GPT-Image-2.5 FlareとSunburst：OpenAI、画像APIを速度と精度に分割

OpenAIの画像APIは現在、1つのフラッグシップモデルではなく2つを備えています。2026年9月8日、同社はGPT-Image-2.5 FlareとGPT-Image-2.5 Sunburstを導入しました。これらは同じ2.5アップグレードの姉妹モデルであり、世代ではなくワークロードによって分けられています。Flareは日常的で大量の画像生成向けの高速なデフォルトモデルとして位置づけられ、Sunburstは編集の制御がターンアラウンドよりも重要となる作業向けの、低速で精度優先のモデルです。両モデルは、コンシューマー向けChatGPT Images 2.5の展開と同じ日にImages APIでリリースされ、両方ともOpenAIが4月にリリースし、9月3日のCodexリーク以来コミュニティが追跡してきたGPT-Image-2系統を拡張するものです。

開発者にとって、実際の変化はすぐに現れる。判断基準はもはや「どの画像モデルを呼び出すか」ではなく、「2つの兄弟モデルのどちらがこのワークロードに合うか」になる。2つのモデルは速度の点で互換性がないため、この答えはコストとレイテンシーに直結する。それ以降の内容はすべてOpenAIの主張である。速度、品質、安全性の数値はいずれもベンダーと発表済みパートナーからのものであり、2026年9月9日時点で、2.5モデルのいずれにも独立したベンチマークスコアはまだ存在しない。

2つのモデル、ひとつのアップグレード

OpenAIの開発者向け発表では、この2つのモデルをユースケースごとに位置づけている。GPT-Image-2.5 Flare（識別子はgpt-image-2.5-flare）は、ほとんどのアプリケーションでデフォルトとなっている。OpenAIは、クリエイター向け・ソーシャル向けコンテンツ、プロダクト体験、ビジュアルサーチ、迅速な画像プロトタイピング、ブランドアセット、そして大量生成を伴うあらゆるパイプライン向けにこのモデルを位置づけている。同社によると、FlareはGPT-Image-2よりも最大50%低いレイテンシで高品質な画像を生成でき、同社の評価ではGPT-Image-2の約2〜4倍の速度で生成できるという。また、発表済みのアーリーカスタマーであるManusは、自社での利用において、透明背景の出力品質が向上し、2〜4倍の高速化を確認したと別途報告している。APIリファレンスでは、Flareはこの2モデルのうち「small」モデルとして分類されている。

GPT-Image-2.5 Sunburst（識別子: gpt-image-2.5-sunburst）は、プレミアム版にあたるモデルです。OpenAIは、編集全体にわたる厳密なコントロールが求められるワークフロー向けにこれを開発しました。本番投入可能なキャンペーンクリエイティブ、洗練されたプロダクトイメージ、マーケティング資料、そしてブランドの正確性が重要となるデザインツールなどが対象です。Flareに比べて1回の生成にかかる時間は長くなりますが、その追加の計算コストによって、OpenAIが「編集における精度とディテール忠実度のさらなるレベル」と表現する品質が得られます。APIリファレンスでは、Sunburstは「base」モデル、すなわち2つのうちでより大規模かつ慎重なモデルとして位置づけられています。別のアーリーカスタマーとして発表されているHiggsfield AIは、このモデルが「何を変更すべきでないかを理解している」と述べています。これは2.5の編集コンセプト全体を要約した簡潔な表現です。つまり、指示が変更を求めなかった画像の部分は、複雑なシーンであってもそのまま保つということです。

Adobeは両モデルをFireflyに統合すると述べており、これによりこの2つのモデルはOpenAIの画像モデルとして初めて同製品ラインに採用されることになる。ManusとHiggsfield AIも他の早期顧客として名前が挙がっている。

実際に改善されたもの

リリースノートでは、品質向上に関する取り組みが同じ見出しの下にまとめられています。「より鮮明なディテール」「スタイルへの忠実性の向上」「編集に対するより細かいコントロール」です。その下でOpenAIは、ポイントリリースと真の進歩を分ける違いとなるため、注意深く読む価値のある具体的な変更点を列挙しています。

より自然な照明と豊かなテクスチャ——レビュアーが一貫して「Images 2.0からの目に見える進化」と評する、出力品質を左右する要素。

参照写真からの被写体保持が向上 — 顔の特徴や識別可能なディテールが、毎回作り直されるのではなく、生成を経ても引き継がれます。

{{1}}より信頼性の高いマルチターン編集 — 以前の変更は安定して維持され、その後の各編集は、画像の無関係な領域を劣化させることなく、先行する作業に基づいて積み重ねられます。{{/1}}

• コンシューマー側では、生成レイテンシがImages 2.0より最大50%低くなります。これは、FlareがAPI側で語るのと同じ速度ストーリーです。

より鮮明なテキストと透明背景の処理——この2つは画像APIの購入者が最も頻繁にベンチマークする機能だ。Manusの透明背景に関する注記は、これまでのところ独立した裏付けのように聞こえる唯一のものだ。

OpenAIはまた、すべての出力にC2PAメタデータと不可視の透かしが含まれると述べている。これはGPT-Image-2の来歴（プロvenance）アプローチから変更されておらず、規制対象の一部ワークフローでは必須要件であるため、改めて述べる価値がある。

APIが現在公開しているもの

新しいモデルは、開発者がすでに使用している同じImages APIエンドポイント（生成呼び出しと編集呼び出し）に登場しますが、パラメータ面は拡大しています。2.5モデルのAPIリファレンスには、GPT-Image-2が提供していたものよりも余裕のあるqualityパラメータが示されています。auto（デフォルト）、low、medium、high、そしてhighの上にある新しい2つの階級、xhighとmaxです。また、GPT-Image-2が備えていた2048×2048の上限を超え、横向きで3840×2160、縦向きで2160×3840までのサイズオプションも文書化されています。明記されている制約は、辺の長さが3840ピクセル以下、寸法が16の倍数、アスペクト比が3:1以下、総ピクセル数が655,360〜8,294,400であることです。つまり、最大出力は8メガピクセルをわずかに超え、4Kクラスの領域に位置します。backgroundパラメータはauto、opaque、transparentを受け付け、これにより透明PNG出力が要求されます。

この段落の正確性は、2つの但し書きによって支えられている。第一に、これらはOpenAIのリファレンスで2.5の識別子について文書化された設定であり、すべてのティアとサイズが両モデルで利用可能かどうか、また各品質レベルがトークンでいくらかかるかは、発表時点では完全には文書化されていなかった。第二に、gpt-image-2はAPIに引き続き掲載されている。2.5のリリースは追加的なものであり、既存の統合は壊れない。新モデルの1画像あたりの価格は、各生成が実際に消費するトークン数に依存する。つまり、実際の使用データが蓄積されるまでは、「1024×1024画像あたりのドル」で予算を立てるという従来の習慣こそが、注目すべき数字なのである。

価格は変わっていません。

OpenAIは、GPT-Image-2と同一のトークンレート（画像入力トークン100万個あたり8.00ドル、画像出力トークン100万個あたり30.00ドル）を維持した。これらはプロンプト用の通常のテキストトークンに加えて課される。参考までに、このレートが従来モデルでどの程度のコストになるかについて、Artificial AnalysisはGPT-Image-2（high）を1,000枚あたり約211ドル、すなわち高品質の1024×1024出力1枚あたり約0.21ドルと見積もっており、OrcaRouterのopenai/gpt-image-2ページは同じ8.00ドル/30.00ドルのトークン分割を示している。2.5モデルも同じレートを採用しているため、コストの問題は純粋に画像1枚あたりのトークン消費量次第であり、これはまさに発表時には公開されていなかった点である。

That is the pricing math that matters to anyone already calling gpt-image-2 through OrcaRouter. The OpenAI image models are among the 200-plus models behind the OrcaRouter API, and OrcaRouter passes provider list price straight through at 0% markup — the $8.00/$30.00 rates on the openai/gpt-image-2 model page are OpenAI's own numbers, not a reseller's. The day an upstream provider adds the gpt-image-2.5-flare or gpt-image-2.5-sunburst identifiers, the same API key calls them, and a vendor price change on either model is live on your side the same day it appears.

FlareかSunburst：どちらがあなたに適していますか？

ほとんどのチームにとって、正直な答えは「Flare から始めて、編集が厳しい監査に耐える必要がある場合にのみ Sunburst にエスカレーションする」です。モデルは生の品質ではなくワークロードによって明確に分かれており、OpenAI 自身のポジショニングでも Flare がデフォルトとされています。次元ごとの読み解きは次のとおりです。

• 速度 — Flareは高速な方で、OpenAIはGPT-Image-2と比較して最大50%低いレイテンシー、およびその評価とManusでの利用において2〜4倍のスループットを主張しています。Sunburstは意図的に速度と精度をトレードオフしており、生成ごとにより長い時間がかかります。

• 最適なワークロード — Flareはクリエイター向け/ソーシャルコンテンツ、プロダクト体験、ビジュアル検索、ラピッドプロトタイピング、高ボリュームのブランドアセットに最適です。Sunburstは、制作キャンペーンのクリエイティブ、洗練されたプロダクト写真、編集品質が求められるデザイン作業に最適です。

• 編集動作 — Sunburstはより精密なエディタです。「何を変更すべきでないかを理解する」というHiggsfieldからのフィードバックは2.5世代全体に当てはまりますが、Sunburstは連続した編集全体で最も高い制御を実現するために作られたモデルです。

• APIモデルタグ — FlareはOpenAIのリファレンスにおける「小規模」モデルで、Sunburstは「ベース」モデル、つまり2つのうちでより大規模かつ低速なモデルです。

• 価格 — トークン単価は同一（入力$8.00 / 出力$30.00、100万トークンあたり）。そのため、コスト差はSunburstのより長い生成が消費する追加トークンの分だけです。

• 独立したスコア — 2026年9月9日時点では、いずれのモデルにもまだ存在しない。リーダーボードへの掲載や再現可能な第三者テストが実施されるまでは、すべての品質・速度に関する主張はベンダー報告として扱うこと。

すでに本番環境で運用しているチームにとって合理的なパターンは、トラフィックの大部分をFlareにルーティングすることです。Flareは低レイテンシーがデフォルトであり、同じトークン価格であればより安価な選択肢でもあります。一方、Sunburstには編集が多く品質重視のスライスのみを向けます。両モデルはImages APIの形式とトークンレートを共有しているため、この分割は移行ではなく設定変更です。自動フェイルオーバーにより、本格導入前に試すことが安全になります。実際のトラフィックの一部を新モデルに送り、エラーまたはタイムアウト時にはgpt-image-2にフォールバックする。そして、どの兄弟モデルがトラフィックを獲得するかを決めるのは、ローンチページではなく、あなた自身のプロンプトなのです。

2.5ローンチは画像モデル競争のどこに着地するか

GPT-Image-2は、今回のリリース前から独立系リーダーボードで破るべきモデルでした。Artificial Analysisのテキストから画像へのリーダーボードでは、Elo 1178でトップの座を維持し、Elo 1149のMAI-Image-2.6、1121のNano Banana 2、1116のMuse Imageを抑えています。また画像編集のリーダーボードでは、GPT-Image-2（high）がElo 1117で2位につけており、1位はマイクロソフトのMAI-Image-2.6（Elo 1122）です。GPT-Image-2.5の発表に際してのOpenAIの主張は、その首位の座をスピード層と精度層に分割したというもので、品質の主張であると同時に製品戦略でもあります。つまり、単一のフラッグシップスコアを守るのではなく、価格性能比のポジションを2つ同時に守るという姿勢です。

正直な注意点として、これらの数値はどれも新しいモデルではまだ測定されていない。9月9日時点で、gpt-image-2.5-flareもgpt-image-2.5-sunburstもArtificial Analysisのリーダーボードに登場しておらず、OpenAIの速度に関する主張を独立に再現した発表もない。上記の数字のうち独立した裏付けがあるもの（GPT-Image-2のEloスコアと画像1枚あたりの価格）は、新モデルではなく前世代を説明したものだ。安全性について、OpenAIは内部評価で基準値1.64％に対し、Flareの不安全生成率は1.41％、Sunburstは1.09％と報告している。これらはベンダー側の数値であり、2つのモデルが基になったモデルよりも安全であることを示すために公表されたもので、決定的な値ではなく方向性を示すものとして扱うのが適切だ。規模の文脈もOpenAIによるものだ。同社は、ユーザーが自社プラットフォーム全体で毎週30億枚以上の画像を生成していると述べている。

次に見るもの

分割方式が、その拡張元である単一フラッグシップよりもうまく機能するかどうかを示すものは3つある。1つ目は、Flareの独立したレイテンシーとスループットの数値だ。OpenAIの2〜4倍という主張は、パートナーが午後ひとつで検証できる類の数字であり、Manusの裏付けは出発点にすぎず、証明ではない。2つ目は、両モデルの画像1枚あたりのトークン消費量だ。これにより、据え置かれた$8/$30のトークン料金が、実際の画像1枚あたりの価格に換算される。このデータは発表時点では公開されていなかった。3つ目は、Sunburstが画像編集リーダーボードのどこに位置するかだ。それがこのモデルの存在理由そのものだからだ。GPT-Image-2に対する精度のリードが本物なら、数週間以内にMAI-Image-2.6や編集部門トップ10の他のモデルとの比較で明らかになるはずだ。

現時点では、このリリースは画像APIの購入者にとって真の分岐点となる。GPT-Image-2.5 FlareはGPT-Image-2からの賢明なデフォルト移行先だ。同じAPI、同じトークン価格で、紙面上はより高速である。GPT-Image-2.5 Sunburstは、厳しい監視下での編集作業を手がけるなら、待つ価値のあるモデルだ。そして、すでにOrcaRouter経由でgpt-image-2を呼び出しているなら、どちらかの姉妹モデルへの切り替えは同じキー上でのルーティング変更にすぎない。プロバイダーの定価がマークアップ0%でそのまま適用され、どちらのモデルが実際にトラフィックに見合うかを決めている間も、フェイルオーバーが利用可能だ。