Qwen-Image-2.1 対 GPT Image 2：無料でダウンロードするか、それとも最高のものをレンタルするか

Qwen-Image-2.1は、無料で実行でき、販売できない33 GBのダウンロードです。GPT Image 2は、ダウンロードすらできないAPIで、トークン単位で課金され、本番運用から4ヶ月が経ち、独立系画像リーダーボードのトップに位置しています。これら二つの事実が取引のすべてであり、興味深いのは、透明性機能——そもそもQwen-Image-2.1を一見の価値があるものにしているもの——が、まったく異なる経路で、1ヶ月以内に両方のシステムに登場したことです。Qwen-Image-2.1は2026年9月20日に、その潜在空間にアルファを組み込んで出荷されました。GPT Image 2は、background: "transparent"パラメータを2026年8月20日にAPIフラグとして獲得しました。

同じ機能に至る2つのルート

透明な出力こそが、多くの人がこの2つを比較することになる理由だ。だからそこから始めよう。実装は等価ではなく、その違いは出力よりも重要なのだから。

Qwen-Image-2.1の透明性はアーキテクチャによるものである。16倍の空間圧縮を行う64チャネルRGBA VAEは、アルファがモデルのノイズ除去対象である潜在空間の一部であることを意味する。同じメカニズムにより、透明性を伴う生成、すでに透明性を持つ画像を平坦化することなくその内部で編集すること、通常のRGB写真から二値マスクではなくアルファを返す被写体抽出が可能になる。これは1つの機能で3つの用途があり、ベンダー自身の説明では、別個の背景除去ノード、マッティングモデル、エッジクリーンアップパスは不要である。

GPT Image 2 の透過はリクエストパラメータです。background: "transparent" を output_format: "png" と併せて追加すると、実際のアルファチャンネルを持つ画像が返され、テキストからの画像生成、画像編集、Responses API の画像生成ツールのいずれでも機能します。マスクベースのインペインティングと透過背景は併用できます。Preview として提供されたため、OpenAI 自身のガイダンスでも結果が不安定になる可能性があるとされており、透過を使った編集は、精密な輪郭のマッティングではなく、背景の再描画または削除として説明されています。少なくとも 2 つの二次情報源が、このパラメータは利用できず GPT Image 2 は透過をまったく出力しないと主張していますが、これらは発表時の報道、API ドキュメントのミラー、第三者による検証と矛盾するため、反証シグナルとしてではなく、古い情報または誤りとして扱ってください。透過によってトークンコストは変わりません。特定の品質とサイズでは、透過画像も不透過画像も同じ画像トークンを消費します。

つまり、どちらも alpha を生成する。一方はモデルがそのように作られているからそうするのであり、もう一方はパラメータがサービスにそれを要求するからだ。どちらが優れているかは、alpha が編集ループを生き延びなければならないかどうかに完全にかかっており、それは午後ひとつで検証できる。

GPT Image 2の先行優位がもたらすもの

本番運用4か月は宣伝文句ではなく、成熟度のギャップであり、それは地味でありながら決定的な場面に現れる。

• 独立した評価での位置づけ — GPT Image 2 は独立系の画像リーダーボードの首位に位置しており、それがローンチ週だけの一時的な急上昇ではなく安定した評価だと言えるほど長くその座にとどまっています。本稿執筆時点で、Qwen-Image-2.1 はそれらのボードに一切掲載されていませんでした。
• 文書化された失敗モード — 4か月間公開されて使われてきたモデルには、自分がその失敗に遭遇する前に読める既知の失敗事例の蓄積があります。昨日公開されたばかりのモデルにあるのは、ベンダーのスコアカードと1件の統合テストだけです。
• 運用面 — 毎分トークン数と毎分画像数の両方で示される段階的なレート制限（エントリーティアの 100,000 TPM および 5 IPM から、最上位の 8,000,000 TPM および 250 IPM まで）、さらにバッチエンドポイントのサポート。これが、デモと、規模を見積もれるキューとの違いです。
• 第三者による品質数値 — リーダーボード上の順位は独立に測定されたものです。Qwen-Image-2.1 の唯一の数値はベンダー自身の Qwen-Image-Bench チャートで、そこでは 60.28 と記録され、Nano Banana 2.0 の 59.82、GPT Image 1.5 の 59.65 と対比されています。ベンダー提供の資料であり、再現はされていません。

Qwen-Image-2.1に関する唯一の真に独立したデータポイントは、SGLang統合に伴って公開された機能検証である。透明PNG出力は合格し、アルファは0～255の全範囲で保持され、単一サンプルでRGBA PSNRは60.69 dBを計測し、FP8構成は透明PNG生成に合格した。SGLangの作者らは、これは正確性の確認であり、一般的な品質保証ではないと明言している。アルファチャンネルが実在することの、利用可能な最も強力な証拠である。画像が良いかどうかについては何も語っていない。

法案は、審議を経た

GPT Image 2はトークン課金制です。つまり、アセットのコストは品質ティアと解像度に依存しており、その実態は画像1枚あたりの価格では覆い隠されます。公開されているリスト料金は、テキスト入力トークン100万あたり5.00ドル、画像入力トークン100万あたり8.00ドル、画像出力トークン100万あたり30.00ドルで、キャッシュ料金はそれぞれ1.25ドルと2.00ドルです。OpenAIはこのモデルについて静的な出力トークン表を公開していません — Low、Medium、Highのトークン数を対象とした以前の表は、GPT Image 2には適用されないと明示的に記されています — したがって、以下の数値は1:1のアスペクト比、テキストから画像生成におけるリスト料金の第三者による測定値です:

• 1K出力 — 低品質 $0.0059、中品質 $0.053、高品質 $0.211（画像1枚あたり）。
• 2K出力 — 低品質 $0.012、中品質 $0.107、高品質 $0.428。
• 4K出力 — 低品質 $0.020、中品質 $0.178、高品質 $0.712。

同じ解像度における低品質と高品質の差は、およそ35倍にもなる。これこそが GPT Image 2 のパイプラインにおける実質的な意思決定だ。どのモデルを使うかではなく、どの品質ティアが最小のコストでレビューを通過できるかである。そしてこれは編集との関わり方において、人を不意打ちにする形で影響を及ぼす——input_fidelityはこのモデルでは調整できない。すべての画像入力が自動的に高忠実度で処理されるため、参照画像を含む編集リクエストは、出力サイズから見積もるよりも多くの画像入力トークンを消費するからだ。したがって、生成・検査・編集のループは、ここでは1枚あたりの数値が示唆するよりも高コストになる。

それに対して、Qwen-Image-2.1 の画像1枚あたりの限界費用は電気代だ。厄介なのは固定費とライセンスである。ダウンロードは33ギガバイト、DiTが約14 GBを占め、残りはQwen3-VL 8Bテキストエンコーダーに割り当てられ、制約の厳しいカードではCPUオフロードが推奨され、全体が2026年9月20日付のQwen Research License Agreementの下に置かれる——非商用限定で、商用権は別途の取り決めによるものの、その価格や条件は公表されていない。

ホスト型オプションがどこに位置するか

GPUとライセンスのどちらの問題も回避する中間の道があり、ほとんどのチームが実際に選ぶのはそれです。OrcaRouterは、OpenAIのGPT-Imageファミリーを、GoogleのImagen 4の各ティア、Geminiの画像プレビュー、xAIのGrok Imagine画像エンドポイントと並べてルーティングします——OpenAI互換の単一エンドポイントの背後に200以上のモデル、プロバイダー定価をマークアップなしでそのまま適用、プロバイダー間の自動フェイルオーバー、ルーティングDSL、モデルフュージョン。定価はマークアップされるのではなくそのまま適用されるため、ルーティング対象モデルのベンダー価格改定は当日に反映され、フェイルオーバーは自動なので、あるプロバイダーが午後に調子を崩してもそれがあなたの障害になることはありません。Qwen-Image-2.1は当社がルーティングするモデルには含まれておらず、他のQwen-Imageバージョンも同様です——これはローカル専用の話です——ですからこれは新参者への売り込みではありません。「新参者を評価している間、何を使えばいいのか」に対する正直な答えです。

決定、それは率直に述べられたもの

GPT Image 2 は、出力が商用である場合、独立して測定された品質の下限が必要な場合、予測して上限を設定できるアセット単位のコストを求める場合、またはハードウェアを購入せずに今週中に動かす必要がある場合に選びましょう。あなたがレンタルしていること、ファインチューニングできないこと、オフラインで実行できないこと、そして画像1枚あたりのコストが利用量に対して永遠に線形にスケールすることを受け入れてください。

出力が研究、評価、個人的な作業である場合、パラメータが一度生成しただけのアルファではなく、編集ループを経ても生き残るアルファを特に求めている場合、書き換えロジックを読みたい場合には、Qwen-Image-2.1を選ぼう —— 出荷されているPE-T2IおよびPE-I2Iチェックポイントは、読み取り可能な system_prompt.txtを備えたファインチューニング済みのQwen3.5-VL 9Bモデルであり、これはどのホスト型画像APIからも得られないものだ —— あるいは、2026年9月に7Bのオープンウェイト画像モデルが何をできるのかを、1枚ごとに料金を払わずに知りたいだけなら、それも選ぶ理由になる。

成果物が商用で、納期が確定しているなら、どちらも選ばず、それを回付する。それは逃げではない。まだ回答を得られないライセンス上の問題を解決しなくて済む選択肢なのだ。