API Hop

画像生成・編集用 GPT Image 2.5 Sunburst API

GPT Image 2.5 Sunburst のトークン料金と参照画像編集の例を確認できます。生成形式、品質設定、画像入力の制限を確認してください。

GPT Image 2.5 Sunburst API の料金と請求

テキスト入力

公式価格

テキスト入力
$5.0000 /M

API Hop 料金 削減 20%

テキスト入力
$4.0000 /M

キャッシュテキスト入力

公式価格

キャッシュテキスト入力
$1.2500 /M

API Hop 料金 削減 20%

キャッシュテキスト入力
$1.0000 /M

画像入力

公式価格

画像入力
$8.0000 /M

API Hop 料金 削減 20%

画像入力
$6.4000 /M

キャッシュ画像入力

公式価格

キャッシュ画像入力
$2.0000 /M

API Hop 料金 削減 20%

キャッシュ画像入力
$1.6000 /M

画像出力

公式価格

画像出力
$30.0000 /M

API Hop 料金 削減 20%

画像出力
$24.0000 /M

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。

GPT Image 2.5 Sunburst オンライン画像ツール

画像設定

ログインしてアカウント残高で実行してください。

画像の結果

サンプルプレビュー

GPT Image 2.5 Sunburst のプロンプト例

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。

プロンプトを表示

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.

OpenAI 画像プロンプトガイド、GPT Image 2.5 Sunburst の例
プロンプトを表示

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.

OpenAI 画像プロンプトガイド、GPT Image 2.5 Sunburst の例
プロンプトを表示

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.

OpenAI 画像プロンプトガイド、GPT Image 2.5 Sunburst の例

GPT Image 2.5 Sunburstとは

高精度の画像生成・編集を担うOpenAIの旗艦モデル

GPT Image 2.5 Sunburstは、OpenAIが2026年9月8日に公開した画像生成・編集モデルです。GPT Image 2.5ファミリーの中でも、画質と編集精度をより重視するバージョンです。

Sunburstの最大の変化は、単に見栄えのよい画像を生成できることではなく、ユーザーが何を変え、何を変えずに残したいのかを、より正確に理解できる点だと考えています。

例えば商品広告では、商品の角度を変える、背景の照明を調整する、文字の一部を差し替えるだけで、商品の外観や画像全体の構図は変えたくない場合があります。Sunburstは、このように細かな制御が必要な作業に最適化されています。

OpenAIはSunburstを、高度なクリエイティブ制作と詳細な画像編集向けのモデルと位置づけています。同じファミリーのFlareと比べ、出力の精度を高めるために画像生成へ時間をかける設計です。

商業写真、広告デザイン、ブランド素材など、高品質の完成画像に事業が大きく依存する場合は、まずSunburstを試すことをおすすめします。一方、大量の画像を素早く生成したいだけなら、Flareのほうが適しているかもしれません。

OpenAI公式発表

テキストからの画像生成、参照画像の編集、複数画像の合成に対応する視覚モデル

GPT Image 2.5 Sunburstは、テキストから画像を作るだけのモデルではありません。既存の画像を入力し、文章で指示して画像を編集したり、スタイルを転写したり、複数の参照画像を組み合わせたりすることもできます。

ユーザーは最初の一枚だけで満足することが少なく、細部を繰り返し調整する必要があります。そのため、この機能はテキストからの画像生成だけよりも、実際のデザイン作業に近いと考えています。

例えば、人物、室内の背景、衣服の参照画像をアップロードし、指定した位置関係でシーンを再生成するようモデルに依頼できます。

Genflickが2026年9月に実施したテストでは、GPT Image 2.5ファミリーは三枚の参照画像を使った人物とシーンの合成に成功し、人物の衣服、背景の特徴、指定した左右の配置を維持しました。

もちろん、複雑な合成が常に正しくできるという意味ではありません。商品の外観、人物の同一性、ブランドロゴが関わる場合は、鮮明な元画像を用意し、維持すべき特徴を明記することをおすすめします。

Genflickの複数参照画像テスト

六つの品質設定とカスタム解像度に対応する画像生成モデル

GPT Image 2.5 Sunburstは、low、medium、high、xhigh、max、autoの六つの品質設定に対応し、既定値はautoです。

解像度の公式推奨値は1024x1024、1536x1024、1024x1536です。寸法の制約を満たせば、カスタム解像度も使用できます。およそ4K規模の画素数まで出力できますが、高解像度にはまだ実験的な制約があります。

品質設定の最大の価値は、あらゆる場面でmaxを使うのではなく、事業の要件に合わせて開発者がコストを制御できることだと考えています。他のモデルの説明でも繰り返しているように、最高の推論設定が最良の結果を生むとは限りません。

例えば、ウェブサイトの一般的な記事挿絵なら、mediumまたはhighで十分な場合があります。商品の細部を見せる必要がある商用画像なら、さらにxhighとmaxを試せます。

品質設定が高いほど、あらゆる要望にうまく対応できるわけではない点に注意してください。実際のテストでは、設定を上げると、ユーザーが求めていない装飾が加わることもありました。

まず低コストの設定で構図と内容を決め、最終素材の段階で品質を上げることをおすすめします。そのほうが合理的です。

OpenAI画像生成パラメーターのドキュメント

RequestBeamのGPT Image 2.5 SunburstオンラインツールとAPI

RequestBeamでは、最初にAPI連携へ多くの時間を費やすことなく、実際の業務でGPT Image 2.5 Sunburstを早く体験できるようにしたいと考えています。

RequestBeamにログインし、API Keyを作成して少額をチャージするだけで、オンラインツールを使ったモデル評価を始められます。先にAPIコードを書く必要も、短期テストのために固定プランを購入する必要もなく、複数の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らせます。

GPT Image 2.5 Sunburstの主要機能と得意分野

精密な画像編集:他の細部をできるだけ維持し、指定した内容だけを変更

精密な編集こそ、GPT Image 2.5 Sunburstで最も注目すべき能力だと考えています。

従来の画像生成モデルで比較的よく起きていたのは、小さな一部分を変えたいだけなのに、人物の顔や商品の形、さらには背景全体まで変わってしまう問題でした。

Sunburstはこの状況に最適化されています。OpenAIは、元の被写体、構図、ブランド要素をできる限り維持しながら、複雑な被写体や背景の一部を編集できる点を特に強調しています。

当社のEC顧客の一人が、SunburstとFlareの比較を共有してくれました。同じ商品プロンプトを複数の品質設定で試したところ、Sunburstは商品の遠近感、反射、構図をより安定して維持し、Flareは設定によって画像を作り直す傾向が強かったそうです。

この機能は、ECの商品画像、広告素材、既存デザインの部分修正に適していると考えています。

人物と参照画像の一貫性:継続的な制作とキャラクター素材に対応

人物の一貫性は、AIで漫画、物語の挿絵、マーケティング素材を作るユーザーにとって、以前から重要な課題です。

私たちが重視するのは、Sunburstがポーズ、衣服、背景を変えながらも、顔の骨格、髪型、アクセサリー、全体の視覚スタイルといった人物の主要な特徴を維持できるかどうかです。

公開時、OpenAIは参照画像の人物を別のシーンへ移し、外見を調整し、編集を重ねる機能を特に紹介しました。

当社のショートドラマ制作の顧客からは、以前は満足できる結果にならなかったプロンプトがSunburst APIで明確に改善し、特に人物の一貫性と画質がよかったと聞いています。

Sunburstは、同じ人物の複数の宣伝画像、連続した物語の挿絵、統一した視覚的アイデンティティーを保つ必要があるブランドキャラクター素材の制作に適していると考えています。

まず承認済みの人物参照画像を決め、それを使って異なるシーンを生成することをおすすめします。完成画像を生成する前に、人物の基本素材の一貫性を確保すると、よりよい結果につながります。

商業写真:より自然な照明、質感、商品の細部

商用の商品写真も、Sunburstの重要な用途だと考えています。

GPT Image 2.5では、OpenAIは自然な照明、素材の質感、参照画像の細部の維持を重点的に改善しました。Sunburstは、さらに高品質な完成ビジュアルを重視しています。

例えば、当社のEC顧客の一人は、スキンケア商品の宣伝画像を制作した経験を共有してくれました。Sunburstへ参照画像をアップロードし、ボトルの比率、包装の色、商品ロゴを変えない条件で、背景の異なる商品画像を生成したところ、結果に非常に満足していました。

もちろん、商業写真の評価は、見栄えがよいかだけではありません。Everypixelは2026年9月に48種類の商業写真シナリオでブラインドテストを行いました。Qwen Image 2に対するSunburstの写真らしさの選好率は69.0%でした。一方、GPT Image 2に対しては52.7%にとどまり、信頼区間に50%が含まれるため、写真らしさで明確に優位だとはいえません。

この結果は参考になると考えています。Sunburstの強みは、すべての画像を明らかに写実的にすることよりも、指示の遵守と編集の制御にあるのかもしれません。

ECの商品画像では、商品の形、包装の文字、光と影の妥当性、背景の細部をそれぞれ確認することをおすすめします。ECでは実物と見せ方が一致することが重要です。不一致はブランドへの信頼を損ねます。

Everypixelの商業写真ブラインドテスト

文字と複雑なレイアウト:ポスター、インフォグラフィック、商品ビジュアルのデザイン

広告ポスターやマーケティング画像では、モデルは画像を生成するだけでなく、文字、数字、レイアウトも正しく扱う必要があります。

Sunburstは、この領域ですでにかなりの実用価値を持っていると考えています。

複数の顧客から、ポスターや九分割の絵コンテといった具体的な業務でSunburstに満足できる結果が得られ、修正回数が大きく減り、最初の試行で完成することもあると聞いています。

こうした具体的な業務のフィードバックから、少量の明確に指定した文字を含む宣伝画像では、Sunburstはすでに実務で使う価値があると考えています。ただし、文字量が多い画像、複雑なレイアウト、厳格なブランド要件がある画像は、人による確認が必要です。

文字の内容、配置、相対的なサイズ、追加してはいけない要素を明記することをおすすめします。構造化したプロンプトのほうが、よりよい画像を生成しやすくなります。

連続編集とブランド素材制作:生成のやり直しを減らす

私たちは、Sunburstが一枚のきれいな画像を作れるかより、実際のデザインワークフローへ組み込めるかを重視しています。

商用制作では、デザイナーは通常、初稿を生成した後、商品の配置調整、背景色の変更、文字の差し替え、配信先ごとの別バージョン制作など、フィードバックに応じた修正を繰り返します。

GPT Image 2.5ファミリーは、連続編集時の細部の維持を改善しており、Sunburstはさらに編集精度を重視しています。

GPT Image APIを長く使っている開発者の顧客は、これまでに約80,000枚を超える画像を生成した経験があり、新バージョンのテストではGPT Image 2.5と比べて参照画像の利用とインターフェース要素に改善が見られたと話していました。

マーケティングチームにとって本当の論点は、初稿から最終素材までの修正回数を減らせるかどうかだと考えています。

GPT Image 2.5 Sunburstのベンチマークと性能

この節では、Artificial Analysis、Arena、Everypixel、Quantslantが公開したテストデータと、顧客から共有された経験を参照します。

テキストからの画像生成品質:AA-Image-T2I v2.0で1198 Elo

Artificial AnalysisのAA-Image-T2I v2.0ランキングで、GPT Image 2.5 Sunburstはmax設定で1198 Eloを記録し、当時の首位になりました。

同じランキングで、GPT Image 2.5 Flare Maxは1191 Elo、GPT Image 2 Highは1172 Eloでした。

この評価は匿名の画像の一対比較を行い、人間の評価者の好みからEloを計算します。そのため、生成画像の総合品質に対するユーザーの判断に近いものです。

ただし、SunburstとFlareの95%信頼区間は重なっており、テキストからの画像生成の総合品質は比較的近いと読み取れます。

主な業務が一般的なテキストからの画像生成なら、まずFlareを試し、完成ビジュアルの品質要件が高い素材ではSunburstも比較に加えることをおすすめします。

Artificial Analysisのテキスト画像生成ランキング

Artificial Analysis · 独立評価AA-Image-T2I v2.0画像の匿名一対選好比較・出典ランキングのスナップショット

Elo · 高いほど良い

  • GPT Image 2.5 Sunburst Max1198 Elo
  • GPT Image 2.5 Flare Max1191 Elo
  • GPT Image 2 High1172 Elo

Sunburst と Flare の 95% 信頼区間は重なっており、スコアは明確な品質差を示しません。

出典:Artificial Analysis · ゼロ起点の目盛

画像編集品質:AA-Image-Editing v2.0で1183 Elo

Artificial AnalysisのAA-Image-Editing v2.0では、Sunburst Maxは1183 Elo、Flare Maxは1163 Elo、GPT Image 2 Highは1125 Eloでした。

この結果は、テキストからの画像生成スコア以上に、Sunburstの製品上の位置づけを明確に示していると考えています。

画像編集は、ゼロから画像を生成するのではなく、既存画像と変更要求に基づいてユーザーの期待に合う結果を作る作業です。顧客から共有されたデータでは、編集とゼロからの生成の比率はおよそ3:1です。そのため、この結果は画像編集におけるSunburstの比較的明確な優位性を示しています。

AI画像エディター、商品背景の置換ツール、部分修正ツールを開発するなら、テキスト画像生成の順位だけでモデルを選ばず、Sunburstを優先して試すことをおすすめします。

Artificial Analysisの画像編集ランキング

Artificial Analysis · 独立評価AA-Image-Editing v2.0画像編集の選好・出典ランキングのスナップショット

Elo · 高いほど良い

  • GPT Image 2.5 Sunburst Max1183 Elo
  • GPT Image 2.5 Flare Max1163 Elo
  • GPT Image 2 High1125 Elo

選好スコアは評価対象の編集タスクを測るもので、要求した全詳細の保持を保証しません。

出典:Artificial Analysis · ゼロ起点の目盛

複数参照画像の編集:Arena Multi Image Editで1535

ArenaのMulti Image Editランキングでは、GPT Image 2.5 Sunburstが1535±9、Flareが1501±8、GPT Image 2 Mediumが1454±4でした。当時、これらはまだ暫定結果とされていました。

このスコアは、複数の参照画像を組み合わせるアプリケーションにとって、特に重要だと考えています。

例えば、異なる画像の人物、衣服、場面を一枚へまとめるとき、モデルは各画像を理解するだけでなく、複数の物体の位置、比率、視覚的な関係も扱う必要があります。

ただし、Arenaのスコアはユーザーの好みの比較から得られたもので、すべての物体が正確に再現されたことを意味しません。そのため、商品の組み合わせ、集合写真、複雑な場面の生成では、細部を人が確認する工程を不可欠と考えることを引き続きおすすめします。

Arenaの複数画像編集ランキング

Arena · 独立評価Arena Multi Image Edit暫定結果・報告スコアと ± 区間

ポイント · 高いほど良い

  • GPT Image 2.5 Sunburst1535 ± 9 ポイント
  • GPT Image 2.5 Flare1501 ± 8 ポイント
  • GPT Image 2 Medium1454 ± 4 ポイント

これらは暫定結果と表示されていました。ユーザー選好スコアは、全オブジェクトの正確な再現を意味しません。

出典:Arena · ゼロ起点の目盛

商業写真のブラインドテスト:GPT Image 2に対する写真らしさの選好率は52.7%のみ

Everypixelは48種類の商業写真シナリオをテストし、制作チームの13人が匿名で評価しました。

SunburstとGPT Image 2の比較では、三つの主要項目の結果は、写真らしさの選好率52.7%、プロンプト遵守55.2%、美的選好56.7%でした。

このテストは、52.7%という結果だけでは写真らしさに統計的に明確な優位性があるとはいえないことを示していると考えています。Sunburstはプロンプト遵守と美しさでもわずかに上回っていますが、その差も比較的小さいものです。

そのため、すでにGPT Image 2を商業写真素材に使っているチームは、すべてを急いで移行する必要はありません。精密編集、複雑な合成、文字の処理が必要な場面からSunburstを試し、その後に切り替えを判断することをおすすめします。

Everypixelの48シナリオのブラインドテスト

Everypixel · 独立評価GPT Image 2 に対する Sunburst の選好商業写真 48 シーン・制作チームの評価者 13 人・ブラインドテスト

選好割合(%) · 高いほど良い · 50% = 同等の選好

  • 写実性52.7%
  • プロンプト遵守55.2%
  • 美的品質56.7%

写実性の信頼区間は 50% を含み、統計的に明確な優位性はありません。他の報告された選好の向上も小幅です。

出典:Everypixel · ゼロ起点の目盛

生成速度とコスト:Highで約28秒、Maxで約78秒

Quantslantは、同じプロンプトを使ってSunburstとFlareの生成速度とコストをテストしました。

1536×864の解像度での結果は、次のとおりです。

品質Sunburstの時間Flareの時間一枚あたりのコスト
Medium14.0秒12.8秒$0.0086
High27.8秒17.9秒$0.033
Max77.8秒37.6秒$0.130

これらのデータは特定のテスト環境のもので、Mediumのサンプル数はわずかです。プラットフォームの安定した応答時間や固定価格として扱うべきではありません。

ここで最も重要なのは、SunburstとFlareの公式トークン単価は同じでも、高品質設定ではSunburstのほうが明らかに時間がかかる点だと考えています。HighからMaxへ上げると画像のコストも大きく増えますが、それに比例して画質が改善するとは限りません。何度も強調しているとおり、高い推論設定は時間を要するものの、必ずしも最良の結果を生みません。これは直感に反する点として、顧客に繰り返し説明しています。

一般的な画像の評価はHighから始めることをおすすめします。価値の高い広告素材や、複雑な細部を維持する必要がある完成画像ではMaxを試してください。素早い生成と繰り返しのプレビューが必要な場合は、Flareをより強くおすすめします。

Quantslantの速度・コストテスト原文

Quantslant · 独立評価品質別の生成時間同一プロンプト・1536×864・Medium / High / Max

秒 · 低いほど良い

  • Medium
    Sunburst14.0 秒
    Flare12.8 秒
  • High
    Sunburst27.8 秒
    Flare17.9 秒
  • Max
    Sunburst77.8 秒
    Flare37.6 秒

特定のテスト条件で、Medium のサンプルは少数でした。プラットフォームの応答時間を保証するものではありません。

出典:Quantslant · ゼロ起点の目盛

Quantslant · 独立評価画像あたりの実測コスト同一プロンプト・1536×864・Medium / High / Max

画像あたり USD · 低いほど良い

  • Medium$0.0086
  • High$0.033
  • Max$0.130

この特定のテストのコストで、固定料金や API Hop 料金ではありません。コスト上昇は比例した品質向上を意味しません。

出典:Quantslant · ゼロ起点の目盛

GPT Image 2.5 SunburstとFlare、GPT Image 2、Nano Banana 2.1、MAI-Image-2.6の比較

GPT Image 2.5 Flareとの比較:編集精度か生成速度か

SunburstとFlareは同世代の製品なので、最も自然な比較対象だと考えています。ただし、実際には異なる業務要件に最適化されています。

Artificial Analysisの独立テストによると、テキストからの画像生成品質の差は大きくありません。Sunburst Maxは1198 Elo、Flare Maxは1191 Eloです。

一方、画像編集ではSunburstの優位性がより大きく、それぞれ1183 Eloと1163 Eloです。

速度については、QuantslantのテストでHigh時にFlareが明らかに速く、Maxでは差がさらに広がりました。

この二つのモデルを単純なアップグレードと置き換えの関係とは考えていません。用途も同一ではありません。

ブログ挿絵ジェネレーターや一般的なAIテキスト画像生成サイトを開発する場合、またはSNS素材を大量に生成する必要がある場合は、Flareを優先することをおすすめします。

ユーザーが参照画像をアップロードし、人物、商品、画像の一部へ精密な編集を繰り返す製品なら、Sunburstをより強くおすすめします。

生成と編集の両方を備えるプラットフォームでは、素早い制作にFlareを、細部の仕上げにSunburstを使うことをおすすめします。FlareもSunburstも、テストはhighから始めることをおすすめします。

Artificial Analysisのテキスト画像生成比較 · 編集比較

GPT Image 2との比較:新バージョンは編集向きだが、すべての商用画像に移行が必要とは限らない

GPT Image 2は、Sunburstの重要な比較基準です。すでにOpenAIの画像生成機能を使う多くのアプリケーションは、アップグレードに価値があるか判断する必要があるからです。

Artificial Analysisの評価では、Sunburstはテキストからの画像生成でも画像編集でも、GPT Image 2より高いEloを記録しています。

一方、Everypixelの商業写真ブラインドテストは別の視点を示しています。Sunburstには、写真らしさに統計的に明確な優位性は認められませんでした。

これは、新バージョンで最も注目すべきなのは、あらゆる商用場面で明らかに魅力的な画像を作る能力ではなく、複雑な要件や編集作業への対応だと示唆していると考えています。

品質設定も両バージョンで異なります。GPT Image 2はHighまでですが、SunburstはXHighとMaxを追加し、最終出力の設定の選択肢を広げています。

すでにGPT Image 2を使っているチームには、画像編集と複数参照画像の合成から優先して移行することをおすすめします。安定した結果が得られている商品紹介画像や記事挿絵では、まず旧モデルを比較対象として残せます。

Sunburstのほうが新しいという理由だけで、すべての生成作業を置き換えることはおすすめしません。実際の業務用途でテストしてから移行を決めるのが適切です。

Everypixelの比較結果

Nano Banana 2.1との比較:画像編集の高い選好率か、生成コストの低さか

Nano Banana 2.1はGoogleの画像生成・編集モデルで、Sunburstを評価する際に検討する価値がある別プラットフォームの選択肢です。

Artificial AnalysisのAA-Image-T2I v2.0では、Sunburst Maxが1198 Elo、Nano Banana 2.1が1160 Eloです。

画像編集ランキングでは、それぞれ1183 Eloと1137 Eloです。

これら二つの結果では、独立した選好テストでSunburstが優位に立っています。

ただし、コストも検討すべき要素です。該当する標準化された評価設定で、Artificial Analysisは千枚あたりの費用を、Sunburstは約$210.7、Nano Banana 2.1は約$33.6としています。これらはその評価設定にのみ当てはまり、任意の解像度や品質設定での固定コストではありません。

画像編集の品質をより重視するなら、Sunburstを優先して試せると考えています。事業で大量の画像生成が必要なら、Nano Banana 2.1のコスト面の利点は詳しく評価する価値があります。

Artificial Analysisのテキスト画像生成・編集ランキング

MAI-Image-2.6との比較:高精度なビジュアル制作と素材の大量生産で異なる選択

MAI-Image-2.6はMicrosoft AIの画像生成モデルで、商用画像生成のモデル選定テストに含める価値があります。

Artificial Analysisのテキスト画像生成ランキングでは、Sunburst Maxが1198 Elo、MAI-Image-2.6が1151 Eloです。画像編集ランキングでは、それぞれ1183 Eloと1139 Eloです。

両テストとも、人間の選好スコアでSunburstが上回っています。コストについては、同じ評価の標準化された千枚あたり生成費用が、それぞれ約$210.7と$38.9です。

高級感のある広告、細部まで見せる商品画像、複数回の編集を重ねるブランド素材が必要なら、Sunburstを優先して検討する価値があると考えています。

一方、大規模な商品カタログ向けに背景画像を大量生成したり、コンテンツサイト向けに多数の挿絵を継続的に制作したりするなら、MAI-Image-2.6のほうが経済的かもしれません。

出力量の多いアプリケーションでは、まず許容できる最低限の画質を定め、その基準をより低い総コストで満たすモデルを選ぶことをおすすめします。単に首位のモデルを使う必要はありません。

Artificial Analysisのテキスト画像生成ランキング

GPT Image 2.5 Sunburst API 導入のよくある質問

API Hop 経由でこのモデルを呼び出すには?

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。

API Hop 経由で参照画像を編集するには?

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。

生成画像の URL はどこにありますか?

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。

ストリーミング結果はどう読み取りますか?

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。

API Hop のパラメーターとレスポンスの完全なリファレンス

関連画像 API