GPT Image 2.5 Flare のトークン料金と画像生成・編集の例を、品質、出力形式、参照画像設定とともに確認できます。
テキスト入力
公式価格
API Hop 料金 削減 20%
キャッシュテキスト入力
公式価格
API Hop 料金 削減 20%
画像入力
公式価格
API Hop 料金 削減 20%
キャッシュ画像入力
公式価格
API Hop 料金 削減 20%
画像出力
公式価格
API Hop 料金 削減 20%
参考価格は独立した検証を行っていません。費用を比較する前に、提供元の最新料金、課金単位、適用条件を確認してください。
ログインしてアカウント残高で実行してください。
サンプルプレビュー
{
"data": [
{
"url": "/examples/gpt-image-25-studio-product-gpt-image-2-5-flare.webp"
}
]
} 下の画像はリンク先の OpenAI プロンプトガイドでこのモデルに帰属するとされており、API Hop の実測結果ではありません。表示するプロンプトと設定は再利用できるリクエスト例であり、再現性を検証したパラメータではありません。改変したプロンプトには表示があります。編集結果を使う前に、形状、文字、意図しない変更を入力と比較してください。
Create a product photograph of a nostalgic toy propeller airplane in clear blister packaging. Give the airplane rounded wings, a spinning nose propeller, and lightly worn painted-metal details. Use realistic plastic and metal textures, soft studio lighting, shallow depth of field, and crisp retail printing. Include only the packaging label "Christmas Memories Edition". Make the design original, with no trademarks or watermarks.
Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat. He has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms. He is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens. Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance. The image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.
Give me a cool in culture ad / fashion shot for a brand called Thread. It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create." Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful. Use clean composition, strong color direction, natural poses, and premium fashion photography cues. Render the tagline exactly once, clearly and legibly, integrated into the ad layout. No extra text, no watermarks, no unrelated logos.
Create an original, non-infringing logo for a company called Field & Flour, a local bakery. The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space. Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential. Fully transparent background. Deliver a single centered logo with generous padding, clean alpha edges, and no solid backdrop, scenery, checkerboard, or watermark.
ログインしてアカウント残高で実行してください。
サンプルプレビュー
{
"data": [
{
"url": "/examples/gpt-image-25-extract-product-gpt-image-2-5-flare.webp"
}
]
} 2026 年 10 月 22 日に API Hop 経由で記録しました。各結果は指定モデルとモードの 1 回のリクエストであり、成功率、速度、本番品質を保証しません。以下のモデル回答は元の言語で掲載しています。
目視比較では背景が白くなり、被写体と配置はおおむね維持されていますが、表面と反射に小さな変化があります。前景がピクセル単位で同一の編集ではありません。グラスの縁、氷、液面、レモン、葉、台座を元画像と比較してください。
レスポンスにモデル名は再掲されていません。記録は指定したモデルとリクエスト ID を正確に保持していますが、上流ルーティングの独立検証ではありません。
POST /openai/v1/images/generations
{
"model": "gpt-image-2.5-flare",
"prompt": "Edit the supplied product photograph. Replace only the turquoise background with a plain white studio background. Keep the same clear glass, orange drink level, ice, pedestal, lemon wedge and green leaf, with their shapes, colors and relative positions unchanged. Preserve the full composition. No new objects, text, logos or watermarks.",
"image_urls": [
"https://api.apihop.ai/generated/364459846248173568/0.png"
],
"n": 1,
"size": "16:9",
"resolution": "1k",
"quality": "low",
"output_format": "png",
"stream": false
}{
"requestId": "0ad5f15bde10aa614ddcddcb92de5d2c",
"jobId": null,
"responseModel": null,
"responseAt": "2026-10-22T12:29:26.261Z",
"finishedAt": "2026-10-22T12:29:32.056Z",
"usage": {
"input_tokens": 1588,
"input_tokens_details": {
"cached_tokens": 0,
"image_tokens": 1508,
"text_tokens": 80
},
"output_tokens": 120,
"output_tokens_details": {
"image_tokens": 120,
"text_tokens": 0
},
"total_tokens": 1708
},
"outputSha256": null,
"responseEvidence": {
"sha256": "3d96458744456831cc560c668156c733e44354b29d28c2ffb24efed5ff91eec2",
"bytes": 317,
"phase": "submission",
"http": 200,
"requestId": "0ad5f15bde10aa614ddcddcb92de5d2c",
"observedAt": "2026-10-22T12:29:26.261Z"
},
"assets": [
{
"url": "/examples/requestbeam-2026-10-22/edit-flare-0.png",
"bytes": 1351789,
"sha256": "d7b191650099ac7780b15cf776bee65f1c316d1117626c81ce588abe3b3993d0",
"metadata": {
"programs": [],
"stream_groups": [],
"streams": [
{
"codec_name": "png",
"codec_type": "video",
"width": 1536,
"height": 864,
"r_frame_rate": "25/1"
}
],
"format": {
"size": "1351789"
}
},
"poster": null
}
]
}下の画像はリンク先の OpenAI プロンプトガイドでこのモデルに帰属するとされており、API Hop の実測結果ではありません。表示するプロンプトと設定は再利用できるリクエスト例であり、再現性を検証したパラメータではありません。改変したプロンプトには表示があります。編集結果を使う前に、形状、文字、意図しない変更を入力と比較してください。
Extract the product from the input image and isolate it on a fully transparent background. Output: centered product, crisp silhouette, no halos/fringing. Preserve product geometry and label legibility exactly. Add only light polishing. Do not add a solid backdrop, checkerboard, scenery, or shadow. Do not restyle the product; remove the background and preserve clean alpha transparency.
Turn this drawing into a photorealistic image. Preserve the exact layout, proportions, and perspective. Choose realistic materials and lighting consistent with the sketch intent. Do not add new elements or text.
In this room photo, replace ONLY the white chairs with chairs made of wood. Preserve camera angle, room lighting, floor shadows, and surrounding objects. Keep all other aspects of the image unchanged. Photorealistic contact shadows and fabric texture.
私たちは GPT Image 2.5 Flare を、日常の画像生成、商用素材制作、素早いビジュアルの反復改善に向く AI 画像モデルと位置付けています。OpenAI は2026年9月8日に GPT Image 2.5 シリーズを公開し、Flare と Sunburst の二種類を提供しました。Flare は生成速度と費用効率を重視し、Sunburst は細部と編集精度の要求が高い仕事により適しています。
GPT Image 2 と比べた Flare の主な価値は、美しい画像だけでなく、少ない待ち時間で何度も試せることです。OpenAI は大半のアプリケーションの標準選択と位置付け、生成遅延は GPT Image 2 より約 50% 少なく、細部、参考画像の保持、編集能力も改善したとしています。OpenAI の公式発表
広告画像、SNS 素材、商品画像、製品プロトタイプを頻繁に作る方には、Flare を先に試す価値があると考えています。ただし、すべての画質指標で GPT Image 2 を上回るとは考えていません。出力への要求が比較的低く、速度が重要なら良い選択になり得ます。
GPT Image 2.5 Flare はテキストと画像を入力し、新しい画像を生成できます。文章から直接ビジュアルを作るほか、既存の写真、デザイン案、参考画像も変更できます。
二つの能力は異なる流れに向いていると考えています。新しい商品宣伝画像なら被写体、構図、照明、スタイルを直接説明します。おおむね満足した画像があり、背景、服装、画像内の文字だけを変えるなら、最初から作り直さず、同じ RequestBeam Images generations エンドポイントに参考 URL を送ってください。
API では low、medium、high、xhigh、max、auto などの品質設定を提供します。出力サイズは調整でき、公式のピクセル上限内で約 4K まで対応します。透明背景の PNG や WebP 素材も生成できます。
すべてを最初から max にするのではなく、最終用途で品質とサイズを選ぶことをお勧めします。通常の Web サムネイルや SNS プレビューは medium から始め、細部を見せる主商品画像では段階的に上げます。
GPT Image 2.5 Flare の重要な変化の一つは、画像のどこを変更しないかに、より注意を払うことだと考えています。
以前の AI 画像編集では、服の色だけを変えたいのに、顔、背景、構図まで変わる問題がよくありました。商用デザインでは、承認済み素材を再確認しなければならなくなります。
GPT Image 2.5 では OpenAI が局所編集、参考画像の被写体保持、連続修正を重点改善しました。公式発表で Higgsfield AI の製品責任者 Axultan Alimkulov は、編集時に人物、構図、視覚的な同一性を保持する Flare の能力を特に評価しています。OpenAI の初期顧客フィードバック
商品撮影、仮想モデル、ブランド素材に特に価値があると考えています。たとえば EC チームは、製品の形、Logo、ラベルを保ち、背景だけが異なる広告素材を続けて試せます。
ただし、すべてをピクセル単位で完全に固定できるという意味ではありません。変更可能な点と保持すべき点を明示し、完成画像、特に顔、Logo、包装、製品上の文字を確認することを引き続きお勧めします。
RequestBeam を通じて、実業務での GPT Image 2.5 Flare の性能をより早く把握していただきたいと考えています。
RequestBeam にログインして API Key を作り、少額をチャージすればオンラインツールで画像生成を試せます。評価時に先に API 連携コードを書いたり、短期テストのために固定プランを購入したりする必要はありません。異なるモデルプラットフォームのアカウントを自分で管理する手間も減ります。
GPT Image 2.5 Flare の主な利点の一つは、創作上の試行錯誤にかかる時間を減らすことだと考えています。
広告や SNS の担当者にとって、画像が使えるかどうかは商品角度、背景色、人物のポーズ、全体のスタイルなど、多くの細部に左右されます。方向が明確でも、通常は複数の版を作って選ぶ必要があります。
OneWave が2026年9月8日に公開した実 API テストでは、1024×1024、high の Flare の生成時間中央値は 16.7 秒、GPT Image 2 は 117.8 秒でした。この差は、新案を試す待ち時間が大幅に減ることで、素材制作の方法自体を変えると考えています。OneWave の実測
多数の広告案を作る方には、背景、カメラ、スタイルの異なる案をまとめて用意するなど、創作の探索段階で Flare を使い、さらに磨く価値のある版を選ぶことをお勧めします。
もちろん、速度は品質確認の代わりにはなりません。広告画像の製品説明、ブランド要素、人物の細部を確認し、生成が速いからといって最後の人による確認を省かないでください。
GPT Image 2.5 Flare は商品撮影、暮らしの場面、写実的素材の生成に適しています。OpenAI は自然光、表面の質感、参考画像への忠実さの改善を強調し、私たちも日常利用者が気付きやすい改善だと考えています。
あるお客様は Flare で一回で作ったポートレートに満足し、追加編集が不要だったと共有しています。特に照明と素材の表現が驚きだったとのことです。
もちろん、誰でも理想の結果が得られるわけではありません。必要な細部をできるだけ明確に説明することをお勧めします。たとえばコーヒーブランドの商品画像なら、「高品質な広告を作って」だけでなく包装の参考画像を渡し、製品比率、Logo、ラベル、ブランド色の保持を明示します。
お客様のフィードバックから、日常業務ではゼロからの生成より編集の割合が高く、現在のデータでは比率は 3:1 に近いと分かっています。
たとえば広告の構図やキャラクターは完成しているが、依頼者が服の色や商品の背景を変えたい場合です。理想は指定内容だけを変更し、ほかの承認済み細部を維持することです。
Genflick は2026年9月8日の独立テストで、顔、眼鏡、ポーズ、背景を固定し、人物のからし色のスカーフをコバルトブルーへ変えました。同じ縦横比では、Flare の medium と high の両サンプルが、ほかの主要な視覚要素を保って編集しました。Genflick の画像編集テスト
ただし、この保持は視覚的な類似であり、編集領域外のピクセルが同一という意味ではありません。
そのため一般の商品画像、ポスター修正、着せ替えには Flare を先に試すことをお勧めします。ブランド Logo、複雑な製品構造、元画像を厳密に保つ商用素材では、Sunburst をさらに試すか、従来の編集ツールを併用して細かく調整してください。
複数の参考画像を扱う能力は、短編ドラマの絵コンテ、漫画の人物、商品の組み合わせ、ブランドのビジュアル制作に大きな価値があると考えています。
二人のキャラクター設定画像と固定場面の背景を用意したとします。次に、服装と特徴を保ったまま、その二人に指定の動作をさせたい場合があります。
アニメ漫画を制作するお客様は、二人の人物と一つの場面という合計三枚の参考画像を使い、一方がもう一方へカップを渡す画像を求めました。示された medium と high の結果では、Flare が主要な人物特徴、服装、環境を保持し、位置と動作も指定どおりにしました。この結果から、一部の連続した視覚コンテンツの制作準備にすでに使えると考えています。
以前の多くの AI 画像モデルは美しいポスターを作れても、正確な文字、日付、価格を入れると綴りや数字の誤りがよく起きました。
EC のお客様による靴・衣料ポスターの実テストでは、Flare は指定の見出し、小見出し、価格も正しく描きました。この結果から、この分野の実デザインに GPT Image 2.5 Flare をすでに使えると考えています。
文字以外では透明背景も便利です。OpenAI の公式発表で Manus の評価チームは、Flare の透明背景生成の改善を評価しました。
イベントポスターの初稿、商品ステッカー、Web 挿絵、SNS カード、単純なアイコンに Flare をお勧めします。透明背景が必要なら、AI を使って出力ファイルの Alpha チャネルを検査するツールを作り、誤りを防げます。
この節では主に OpenAI の公式資料と、OneWave、Genflick、HummingBytes、IMG.LY、Fuser の公開テストを参照します。
解像度、品質、プロンプト、実行環境はテストごとに異なります。そのため重要な条件を保持し、異なる出典の結果を直接一つのモデル順位にまとめません。
OneWave の2026年9月8日の独立テストでは、三つのモデルが同じプロンプト、1024×1024、high を使用し、それぞれ 9 回生成しました。
結果は次のとおりです。
| モデル | 生成時間中央値 | 一枚あたりの費用 |
|---|---|---|
| GPT Image 1 | 30.3 秒 | $0.1669 |
| GPT Image 2 | 117.8 秒 | $0.2112 |
| GPT Image 2.5 Flare | 16.7 秒 | $0.0532 |
このテスト群では Flare は GPT Image 2 の約 7 倍の速さで、明確な優位がありました。HummingBytes の別の 19 回の high 生成でも、平均は Flare 約 25.1 秒、GPT Image 2 は 128.4 秒と同様の傾向でした。絶対時間は異なりますが、両方とも Flare の生成速度の優位を示します。OneWave のテスト · HummingBytes のテスト
AI 画像生成サイト、販促素材ツール、EC 商品画像生成など、異なるプロンプトを頻繁に試す業務では Flare を先にテストすることをお勧めします。
ただし応答時間を約束するオンラインサービスでは、平均速度だけでなく P95 と P99 の遅延も測り、適切なタイムアウトと再試行を実装してください。テストの 16.7 秒を安定したサービス応答時間と見なさないでください。
秒 · 低いほど良い
独立テストの結果で、応答時間の保証ではありません。別の HummingBytes テストと統合しないでください。
出典：OneWave · ゼロ起点の目盛
秒 · 低いほど良い
概算の平均値で、中央値ではありません。条件の異なる別のテストです。
出典：HummingBytes · ゼロ起点の目盛
Flare のもう一つの利点は生成費用です。
OpenAI の公式 API 料金によると、GPT Image 2.5 Flare の標準処理価格は次のとおりです。
| Token の種類 | 百万 Token あたりの価格 |
|---|---|
| テキスト入力 | $5.00 |
| キャッシュ済みテキスト入力 | $1.25 |
| 画像入力 | $8.00 |
| キャッシュ済み画像入力 | $2.00 |
| 画像出力 | $30.00 |
Flare と GPT Image 2 の Token 単価は同じです。実際の生成費用差は単価の低下ではなく、主に生成時の Token 消費から生まれます。OpenAI Flare のモデル料金
OneWave の同じプロンプト、解像度、high のテストでは、Flare は一枚 $0.0532、GPT Image 2 は $0.2112 で、Flare の実費用は旧版の約四分の一でした。
これは大量生成する SaaS に重要だと考えています。たとえば AI マーケティングツールで、プロンプトを何度も修正し、候補画像を作り、複数結果から最終版を選ぶなら、一枚あたりの低価格が製品全体の粗利益に直接影響します。
正式導入の前に medium、high、xhigh の画質と Token 消費を個別に測り、ユーザーが受け入れる最も低い品質設定を探すことをお勧めします。
画像あたり USD · 低いほど良い
このテストの画像単位のコストで、100 万トークン単価や API Hop 料金ではありません。
出典：OneWave · ゼロ起点の目盛
画像内の文字精度は、AI 画像モデルを商用デザインへ組み込めるかの重要な指標と考えています。
OneWave は三モデルで、数値、小数、価格、指定文字列を含む 24 項目の料金比較表を作りました。
GPT Image 2 と GPT Image 2.5 Flare は 24 項目すべてを正しく生成し、GPT Image 1 は 19 項目でした。
最近、一部の EC ユーザーは EC バナー、商品詳細画像、商品パンフレットの三タスクを比較し、Flare は三枚で指定された全 583 文字を正しく生成しました。
これらは、イベントポスター、メニュー、包装案、説明文入り SNS 素材など、多くの文字入りビジュアルに Flare がすでに対応できることを示すと考えています。
通常の宣伝ポスターでは Flare で初稿を作ることをお勧めします。文字要件が厳しいなら背景と視覚要素を生成し、最後の文字はプログラムによる組版ツールで追加する方が通常は信頼できます。
正しいテキスト項目 · 高いほど良い
単一タスクの結果で、全体の正確率ではありません。別の顧客による 583 文字のテストは含みません。
出典：OneWave · ゼロ起点の目盛
商用デザインのプロンプトは被写体の説明だけでなく、同時に満たす複数の要件を含むことがよくあります。
OneWave は約 1253 文字の複雑なプロンプトを作り、物体数、配置順序、文字位置、光の方向、出してはいけない要素など 8 条件を検証しました。
このテストの結果です。
| モデル | 達成した条件 |
|---|---|
| GPT Image 1 | 6/8 |
| GPT Image 2 | 7/8 |
| GPT Image 2.5 Flare | 8/8 |
| GPT Image 2.5 Sunburst | 8/8 |
このタスクでは Flare が生成対象だけでなく、物体間の位置関係と除外条件も理解したと示しています。OneWave の複雑なプロンプトテスト
ただし、この成功と画風の完全な制御は区別すべきだと考えています。
あるお客様の業務は九コマの絵コンテでした。GPT Image 2 から Flare に替えたところ、同じプロンプトで一度に九コマを正しく作り、主要な人物特徴を保ち、指定カット順にもほぼ従いました。ただしイラスト調を求めたのに、実結果は明らかに写実的な映画表現に寄っていました。
場面構造の理解は、すべてのスタイル要件への厳密な追従を意味しません。被写体、位置、数、文字、保持すべき内容を分ける構造化プロンプトをお勧めします。整理されていない説明より安定した画像になりやすい方法です。
漫画、ブランドイラスト、アニメ絵コンテなど画風の統一が重要な場合は、参考画像を追加して出力を制御しやすくすることをお勧めします。
満たした制約 · 高いほど良い
タスク固有の結果は、芸術的スタイルを完全に制御できる証明ではありません。
出典：OneWave · ゼロ起点の目盛
OpenAI は精密編集を GPT Image 2.5 の主要改善としていますが、私たちは編集結果と編集速度は別々に見る必要があると考えています。
OneWave が同じ元画像で編集した結果は次のとおりです。
| モデル | 編集時間中央値 | 一回あたりの編集費用 |
|---|---|---|
| GPT Image 1 | 38.7 秒 | $0.1686 |
| GPT Image 2 | 15.3 秒 | $0.0143 |
| GPT Image 2.5 Flare | 17.0 秒 | $0.0143 |
このテストでは Flare は GPT Image 2 より少し遅く、編集費用は同じでした。
一方、Genflick の Flare と Sunburst のスカーフ色変更では、両方が人物の主特徴と元の縦横比を保って局所的に色を変えました。透明なティーポットアイコンのテストでは、Flare が実際に Alpha チャネルを含む透明 PNG を出力できることも確認しました。OneWave の編集性能テスト · Genflick の編集・透明背景テスト
主にゼロから画像を作る業務なら Flare の更新価値が高いと考えています。ただし既存画像の連続編集が中心なら、新版が出たというだけで即座に移る必要はありません。
GPT Image 2 がすでに業務要件を満たすなら維持し、Flare が誤変更と手直しを明確に減らす場合にだけ利用を広げることをお勧めします。
秒 · 低いほど良い
この編集テストでは Flare は GPT Image 2 よりわずかに遅い結果でした。
出典：OneWave · ゼロ起点の目盛
編集あたり USD · 低いほど良い
このテストで Flare と GPT Image 2 のコストは同じでした。API Hop 料金ではありません。
出典：OneWave · ゼロ起点の目盛
GPT Image 2.5 Flare の GPT Image 2 に対する主な利点は、同程度の品質の生成を少ない時間と Token 費用で完了することだと考えています。
OneWave の同条件テストでは、生成中央値は Flare 16.7 秒、GPT Image 2 は 117.8 秒、一枚の費用は $0.0532 と $0.2112 でした。
この数値から、頻繁な画像生成が必要な新規プロジェクトでは Flare を先に選ぶ傾向があります。
ただし既存画像の編集では GPT Image 2 の中央値が少し短く、費用は同じでした。Flare の速度優位はすべての編集へ広がるわけではありません。OneWave の比較テスト
GPT Image 2 でテキスト画像生成製品を作るなら Flare への移行を優先テストしてください。写真修正、背景交換、局所編集が中心なら、編集成功率と被写体保持を比較してから更新を決めることをお勧めします。
新規プロジェクトでは、速度と費用の実用的な利点が明確なため、Flare を標準候補の先頭に置くことをお勧めします。
GPT Image 2.5 Flare と Sunburst は同じモデル系列ですが、対象とする仕事は完全には同じではありません。
OpenAI の定義では、Flare は速度優先の小型モデル、Sunburst は画質と編集精度をより重視する基盤モデルです。
HummingBytes の 19 回の high 生成では、平均は Flare 約 25.1 秒、Sunburst 36.3 秒でした。このテスト群では Flare が明らかに高速です。HummingBytes の実測比較
OneWave の複雑なプロンプトテストでは、Flare と Sunburst は両方とも全 8 条件を達成しました。Genflick の単純なポスターや局所的な色変更でも、Sunburst に上げることで完了率が明確に良くなるとは限りませんでした。
品質要件がすでに満たされている場合、Sunburst は十分明確な利点がないまま待ち時間だけを増やす可能性があると考えています。
二段階のモデル戦略をお勧めします。まず Flare で異なる案を素早く生成し、構図とスタイルが決まった後で Sunburst の高精度修正を試します。
たとえば広告デザインツールで Flare に十枚の案を作らせ、最終選択した一枚の細部を Sunburst で磨けば、効率と品質を両立しやすくなります。
Google の Nano Banana 2.1 は、Flare と並べて評価する価値がある画像モデルの一つだと考えています。
Fuser は2026年10月6日、五タスクの実測で Nano Banana 2.1 と GPT Image 2.5 Flare を比較しました。
Nano Banana 2.1 は商品撮影で指定の背景と影をより正確に扱い、Flare は人物の一貫性、一部の写実的場面、商品背景編集で優位でした。指定したポスター文字は両方とも正しく生成しました。Fuser の両モデル実測
画像モデルの強みが具体的なタスクに強く依存することを示す、有用な結果だと考えています。
複数の新しい場面で仮想人物の顔や服装の細部を維持する製品には Flare を先に試すことをお勧めします。
商品撮影、商品紹介、EC の主画像が中心なら、Nano Banana 2.1 も試す価値があり、特に形状、材質、照明の正確さを見てください。
商用導入では、自分の商品画像を参考にして同じ目標解像度で各モデルから複数枚を生成し、一回での成功率、最終利用率、合格画像一枚の実費用を比較してから選ぶことをお勧めします。
FLUX.3 Image も、特に編集とブランド素材制作で Flare と比較する価値があると考えています。
Fuser は2026年10月2日の公開テストで、三つの文字タスクと二つの局所編集タスクを使って両者を比べました。
文字テストでは FLUX.3 Image と GPT Image 2.5 Flare がどちらも指定の全 583 文字を正しく生成し、目立つ差はありませんでした。
ただし FLUX.3 Image の局所編集性能には、より注意を向ける価値があります。
カフェ写真の紙コップをマグへ替えるとき、Fuser の測定では指定領域外のピクセルが許容範囲を超えて変化した割合は Flare 7.7%、FLUX.3 Image 0.4% でした。別のポスターの日付修正では対象外の変化率はそれぞれ 25.0% と 12.9% でした。Fuser の FLUX.3 Image 実測比較
Flare の局所編集は改善していても、原画像を厳密に保持する一部の場面では FLUX.3 Image が有利な可能性を示すと考えています。
汎用画像生成、広告案、素早いデザインツールには Flare を先に検討してください。完成したポスター、商品写真、ブランド画像のごく小さい箇所だけを変え、残りをできるだけ保つアプリでは、FLUX.3 Image を優先比較することをお勧めします。
後者で重視するのは美しい画像を作れるかより、承認済み内容を壊さず指定領域を正確に変更できるかです。
サーバー用の API Hop API キーを作成し、このページのモデル ID とプロンプトを含む JSON を POST /openai/v1/images/generations に送信します。新しい画像には image_urls を指定しません。送信前に現在のモデル料金を確認してください。生成は課金対象であり、無料の接続テストではありません。
選択したモデル、編集プロンプト、image_urls を POST /openai/v1/images/generations に送信します。公開アクセス可能な HTTP(S) 画像 URL を最大 16 件指定できます。この API Hop エンドポイントは生成と参照画像編集に JSON を使います。現在の公開仕様は multipart アップロード、base64 データ URI、マスク、独立した /images/edits ルートに対応していません。変更点と維持する詳細を記述し、結果全体を確認してください。再編集する際は前の結果を参照 URL として再度送ります。このエンドポイントは会話履歴を保持しません。
stream: false では API Hop が完了を待ち、利用可能な使用量情報とともに data[].url に画像 URL を返します。結果を読む前に HTTP ステータスとレスポンス本文を確認してください。上流の Base64 レスポンスパーサーではなく、このエンドポイントの仕様に従ってください。永続的なアクセスが必要な場合は、完成画像を自分のストレージにダウンロードします。
stream: true では image_generation.completed と [DONE] まで SSE イベントを読み、エラーイベントを処理します。途中画像のプレビューは保証されません。この Images generations エンドポイントはポーリング用のジョブ ID を返しません。完了前に接続が切れた場合、取得済みのリクエスト ID を保持し、課金される可能性のある再生成を送る前にリクエスト記録とアカウント使用量を確認してください。クライアントの切断は生成のキャンセルを意味しません。
gpt-image-2.5-flaremodel は必須です。例ではこのページのモデル ID を使用しています。GET /v1/models で API キーのモデルアクセス権を確認してください。
POST /openai/v1/images/generationscurl -X POST "https://api.apihop.ai/openai/v1/images/generations" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-image-2.5-flare","prompt":"Create a product photograph of a nostalgic toy propeller airplane in clear blister packaging.\nGive the airplane rounded wings, a spinning nose propeller, and lightly worn painted-metal details.\nUse realistic plastic and metal textures, soft studio lighting, shallow depth of field, and crisp retail printing.\nInclude only the packaging label \"Christmas Memories Edition\". Make the design original, with no trademarks or watermarks.","n":1,"size":"1:1","quality":"low","output_format":"png","stream":false,"resolution":"1k","image_urls":[],"background":"auto"}'サーバー用の API Hop API キーを作成し、このページのモデル ID とプロンプトを含む JSON を POST /openai/v1/images/generations に送信します。新しい画像には image_urls を指定しません。送信前に現在のモデル料金を確認してください。生成は課金対象であり、無料の接続テストではありません。
選択したモデル、編集プロンプト、image_urls を POST /openai/v1/images/generations に送信します。公開アクセス可能な HTTP(S) 画像 URL を最大 16 件指定できます。この API Hop エンドポイントは生成と参照画像編集に JSON を使います。現在の公開仕様は multipart アップロード、base64 データ URI、マスク、独立した /images/edits ルートに対応していません。変更点と維持する詳細を記述し、結果全体を確認してください。再編集する際は前の結果を参照 URL として再度送ります。このエンドポイントは会話履歴を保持しません。
stream: false では API Hop が完了を待ち、利用可能な使用量情報とともに data[].url に画像 URL を返します。結果を読む前に HTTP ステータスとレスポンス本文を確認してください。上流の Base64 レスポンスパーサーではなく、このエンドポイントの仕様に従ってください。永続的なアクセスが必要な場合は、完成画像を自分のストレージにダウンロードします。
stream: true では image_generation.completed と [DONE] まで SSE イベントを読み、エラーイベントを処理します。途中画像のプレビューは保証されません。この Images generations エンドポイントはポーリング用のジョブ ID を返しません。完了前に接続が切れた場合、取得済みのリクエスト ID を保持し、課金される可能性のある再生成を送る前にリクエスト記録とアカウント使用量を確認してください。クライアントの切断は生成のキャンセルを意味しません。
モデルファミリーとプロトコルのリファレンス
GPT Image 2.5
API ドキュメント全文Flare で画像を生成し、Sunburst で参照画像を編集します。
https://api.apihop.ai/openai/v1/images/generations