Meta Muse Image vs GPT Image 2：考える新参者 vs テキスト王

Meta Muse Imageは、画像モデルが本来あるべきやり方では画像を生成しない。2026年7月7日、Meta Superintelligence Labs初の自社製画像モデルとして、コードネーム「Mango」のもとでローンチされた。これはエージェントとして動作する。プロンプトを事実に基づかせるためにウェブを検索し、チャートやQRコードを正しくレイアウトするためにコードを書いて実行し、ユーザーが結果を見る前に自分のドラフトを修正することができる——Metaによれば、この自己修正の習慣は明示的にプログラムされたものではなく、強化学習を通じて出現したものだという。そうした仕組みのすべてが狙うのは、OpenA​IのGPT Image 2だ。2026年4月にリリースされたこのモデルは、今もあらゆる公開画像リーダーボードで第1位に君臨している。Muse Imageのリリースから1か月が経ち、正直な評価を下すなら、これは今年で最も興味深い画像モデルのローンチであり——そして依然として明確に2位である。

どちらのモデルも目新しい話題ではない。だからこそ、この対決は発表記事ではなく冷静な比較に値する。GPT Image 2は春から現行の主力であり、ちょうど勢いを取り戻したところだ。OpenA​Iは8月30日をもってChatGPTからDALL-Eツールを廃止し、GPT Image 2が支えるChatGPT Imagesにすべての生成を統合する。8月7日の新しいベンチマークでも、その優位性は再確認された。Muse Imageは公開から最初の2週間、Metaが後に撤回したプライバシー上の失態で見出しを飾った。開発者向けAPIはまだ提供されていない。騒動の背後にある技術的なストーリーは本物だ。Metaは目に見えて思考する初の画像モデルを開発し、OpenA​Iは実際に読めるテキストを描く初のモデルを開発した。この比較における他のすべては、この2つの事実から導かれる。

スコアボード

同じ6つの次元を両側で比較するので、表を使わなくても対比が一目で分かる。Muse ImageのArenaスコアは第三者によるもので、編集の強さはMetaの報告による。GPT Image 2の数値はarena.aiとOpenAIの価格ページに基づく。ベンダー報告の数値はすべて明記されている。

• 可用性 — Muse Image はアプリ専用で、Meta AI、Instagram、WhatsApp で無料提供されており、開発者向けAPIはまだありません。一方、GPT Image 2 は API ファーストであり、OpenAI の API と OrcaRouter 経由で呼び出せます。

• 動作モード — Muse Imageはデフォルトでエージェンティック：ウェブ検索、コード実行、自己修正。一方、GPT Image 2は単一の自己回帰パスであり、オプションの「思考」モードを備える。

Text-to-Image Arena — Muse ImageのEloは1,281で7月31日時点で3位、GPT Image 2のEloは1,381で1位 — その差は100ポイントで、これはおおよそ64%の予想勝率に相当します。

• 画像内テキスト — Muse Imageはコード・アンド・レンダリング経路により正確なテキストを謳っているが、GPT Image 2の最高水準と独立にベンチマークされたわけではない。日本語・韓国語・中国語・ヒンディー語・ベンガル語を読みやすく描画する。

価格 — MetaのアプリにおけるMuse Imageは無料枠、よりヘビーな利用にはMeta Oneで月額7.99ドルまたは19.99ドル。一方、GPT Image 2はAPIで1024×1024画像あたり約0.05ドルから0.21ドル。

• 編集 — Muse Imageは、Meta自身の評価によると単一画像・複数画像の編集に強い。一方、公開画像編集リーダーボードではGPT Image 2が断然のリーダーである。

エージェンティックループこそが本当の製品である。

MetaによるMuse Imageの売り文句は「よりフォトリアリスティックなピクセル」ではない——それは異なる動作モードだ。知識密度の高いプロンプト、たとえば現在のチャンピオンの名前が入ったウィンブルドンのトロフィーの画像を生成する場合、Muse Imageはまずウェブを検索し、見つけた情報に生成を基づかせて、それから描画する。チャート、インフォグラフィック、QRコードについては、コードを書いて実行し、出力をレンダリングし、そのレンダリング結果を使って最終画像を調整する。Metaのローンチ後の資料には、モデルが自身の出力を振り返る様子が記されている。軽微なエラーには小さな修正、重大なエラーには全面的な描き直し、不確かな場合には追加の検索を行う。際立った主張は、この修正動作が明示的にプログラムされたものではないということだ——人間の選好に基づく報酬が高まるため、強化学習の過程で自然に出現したのだ。Metaは自己修正による改善を、テキスト画像生成で約57%、2つの編集カテゴリで約56%の勝率向上と報告している。これらは独立した再現検証を待つベンダー数値である。

推論時の思考は、モデルを改善するためにどのレバーを引くかという選択肢も変える。Metaは、Muse Imageの品質は推論ステップの増加に伴って対数的に向上し、より深い推論に計算リソースを費やす方が、複数の候補を生成して最良のものを選ぶよりも優れていると述べている——これは、テスト時計算をフロンティアと見なす立場だ。GPT Image 2にも、オプションの思考モードに類似のアイデアがあり、レイアウトを計画し、ウェブ検索ができ、描画前に作業をチェックする。APIでは、これは低・中・高のthinkingパラメータとして公開され、追加トークンとして課金される。違いはデフォルトにある。Muse Imageは構造上エージェントであり、ループするように作られている。一方、GPT Image 2のデフォルト経路は単一パスであり、推論は有料アップグレードだ。画像生成がツールを使い自己修正するパイプラインへ向かうと信じるなら、Muse Imageはその前提を完全に中心に据えて構築された最初の本番モデルであり、画像モデルが描画している間に計画を立てるMetaのMuse Spark言語モデルとの組み合わせは、これまでに出荷された未来の最も明確な体現である。

テキストは、ギャップが最も広い部分です

GPT Image 2の最も揺るぎない優位性は、画像内の文字の判読性です。これは本番環境での画像生成において、最も要望の多い機能です。GPT Image 2は、メニュー、ポスター、インフォグラフィック、マルチパネルレイアウトを、文字化けなしで確実にレンダリングする初めてのモデルであり、歴史的に従来のすべてのモデルを失敗させてきた非ラテン文字にも対応します。また、これこそが画像編集リーダーボードを席巻した理由でもあります。編集されたレイアウトは、その中のテキストが正しく保たれて初めて機能するからです。 Muse Imageのコード生成＆レンダリング方式は、同じ問題に対する実に巧妙な試みです。テキストを描画しようとするのではなく、タイプセットして結果を合成します。しかし、テキスト主体の画像においてGPT Image 2の出力に匹敵することを示す独立したベンチマークはまだなく、Meta自身の資料も、その強みはタイポグラフィではなく編集と合成にあると位置づけています。

これらのうち1つは呼び出し可能で、もう1つはアプリです。

製品を作る人にとっての実際的な隔たりは、ベンチマーク上の隔たりよりも顕著です。GPT Image 2はAPIファーストです。OpenAIのimages APIをトークン料金で呼び出します——画像入力は100万トークンあたり8ドル、画像出力は30ドル、テキスト入力は5ドル、テキスト出力は10ドル、キャッシュ済み入力は半額——つまり、中品質の1024×1024画像でおよそ0.05ドル、高品質で0.21ドルになり、thinking設定によってさらにコストが上乗せされます。Muse Imageには開発者向けAPIがまったくありません。Meta AIアプリ、Instagramストーリーズ、WhatsAppでは無料で利用でき、よりヘビーな利用は月額7.99ドルまたは19.99ドルのMeta Oneサブスクリプションに制限されています。また、Metaは外部開発者にモデルを公開するかどうかまだ評価中だと述べています。Muse Imageは今日の午後には試せますが、その上に構築することはできません。

その非対称性こそが、このページが一方のモデルをルーティングでき、もう一方はできない理由です。GPT Image 2 は OrcaRouter 上で openai/gpt-image-2 として稼働しています。これは gpt-image-1 からの置き換えが容易なアップグレードで、同じAPI形状を持ち、マークアップなしの OpenA​I の定価で請求されます。つまり、表示される $8/$30（100万トークンあたり）はプロバイダーの料金であり、ベンダーが値下げを発表したその日にここにも反映されます。メタが Muse Image エンドポイントを開いた瞬間（そして有料の Muse Spark API を自社展開していることは、その日が近いことを示唆しています）、この2つは「どちらか一方」ではなく「ルーティング判断」の対象になります。1つのキーで、自分のプロンプトを使って新人モデルと既存モデルをA/Bテストでき、新しいモデルがまだ実力を発揮していない間は、実績のある生成モデルへの自動フェイルオーバーが行われます。これこそがルーティングレイヤーが存在する理由のパターンです。つまり、本番パスを賭けずに、興味深い新しいモデルを試せるということです。

ローンチをほぼ決定づけたプライバシーの失態

Muse Imageの最初の2週間を支配したのは、ベンチマークではなく1つの機能だった。ユーザーがプロンプトで公開Instagramアカウントを@メンションすると、モデルは公開写真からその人物の似姿を生成シーンに取り込むというものだった——{{1}}公開アカウントはデフォルトでオプトインされていた{{/1}}。プライバシー保護団体とハリウッドの組合は数時間以内に異議を唱えた。Metaは7月10日、ローンチから1週間も経たないうちにこの機能を削除したが、基盤となるモデルは維持した。この出来事は比較において両刃の剣となる。それはMetaの真の優位性——{{2}}一夜にして何十億人ものユーザーの前に画像モデルを届ける流通力{{/2}}——と、それに伴う厳しい監視を思い起こさせる。別件では、ロイターはMetaのContent Seal透かし検出器が、透かし入り画像の{{3}}55%{{/3}}を{{4}}トリミング後{{/4}}に検証できなかったことを発見した。つまり監査証跡は宣伝されていたほど強力ではない。そのいずれも品質の評価を変えるものではないが、モデルの公開記録の一部ではある。

どちらを使うべきか

正確なテキストが必要なあらゆる用途（パッケージ、ポスター、UIモックアップ、インフォグラフィック、非ラテン文字を扱うパイプライン）において、GPT Image 2 が最適な選択です。そして、この2つのモデルのうち、今日コードから呼び出せるのは GPT Image 2 だけです。Muse Image はより興味深い実験です。そのエージェント型ループは画像生成の向かう先を示しており、編集機能は本当に強力で、現在 Meta のアプリで無料で試せます。両者の差は現実のものですが、構造的なものではありません。自分の作業を修正することを学習したモデルは、この分野がこれまで直面してきたものとは異なる種類の競争相手です。そして、その自己修正が汎化するなら、この100 Eloポイント差は長くは安定しないでしょう。本番環境では GPT Image 2 を採用し、Muse Image の API ステータスに注目し続け、呼び出し可能になったその日に、新参者をルーターの背後に配置してください。