MAI-Image-2.5-Pro vs GPT Image 2：画像王座は今や二分された

最も簡潔なまとめ方とは、MAI-Image-2.5-ProとGPT Image 2の比較では、「最高の画像モデル」という問いがもはや一つの問いではなくなったことです。Artificial Analysis の Image Editing Arena では、Microsoft の MAI-Image-2.5-Pro がElo 1,272 で第1位であり、同じサイトの Text-to-Image Arena では、Ope​nAI の GPT Image 2 がElo 1,369 で第1位です。そしてもう一つの大手ボードである LMArena（現在は Arena）では、GPT Image 2 が依然として画像編集を完全に支配し、7つのプロンプトカテゴリーすべてでトップです。両モデルともプレミアムで、両方ともトークン課金制のホスト型 API です。「どちらが勝つか」への正直な答えは、どのタスクを挙げるかに完全に依存します。画像編集は Microsoft の新参者を支持し、画像生成と複雑なプロンプトへの忠実性は Ope​nAI の既存モデルを支持します。

リーダーボードの分割について、注意深くお読みください。

• 編集 (Artificial Analysis): MAI-Image-2.5-Pro が第1位 — 1,272 Elo、約6,100サンプル。 GPT Image 2 (high) が第4位 — 1,256 Elo。

• テキストから画像生成（Artificial Analysis）：GPT Image 2 (high) 第1位 — 1,369 Elo、約14,500サンプル。MAI-Image-2.5-Pro 第7位 — 1,292 Elo、約11,500サンプル。

• 編集（アリーナ）： GPT Image 2は約1,463 Eloでリードし、全カテゴリーで最大の測定リード差を記録 — これはどちらのモデルにとっても最も強力な独立した結果です。

相反する編集ボードの結果は{{1}}矛盾ではありません{{/1}}。それらは{{2}}異なるアリーナ{{/2}}であり、異なるモデルエントリと異なる投票者プールを持っています。Artificial Analysisは、{{KEEP}}GPT Image 2{{/KEEP}}の特定の「ハイ」ティアをMAI-Image-2.5-Proのプレビュービルドと直接対決させてテストしており、そこではMicrosoftのモデルが勝利しています。Arenaは、ミディアムビルドをより広いフィールドに対してテストし、そこではOpe​nAIがより大きな差で勝利しています。両方とも現実であり、両方とも独立しており、どちらのボードのリードも、画像編集のタイトルを決定づけるほど大きくはありません。

それぞれが得意なこと

MAI-Image-2.5-Proはスペシャリスト向けエディタです。マイクロソフトは、オブジェクトの差し替え、画像内テキストの更新、アーティファクトの除去といった、精密で外科的な変更を行いながら、画像の他の部分の一貫性を保つように設計しました。また、94%のマルチイメージ文字一貫性（ベンダー報告）という主張は、設計目標を数値で示したものです。その最大の機能はテキストレンダリングです。マイクロソフトは、英語、中国語、日本語、韓国語、スペイン語で96.8%の精度を主張していますが、同じ文書では出力を約1メガピクセルに制限しているため、その主張の「8K」という表現は無視すべきマーケティングです。このモデルがそうでないのは、白紙のキャンバスでのリーダーであることです。そのテキストから画像へのランキング7位がそれを直接示しています。

GPT Image 2 は推論エンジンを備えた汎用モデルです。思考モードを内蔵した最初の Ope​nAI 画像モデルであり、レイアウトを計画し、参考情報をウェブ検索し、描画前に自己チェックを行います。そのため、複雑で多制約のプロンプトや Arena の編集カテゴリにおいて、広く認められたリーダーとなっています。多言語テキスト（CJK を含む）の描画に優れ、4K 解像度（アスペクト比は最大 3:1）に対応し、3 段階の品質レベルを提供します。その弱点は長所の裏返しでもあります。高品質ではコストがかさみ、また、細部を外科的に保持するのではなく再生成する方針です。「編集」はどちらかというと「この指示に従って再レンダリングする」という性質に近く、そこが MAI-Image-2.5-Pro が一貫性（コンシステンシー）を売りに差別化を図ろうとしているポイントです。

価格

両方ともトークン単位で計量されており、どちらも画像あたりのトークン数を公開していないため、画像あたりの数値は換算値であり、提示価格ではありません。

• MAI-Image-2.5-Pro — テキスト入力トークン100万個あたり5ドル、画像入力トークン100万個あたり8ドル、画像出力トークン100万個あたり106ドル。Artificial Analysisの換算: ≈ 1024×1024画像1,000枚あたり108.50ドル。

• GPT Image 2 — テキスト入力100万トークンあたり$5、画像入力100万トークンあたり$8、画像出力100万トークンあたり$30。画像1枚あたりのコストは品質レベルによって変動します。1024×1024の場合、おおよそ低品質$0.006、中品質$0.05、高品質$0.21 — ≈ 高品質では1,000枚あたり$211.

つまり、実際に購入者が利用するティアでは、MAI-Image-2.5-ProはおおよそGPT Image 2 highの1画像あたりの価格の半分——これは、ボリューム時には大きな差であり、PowerPointとOneDriveにおいてG​PTモデルよりもGPUコストが最大84%削減されるというマイクロソフト自身の（ベンダー報告による、シナリオ固有の）主張とも一致します。注意点：リーダーボードはGPT Image 2の「high」ティアを示しています。GPT Image 2を中品質に下げると、その価格はMAI-Image-2.5-Proの価格に近づきますが、Eloスコアも下がります。

解像度とフォーマット

• 出力上限: MAI-Image-2.5-Pro は約1メガピクセル（1024×1024相当、最小辺768px）に制限されています — ウェブやほとんどの商品画像には十分ですが、印刷には対応していません。GPT Image 2 は、アスペクト比3:1を上限として、最大4K（長辺4,000px、総画素数約830万）まで対応します。

• 入力:どちらもJPEG/PNG画像とテキストを受け付けます。MAI-Image-2.5-Proは32kトークンのテキスト入力と131kのコンテキストウィンドウをサポートしており、GPT Image 2の推論モードが入力側での差別化要因です。

• 形式： GPT Image 2はリリース時点では透過背景をサポートしておらず、Proティアでの透過背景対応についても、Microsoftはどちらとも明言していません。

出力が大きいもの（ポスター、印刷物、看板）を必要とする場合、GPT Image 2の4K上限は今日において決定的な利点です。出力がウェブ向けであれば、メガピクセルの上限が制約となることはほとんどありません。

可用性とルーティングの角度

両方ともホステッドAPIですが、到達性は同等ではありません。GPT Image 2は2026年4月21日からOpenAIのAPIで一般提供されており、現在OrcaRouter経由でルーティング可能です。1つのキーで、プロバイダーのリスト価格を0%マークアップでそのまま透過し、プロバイダー間の自動フェイルオーバーに対応します。MAI-Image-2.5-Proは、2026年7月23日からMicrosoft FoundryとMAI Playgroundで公開プレビューとして提供されていますが、まだサードパーティのルーティングレイヤーからはアクセスできず、プレビュー価格はGA時に変更される可能性があります。

その非対称性は、実際のパイプラインでこの2つを比較する人にとって、決定時のメモに値する点です。現在、トラフィックの一部をGPT Image 2に、別の一部を同じエンドポイント上の別のモデルにルーティングし、Microsoftのプレビューが広く呼び出し可能になった時点でモデル文字列を入れ替えることができます。あなたが望むワークフロー——自分の画像で両方のエディタを比較し、実績のある方をフォールバックとして維持しながら、新しい方が信頼を得るのを待つ——こそが、まさにルーティング層が提供するものです。そして、OrcaRouterではプロバイダーの価格がそのまま価格になるため、追加コストは発生しません。

評決

既存画像の編集が目的で、出力がWebサイズの場合、MAI-Image-2.5-Proはコストパフォーマンスに優れた選択肢であり、Artificial Analysisの編集ボードで現在独立系第1位です。1枚あたりの価格はGPT Image 2 highのおよそ半分です。一方、白紙からの生成、複雑な複数制約のプロンプト、または大判出力が目的であれば、GPT Image 2の方が優れたツールであり、テキストから画像へのランキング第1位とArenaでの編集優位性がそれを裏付けています。どちらもプレミアムモデルであり、両方を利用できるようにしておく価値があります。ボードが分かれているのはマーケティング上の同点ではなく、真に異なる2つの専門分野を意味しています。さらに、両モデルともホスティングされているため、どちらかに本番環境のパスを確定する前に、自分の画像で両者を並行して実行するには、ルーティングレイヤーが合理的な方法です。