GPT-Image-2.5: OpenAIの分離型画像モデルのリファレンスページ

というモデルは存在しませんgpt-image-2.5。この文字列をベンダーのAPIに貼り付けてもエラーになるだけです。モデルIDが存在しないからです。そして、それが置かれているはずのアドレスにあるAPIドキュメントを開けば、404が返ります。存在するのは次の2つのペアです。GPT-Image-2.5 Sunburstは、識別子がgpt-image-2.5-sunburstで、ベンダーはこれを「画像生成と編集において当社で最も高性能なモデル」と説明しており、もう一方のGPT-Image-2.5 Flareは、識別子がgpt-image-2.5-flareで、ベンダーはこれを「高速で高品質な日常的な画像生成」と説明しています。どちらもGPT-Image-2の後継世代にあたり、この2モデル構成全体こそ、どちらか一方に対してコードを1行でも書く前に理解しておくべき最も重要なことです。この名前のギャップは、このページが存在する理由でもあります。人々が入力する「gpt image 2.5」という疑問には、ここに専用の答えがあるわけではなく、バリアントや比較の記事に散らばった部分的な答えしかありません。

このリファレンスの内容はすべて、2026年10月12日時点のベンダー自身のAPIドキュメントから読み取ったものに加え、同じ日の独立したリーダーボードのキャプチャ1件に基づいています。ベンダーが何も公開していない箇所では、このページは空白を埋めずにその旨を記しています。ベンダー自身のページ同士が食い違っている箇所では、そのことも記しています。

GPT-Image-2.5とは何か、そしてそれがGPT-Image-2の上にどう位置づけられるか

GPT-Image-2.5は、ベンダーのトークン課金制画像ファミリーの第3世代であり、単一のAPIスナップショットがgpt-image-2-2026-04-21であるGPT-Image-2の直接の後継です。2.5世代は2026-09-08にAPIに登場しました。両バリアントとも、デフォルトのスナップショット名にその日付を含んでいます：gpt-image-2.5-sunburst-2026-09-08 と gpt-image-2.5-flare-2026-09-08。これがベンダー自身の記録におけるリリース日であり、GPT-Image-2からおよそ4か月半後です。このモデルは今週登場した新しいものではありません。以下は常設のリファレンスであり、リリース告知ではありません。

世代の変化は、バージョン番号が大きくなった単一のモデルではない。それはフォークだ。これまでの GPT-Image の各世代は、主要なモデル ID を 1 つだけ提供していた — 最初は GPT-Image-1、次に GPT-Image-1.5、そして gpt-image-2 — そしてその 1 つのモデルの中で品質ティアを選択していた。2.5 では、ベンダーは個別に命名され、個別にスナップショットが取得された 2 つのモデルを提供し、あなたのワークロードがどちらに属するかを選ぶよう求めてくる。両方にディスパッチする包括的なモデルは存在しない。

そこから実用的な帰結が三つ導かれ、しかもそれらは、モデルの名前で検索している読者がまさに知る必要のある事柄なので、率直に述べておく価値がある。

• 以下は存在しません: gpt-image-2.5 というエイリアス。仮のベア名に対して書かれたコードは実行されません。明示的に gpt-image-2.5-sunburst または gpt-image-2.5-flare を指定する必要があります。

• この2つのバリアントは価格表とレート制限スケジュールを共有しているため、どちらを選ぶかはレイテンシと精度の判断であり、予算の判断ではありません。ベンダー自身がこの分け方を説明する際の枠組みはワークロードの分割であり、より多く支払うことで登っていく品質のはしごではないのです。

• 接尾辞のない「GPT-Image-2.5」はモデルではなく世代名です。変更履歴、請求書、製品発表でこれを見かけた場合、それは世代を意味しており、その作業を生み出した2つのモデルのどちらであったかを依然として知る必要があります。

FlareまたはSunburst：選び方

これは、そのモデル自身の名前が繰り返し生み出す質問であり、変種の呼び方は直感に反するほど多様なので、多くの人が答えを見つける前に両方向から尋ねてしまう。ここでは、ベンチマークからの推測ではなく、ベンダーが公表している位置づけに基づいて、変種ごとに1行で決着をつける：

• Flare — gpt-image-2.5-flare、スナップショット gpt-image-2.5-flare-2026-09-08。スループットとターンアラウンドが制約となる場面で選びましょう。日常的な画像生成、大量処理パイプライン、プロトタイプ、SNSや製品のビジュアルなど、「いつかより良いもの」よりも「今すぐ十分に良いもの」が重視されるあらゆる用途に適しています。これはベンダーが高速で高品質な日常使いの選択肢として位置づけるモデルであり、デフォルトで呼び出すべきモデルです。

• Sunburst — gpt-image-2.5-sunburst、スナップショット gpt-image-2.5-sunburst-2026-09-08。編集そのものが成果物で、レイテンシよりも精度が重視される場合にこれを選んでください。2ターン目に行った変更が3ターン目でも維持されなければならない反復編集、レイアウトに敏感な構図、狙ったとおりの位置に着地させる必要があるマスクインペインティングなどが該当します。ベンダーの画像生成ガイドは、その使い分けを一文でこう示しています。「編集の精度が最も重要なワークフローには Sunburst を、高速で高品質な日常的な画像生成には Flare を選んでください。」

正直な但し書きとして、ベンダーはレイテンシの数値も、画像1枚あたりのコストも、両者の差を定量化する品質ベンチマークも公表していない。したがって「より遅い」「より高精度」はベンダーの表現であり、測定された比率ではない。両モデルを扱っている唯一の独立系ボードは両者を区別しており、順序についても一致している — 下のエビデンスセクションを参照。それが与えないのは、容量計画に組み込める信頼区間を伴う、同一ハーネス・同一エフォートでの直接対決だ。そんなものは誰も公表していない。

考えるのが面倒なら、実用的なデフォルトはこうだ。どこでも Flare を呼び出し、編集を保持する必要がある特定のリクエスト——マスクを伴うもの、またはターンをまたいで安定させておきたい参照被写体を含むもの——では Sunburst にルーティングする。これはまさに「未実証のモデルであり、本番パスをそれに賭けるな」という形で、単一のエンドポイントを両方にまたがってルーティングするほうが、どちらか一方にコミットするより安上がりだ。

何を受け取り、何を返すか

両方のバリアントは、ベンダーのモデルページで同じモダリティ範囲を宣言しています。入力：テキストと画像。出力：画像。テキスト出力は生成されず、ベンダーの料金に関する注記がその結果を裏付けています — モデルが何も返さないため、テキスト出力は課金されません。

サイズの許容範囲は、3つのプリセットが示すよりも広い：

• 推奨プリセット — 1024×1024 正方形、1536×1024 横長、1024×1536 縦長。

• カスタム寸法 — 両モデルとも任意のWIDTHxHEIGHT文字列を受け付けます。ガイドにそのまま記載されている3つの制約があります：幅と高さは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の範囲内でなければならず、どちらの辺も3840ピクセルを超えてはなりません。

• 総ピクセル予算 — 655,360～8,294,400 ピクセルで、ベンダーは上限を 4K と言い換えている。

• 実験的領域 — 2560×1440 を超える解像度は、ベンダーによって実験的扱いとされています。それ以上のものは本番環境では未検証として扱ってください。

出力形式はデフォルトでPNGで、JPEGとWebPも利用できます。圧縮はoutput_compressionパラメータで0～100の範囲で制御でき、ベンダーによればJPEGはPNGより高速です — そもそもFlareを選んだ理由がレイテンシーなら知っておく価値があります。透明な背景には、background: "transparent"をPNGまたはWebPの出力形式と組み合わせて指定する必要があります。APIはbase64エンコードされた画像データを返します。

品質の選択は low、medium、high、xhigh、max、および auto です。2.5 の 2 つのモデルが追加するのは xhigh と max です。以前の GPT Image モデルは high が上限です。2.5 の両バリアントはデフォルトで auto になります。これらの階層が Flare/Sunburst の選択の上に重なる第 2 の品質軸のように読めるのは、実際にそのとおりだからです。バリアントを選んでから階層を選ぶことになり、その 2 つはレイテンシとコストの両方で相乗的に作用します。

レート制限は両モデルで同一で、利用ティアごとに1分あたりのトークン数と画像数として定められています。Build は 250,000 / 20、Launch は 3,000,000 / 150、Grow は 8,000,000 / 250 です。同じスケジュールがgpt-image-2にも記載されています。またベンダーは、これらのモデルを使用するにはAPI Organization Verificationの完了が必要になる場合があると述べています。

エンドポイントのサーフェスと、ドキュメントの競合

ここは、ベンダーの資料を読み返すことが重要になるセクションです。というのも、ベンダー自身のページ同士が完全には一致していないからです。

モデルページには、gpt-image-2.5-sunburst と gpt-image-2.5-flare について、サポートされているエンドポイントがちょうど3つ記載されています: v1/images/generations、v1/images/edits、および v1/batch。表内のその他はすべて非サポートとマークされています — v1/responses や v1/chat/completions も含まれます。これは GPT-Image-2 が公開しているのと同じ3エンドポイント構成であり、以前の画像モデルで使っていたかもしれない Chat Completions の形式は引き継がれないことを意味します。

ただし、画像生成ガイドはResponses APIの経路について説明しており、そこではメインラインモデルを選択し、ツールフィールド内で画像モデルを指定します。また、料金ページの注記には、GPT-Image-2および2.5のキャッシュ入力料金は「Responses APIでの生成にのみ適用される」と記載されています。これら2つの記述は、モデルページが明示的に未サポートとしているResponsesのサーフェスを暗示しています。ガイド自体の実例では、画像ツールとgpt-6-astraをメインラインモデルとして組み合わせています。

私はその矛盾を解決するのではなく、報告しています。保守的な解釈——そして、それに合わせて構築すべき解釈——はモデルページです。generations、edits、batch。それに依存する前に、Responses パスを自分のアカウントでテストしてください。なぜなら、それを認可するはずのページが現時点ではノーと言っているからです。

テキストの描画と編集の動作

2.5世代が狙いを定めているのは編集であり、その仕組みと限界についてのドキュメントは異例なほど具体的だ。

エディットエンドポイントはインペインティングを処理します。これはどちらのモデルページにも掲載されている唯一の編集機能です。置き換えたい領域を指定するマスクとともに画像をアップロードします。見た目以上に重要な制約が2つあります。第一に、これらのモデルでのマスキングは完全にプロンプトベースです。モデルはマスクをガイダンスとして使用し、ベンダーの表現を借りれば「その正確な形状に完全な精度で従うとは限りません」。第二に、画像とマスクは同じフォーマットと同じサイズで、50MB未満である必要があり、マスクにはアルファチャンネルが必要です。単純な白黒のマスクは、プログラムでアルファチャンネルを追加するまで機能しません。複数の入力画像を指定した場合、マスクは最初の画像に適用されます。

テキストに関して言えば、正直な記述はベンダー自身の制限事項リストから来ており、ベンダーのマーケティング上の主張からではない。「大幅に改善されてはいるが、モデルは依然として正確なテキスト配置と明瞭さに苦戦することがある」とある。これを文字通りに読むべきだ。この世代はテキストを従来よりもうまく描画するが、依然としてレイアウトエンジンではない。同じ制限事項リストは、複雑なプロンプトの処理に最大2分かかることがある、モデルが繰り返し登場するキャラクターやブランド要素の視覚的な一貫性を保つのに苦戦することがある、構造化された、あるいはレイアウトに敏感な構成では要素を正確に配置するのが難しい場合がある、とも付け加えている。これらの一つひとつは、レイアウト作業においてはSunburstを支持し、どちらのバリアントもテンプレートを維持できると想定することに反対する直接的な論拠である。

モデレーションは両方に適用されます。ベンダーは、すべてのプロンプトと生成画像が自社のコンテンツポリシーに照らしてフィルタリングされると述べており、moderation パラメータでは auto（デフォルト）または low を指定でき、ブロックされたリクエストはエラーコード moderation_blocked を返し、任意で詳細が付きます。

公開されているライセンスおよび利用条件

ベンダーが公開しているモデルおよび画像生成に関するドキュメントには、出力の所有権および商用利用に関する条項は含まれていません。それらは同ベンダーの別個の規約に記載されており、開発者向けドキュメントには再掲されていません。開発者向けドキュメントのデータ処理ガイドに記載されているのは、オプトインしない限り API データはトレーニングに使用されないという点であり、同ガイドの表では「トレーニングに使用: いいえ」と記載されています。対象は、/v1/images/generationsおよび/v1/images/edits エンドポイントです。また、画像生成は、そのページに記載されている特定のモデル名について、Zero Data Retention に対応しているとも説明されています。

APIドキュメントには、どちらの2.5モデルについても、無料枠、無料クレジット、トライアル用の許容量、レート制限の免除を認める記載も説明も一切ありません。参照できる公表済みの無料許容量は存在しません。公表されているのは価格であり、それはGPT-Image-2がすでに示していたものと同じです — 次のセクションを参照してください。

価格設定、そしてそれが動かなかったという事実

ベンダーは、2.5のどちらのバリアントについても、画像あたりの価格を公表していません。価格はトークン単位、100万トークンあたりの従量制で、その料金は2つのモデル間で同一であり、GPT-Image-2と同じです：

• 標準、テキスト入力 — 100万トークンあたり{{1}}$5.00{{/1}}；キャッシュされたテキスト入力 $1.25。

• 標準、画像入力 — 100万トークンあたり$8.00、キャッシュ済み画像入力 $2.00。

• スタンダード、画像出力 — 100万トークンあたり$30.00

• バッチ、テキスト入力 — $2.50、画像入力 $4.00、画像出力 $15.00、キャッシュ時の料金はそれぞれ半額。

その表については、数字そのものよりも価値がある点が2つある。第一に、2.5世代は価格を上げなかった：gpt-image-2は、画像側で入力$8、出力$30、テキストで$5を掲げており、2.5とまったく同じだ。対照的に、GPT-Image-1.5は入力$8、出力$32でテキスト出力料率が$10、GPT-Image-1は入力$10、出力$40だ。2.5へのアップグレードは、料金表を変えずに能力とレイテンシーを変えるものだ。第二に、ベンダーは既存の画像生成コスト計算ツールが2.5の使用量を見積もらないと注記しているので、旧世代向けに作られたツールからこれらのモデルの支出を予測すべきではない。ベンダーは画像1枚あたりの数値を公表していないため、これらのモデルについて引用されている画像1枚あたりの数値は、ベンダー自身のものではなく他者による換算である。

価格はプロバイダーのリスト価格でそのまま渡され、当社側でマークアップは加えられないため、これらの料金が OrcaRouter でお支払いいただく金額であり、ベンダーの料金変更は同日に反映されます。両モデルは本日時点で当社のライブカタログに含まれています。古いページの可用性の記載はまさに陳腐化しやすい類のものなので、私は確認しました：gpt-image-2.5-sunburst と gpt-image-2.5-flare はどちらも、他のすべてと同じ OpenAI 互換エンドポイント経由でルーティング可能で、上記の画像料金 $8 in / $30 out が適用されます。どちらか一方に決めるのではなくこのペアを評価しているなら、実用的な理由でこれが重要です — 1 つのキーと 1 つのルーティングルールで、あるクラスのリクエストを Sunburst に、それ以外を Flare に送り、2 つ目の契約やコード変更なしにその振り分けを変更できます。

独立したテストが示していること、そして誰も測定していないこと

ベンダーは、どちらのバリアントについても自社のモデルページでベンチマークスコアを公表していない。独立系の証拠は、発売時の報道が示唆していたよりも薄いものであり、それが何を示し、何を示していないのかについては正確を期す価値がある。

Artificial Analysisは、品質Eloランキングと、生成画像1,000枚あたりの代表的なAPI価格の両方を扱うテキスト-to-画像ボードを維持しています。2026-10-12に取得したキャプチャでは、GPT Image 2.5 Sunburst (max)とGPT Image 2.5 Flare (max)がいずれも上位エントリーとして現れており、SunburstはFlareより上に、そして両方ともGPT Image 2 (high)より上に位置しています。私はそのキャプチャからElo値をあえて記載しません。ボードはモデルごとの数値をグラフィカルに描画しており、キャプチャしたページから個々のラベルをきれいに抽出できなかったため、ここに数値を引用すれば、それは背後のデータではなくチャートを読み取ったものになってしまうからです。数値が必要なら、ボードを見てください。

その価格軸はまた、これらのモデルについて1枚あたり換算の数値が現在存在する唯一の場所でもある — Artificial Analysis は、トークン従量制の価格から1,000枚あたりの代表的なコストを導出している。これは第三者の手法によって作成された独立した推定値であり、ベンダーの料金ではない。また、ベンダー自身は1枚あたりの数値を一切公表していない。モデル間でコストの形を比較するためにこれを使い、ベンダーの価格として引用しないこと。

正直に述べれば、その証拠から導かれるのは次のことだ。2つのバリアントの順序は独立に裏付けられており、これがFlareかSunburstかの判断で重要な部分である。確立されていないのは、2.5バリアントと競合する画像モデルを、エフォートとハーネスを揃えて測定した比較である。ボード上のエントリは階層に分かれている——「Sunburst (max)」と「Flare (max)」は品質設定を示しており、同じボード上の他のモデルは共通の階層ではなく、それぞれ独自の階層で記載されている。階層ラベルをまたぐ順位付けは同一設定での順位付けではなく、それを同一設定での順位付けとして扱えば、実際に検証された以上のことを誇張することになる。

これがあなたをどういう立場に置くのか

モデル名だけを頼りにここへたどり着いたなら、押さえておくべき事実はこれだけです。要求すべきはgpt-image-2.5-sunburstまたはgpt-image-2.5-flareであり、第3の選択肢も、単なるエイリアスも存在しません。どちらもテキストと画像を受け取って画像を返し、対応するのは最大3840ピクセルの辺と総画素数8,294,400まで、3つのエンドポイントのいずれかからです。Flareはスループット重視の選択、Sunburstは精度重視の選択であり、ベンダー自身のドキュメントもマスクは厳密な境界ではなくあくまでガイダンスだと認めているため、どちらも完全に決定論的な編集を提供するわけではありません。料金表はGPT-Image-2から変わらず、画像入力トークン100万あたり8ドル、画像出力トークン100万あたり30ドル、バッチは半額で、画像1枚あたりの価格や無料枠はベンダーのページには比較対象として存在しません。

まだ本当に未解決なのは、キャパシティプランが最も欲しがるものだ。すなわち、実測されたレイテンシ差と、両バリアント間の条件を揃えたハーネスによる品質比較である。誰かがそれを公表するまでは、Flare と Sunburst のどちらを選ぶかは、ベンダーが示すポジショニングと、1つのリーダーボード上の順位に基づく設計判断にすぎない。それはほとんどのローンチが与えてくれるものより多く、ベンチマークが与えるものより少ない。