MOSS-Image vs GPT Image 2.5：ダウンロード可能な5Bバックボーンと2つのスナップショットモデルの対決

まず命名から始めよう。これが最初に人をつまずかせるものだから。gpt-image-2.5 というモデルは存在しない。存在するのは一対だ——GPT Image 2.5 Sunburst、識別子 gpt-image-2.5-sunburst、およびGPT Image 2.5 Flare、識別子 gpt-image-2.5-flare——どちらも 2026-09-08 にスナップショットされ、どちらもクローズドだ。それに対して立ちはだかるのがM​OSS-Imageで、2026年10月16日に OpenMOSS が Apache 2.0 の2つのチェックポイントとして公開した、M​OSS-Image-BaseとM​OSS-Image-SFTであり、自分でダウンロードして動かすものだ。片方はエンドポイントを売り、もう片方は27ギガバイトを手渡してエンコーダーでの健闘を祈る。

それがこの比較の全体像であり、他のほとんどすべての相違はそこから導かれる。以下の比較で2つのOpenAIバリアントを一方の側として扱うのは、OpenAI自身の価格設定とドキュメントがそれらを一つとして扱っている場合に限られる——これは料金表については当てはまり、能力については当てはまらず、その区別には専用のセクションが設けられている。OpenAIに帰属するすべての数値はOpenAIの公開料金表によるものであり、MOSS-Imageに帰属するすべての数値はOpenMOSS自身のもので、リリースとその技術レポートに由来し、誰にも再現されていない。

2つのモデルが1回のダウンロードで

OpenAIの2.5世代は、バージョンの更新ではなくフォークです。以前の世代では主要なモデルIDを1つ提供し、その中から品質ティアを選ぶ形でした。2.5では、別々に命名され別々にスナップショットされた2つのモデルが存在し、包括的なエイリアスはありません。素のgpt-image-2.5に対して書かれたコードは動作しません。Sunburstは能力、Flareは速度に位置づけられており、両者の課金は同一であるため、どちらを選ぶかは予算ではなくレイテンシと精度の判断となります。

MOSS-Image も2つのモデルからなりますが、その分かれ方は製品としての分割ではなく、訓練上の分割です。Base は事前学習済みチェックポイントで、意図的に蒸留されないままにされています——モデルカードには、訓練情報を保持し LoRA 訓練を可能な状態に保つため、CFG などの推論パラメータに対するポストトレーニングや蒸留は一切適用していないと明記されています。SFT はキュレーションされたデータでファインチューニングされたもので、ほとんどの人が使うべきはこちらです。ベンダーの比較例では、SFT が同じプロンプトに対してより緊密なテキストのまとまりとより整ったレイアウトを生み出しており、これは蒸留されていないベースをキュレーションデータでファインチューニングした場合に期待される挙動です。

• 呼び方 — GPT Image 2.5：2つのID、gpt-image-2.5-sunburstとgpt-image-2.5-flareで、裸のエイリアスはありません。M​OSS-Image：2つのリポジトリ、OpenMOSS-Team/M​OSS-Image-BaseとOpenMOSS-Team/M​OSS-Image-SFTで、どちらにも ModelScope ミラーがあります。

• 受け取るもの — GPT Image 2.5: OpenAI 互換のエンドポイントとスナップショット日。MOSS-Image: safetensors の重み、Diffusers カスタムパイプライン、Gradio アプリ、そして ComfyUI Manager からインストールできるネイティブ ComfyUI プラグイン。

• コスト — GPT Image 2.5：トークン制の課金で、画像入力100万件あたり8.00ドル、画像出力100万件あたり30.00ドル、バッチなら半額。MOSS-Image：ライセンスは無料、すべてはGPU次第。

• 出力を規律するのはどのライセンスか — GPT Image 2.5：OpenAIの利用規約であり、それは開発者向けドキュメント自体には転載されていない。MOSS-Image：重みと同梱の推論コードにはApache 2.0、収益のしきい値も利用規範の付属文書もない。

レイアウト制御、およびモデルのものではないモジュール

どちらのシステムも、座標によって物を配置できる。ただし、その座標の背後に何があるかという点では、両者は等価ではない。

M​OSS-Imageのレイアウト形式は、プロンプトとしてJSONオブジェクトを受け取ります。summary（シーンキャプション付き）と、items配列です。各要素にはtext、character、またはobjectのラベル、キャプション、バウンディングボックスがあり、テキストの場合はレンダリングするリテラル文字列が含まれます。ボックスはbbox_format: "yxyx"をbbox_coord_space: "abs_centralized"で使用します。これはキャンバス中心からのピクセルオフセットを意味します。

GPT Image 2.5の文書化されたインターフェースは、レイアウト文法ではない。その制御面はプロンプト自体と参照画像であり、2.5世代の編集能力に現れるレイアウト様式の挙動は、構造化されたボックス指定を通じてではなく、反復的な編集を通じて表現される。これは実際の能力差であり、MOSS-ImageのインターフェースがOpenAIのそれよりも明確である唯一の点である。

M​OSS-Image側の注意点は、どのベンチマークの前にも述べておく価値がある。短いアイデアを完全なレイアウト仕様に変換するプロンプト拡張モジュールは、OpenMOSS自身の小規模モデルではない。技術レポートによれば、LayoutPEは推論時にモジュール式のタスク指示を伴うG​PT-6を使用しており、同梱のプロンプトエンハンサー・スキルはG​PT-6ファミリーのエージェント向けに設計されていると説明されている。したがって、OpenMOSS自身の評価における最強のエンドツーエンド・レイアウト結果は、仕様を担う半分が他社のAPI上で動く2モデルパイプラインによって生み出されている。そのエンハンサーなしでM​OSS-Imageを使う場合、レイアウトJSONは自分で用意することになり、あなたが測定しているパイプラインは別物である。

証拠、そして双方においていかにそれが薄いか

OpenMOSSは、リリースに同梱され、ベンダー自身も構築した2つのベンチマーク上でMOSS-Imageを評価した。LongLongTextBenchは240件の文学テキストレンダリングタスクで、英語120件、中国語120件、平均目標長は1,339.8文字。RealLayoutArenaは61件のデザインタスク — ポスター20件、インフォグラフィック20件、ユーザーインターフェース21件 — で、ブラインドの一対比較によって判定され、Bradley–Terry Elo尺度に当てはめられる。エンドツーエンド・アリーナでは、MOSS-Imageは1698.70 Eloで、95%区間は1655.96～1741.43、総合2位で、1844.35のGPT Image 2に次ぐ。共有された強化プロンプト下でバックボーンのみに限定すると、MOSS-Imageは1807.34で首位となる。

それを注意深く読んでください。M​OSS-Image が1位になるベンチマークは、比較がジェネレーターに限定され、プロンプト強化が共有されているものだ——これはまさに、サードパーティ仕様の問題を取り除く構成である。それが2位になるベンチマークはエンドツーエンドのものである。どちらも中立的なテストではない。

OpenAIはGPT Image 2.5について、比較可能なレイアウトやテキストレンダリングのベンチマークを公開していない。OpenAIモデルに関して存在する独立した証拠はArtificial Analysisのボード上にあり、そこでは2.5バリアントが画像編集リーダーボードの上位2位を占めている。これは公開された手法に基づくブラインド選好測定であり、レイアウト制御をまったく検証していない。したがって、この2モデルは異なる主体によって別々の軸で測定されており、1698.70をボードのEloの隣に置きたくなる誘惑はこらえるべきだ——両者は同じ尺度ではなく、同じものを測定しているわけでもない。

大量購入時のそれぞれのコスト

GPT Image 2.5はトークン単位で課金され、料金表はGPT Image 2と同一です。テキスト入力は100万トークンあたり5.00ドル、キャッシュ済みテキストは1.25ドル、画像入力は100万トークンあたり8.00ドル、キャッシュ済み画像は2.00ドル、画像出力は100万トークンあたり30.00ドル。バッチではそれぞれが半額になります。ベンダーのページには画像1枚あたりの価格も無料枠もないため、画像1枚あたりの数字を導く唯一の方法は換算です。そして独立系のボードがその数字を公表しており、現在は高品質な1024×1024で画像1枚あたり約0.21ドルです。これはOpenAIの価格ではなく、ボードによる算出値として扱ってください。

MOSS-Imageには料金表がない。請求するものが何もないからだ。コストはマシンそのものにある。SFTリポジトリは約27.2 GBで、人が驚くのはその内訳だ。4つのシャードにまたがる約16.8 GBが凍結されたQwen3.5-9Bテキストエンコーダーで、3つにまたがる約10.2 GBがトランスフォーマー本体である。5Bというバッジは拡散生成器だけを指す。サンプリングのデフォルトは50ステップのフローマッチングEuler、CFG 3.0、shift 5.0で、レイヤー22でネガティブ分岐のスキップレイヤーガイダンスを使う——そしてデフォルトのガイダンス経路は1ステップあたり2回のトランスフォーマー順伝播を必要とする。だから50ステップは聞こえるほど安い設定ではないのだ。

月に10万枚の画像という規模では、トークン従量課金の側は数万ドル台の低い方に収まり、ダウンロード側はGPUレンタル費が落ち着く先に落ち着く。これはどちらの当事者にとっても見栄えのよい比較ではない。だからこそ、判断はたいてい別の何かにかかっている。設定変更をリリースできるのか、それとも調達の話し合いが必要なのか、という点だ。

二つを並行して実行する

これを誰かのリーダーボード上ではなく、自分のプロンプトで決着させたいのであれば、両サイドは、私たち自身の製品がその中間を跨ぐことのない境界の両端に位置しています。MOSS-Image は OrcaRouter のカタログにはありません — 当社は200以上のモデルを提供していますが、それはそのうちの一つではありません — したがって、この実験のオープンウェイト側は、あなた自身がホストするものです。 GPT Image 2.5 Sunburst と Flare はルーティング可能です。カタログ上の他のすべてと同じ OpenAI 互換エンドポイントを通じて、プロバイダーのリスト料金、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ドルで、当社側でのマークアップはありません。

このような比較において、そうした構成の役立つ部分はフェイルオーバー動作です。ホスト型モデルに数百件のプロンプトを投げるベンチマークループを実行していると、プロバイダー側のレート制限や一時的な不調がサンプルの欠落につながりますが、プロバイダー間の自動フェイルオーバーがあれば、結果テーブルが半分しか埋まらないままになる代わりに、ループを最後まで完了できます。フォールバックから返ってくる回答がプライマリと比較可能かどうかは、後からではなく、始める前に決めておくべき問題です。

あなたが境界のどちら側にいるのか

重みが欲しいなら MOSS-Image を選ぼう。収益上限のない Apache 2.0 なので商用レビューは短く済み、Base チェックポイントは LoRA 学習用に明示的に蒸留されずに残され、レイアウト JSON はプロンプトの慣習ではなく実際の仕様であり、今日にでも ComfyUI のインストールをこれに向けられる。ただし、エンコーダがダウンロードの本体であること、1ステップあたり2フォワードでデフォルト50ステップというのは現実のサービングコストであること、そして見出しの Elo 数値はパイプラインの仕様側の半分でサードパーティ製モデルを使って生み出されたものだということは、承知の上で臨んでほしい。エンハンサーを省いて自分でレイアウトを書くなら、数値については自己責任だ — それでいい、OpenMOSS の数値も誰も再現できていないのだから。

今週中に呼び出し可能なエンドポイントが必要なら、作業が構成済みレイアウトではなく反復的な編集なら、あるいは構造化された制御インターフェースよりも、公開された方法論を伴う独立系ベンチマークのほうが判断材料として重要なら、GPT Image 2.5 を選ぼう。2つのバリアントへの分岐は追加の判断を意味する——編集物が成果物なら Sunburst、既定なら Flare——そしてトークン従量の請求は1画像あたりの料金よりも予測しにくい。しかし、このモデルは編集を対象とする唯一の中立的なボードの首位にあり、それはベンダー自身の表にはない価値がある。

この比較を最も大きく変えるであろう欠落は、OpenMOSS側ではなくOpenAI側にある。すなわち、公表されたレイアウト制御評価、あるいは両モデルを対象に含む独立したレイアウトベンチマークだ。それが存在するまでは、この2つのシステムは異なる人々によって異なる軸で測定されており、現状を最もよく表す一文は、MOSS-Imageのほうがより明示的なインターフェースを持ち、GPT Image 2.5のほうがより独立した証拠を持っている、というものだ。

このようなリリースの背景にある、文書化されたAI障害やエージェントのインシデントは、OrcaRouter AI Incident Archiveに収集されており、各エントリには独自の情報源、重大度、信頼度グレード、異議申し立てフラグが付いています。