2026/11/05
AIニュース
OpenAIがGPT-Image-2.6を投入、最短6秒の生成とGIF・SVG対応で変わる企業の画像制作
この記事の要点
OpenAIのImages 2.6は、素早い試作向けのFlareと詳細な制作向けのSunburstに加え、complexity設定、マークアップ編集、GIF・SVG出力を提供します。Flareの最短6秒という生成速度は低品質設定での値です。企業の導入判断では、生成時間に加えて、修正の正確さや採用素材が完成するまでの費用を測る必要があります。
目次
最短6秒の生成を、制作全体の時短につなげられるか
広告バナーの背景を変えるだけなのに、画像を作り直し、比較し、担当者へ確認を戻す。その往復に時間がかかる制作現場では、生成速度と同じくらい、修正を狙いどおりに終えられるかが問われます。OpenAIの画像生成機能「Images 2.6」は、この制作の往復に関わる更新です。API向けには「GPT-Image-2.6 Flare」と「GPT-Image-2.6 Sunburst」の2モデルが用意されました。
公開された発表内容によると、OpenAIは従来より画像生成が50％高速になったと説明しています。Flareは低品質設定で最短6秒の生成が可能としていますが、どの画像でも6秒で完成するという保証ではありません。企業が見るべきなのは、最も短い生成時間に加え、修正や確認を含めて採用可能な素材がそろうまでの時間でしょう。
Flareは素早く案を試す対話的な作業、Sunburstは細部の描写や編集時の一貫性を重視する作業に位置づけられています。たとえば、企画会議で構図や配色の候補を比較する場面と、採用案の細部を詰める場面では、必要な性能が異なります。モデルの使い分けも、この作業の違いから考えると理解しやすくなります。ただし、こうした制作工程への割り当ては活用上の考え方であり、両モデル間の引き継ぎ精度まで保証するものではありません。
今回の更新には、生成前の検討量を調整する設定、画像上で編集箇所を示す機能、GIFとSVGの出力も含まれます。企業にとっての論点は、これらによって生成後の修正や形式変換をどこまで減らせるかです。新モデルの評価は、見栄えのよい画像が一度出るかよりも、普段の依頼を少ない往復で完了できるかに置くと、導入の判断につながるでしょう。
complexityは画質とは別に、生成前の検討量を調整
新しい「complexity」は、モデルが描画前にどれだけ構成を検討するかを調整するパラメーターです。設定はlow、medium、highの3段階で、省略すると両モデルともhighが使われます。描写の細かさや忠実さを調整する「quality」とは別の設定です。画質を上げたいときと、要素の配置や関係を丁寧に考えさせたいときで、調整する対象が分かれます。OpenAIの画像生成ガイドで、この区別が説明されています。
たとえば、背景や看板の一部を変えるような限定的な編集には、低いcomplexityが適しています。文字が密集する画像、複雑なレイアウト、複数の物体の関係を表現する画像では、高い設定が役立つとされています。日本企業の資料制作に置き換えるなら、写真の背景変更と、説明文や矢印が並ぶ製品図解を、同じ条件で処理し続ける必要はありません。
注意したいのは、highが常に最適とは限らない点です。OpenAIは、complexityを高くすると待ち時間が増えたり、意図しない変更が生じたりする可能性を挙げています。変更対象が小さいのに画像全体を再解釈されれば、確認すべき範囲も広がってしまいます。初期設定のまま使っている場合は、部分修正でlowを試す余地があるでしょう。
complexityの調整そのものに独立した追加料金はありません。ただし、これは生成処理全体が無料になるという意味ではなく、トークンに基づく通常の課金とは区別が必要です。実務ではqualityを固定してcomplexityだけを変え、指示の達成度、周辺部分の変化、待ち時間を比較すると、設定の効果を見分けやすくなります。複数の設定を同時に変えるよりも、改善の理由を把握しやすい検証方法です。
マークアップ編集で「どこを直すか」を共有
画像の修正依頼では、変更内容だけでなく、対象の特定にも手間がかかります。「右側の小さい容器」と書いても、似た形の物体が並んでいれば解釈が分かれます。マークアップによる編集は、画像上で対象領域を示し、言葉による指示と組み合わせる仕組みです。位置を視覚的に伝えられるため、文章だけで対象を説明する負担を減らせると考えられます。
発表時の説明にはAPIへの提供予定という表現がありますが、OpenAIの画像生成ガイドでは、FlareとSunburstの両モデルがマークアップ編集に対応すると案内されています。提供状況を判断するときは、発表文の表現だけでなく、利用するAPIの最新仕様も確認する必要があります。製品画面で使える機能と、開発者が組み込める機能を分けて把握することが、実装時の行き違いを防ぎます。
企業の制作工程では、依頼者が修正箇所を囲み、担当者が変更内容を整理して生成へ渡す使い方が考えられます。たとえば、商品写真の背景にある特定の物体だけを差し替える場合、対象を囲んだうえで、色や形をどのように変えたいかを短く指定します。同時に、維持したい商品本体や構図も明示すれば、確認時の基準を共有しやすくなるでしょう。
もっとも、領域を示すことと、それ以外の画素が完全に維持されることは別です。囲んだ部分が期待どおりになっていても、周囲の影、文字、商品の形などに変化がないかを確認する必要があります。業務上の評価では、修正対象の正しさと、維持すべき部分の安定性を別々に見ます。マークアップの価値は、目視確認を不要にすることではなく、依頼と修正結果を照合しやすくする点にあります。
GIFとSVGで広がる、生成後の素材の使い道
画像が完成しても、そのまま業務で使えるとは限りません。動きを付けるために別の編集作業へ移したり、拡大して使う図版を作り直したりする工程が残ります。Images 2.6が加えたGIFとSVGへの対応は、こうした生成後の作業に関わります。どちらも出力形式の追加ですが、解決しようとする用途は異なります。
GIFは複数のフレームで短い動きを表現できる形式です。ChatGPTでは、文章による指示や写真からアニメーションGIFを作成し、速度の調整、個別フレームの編集、共有ができると案内されています。APIでもGIF出力が提供されます。SNS向けの短い素材や製品の利用イメージを試作する場面では、静止画を作ってから別工程で動かす作業を減らせる可能性があるでしょう。
SVGは、図形や線などを記述して表現するベクター形式です。写真のように画素を並べる画像とは仕組みが異なり、アイコンや図解、画面部品など、拡大時の輪郭を保ちたい用途に適しています。ただし、SVGで出力できることだけで、自社のデザイン規則への適合や、後工程での編集のしやすさまで決まるわけではありません。実際に使うソフトウェアで開き、形状や文字の扱いを確認する作業は残ります。
ChatGPTでは人物、ペット、キャラクターの参照画像を保存し、タグを付けて再利用できる機能も加わります。毎回のアップロードを減らす方向の改善ですが、API側でも同じ保存機構を使えるとは限りません。企業で試す際は、参照素材の再利用、動画的な表現、図版の拡大利用のうち、どの作業を改善したいかを先に決めると、機能の多さに評価が埋もれずに済みます。
同じトークン単価でも、完成素材の費用は別に測定
FlareとSunburstのAPI料金は、公開されたモデルページでは同じトークン単価です。トークンとは、サービスが処理量や料金を計算するための単位です。画像生成でも、指示文、入力画像、出力画像がそれぞれ課金の対象になるため、画像出力の単価だけを見て制作費を決めることはできません。Flareの料金情報とSunburstの料金情報で、内訳を確認できます。
| 課金対象 | 100万トークン当たりの通常料金 | キャッシュ入力料金 |
| --- | --- | --- |
| テキスト入力 | 5.00米ドル | 1.25米ドル |
| 画像入力 | 8.00米ドル | 2.00米ドル |
| 画像出力 | 30.00米ドル | 対象外 |
キャッシュ入力料金は、適用条件を満たす入力に対する単価です。参照画像を繰り返し送れば必ず割引になる、と想定して予算を組むことは避けたいところです。利用するAPIと条件を確認し、実際の請求に基づいて見積もる必要があります。また、100万出力トークン当たり30米ドルという数字を、画像100万枚の料金と取り違えてはいけません。
企業が把握したいのは、最終的に採用できる素材1点を得るまでの費用でしょう。同じ単価でも、使える結果に到達するまでの生成回数が違えば、制作全体の費用は変わります。生成の速さだけを追って試作数が増えれば、確認作業の負担が膨らむ場合も考えられます。
検証では、APIの利用額に加えて、再生成回数と人が確認・修正した時間を記録すると判断しやすくなります。たとえば、低品質で候補を絞ってから仕上げる方法と、最初から高品質で生成する方法を、同じ依頼で比較します。どちらが有利かを先に決めつけず、自社の素材と承認工程で差を見ることが必要です。単価の比較を、完成までの費用の比較へ進めることで、予算に結び付く評価になります。
日本企業は、繰り返し発生する修正依頼で検証
今回の発表だけで、画像生成モデル全体の品質順位を決めることはできません。最短6秒という速度の説明と、細部や編集の一貫性を重視するという製品の位置づけは、共通条件での品質比較とは異なります。日本語を含む広告、商品写真、説明図では失敗の種類も変わるため、自社の利用場面で結果を見る必要があります。
GPT-Image-2.6は、モデルの重みを配布して自社で動かす提供形態ではなく、OpenAIがホストするサービスとして利用します。ChatGPTは対話で素材を試す入口となり、APIは社内ツールや制作システムへ組み込む入口になります。開発支援環境のCodexもImages 2.6の展開先に含まれますが、それぞれの入口で同じ操作や機能を利用できるとは限りません。導入先を決めてから、必要な機能がそろうかを確認する順序が適切でしょう。
日本企業向けの検証では、日本語の商品名や注記、文字の読みやすさ、改行、ロゴ周辺の変化を観察項目にできます。これらは新モデルで問題が起きると断定するものではなく、実務上の合否を決めるための確認点です。説明図なら矢印や要素同士の関係、商品写真なら色や形の維持など、素材ごとに基準を変えます。担当者が単に「きれい」と感じるかだけでは、公開できる品質かを判断できません。
最初の一歩として適しているのは、日常的に繰り返している修正依頼を一つ選ぶことです。背景の差し替えなどを題材に、同じ入力でFlareとSunburstを試し、qualityをそろえてcomplexityを比較します。修正の達成度、維持すべき部分、完了時間、費用を記録すれば、採用する条件を具体化できるでしょう。その結果から、案出しに使うのか、部分修正まで任せるのかを決めると、制作工程のどこを変えるかが明確になります。