FLUX 3 Max 対 GPT-Image-2.5：動画モデルと画像モデルを、正直に比較する

FLUX 3 MaxとGPT-Image-2.5を並べると、最初に起きるのはカテゴリー錯誤だ。FLUX 3 Maxは動画を生成し——10秒の動画を、Black Forest Labsによれば12秒で——静止画はまったく生成しない。GPT-Image-2.5は静止画を生成・編集し、2つのバリアントがあり、動画は一切生成しない。比較は可能だが、それぞれが何のためのものかを正直に踏まえた場合に限る。両者から選ぶチームは、実質的にはモーションパイプラインと静止画パイプラインの間で選んでいるのであり、重なりは検索クエリが示唆するより狭い。以下では、本当に真っ向から比較できる部分とそうでない部分を分ける。両者を代替品と見せかけると、間違った方を買ってしまうからだ。 このようなリリースの背景にある、文書化されたAI障害やエージェントインシデントは、OrcaRouter AI Incident Archiveに集められており、各項目には独自の情報源、重大度、信頼度グレード、異議フラグが付いている。

出典はベンダー自身のドキュメントであり、2026-10-20に閲覧した。Black Forest Labsのモデルページと料金ページ、およびその公開APIスキーマ、ならびに{{1}}O​penAI{{/1}}の両GPT-Image-2.5バリアントに関する開発者向けドキュメントである。どちらのベンダーも、このページの名前の由来となった対象について独立したベンチマークを公開しておらず、両者を同じ単位で比較する単一の数値も公開していない。その不在は比較に関する事実であり、調査の欠落ではない。

不一致を、端的に言えば

FLUX 3 Maxは、2026年10月19日に登場したFLUX 3 Videoの最速構成です。出力はクリップで、長さは5～20秒、オプションでネイティブの同期オーディオに対応し、解像度はHDから4Kまでです。入力はテキスト、静止画像、ビデオクリップ、またはキーフレームです。動きのために設計されています。

GPT-Image-2.5はOpenAIの画像生成・編集世代であり、2026-09-08にAPIに登場し、2つの別々の名前を持つモデルとして提供されています。編集精度向けに位置づけられたGPT-Image-2.5 Sunburstと、高速な日常生成向けに位置づけられたGPT-Image-2.5 Flareです。その出力は静止画像で、トークンとして返され、トークンとして課金されます。フレーム向けに構築されています。

• タスク — FLUX 3 Max は音声付きの動画を生成し、GPT-Image-2.5 は編集可能な静止画を生成します。

• 入力 → 出力 — テキスト/画像/動画/キーフレーム → FLUX 3 Max による動画、テキスト/画像 → GPT-Image-2.5 による画像。

• 料金単位 — FLUX 3 Maxでは出力動画1秒あたり、GPT-Image-2.5では100万トークンあたり。

• 長さ — FLUX 3 Max ではクリップあたり5～20秒、時間軸を持たない GPT-Image-2.5 では該当なし。

• 音声 — ネイティブで同期済み、FLUX 3 Max に含まれる。GPT-Image-2.5 は一切生成しない。

• テキストレンダリング — FLUX 3 Max はショット内でタイポグラフィをアニメーション化します。GPT-Image-2.5 は、OpenAI のドキュメントによると、言語を問わず、静止画内に高精度のテキストをレンダリングします。

どちらの方向においても、一方が他方の役割を果たせないような比較は、ベンチマークではない。それはビルド対ビルドの意思決定なのだ。

静止画が必要な場合、FLUX 3 Max は適切な製品ではありません

これが最も重要な訂正です。というのも、「FLUX 3 Max vs GPT Image 2.5」というクエリは通常、画像を求めていて、FLUX という名前をスピードと結びつけて耳にした人が尋ねるものだからです。

Black Forest Labs は確かに画像モデルを販売しています。実際、複数あります。FLUX 3 Image は、バウンディングボックスによるレイアウトと、最大4Kまでのボックス単位のマルチターン編集を用いて静止画を生成・編集します。FLUX 3 Image Klein は10月15日に提供開始された5.6Bのオープンウェイトモデルで、ファインチューニング用のベースチェックポイント、FP8/INT8/NVFP4ビルド、年間売上500万ドル未満での無料商用利用を認めるライセンスを備えています。これらが画像に関する問いに答えるFLUXモデルです。FLUX 3 Max は動画に関する問いに答え、そのモデルインデックスの説明にもこう記されています：「最速で最高品質の動画モデル」。

では、静止画が目的なら本当に比較すべきなのは、GPT-Image-2.5 対 FLUX 3 Image または FLUX 3 Image Klein です。片方には画像1枚あたりの公開料金、もう片方にはトークンあたりの料金があり、まさに条件を揃えた比較になります。このページでは、人々が検索する語であるためタイトルに FLUX 3 Max を残しつつ、適切な製品へと導いています。静止画を得るために動画プランを購入するのは、違いを知るための高くつく方法です。

両者が実際に競合するのは、両方を必要とするパイプラインにおいてです

同じ文に2つの名前が入るべき状況が1つあり、それは商業やマーケティングではよくあります。キャンペーンでは、カタログページ用の商品の静止画と、フィード用の短い動画が必要です。静止画は画像モデルから生成されます。動画は動画モデルから生成されます。誰かが両方の予算を組まなければならず、興味深い比較は呼び出しあたりのコストではなく、完成したアセットあたりのコストです。

動画側では、BFLはFLUX 3 Videoファミリーの秒単位の料金を公開しており、Max専用の行は公開していません。2026-10-20時点で読んだドキュメントの請求ページ：

• テキストから動画・画像から動画 — HD $0.15/秒、FHD $0.24/秒、QHD $0.28/秒、UHD $0.41/秒。

• 動画から動画への変換と継続 — $0.21/秒 HD、$0.27/秒 FHD、$0.31/秒 QHD、$0.45/秒 UHD。

• ドラフトHD — $0.06/秒、テキストからの動画生成のみ。ドラフトはその後、契約した料金帯の標準レートでフル品質にレンダリングされます。

• 計算例 — 10秒のHDクリップは$1.50、標準HDのテキストから動画生成の5秒は$0.85、音声付き、秒未満は切り上げ。

Maxがそれらの料金で請求するかは未確認だ。請求ページの脚注には、料金はモダリティ、モデルバリアント、解像度帯によって異なるとあり、バリアントとしてFLUX 3 VideoとFLUX 3 Video Draftを挙げている—Maxではない。また、モデルページ自体のFAQは同じ作業に対して異なる、より高い料金表を依然として示している：HDは$0.17/秒でドキュメントの$0.15/秒に対し、UHDは$0.80/秒で$0.41/秒に対し。Maxのクリップを予算計上する人は、どちらの導出値も信頼するのではなく、最初の請求書で請求額を確認すべきだ。

画像側では、OpenAI は GPT-Image-2.5 をトークン単位で計測し、両方のバリアントで同一に、また GPT-Image-2 と同一に扱います：

• テキスト入力 — 100万トークンあたり$5.00、キャッシュ利用時は$1.25。

• 画像入力 — 100万トークンあたり$8.00、キャッシュ利用時$2.00。

• 画像出力 — 100万トークンあたり$30.00、バッチ利用で半額の$15.00になります。

• テキスト出力 — 課金されません。モデルがテキストを生成しないためです。

O​penAIは画像1枚あたりの価格を公表しておらず、同社自身の注記にも、GPT Image 2のコスト計算ツールは2.5の使用量を見積もらないと書かれています。したがって、GPT-Image-2.5について引用されている「1画像あたり$X」という数値はすべて第三者の換算であり、O​penAIのものではありません。しかもその換算は、選択するサイズと品質階層によって変わります。これがこの計算の正直な現状です。一方は秒単位で、他方はトークン単位で見積もっており、どちらのベンダーも、自分でモデリングをせずに表計算に入れられるアセット単位の数値を提示してはいません。

GPT-Image-2.5が実際に優れている点

カテゴリはさておき、O​penAIモデルが行う、FLUX 3のどのティアも匹敵しない3つのことがあり、それらがこの比較が静止画作業において当然の結論ではない理由です。

まず、編集ループです。Sunburstは、第2ターンで行った編集が第3ターンまで保持されなければならないワークフロー、つまりワンショットのケースではなく反復型のケースのために明確に位置づけられています。FLUX 3 Imageにはこれに対する独自の答えがあり、触れていない部分はすべてそのまま残るボックススコープ編集で、それは本気の答えです。しかしFLUX 3 Maxは動画であるため、ここでは何も貢献しません。

次に、サイズの許容範囲です。GPT-Image-2.5 の両バリアントは、幅と高さが16の倍数である任意の WIDTHxHEIGHT 文字列を受け付け、アスペクト比は1:3から3:1の間、どの辺も3840ピクセルを超えず、総ピクセル数は655,360から8,294,400の範囲である必要があります。2560×1440を超える解像度は実験的とフラグが付けられます。これは、ほとんどの画像APIが提供するプリセット駆動のフレーミングより広いキャンバスであり、品質ティア（low、medium、high、xhigh、max、auto）を伴い、これらはバリアントの選択と相まってレイテンシとコストの両方に影響します。

第三に、価格は変わらなかった。2.5世代はGPT-Image-2と同じ、入力$8 / 出力$30の画像料金を据え置いている。GPT-Image-1.5は入力$8 / 出力$32、GPT-Image-1は入力$10 / 出力$40だった。料金表を変えずに能力が向上することは、すでにO​penAIスタックを利用しているチームにとって現実的な説得力がある。料金改定も移行予算も不要だ。

FLUX 3 Max がより優れている点と、それに付随する注意点

もちろんモーションです — ただし、具体的な利点は正確に述べておく価値があります。なぜなら「より速い」という言葉は、ローンチ資料の中で大きな役割を担っているからです。

BFLは、10秒の動画を12秒で生成し、同じ品質ならSeedance 2.5より22倍高速で、image-to-videoでは首位タイだと主張している。これらのいずれも独立検証されておらず、発表記事には解像度、音声設定、ハードウェア、サンプルサイズの記載がない。動画ページ自体は今も、下書きモードを高速ルートとして提示している。つまり、安価なHDプレビューを作成し、その後でフル品質に確定するというもので、すべてを12秒でレンダリングするはずの製品としては奇妙だ。また、公開APIには /v1/flux-3-max エンドポイントがなく、このファミリーの動画エンドポイントは /v1/flux-3-video だが、そのリクエストボディには Max を選択するフィールドがない。公開から1日経った時点で、このモデルは文書化されたAPIであるより前に、製品一覧上の存在だ。

疑いようがないのは、その基盤となる機能群です。5～20秒のクリップ、追加料金なしのネイティブ同期オーディオ、多言語ダイアログ、キーフレーム制御、1回の生成で複数シーン、そして最大4Kの解像度。音声付きの15秒のソーシャル向けカットを必要とするブランドチームにとって、それを実現できるのはこの比較のこの側だけです。

ジョブ・トゥ・ビー・ダン別の意思決定

大量の静止画を編集ありで必要としています。デフォルトはGPT-Image-2.5 Flare、編集を確実に保持する必要がある場合はSunburstです。FLUX 3 Maxはこの作業には無関係です。価格を比較検討する価値のあるFLUXの代替は、FLUX 3 ImageまたはFLUX 3 Image Kleinです。GPT-Image-2.5の両バリアントは本日OrcaRouterのライブカタログに掲載されており、画像料金は入力$8/出力$30です。つまり、2つの契約ではなく1つのキーで、他社の画像モデルとA/B比較できます。

短い動きと音声が必要な場合、この組み合わせでは FLUX 3 Max が唯一の候補です。問題は、その未検証の速度に関する主張があなたのコンテンツでも当てはまるかどうかです。ご自身のプロンプトと解像度で試し、BFL が Max の行を公開するまでは、公開されている FLUX 3 Video の料金表から価格を見積もってください。

本番規模では両方が必要です。重要なコストモデルは完成アセット1点あたりであり、どちらのベンダーもそれを直接は示してくれません。見積もりは自分で組み立ててください。動画の秒数×秒あたりの料金を、選んだサイズと品質ティアでの画像1枚あたりのトークン消費量と突き合わせます。そのうえで、その見積もりを実際の1週間分の請求書と照合してください。どちらの料金表も、何も見ずに計画を立てられるほど安定していないからです。BFL自身のドキュメントとモデルページは同じモードでも異なる動画料金を記載しており、O​penAIの計算ツールは2.5をカバーしていません。

ドアを開けたままにしておく必要があります。これは、ルーターが単なるプラグではなく真価を発揮する場面です。動画・画像モデルの世代交代は数週間単位で進んでいます — FLUX 3 Maxは昨日登場し、GPT-Image-2.5は6週間前でした — そして次を採用するコストは設定変更だけで済むべきです。OrcaRouterは、単一のO​penAI互換エンドポイントを提供し、それが200以上のモデルにまたがります。プロバイダーの定価を0%マークアップでそのまま反映し、プロバイダーが劣化した際の自動フェイルオーバー、同じキーで静止画をあるモデルへ、動画を別のモデルへ送れるルーティングDSLを備えています。FLUX 3 Maxは現在そのカタログにはありません。GPT-Image-2.5のバリアントはあります。

これを本当の比較にするには、何が必要でしょうか

このページをカテゴリーの訂正から真の直接対決へと変えるには3つの成果物が必要だが、現時点でそのいずれも存在しない。FLUX 3 ImageをGPT-Image-2.5の両バリアントと並べ、条件を揃えたハーネスで評価する独立系の画質評価ボード。動画1秒を静止画と同じ単位で価格付けすること、つまりベンダーが秒単位やトークン単位ではなく完成アセットあたりのコストを公開すること。そしてBFLによるMax専用の料金レートにより、台帳の動画側が推測ではなくなることだ。

それまでは、このページが取ってきた姿勢こそが賢明だ。必要なモダリティはそれを販売するベンダーから買い、選択は可逆なままにしておき、秒単位の料金とトークン単位の料金を並べて勝者と称するような比較には疑いの目を向けるべきである。この2つのモデルはライバルではない。隣り合うツールであり、唯一の本当の過ちは間違った方を選ぶことだ。