GPT Image 2.5とは？―― GPT Image 2との違い・Flare／Sunburstの使い分け・API料金を徹底解説【2026年9月最新】

画像生成AIの関連記事｜あわせて読みたい

本記事は「GPT Image 2.5で何が変わり、業務でどう使い分けるか」に絞って解説します。画像生成そのものの基本操作やプロンプトの書き方は別記事にまとめていますので、必要に応じて行き来してください。前世代を先に押さえたい方はGPT Image 2とは？使い方・料金・無料での試し方、業務での使いどころを先に知りたい方はGPT Image 2の活用方法・事例からどうぞ。

はじめに：勝負どころが「生成」から「修正」に移った

2026年9月8日、OpenAIが新しい画像生成モデル「GPT Image 2.5（ChatGPT Images 2.5）」をローンチしました。ChatGPT・ChatGPT Work・Codexの全プランで順次利用可能になり、APIにはgpt-image-2.5-flareとgpt-image-2.5-sunburstの2モデルが追加されています。

発表資料でOpenAIは、ChatGPTの画像生成とAPIのGPT Imageモデルを合わせて週30億枚以上の画像が作られていると説明しています。すでに「試してみる技術」ではなく、インフラに近い規模で使われているということです。

そのうえで、今回の更新でいちばん重要なのは「1枚目の美しさ」ではないという点です。アップデートの中身は、参照写真の人物や商品の特徴が残りやすくなったこと、指示した箇所だけを直してそれ以外を触らないこと、会話を重ねて何度修正しても品質が落ちないこと、そして生成時間が短くなったこと――つまり「直す」工程の信頼性に集中しています。

本記事では、GPT Image 2との能力差、FlareとSunburstの使い分け、6段階になった品質設定、見落としやすいAPIコストの構造、ChatGPT側に増えた新機能、そして業務で成果を出すための整備ポイントを、実務目線で整理します。

※ 本記事の情報は2026年9月12日時点のOpenAI公式発表・公式ドキュメントおよび公開情報に基づきます。仕様・料金・提供範囲は変更される可能性があるため、導入前に必ず公式の最新情報をご確認ください。

現場から見たGPT Image 2.5｜「作り直し」が消えることの意味

研修とコンサルティングの現場で画像生成の相談を受けるとき、うまくいかない企業にはほぼ共通の詰まり方があります。「1枚目はいい感じなのに、直そうとすると別物になる」というものです。

たとえば商品写真をベースにバナーを作り、「キャッチコピーだけ変えて」と頼む。すると文言は変わるのですが、同時に商品の角度が微妙に変わり、背景のトーンがずれ、ロゴの位置が動く。結局ゼロから作り直すことになり、「AIで作るより外注したほうが早い」という結論に落ち着いてしまう。この壁で止まっている現場を、本当に何度も見てきました。

GPT Image 2.5が手を入れたのは、まさにこの部分です。OpenAIは「指示した箇所だけを編集し、それ以外の細部は保つ」ことと、「長い会話のなかで以前の修正が維持され、新しい修正が積み上がる」ことを明確に打ち出しました。実務の言葉に翻訳すると、1枚を仕上げるまでの往復回数が、そのまま成果物の品質になるということです。

もうひとつ、経営目線で見逃せないのが速度です。OpenAIの公表値はImages 2.0比で最大50%の短縮ですが、外部の開発者からは、実運用のワークロードで平均100秒台から40秒前後へ落ちたという報告も出ています（1事例の測定であり、一般的な保証値ではありません）。画像生成を業務フローに組み込むとき、1枚1分半待つか30秒で返ってくるかは、使われるか使われないかの分岐点です。社内ツールに埋め込む前提なら、この差は品質以上に効きます。

そして率直に申し上げると、画像の「見た目のうまさ」そのものは、前世代から劇的に変わったわけではありません。海外の開発者コミュニティでも「速くなったが画質の差は大きくない」という評価が目立ちます。今回は表現力の世代交代ではなく、業務利用に必要な再現性・編集性・速度を固めにきたリリースだと捉えるのが、いちばん実態に近い理解だと考えています。

結論：GPT Image 2.5はこう使い分ける

先に結論をまとめます。用途別の判断軸は次のとおりです。

ChatGPTで使うなら、とくに設定は要らない

ChatGPT上の画像生成は自動的に2.5世代へ切り替わります。モデル名を選ぶ必要はありません。むしろ意識すべきは「1回で完成させようとせず、部分修正を前提にプロンプトを組む」という使い方の変更です。

APIで量産するならFlare

OpenAIはFlareを「ほとんどのアプリケーションにとっての既定の選択」と位置づけています。SNS用画像、バナーのラフ案、商品画像の量産、社内ツールへの組み込み、画像プロトタイピングは基本的にこちらです。GPT Image 2からの移行先も、まずFlareが第一候補になります。

作り込んだ編集が中心ならSunburst

参照画像やマスクを使い、細部まで指示どおりに仕上げる編集中心のワークフロー――広告の最終稿、商品ビジュアルの仕上げ――はSunburstの領域です。料金は同じで、支払うのは生成時間という関係になっています。

コストは「品質ラベル」ではなく「消費トークン」で管理する

後述しますが、トークン単価は据え置きのまま、品質ラベルごとの消費トークン数が変わりました。既存のAPI実装をそのまま移行すると、意図せず請求額が下がる／出力の解像感が落ちるという形でズレが出ます。移行時はレスポンスのusageを必ず確認してください。

社内展開の前にガイドラインを整える

能力が上がったぶん、参照写真から人物や商品を再現する力も上がっています。他社商品・他人の顔写真・タレント画像を参照に入れないというルールは、2.5世代ではより重要になりました。整備の進め方は社内生成AIガイドラインの作り方にまとめています。

GPT Image 2.5（ChatGPT Images 2.5）とは

GPT Image 2.5は、OpenAIが2026年9月8日に公開した画像生成・画像編集モデルです。呼び方が2系統あるため最初に整理しておきます。

• ChatGPT Images 2.5：ChatGPT・ChatGPT Work・Codex上の画像生成機能としての呼称。ユーザーがモデルを選ぶ必要はありません。
• GPT Image 2.5：API上のモデル群としての呼称。実際のモデルIDはgpt-image-2.5-flareとgpt-image-2.5-sunburstの2つです。

提供範囲は、デスクトップ・モバイル・Webのすべて、かつ全プラン（無料プランを含む）です。前世代のImages 2.0（API名称：gpt-image-2）を、ChatGPT側では置き換える形になります。APIのgpt-image-2は本記事執筆時点で引き続き利用でき、廃止日の告知はまだ出ていません。

APIから使える3つの経路

APIでは、従来と同じエンドポイント構成のまま利用できます。実装の観点では、モデルIDを差し替えるだけで移行できる設計です。

Responses API経由の場合は、上位のモデル（GPT-6 Astraなど）を指定したうえで、画像生成ツールのmodelにどちらかの2.5モデルを指定します。この構成では上位モデル側のトークンも別途課金されるため、コスト試算の際は忘れないようにしてください。

GPT Image 2との能力差｜4つの進化

OpenAIの発表内容を、実務で効く順に4つへ整理します。

1．参照写真の再現性（被写体の保持）

参照写真に写っている人物や商品の特徴が、別の背景・別のスタイル・別の構図へ移しても残りやすくなりました。顔の特徴、照明、質感の自然さが向上したとされています。

業務上の意味は明確です。自社商品の写真を1枚渡せば、季節違い・利用シーン違いのビジュアル展開が、同じ商品として成立するということです。ECの商品バリエーション画像、カタログの利用シーン写真、採用サイトの雰囲気カットなど、「同じものを別の場面で見せたい」需要に直接効きます。

BASE / 最初に作った1枚

EDIT / 「秋の景色に変えて」だけを指示

2．精密編集（指示した箇所だけを直す）

2.5の中心的な改善です。商品・背景・コピーといった単一要素だけを差し替え、被写体・構図・ブランドの表現は保つことができるようになりました。

「価格だけ変えたバナーを10パターン」「背景色だけ変えた商品画像を5色分」といった、これまで人力のデザイン作業に戻っていた領域が、AI側で完結しやすくなります。

3．複数ターンの一貫性（何度直しても崩れない）

長い会話のなかで修正を重ねても、以前の変更が維持され、新しい変更がその上に積み上がるようになりました。前世代で頻発した「5回目の修正で1回目の指定が消える」という劣化が抑えられています。

制作物の品質は、往復回数の上限で決まります。ここが伸びたことは、実務では品質向上とほぼ同義です。

4．生成速度（最大50%短縮）

OpenAIはImages 2.0比で画像生成の待ち時間を最大50%削減したと説明しています。前述のとおり、社内ツールやアプリに組み込む場合、速度は採用率を左右します。

あわせて：複雑な指示と透明背景

複雑な視覚指示の理解、実世界の情報を含む画像の正確さ、透明背景を含む複雑なレイアウトへの対応、指定したビジュアルスタイルの再現も改善されたとされています。UIコンセプト、資料用の図版、透明背景のアイコン素材といった「構造が決まっている画像」で恩恵が出やすい部分です。提案資料への応用については生成AIで実現した高品質な資料作成もあわせてご覧ください。

GPT Image 2との比較表

前世代との違いを一覧にまとめます。

単価の行だけを見ると「何も変わっていない」ように見えますが、実際の1枚あたりコストは変わります。理由は品質設定の項で説明します。

FlareとSunburstの違いと使い分け

今回のリリースで、実装者がまず判断を求められるのがモデル選択です。ただし判断基準はシンプルで、コストではなく「速度か、編集精度か」の一択です。

実務での選び方

• 既存のgpt-image-2実装からの移行先：まずFlare。品質・編集・速度の改善をそのまま受け取れます。
• 編集エンドポイント中心の処理：Sunburst。参照画像とマスクを厳密に尊重させたい場合に効きます。
• 両方試すのが最短：同じプロンプト・同じ参照画像・同じサイズで両方に投げ、出力と生成時間を並べて比較します。料金が同じなので、比較の判断軸が「品質と待ち時間」だけに絞れます。

※ OpenAIは、ChatGPTやCodexの既定の画像生成にどちらのモデルが使われているかを明示していません。外部の検証では、速度特性からFlareではないかと推測されていますが、公式の確認は取れていません。

品質設定が6段階に｜xhighとmaxの追加

2.5ではqualityパラメータにxhighとmaxが追加され、low／medium／high／xhigh／max／autoの6段階になりました。GPT Image 2はhighが上限でした。

ここで注意が必要なのは、同じラベルが同じ処理量を意味しなくなったことです。OpenAI自身も「トークン単価が同じであることは、1枚あたりのコストが同じであることを意味しない。トークン消費量はモデルと品質設定によって異なる」と注記しています。

公式の計算ツールで確認された、1024×1024における画像出力トークン数と概算コストは次のとおりです（画像出力$30／100万トークンで算出）。

※ 円換算は1ドル150円で計算した参考値です。為替・税・プランにより実際の請求額は変動します。トークン数は公式計算ツールの値を第三者が読み取った公開情報に基づく参考値であり、実際の請求はレスポンスのusage.output_tokensで決まります。

API料金の落とし穴｜単価据え置き、実額は変動

ローンチ直後、海外メディアの一部で「APIの料金が2倍になった」と報じられました。これは誤りです。原因は、2.5の通常料金と、GPT Image 2のバッチ料金（通常の半額）を並べて比較したことにあります。通常料金同士で比べれば、単価は完全に据え置きです。

問題は単価ではなく、品質ラベルが指す処理量が変わったことです。

ラベルの意味が1段ずれている

前世代と並べると構造が見えます。GPT Image 2の1024×1024は、lowで約$0.006、mediumで約$0.053、highで約$0.211でした。つまり——

• 2.5のhigh（1,756トークン）は、旧medium相当のトークン予算
• 2.5のmax（7,024トークン）は、旧high相当のトークン予算
• lowは196トークンで変化なし

この結果、移行時の挙動は次の2パターンに分かれます。

実務的には、「モデルIDを差し替えて終わり」にせず、品質設定の棚卸しまでを1セットで行うのが正解です。コストを下げたいならhighのまま、品質を維持したいならmaxへ。どちらを選ぶかは用途次第です。

コスト設計で押さえる4つの実務ポイント

• 請求の根拠はレスポンスのusage：上の表は計算ツールに基づく概算です。実際に課金されるのはusage.output_tokensなので、移行直後は必ずログに残して実測してください。
• 参照画像は画像入力として課金される：編集エンドポイントに渡す参照画像は$8／100万トークンで課金されます。1枚あたりの目安は公表されていないため、usage.input_tokensで確認するしかありません。参照画像を大量に渡す設計はコストが読みにくくなります。
• ストリーミングは追加課金：生成途中の画像を返すpartial_images（0〜3枚）は、1枚あたり100トークンの追加出力になります。UX上の効果と天秤にかけてください。
• バッチ割引は要確認：料金ページのバッチ欄に記載があるのはgpt-image-2のみです。バッチの半額を前提にコスト計算している場合、2.5への移行でその前提が崩れる可能性があります。

あわせて、レート制限にも注意してください。2.5のモデルページはプラン別の上限値を明示せず、組織のレート制限ページを参照する形になっています。大量生成を前提とする設計では、事前に自社のTierでの上限を確認しておくべきです。トークン課金型APIのコスト管理の考え方そのものは、Claude APIの料金体系を解説した記事でも整理しています。

ChatGPT側の新機能4つ

2.5のローンチに合わせて、ChatGPT上の画像機能にも4つの追加がありました。いずれもAPIには含まれず、ChatGPT側だけの機能です。

1．Sketch（手描きを下絵にする）

ChatGPTの中に直接絵を描き、それを最終画像の下絵として使える機能です。使い方は、メッセージ入力欄に「@Sketch」と入力するか、chatgpt.com/sketchを開きます。

部屋のレイアウト、什器の配置、衣服のシルエット、資料の図版構成など、言葉で説明すると長くなるが、描けば一瞬で伝わるものに向いています。絵の上手さは必要ありません。四角と矢印のレベルで十分です。

2．テンプレート（形式から始める）

「ポスター」「グッズ」などよく使われる形式のプリセットが用意されました。白紙から書き始めるのではなく、形式を選んでから伝えたい情報・デザイン要素・スタイルを足していく流れになります。プロンプトに慣れていないメンバーが最初の1枚を作るまでの時間を短縮できます。

3．画像へのコメント（場所を指定して直す）

生成された画像の特定箇所をクリックしてコメントを残すと、次の修正がその箇所を対象に行われます。「右上のロゴの余白をもう少し」といった位置を含む指示を、言葉で説明せずに渡せるようになりました。2.5の精密編集と組み合わせると効果が大きい機能です。

4．プロンプトの共有

画像を共有するときに、生成に使ったプロンプトも一緒に渡せるようになりました。受け取った側は、自分の写真や情報を差し替えて同じ発想を再利用できます。

社内活用の観点では、これが地味に重要です。「うまくいったプロンプト」が個人の手元に溜まって共有されないという問題は、生成AI定着の最大のボトルネックのひとつです。共有の仕組みが標準機能になったことで、社内でのプロンプト資産化が一段やりやすくなりました。

※ 一部報道では、テンプレートはWorkモードでは利用できないとされています。組織アカウントでの利用可否は、管理者設定と提供状況をご確認ください。

業務で効く最新の活用事例

2.5の特性（参照保持・部分編集・連続編集・速度）を踏まえると、成果が出やすい業務は次のように整理できます。前世代からの汎用的な事例は画像生成のビジネス活用事例10選にまとめていますので、ここでは2.5で「新しく現実的になった」ものに絞ります。

1．商品バリエーション画像の量産（EC・メーカー）

商品写真1枚を参照に、カラー展開・季節・利用シーンを差し替えた画像を作ります。2.5では商品そのものの形状・質感が保たれやすいため、「同じ商品の別カット」として成立する確度が上がりました。撮影しなおしていた季節カットの一部は、これで置き換えられます。

2．A／Bテスト用クリエイティブの大量生成（マーケティング）

ベースとなるバナーを1枚仕上げ、そこからコピー・価格表記・背景トーンだけを差し替えて10〜20パターンを作ります。ポイントはベースを変えないこと。部分編集の精度が上がったため、要素を1つだけ動かした比較が成立します。テスト設計としての質が変わります。

3．提案書・企画書の図版生成（営業・企画）

透明背景と複雑なレイアウトへの対応が改善したことで、スライドに載せる概念図・アイコン・図解の生成精度が上がりました。1枚ずつ作るより、「この資料のトンマナ」を最初に1枚で確定させ、以降は差分だけ指示する運用が効きます。

4．UIコンセプトの視覚化（企画・開発）

指定した情報階層を保ったままUI案を出せるようになったため、開発前の合意形成に使えます。Sketchで手描きのワイヤーを渡し、そこから清書させる流れが相性が良いです。

5．社内掲示物・研修教材（人事・総務）

安全掲示、社内周知ポスター、研修スライドの挿絵といった、外注するには小さく、手作りするには時間がかかる領域です。テンプレート機能により、デザイン経験のない担当者でも一定水準に到達しやすくなりました。

効果が出にくい用途

逆に、期待しすぎないほうがよい領域も明確です。実データの値を正確に反映しなければならないグラフ・チャートは、画像生成ではなく描画ツールで作るべきです。画像生成に任せるのは、その周囲の図解・装飾までにとどめてください。また、ブランドの厳密なレギュレーション（指定色のコード値、フォントの完全一致）が求められる最終稿も、人の手による確認が前提になります。

他モデルとの位置関係

「結局どのモデルがいちばん強いのか」という質問を必ず受けるので、現時点で参照できる材料を挙げておきます。

ユーザー投票型の比較サイトArenaのtext-to-imageリーダーボード（2026年9月7日更新）では、Sunburstが1421、Flareが1399、GPT Image 2（medium）が1381となり、Microsoftのmai-image-2.6が1331、GoogleのNano Banana 2が1261と続いています。画像編集のリーダーボードでも同じ順序で、Sunburstの優位がより大きく（1520／1491／1461）出ています。

ただし、これは好み投票のスコアであり、OpenAIのベンチマークでも客観的な品質指標でもありません。実際、開発者コミュニティでは「細部の描き込みではNano Banana 2やFluxのほうが良い」という声も出ています。また、キャラクターの多角度の一貫性を検証した外部レビューでは、GPT Image 2.5がNano Banana 2／Nano Banana Proを上回ったという報告もあります。

実務での結論はシンプルです。リーダーボードで選ばず、自社の実物（自社商品・自社ロゴ・自社の日本語コピー）で3枚ずつ比べる。これに勝る選定方法はありません。モデル横断の比較観点はChatGPT・Claude・Gemini・Copilot徹底比較にまとめています。

安全性・電子透かし・商用利用

企業利用では、能力よりもこちらの確認が先になります。

システムカードで公表された安全性の数値

OpenAIはローンチと同日にシステムカードを公開し、モデルごとの生成挙動の割合を示しました。Sunburstは安全な生成77.0%／不適切な要求のブロック21.9%／不適切な出力の提示1.09%、Flareは79.4%／19.2%／1.41%で、Images 2.0のベースライン（75.2%／23.1%／1.64%）と比べると、ブロック率を下げながら不適切な出力の提示率も下げた形になっています。使いやすさと安全性を同時に改善した、という主張です。

C2PAと不可視の電子透かし

生成画像には、来歴情報を記録するC2PAメタデータと、目に見えない電子透かしが付与されます。システムカードでは、この透かしにGoogle DeepMindのSynthIDが使われていることが明記されています。

つまり、「AIで作った画像である」ことは技術的に判別され得るという前提で運用する必要があります。これを隠して人が撮影した写真として使う運用は、レピュテーションリスクを含みます。広告・採用・IRなど対外発信で使う場合は、社内で表記ルールを決めておくべき論点です。

商用利用と権利の考え方

OpenAIの規約の範囲内であれば商用利用は可能ですが、著作権・商標・肖像権の判断責任は利用者側にあります。2.5で参照写真の再現性が上がったことは、この点でリスク側にも働きます。具体的には次の3つを禁止事項として明記しておくことをおすすめします。

• 他社の商品画像・ロゴ・パッケージを参照画像として入力しない
• 従業員・顧客・第三者の顔写真を、本人の同意なく参照画像に使わない
• 著名人・キャラクターの再現を指示しない

あわせて、社外に出す画像は生成物である旨を記録に残す（管理台帳にプロンプトと生成日を残す）運用にしておくと、後からの確認が容易になります。詳細な雛形は社内生成AIガイドラインの作り方をご参照ください。

社内導入で整えるべき3点

モデルが良くなっても、社内で使われなければ成果は出ません。研修・コンサルティングの現場で、画像生成の定着に効いた順に3点挙げます。

1．「型」を資産にする

2.5の価値は差分量産にあります。したがって最初にやるべきは自社の型（ベースプロンプト）を数本作ることです。SNS投稿用、提案書図版用、商品バリエーション用など、用途ごとに完成形を1枚作り、その生成プロンプトを共有フォルダに置きます。プロンプト共有機能が標準化されたことで、この運用は前より簡単になりました。

2．やってよい範囲を先に決める

禁止事項が決まっていない状態で全社展開すると、現場は使いません。「使ってよい」「上長確認が必要」「禁止」の3分類を先に配るだけで、利用率は明確に変わります。

3．最初の成功を1部署で作る

全社一斉ではなく、月次で画像を大量に必要としている部署（マーケティング、EC、営業企画あたり）から始めます。そこで削減できた外注費・工数を数字で出し、社内事例として横展開する。この順番が最短です。

弊社では、こうした型づくり・ルール整備・最初の成功事例づくりまでを、法人向け生成AI研修とAI顧問で伴走支援しています。画像生成をAPIで自社システムに組み込む段階まで進んでいる場合は、生成AI開発の事例もご覧ください。自社の現在地を確認したい方は、生成AI活用レベル診断（10問・無料）から始めていただくのも手です。

まとめ｜「1枚の美しさ」より「10回直せること」が価値になった

GPT Image 2.5は、画像生成AIの表現力を一段押し上げたモデルというより、業務で回すための土台を固めたモデルです。要点を再掲します。

• 進化の中心は4点：参照写真の再現性／指示箇所だけの精密編集／連続編集の一貫性／最大50%の速度改善
• APIは2モデル：迷わずFlareから。編集精度が要るときだけSunburst。料金は同じで、差は生成時間
• 品質設定は6段階：単価は据え置きだが、ラベルごとの消費トークンが変わった。移行時はusageの実測で管理する
• ChatGPT側に4機能：Sketch、テンプレート、画像へのコメント、プロンプト共有
• 使い方の勘所：ゼロから作るのではなく、型を決めて差分を量産する

まずはChatGPT上で、自社の商品写真や資料の図版を1枚、実際に作ってみてください。そしてそれを3回直してみる。前世代と何が変わったかは、そこでいちばんはっきり体感できます。そのうえで、量産する価値がある用途が見つかったらAPIとコスト設計を検討する――この順番が、いちばん無駄が出ません。

※ 本記事は2026年9月12日時点の公開情報に基づく参考情報であり、正式な料金・仕様ではありません。GPT Image、ChatGPT、Codex、OpenAIをはじめ各サービス名・製品名は、それぞれの提供元の商標または登録商標です。価格・プラン・提供範囲・品質設定ごとのトークン数は変更される可能性があり、日本円換算額は為替・税・手数料により変動します。導入前に必ずOpenAI公式サイトの最新情報をご確認ください。