Ideogram Vector 1.0 vs GPT Image 2.5：ファイル価格 対 トークン価格

のどちらを選ぶかで最も難しいのはIdeogram Vector 1.0とGPT Image 2.5品質ではありません。それは、両モデルが計算しないと比較できない通貨で請求し、しかもそのうち一方が料金表を変えずに計算方法を変えたことです。2026年10月22日公開のIdeogram Vector 1.0はファイル単位で課金します。SVGは0.13〜0.20ドル、参照画像付きの高品質設定では0.32ドル、画像のベクター化は0.10ドルです。2026年9月8日公開のGPT Image 2.5はトークン単位で課金します。標準モードでは出力100万トークンあたり30ドル、バッチでは15ドルで、画像1枚あたりのコストは、モデルがリクエストに費やすトークン数から決まります。その数字の一方は価格です。もう一方は、自分でモデル化しなければならないレートです。

請求体系の違いが、両モデル間の実用上の違いの大半を説明することが分かる。一方が優れているという話ではない。GPT Image 2.5 は、ラスター生成器を評価し得るほぼすべての軸でより強力なラスター生成器であり、Vector 1.0 は二者のうちスケーラブルなファイルを渡せる唯一のものである。そうではなく、両者は異なるコスト許容度を持つチームが、異なる用途のために、異なる方法で購入するものだ。コスト計算を正確に行うことは、リーダーボードの順位を正確に読むことよりも価値がある。

まず、はしごの問題

両モデルとも品質を段階的に販売している。階層名を安定して維持したのは片方だけで、そうしなかったほうが請求書で驚かせる側だ。

GPT Image 2.5は2つのAPIバリアントとして提供される——gpt-image-2.5-flareはスピード優先のワークロード向け、gpt-image-2.5-sunburstは精度重視向けであり、さらにその上に品質パラメータも備えている。2.5の料金表をGPT Image 2と比較したサードパーティのAPIガイドによると、OpenAIは料金を改定したのではなく段階のラベルを付け替えただけだという。2.5が「high」と呼ぶのは前世代がおおむね「medium」と呼んでいたものに相当し、以前の高品質な出力を再現するには今や「max」設定が必要になる。この報道が正しければ、quality: highをquality: highにそのままマッピングする単純な移行では、トークン単価は変わらないまま忠実度が静かに低下してしまう。これは静かな失敗モードであり、「新しいモデルが劣化した」という形で表面化する類の問題だ——「設定が変わった」とは気づかれない。

それはベンダーの確認済みドキュメントではなく第三者による報道として扱ってください。OpenAIは2.5スナップショットに関するトークン消費量の表を公開しておらず、まさにそれが画像1枚あたりのコストを特定しにくい理由です。1024×1024での一般的に引用される画像1枚あたりの金額は、lowで約$0.0059、mediumで$0.013、highで$0.053、xhighで$0.094、maxで$0.211ですが、これらは計算ツールによる推定値であり、公開された料金表ではありません。

Ideogram Vector 1.0には、それに相当する罠はありません。3つの品質ティア、3つの固定価格、そして特定のリクエストに対して生成も課金もせずに見積もりを返すdry_runパラメータがあります。モデルについて他に未解決の点があっても、その価格設定は読み取れます。

仕様の対比、そしてそれが隠すもの

各ディメンションにつき1行、両側とも：

• 出力形式 — GPT Image 2.5 はラスター画像を返します。Ideogram Vector 1.0 は編集可能なパスとタイポグラフィを備えた SVG を返します。

• 課金単位 — GPT Image 2.5 は入力・出力トークンに対して、100万あたり入力 $5/$8、出力 $30（Standard）、Batch では出力 $15 で課金されます。Vector 1.0 は生成ファイルごとに、ティア別に $0.13 / $0.16 / $0.20 で課金されます。

• 1K出力あたりのコスト — GPT Image 2.5はプランに応じて約0.5セントから5セントの範囲に収まり、Vector 1.0はSVG1件あたり13～32セントになります。

• スピードプロファイル — GPT Image 2.5 は Flare（高速）と Sunburst（高精度）に分かれているので、目的に応じて選べます。Vector 1.0 はモデルが1つだけで、品質ダイヤルを備えています。

• 編集 — GPT Image 2.5 は、指示ベースの編集とマルチターンでの改良のために設計されています。Vector 1.0 はラスター画像を編集できませんが、そのベクター化機能は $0.10 でラスターをパスに変換します。

• テキストレンダリング — 両社ともこれを強みだと主張しており、いずれもベンダー自身による主張です。Ideogramの差別化点は、文字を修正できる形式にタイポグラフィを持ち込んだこと。OpenAIの差別化点は、レンダリングされたシーン内にテキストを正しく配置することです。

• 独立系ベンチマーク — GPT Image 2.5には存在するが、Vector 1.0には皆無であり、そもそも画像系リーダーボードのいずれも、ここで重要な要素を測定していない。

その最後の一行は詳しく述べる価値がある。なぜなら、それはこの論考における最も重大な非対称性だからだ。

なぜリーダーボードはこれに答えられないのか

Artificial Analysisは、GPT Image 2.5 Flare (max)とGPT Image 2.5 Sunburst (max)の両方を、ラスター系の競合モデルと並べてテキスト・トゥ・イメージ・アリーナに掲載している。このアリーナはブラインド方式のペアワイズ選好に基づいており、人間や評価者が2枚の画像を見てより良い方を選ぶ。生成された画像が見栄えするかどうかを判断するには、妥当な手段と言える。

それではSVGを判定できません。ベクターファイルの良し悪しは、平坦化されたプレビューの見た目で決まるのではありません。アンカーポイントがいくつあるか、パスが閉じているか、グラデーションが保持されているか、文字がアウトライン化されているかライブテキストのままか、コンポーネントが分離可能かどうかで決まります。これらの特性は、並べて画像を比較しても見えません。ファイルを開く必要があります。

正直に言えば、GPT Image 2.5 は順位付けできるが Vector 1.0 はできず、存在するランキングは Vector 1.0 が生み出さないものを測っている。この2つのモデル間の Elo 差を引用する人は、写真と設計図を比べているようなものだ。

GPT Image 2.5 が想定して作られたユースケース

編集作業となると、GPT Image 2.5 はここではまず挑戦を受けません。Vector 1.0 には編集エンドポイントがありません。背景を変更したり、色を差し替えたり、商品を2インチ左に動かしたりするよう依頼することはできず、新しいSVGを生成するか、既存の画像をベクター化することしかできません。GPT Image 2.5 の設計全体はその逆で、指示ベースの修正、複数ターンにわたる洗練、そして以前ならマスクが必要だったような小規模な局所変更を可能にしています。

作品が写真ベースまたはシーンベースの場合も同様です。Vector 1.0はマークやレタリングを生成します。説得力のある光を備えた商品ショットは生成しません。

作業が大量かつ使い捨てなら、トークンモデルは純粋な経済性で桁違いに勝つ。1枚数セントなら、500枚のコンセプトサムネイルは20ドル未満で済む。Vector 1.0で同じ一括生成を中品質で行えば80ドルかかり、しかもそのファイルはどれも残す価値があるものでなければならない。

また、バッチ割引が必要な場合、GPT Image 2.5のBatch APIでは出力料金が100万トークンあたり15ドルに半減します。Vector 1.0には公開されたバッチ料金枠はなく、大量利用はアカウントの同時実行リクエスト上限によって処理され、割引ではなく429応答として現れます。

幾何学が勝る限定的なケース

逆のケースは範囲が狭いが、当てはまる場合には決定的である。

印刷、裁断、エッチング、刺繍に向けたあらゆる成果物。最高品質のGPT Image 2.5は美しいラスターファイルを生成しますが、制作現場はそれを雑にトレースしてしまいます。Vector 1.0ならパスが得られます。

編集可能な状態を保つ必要があるブランドアセット。クライアントがシステム全体で配色を変えるロゴや、マーケティング担当が異なるウェイトで組み直すワードマークには、ジオメトリが必要です。別のサイズで再生成することは、拡大縮小することとは同じではありません。

ファイル単位の料金のほうがトークン単位より予算を立てやすい、あらゆるワークフロー。デザインチームはアセット単位で考えます。SVG 1点あたり固定 $0.20 は予測しやすいのに対し、「モデルがどれだけトークンを消費するか次第」ではそうはいきません。そして dry_run の見積もりがあれば、バッチの概算は1行のスクリプトで済みます。

また、既存のアセットをベクター化したいあらゆるケースにも対応します。$0.10の画像からベクターへのエンドポイントには、GPT Image 2.5のドキュメント化された範囲に対応するものはありません。JPEG、PNG、WEBPを最大50 MBまで受け付け、シンプルモードでは形状を減らし、デフォルトモードではより多くの詳細を保持します — そして、Ideogram自身のリファレンスページによると、現時点では結果をレイヤーにグループ化できません。

両方を1か所から呼び出す

これはこのシリーズの中で、当社自身の提供状況について具体的に言及できる唯一の比較です。GPT Image 2.5 は OrcaRouter のカタログに、gpt-image-2.5-flare と gpt-image-2.5-sunburst の両方として掲載されています。Ideogram Vector 1.0 は掲載されていません。これは Ideogram 独自のプラットフォームと API、および複数のサードパーティのプラットフォームを通じて利用可能で、当社では提供していません。

その非対称性は気まずいどころか有用です。なぜなら、それは2つのモデルをどう使うべきかに合致しているからです。GPT Image 2.5 側は大量処理・高速反復側です。20種類のバリエーションを試し、19を捨て、レイテンシとフェイルオーバーを気にする側です。それをプロバイダーの定価で0%のマークアップで提供することは、自動フェイルオーバーの背後に置くことで、Sunburst の劣化がバッチを止めることはなく、Flare の料金変更は当日にこちら側で反映されることを意味します。ベクター側は少量・高リスク側です。プロジェクトごとに数ファイルで、それぞれがラスター画像の30倍の価値があり、自動ルーティングよりも意図して生成し手作業で検査したいものです。

それらを比較するハーネスを構築しているなら、実用的な形は小さなループだ。プロンプトを入力し、GPT Image 2.5からラスターを出力し、そのラスターを$0.10でベクター化し、両方を開く。あなたが行っている比較は、どちらがより良く見えるかではない。トレース版が、より高価な呼び出しを省略できるほど、直接生成されたSVGに十分近いかどうかだ。

経験則

成果物の数を数えましょう。数が多く、ファイルが使い捨てなら、GPT Image 2.5 は機能面でもコスト面でも優位に立ち、high が設定上実際に何を意味するのかを確認しさえすれば、ティアのラベル付け替えリスクは管理可能です。

数が少なく、ファイルが恒久的に使えるもの——マーク、ワードマーク、ラベル、アイコンセット——であれば、1ファイルあたりの価格はトレースにかかるコストに比べれば取るに足らず、Ideogram Vector 1.0 は2つのうち、そのまま納品できるファイルで話を終わらせられる唯一のものです。

居心地の悪い点は、2番目のケース、つまりVector 1.0が明らかに勝つケースが、独立した証拠を何も伴っていないケースでもあるということだ。だからといって、代わりにGPT Image 2.5を選ぶ理由にはならない。むしろ、その上にワークフローを構築する前に、最初に生成したSVGを開いてパスの数を自分で数えるべき理由である。