最初の有効な出力が保持されました。.

ルート： OpenAI対応のあらゆる場所 /images/edits と gpt-image-2.5.

正確なプロンプト

提供された順序通りに3つの参考画像を使用し、縦横比3:2の横向きの机の上のシーンを作成してください。各参考オブジェクトの特徴的な形状と質感を維持してください。ランプを左側に1つ、閉じたノートブックを中央に1つ、マグカップを右側に1つ配置してください。 ランプの温かい光がノートブック全体を照らし出していますが、ノートブック自体は隠れてはいけません。背景は、シンプルでニュートラルなスタジオ背景にしてください。テキスト、ロゴ、透かし、人物、重複するオブジェクト、および追加の製品は一切含まないこと。.

画像入力の全内容：

• 入力 1: 00-control/fixtures/ref-lamp.png (1,334,151 バイト; SHA-256 40c72915de60ba32e70de009b12619f3ffa8643460fd8e8326ffe3d94d215987)
• 入力 2: 00-control/fixtures/ref-notebook.png (2,067,635バイト; SHA-256 e96298c43d0b04ec4f50aa66d9a4005f3236fa51d945394d257303dd9e790179)
• 入力 3: 00-control/fixtures/ref-mug.png (1,444,324 バイト; SHA-256 1d4cec622254b8533c5122fc5c0b2432b38e39fb3c16412dab02b744de5e538f)

実際のリクエスト設定

サイズ

1536×1024

品質

高

出力形式

webp

背景

不透明

n

1

客観的なチェック

オブジェクトの存在と個数2/2

ランプが1つ、閉じたノートが1冊、そしてマグカップが1つある。.

参照ID2/2

緑と真鍮のランプ、珊瑚色のノート、そして青いリブ編みのマグカップは、それぞれ独自の個性と素材感を保っている。.

空間的関係2/2

ご要望通り、ランプは左、ノートは中央、マグカップは右に配置しました。.

scene_coherence2/2

スケール、遠近感、照明、影、そして温かみのある光の輪が、見事に調和している。.

禁止事項とアーティファクト2/2

テキスト、ロゴ、透かし、人物、重複する商品、代替品、または素材の欠陥が写り込んでいないこと。.

出力結果全体

このエビデンスパネルのすぐ下に、1536×1024の「first-valid」出力がすべて表示されています。リクエストではWebPを指定していたにもかかわらず、レスポンスはPNG形式で返されました。.

有効な最初の5つの出力結果全体において、宣言されたチェックは確実にクリアされました。3つが10点満点中10点、2つが9点を獲得しました。有用な境界条件も同様に重要です。これは、1つの互換性ルートからのタスクレベルの証拠であり、バッチの繰り返しや公式なバリアントの開示はありません。 自身の作業でより良い結果を得るためには、固定された要件定義書、明確な制約、一貫性のある参照資料、およびレビューゲートを活用してください。これによって AIによる画像生成の精度を高めるためのガイド そのワークフローを拡張します。.

テストしたルートでは、別途ログに記録すべきフォーマットの不一致も確認されました。正常に処理された正式なリクエストではWebPを要求したにもかかわらず、要求された1536×1024のサイズを維持したままPNGが返されました。 レディネスリクエストでは、1024×1024のWebPを要求したにもかかわらず、1254×1254のPNGが返されました。これらは、テスト当日のAnywhereの統合ルートに関する観察結果であり、OpenAIのネイティブAPIに起因する動作ではありません。.

GPT Image 2.5のルートはどのように選べばよいでしょうか？

まず必要なワークフローを定義し、それを固定されたタスクに対して検証してください。OpenAIのモデル記述は、妥当な最初の候補を提供しますが、独自のプロンプト、参照画像、受け入れ基準、およびレイテンシ予算を用いたテストに代わるものではありません。.

本番用ワークフローをコミットする前に、代表的な生成および編集タスクを実行してください。単一の魅力的なサンプルから選択するのではなく、許容可能な出力率、保存率、レイテンシの分布、および返された使用状況を比較してください。チームにとって、異なるジョブを異なるツールに割り当てることが有益である場合は、, 最高のAI画像生成ツールを比較する また、選択の決定はタスクレベルで行うようにします。.

よくある実装上のミス

1. 正確な公式モデルIDの代わりに、ファミリーラベルを送信する。. 用途 gpt-image-2.5-flare または gpt-image-2.5-sunburst ネイティブAPIを使用します。ただし、プロバイダーが別の方法を明示的に記載している場合はこの限りではありません。.
2. 直接のImage APIと同様に、すべてのレスポンスを解析します。. Responses API はツール呼び出しの出力項目を返すため、その抽出ロジックは images.generate または images.edit.
3. Base64データをホストされた画像のURLとして扱う。. バイトをデコードし、ファイルの整合性を確認した上で、承認済みのメディアシステムに保存してください。.
4. 無効なカスタムサイズが使用されています。. リクエストを行う前に、16の倍数、面積、アスペクト比、および最大辺の長さを確認してください。.
5. 互換性のない出力オプションを組み合わせています。. 透明度を表示するにはPNGまたはWebPが必要です。圧縮設定はJPEGおよびWebPに適用されます。.
6. 結果が満足のいくものになるまで再生成を繰り返し、それを最初の出力とする。. 正確なモデル評価を行いたい場合は、最初の有効な出力を保持し、再試行の結果は別途報告してください。.
7. タイムアウトや処理能力の限界による応答を、画質が悪いと判定すること。. 有効な画像がない場合、品質スコアは算出されません。このイベントを「可用性」または「トランスポート」の下に記録してください。.

GPT Image 2.5 API よくある質問

GPT Image 2.5 には API がありますか？

はい。OpenAIでは、直接画像生成、直接画像編集、およびResponses APIツールによる画像生成について解説しています。.

GPT Image 2.5モデルの正確なIDは何ですか？

移動エイリアスは以下の通りです。 gpt-image-2.5-flare そして gpt-image-2.5-sunburst. 2026年9月8日のスナップショットでは、以下の内容が追加されました -2026-09-08 各エイリアスに対して。.

GPT Image 2.5 APIの1画像あたりの利用料金はいくらですか？

画像1枚あたりの定額料金は設定されていません。費用は、返されたテキスト入力、キャッシュされたテキスト、画像入力、キャッシュされた画像、および画像出力のトークン数によって異なります。実際の利用状況に応じて、公式の100万トークンあたりの料金をご参照ください。.

GPT Image 2.5 では、複数の画像を編集できますか？

はい。編集APIのドキュメントでは、最大16枚の入力画像が記載されています。これはサポートされている上限であり、16枚の画像を合成した際にすべての細部が確実に保持されることを保証するものではありません。.

GPT Image 2.5 は、透明な PNG や WebP を生成できますか？

はい。背景を透明に設定し、PNGまたはWebP形式で出力してください。本番用のアセットパイプラインでこれを利用する前に、デコードされたファイルにアルファチャンネルが含まれていることを確認してください。.

GPT Image 2.5 API の利用制限はどのようなものですか？

現在のテーブルでは、無料アクセスはサポートされていません。ティア1は100,000 TPMおよび5 IPMから始まり、ティア5は8,000,000 TPMおよび250 IPMに達します。ティア2～4の上限については、上記をご参照ください。リリース前に、最新のモデルページをご確認ください。.

結論

公式のワークフローの位置付けに従って「Flare」または「Sunburst」を使用し、自身の凍結済みタスクでその選択を検証してください。再現性が重要な場合は、日付付きのスナップショットを固定し、返されたファイルをデコードして確認し、画像ごとの推測値ではなく、実際のトークン使用量に基づいてコストを算出してください。 当社の「Anywhere」バッチ処理では、タスクに限定された5つの有力な初期出力が生成されましたが、公式のバリエーションは明らかにならず、透明性や品質階層のテストも完了しておらず、広範な信頼性も確立されていませんでした。.