18件のリクエストサンプルでは、GPT Image 2.5はPoYo経由でより高速かつ低コストでした。一方、テストした3つのバリアントはいずれもブリーフに対して利用可能な解釈を生成しました。 最も明確に測定できた変化は、処理時間と課金でした。画像の結果だけで、あらゆるビジュアルタスクにおいて1つのモデルが普遍的に優れていると結論付けることはできませんでした。
重要な注意点があります。同一の1Kリクエストでも、常に同一のピクセル寸法で返されるわけではありませんでした。一部のGPT Image 2出力は1280 × 1280でしたが、2.5比較用の出力はすべて1024 × 1024でした。これは要求したPoYo設定の比較であり、同一解像度でのモデル推論を制御したテストではありません。
テスト設定と実際のコスト
以下の各ルートで3つのプロンプトをそれぞれ2回実行しました：
gpt-image-2gpt-image-2.5-flaregpt-image-2.5-sunburst
すべてのリクエストでは正方形構図、resolution: "1K"、quality: "medium"を指定しました。3つのプロンプトは、商品写真、架空のポートレート、バイリンガルポスターを対象としました。参照画像やマスクは使用していません。両方の実行結果をすべて保持しました。
| モデル | 画像数 | 観測された待機時間の中央値 | 観測範囲 | 画像あたりの実際のクレジット数 | 1クレジット$0.005換算時の画像単価 |
|---|---|---|---|---|---|
| GPT Image 2 | 6 | 85.16 s | 76.01–110.31 s | 8.48 | $0.04240 |
| GPT Image 2.5 Flare | 6 | 30.89 s | 26.45–35.54 s | 2.95 | $0.01475 |
| GPT Image 2.5 Sunburst | 6 | 35.06 s | 34.72–43.11 s | 2.95 | $0.01475 |
18件のリクエストで消費した合計は86.28クレジット、換算額では$0.43140でした。これは返却されたタスク課金額であり、OpenAIの料金計算ツールからコピーした推定値ではありません。
時間計測には、送信、ネットワーク、キュー処理、そして当方のポーリング間隔が含まれます。サンプル数は少なく、ランダム化されておらず、一部のリクエストでは異なる出力ピクセル数を使用しました。普遍的な改善率やOpenAI純正APIのベンチマークを確立することはできません。
製品テスト：同じブリーフ、異なる解釈
ブリーフでは、緑色のハンドル、真鍮製ノブ付きの1つのクリーム色キャンプ用ケトル、前面の「MORROW」、下部の石灰岩、その横の錆色の布を指定しました。6枚すべての画像で、中心となる指定オブジェクトと読み取り可能な商品文字が維持されていました。
GPT Image 2のサンプルでは、より大きな文字とやや異なるケトルの比率が使用されていました。FlareとSunburstの結果も、繰り返し生成ごとに変化しました。摩耗表現、布、照明、構図の違いは架空のコンセプトでは有用な選択肢ですが、既存SKUを保持することが目的の場合は逸脱になります。
私たちの見解： この単純なテキストから画像への商品ブリーフでは、明確なビジュアル品質差よりもコストと待機時間の優位性の方が決定的でした。提供された実在の商品を正確に再現するテストは行っていません。
ポートレートテスト：自動的に勝者となるリアリズムはなし
すべてのモデルが、現実感のある作業場で車輪を扱う年配女性を生成しました。指定された青いシャツ、エプロン、灰色の髪、下向きの視線、手の操作は確認できました。Image 2の結果も十分に妥当だったため、旧モデルでは現実的な人物を作れないという主張によってアップグレードを正当化することはできません。
また、人による確認が必要な細部もあります。指とスポークが接する部分、リムの一貫性、小さな機械部品の配置などです。生成画像はサムネイルでは説得力があっても、フルサイズでは機械的な整合性がない場合があります。
私たちの見解： 成功している古いプロンプトは維持し、新しいルート上で比較してください。新しいバージョン番号が存在するという理由だけで、確立済みのポートレートワークフローを置き換えるべきではありません。
テキストテスト：短いバイリンガルコピーはサンプル全体で機能
ポスターでは、「今晚一起逛夜市」を含む5つのテキストブロックを指定しました。確認した6件すべての出力で、指定した文言が表示されました。ビジュアル上の違いは主にレイアウト、文字比率、紙の質感、灯台イラストでした。
これは意図的に範囲を限定したテキストテストです。完全なレストランメニュー、小さなパッケージコピー、特殊な名前、またはすべての文字体系における正確性を証明するものではありません。優れた見出しがすべての小さな文字の正確性を保証すると考えず、実際の出力を校正してください。
私たちの見解： このブリーフでは、スペルの点でモデル間の差は確認できませんでした。すでにImage 2でワークロードが成功している場合、2.5を試す最も直接的な理由は運用コストと処理時間である可能性があります。
この実験以外で変わった点は？
公式2.5生成ガイドでは、xhighおよびmaxまで対応する品質設定と2つの新しいモデル選択肢について説明されています。また、透過出力と会話型編集ワークフローについても記載されています。
今回の18画像テストでは、中品質のテキストから画像への生成のみを使用しました。最高品質出力、マスク、参照忠実度、公平なモデル間編集比較は測定していません。別途、Sunburstでの10ステップ編集シーケンスを実行し、実用的な作業を調べるための透過スプライトシートワークフローを構築しました。
2つの2.5バリアントの違いについては、Flare vs Sunburstを参照してください。
妥当な移行テスト
チームが実際に作成している5つのアセットから始めてください。プロンプト、参照情報、アスペクト比、合格基準を維持します。旧出力と新出力それぞれについて、以下を記録してください：
| 記録項目 | 重要な理由 |
|---|---|
| 正確なモデルとルート | リセラー層はネイティブAPI設定と異なる場合がある |
| プロンプトとソース画像 | 関係のないビジュアルタスクの比較を防ぐ |
| 品質と要求サイズ | 何を要求したかを説明する |
| 実際の幅と高さ | 出力サイズの違いを明らかにする |
| 課金クレジットまたは使用量 | 実際のコストを確立する |
| 最初に許容できた結果 | 失敗したクリエイティブ試行を含める |
| 手動クリーンアップ時間 | 生成後に残る作業を把握する |
大幅なレタッチが必要な安価な画像は、全体として、より高価でも許容可能な画像よりコストが高くなる場合があります。逆に、中品質ですでにブリーフを満たすなら、最高品質に料金を支払う必要はありません。
正確なプロンプトをダウンロード
比較リクエスト計画には、完全なプロンプトとモデルIDを含む18件すべての入力が含まれています。表示されるグリッドには、Flare、Sunburst、Image 2の順序で固定された両方の繰り返し結果が含まれています。
測定済みタスク結果をダウンロードすると、課金、待機時間、返却された画像寸法を確認できます。このファイルには、別途実施した編集、スプライト、動画実験の記録も含まれています。
PoYoでリクエスト形式を再現するには：
{
"model": "gpt-image-2.5-flare",
"input": {
"prompt": "Your unchanged test prompt",
"quality": "medium",
"size": "1:1",
"resolution": "1K"
}
}
gpt-image-2とgpt-image-2.5-sunburstを使用して同じプロンプトを実行し、実際にエクスポートされたファイルを確認してください。出力が私たちの結果とピクセル単位で一致する保証はありません。
よくある質問
GPT Image 2.5へのアップグレードには価値がありますか？
処理時間とコストが重要な定常的なアセットでは、テストする価値があります。今回サンプルにしたPoYoリクエストでは、両方の指標で2.5が有利でした。自身の繰り返しタスクがレビューを通過するまでは、旧ルートも利用可能にしておいてください。
mediumはバージョン間で同じ計算量または品質を意味しますか？
いいえ。このテストでは、そのような同等性は確認されていません。比較したのは表示されるリクエスト設定であり、内部計算量ではありません。
比較はChatGPTで実施されましたか？
いいえ。PoYoのAPIを通じて3つのモデルIDを明示的に選択しました。ChatGPTのUI、ルーティング、画像ワークフローは異なる可能性があります。
これはOpenAI公式の画像あたり価格ですか？
いいえ。$0.005/クレジットで換算した実際のPoYoタスク課金額です。違いについては料金記事を参照してください。