2026年9月8日、OpenAIはGPT Image 2.5という名称で新世代の画像モデルを追加しました。しかも一つではなく二つのモデルとして登場しています。gpt-image-2.5-sunburstは二つのうちより高性能なモデルで、編集の精度が最も重要なワークフロー向けに作られています。gpt-image-2.5-flareはより高速なモデルで、日常的な高品質の画像生成向けです。事業者にとっての実務上のポイントは、スタジオでの撮り直しを手配したり、画像全体を生成し直して似た仕上がりになることを祈ったりする代わりに、手元にある商品写真の中の特定の領域だけを編集できるようになったことです。

OpenAIが実際に発表した内容

OpenAI公式ドキュメントのモデルページによると、どちらのモデルもテキストと画像の入力を受け付け、出力は画像のみです。それぞれにリリース当日の日付が付いた固定スナップショットがあります。gpt-image-2.5-sunburst-2026-09-08とgpt-image-2.5-flare-2026-09-08です。この点は運用上重要です。スナップショットを固定しておけば、提供元がモデルを更新した日に出力が知らないうちに変わってしまうことがないからです。

どちらのモデルも六つの品質設定に対応しています。low、medium、high、xhigh、max、autoです。また、どちらも二つの方法で利用できます。生成と編集のエンドポイントを持つImage APIを使う方法と、ユーザーが対話しながら画像を磨き上げるマルチターンの体験を作りたい場合にResponses APIの中のツールとして使う方法です。一つのプロンプトから一枚の画像が必要なだけなら、最初の方法で十分です。マーケティング担当者が画像を段階的に編集する画面を作るなら、二つ目の方法が必要です。

SunburstかFlareか？ルールはシンプル

名前ではなく、作業の性質で選んでください。ボトルの色を変える、背景から要素を取り除く、パッケージの文字を差し替える、商品の形をそのまま正確に保つ、といった編集の精度が求められる作業ならSunburstの出番です。OpenAIが画像の生成と編集において最も高性能だと説明しているモデルです。数十枚のキャンペーン背景、記事用のイラスト、方向性が承認される前の手早いビジュアルのラフ案など、量とスピードが重要な作業なら、Flareが理にかなった選択です。

実際の運用では、ほとんどのチームが両方を必要とします。量が重要でミスのコストが小さい検討段階ではFlareを使い、その後、お金を払う顧客が目にする商品ページに画像が載る最終段階ではSunburstを使います。

本当の変化は生成ではなく部分編集

テキストからの画像生成は、もはや新しくも珍しくもありません。ここで注目すべきはinpaintingへの対応です。既存の画像の中の指定した領域を描き直し、画像の残りの部分には手を加えないという機能です。これによってツールは画像生成ツールから画像編集ツールへと変わります。両者の違いは、マーケティングチームを楽しませるだけのものと、実際の制作ラインに組み込まれるものとの違いです。

具体例を挙げます。三百のSKUをすべて白背景で撮影しているストアが、ライトグレーのビジュアルアイデンティティに移行すると決めたとします。従来の方法では、新しい撮影を手配し、在庫を移動し、カメラマンに支払いをして、二週間かかります。新しい方法では、一つの指示で画像をAPIに通し、結果を人がレビューする工程を加えて、一営業日で済みます。同じ写真、同じ商品で、変わったのは周囲だけです。

コストは画像単位ではなくトークン単位

この点はデザインサービスの料金体系とは似ていないため、多くの事業者を混乱させます。OpenAIの両モデルの料金によると、料金は二つのモデルで同一です。テキスト入力は百万トークンあたり五ドルでキャッシュ利用時は一ドル二十五セント、画像入力は百万トークンあたり八ドルでキャッシュ利用時は二ドル、画像出力は百万トークンあたり三十ドルです。これらのモデルはテキストではなく画像を出力するため、テキスト出力には一切課金されません。OpenAIは、トークン単価が前世代のGPT Image 2と同じであることも記しています。

実務的なアドバイスとしては、机上で見積もらないことです。実際に使う予定の設定そのままで、自社カタログから実際の画像百枚を試験的に処理し、請求額を確認してから掛け算してください。実際の画像百枚に基づく見積もりは、どんな計算ツールよりも正直です。特に、選ぶ品質レベルによって消費量が直接変わるからです。

最初の一週間で元が取れる五つの使い方

  • カタログの統一感：異なる時期、異なる条件で撮影された数百点の商品の背景、照明、アングルをそろえる。
  • キャンペーン用のバリエーション：同じ写真から夏バージョン、ラマダンバージョン、White Fridayバージョンを作り、機会ごとに撮影しなくて済む。
  • 印刷前のパッケージプレビュー：印刷ロットを確定する前に、パッケージ上のアラビア語のコピーや新しいロゴを視覚的に試す。
  • 古い画像の修復：アーカイブ写真を捨てる代わりに、邪魔な要素や映り込み、古くなった表示を取り除く。
  • コンテンツ用画像：競合他社も使っているのと同じストック写真ではなく、自社のブログやニュースレター用のイラストを用意する。

これを基盤に構築する前の三つの注意点

第一に、組織認証です。OpenAIのドキュメントには、GPT Imageモデルを使う前に開発者コンソールからAPIの組織認証を完了する必要がある場合があると記載されています。リリース当日に不意を突かれないよう、最初からこの手順をスケジュールに入れておいてください。

第二に、人によるレビューは省略できません。公開するすべての商品画像には、人の承認が必要です。モデルは、自分が調整した色がブランドアイデンティティに登録された色かどうかを知りませんし、編集によって商品が実物より大きく見えるようになったことも知りません。実物と一致しない画像で商品を見せることは、技術的な問題である前に、商取引上および規制上の問題です。

第三に、人物の写真をアップロードしないでください。顧客や従業員の写真は実験の素材ではありません。商品、場所、マーケティング素材は可、人物は不可というルールをチームに明示してください。ただし、明確な個人データポリシーのもとで、文書化された明示的な同意がある場合は除きます。

補助ツールで終わらせず、自社のシステムに組み込むには

これらのモデルから利益を得る企業と、話題にするだけの企業との違いは、モデルをどこで使うかにあります。従業員が手作業でファイルをダウンロードするために開くブラウザのタブの中にとどまっているなら、得られるものは小さく、最初の休暇とともに消えてしまいます。価値が生まれるのは、APIを自社のシステムにつないだときです。新しい商品がカタログに登録されると、各チャネルが必要とするサイズでビジュアルのバリエーションが自動生成され、レビュー待ちのキューに入り、承認のワンクリックで公開されます。この時点で、あなたは画像を買っているのではなく、日々の監督なしで動くビジュアル制作ラインを構築しているのです。

Origamiでは、お客様向けに開発するシステムに、まさにこのような連携を組み込んでいます。商品データベースにつながったAPI、権限が明確なレビューキュー、そしてどの画像を誰がいつ承認したかを示すログです。技術は今日すでに利用でき、決め手になるのは意思決定そのものです。これを新しいおもちゃとして扱うのか、それとも責任者と成功指標を備えた業務プロセスの一工程として扱うのか。

出典