GPT Image 2.5は1つのモデルではなく、2つのモデルです。OpenAIは2026年9月8日にGPT Image 2の後継としてこれを公開しましたが、更新版を1つ出すのではなく、速度重視の小型モデル「Flare」と、品質重視の大型モデル「Sunburst」に分けました。どちらもChatGPT、ChatGPT Work、Codex、そしてAPIから、モデル名gpt-image-2.5-flare とgpt-image-2.5-sunburstで直接利用できます。

このように分かれているのは、速度と仕上がりの質が相反する方向に引っ張り合うためで、OpenAIは両立のために妥協するのではなく、利用者が選べるようにしました。Flareは素早く反復できるほど高速にレンダリングし、GPT Image 2で1枚の画像を生成していた時間で、1つの依頼に対して5〜6つの方向性を試せます。Sunburstは時間がかかりますが、細部、質感、繰り返し編集しても保たれる一貫性をさらに高いレベルまで追求し、拡大して見ても大きくトリミングしても耐えられる出力を生み出します。どちらも通常の意味での簡易版でもプレミアム版でもありません。2つの異なる問いに対する2つの答えです。1つは「いくつの方向性を素早く探れるか」、もう1つは「選んだ1つの方向性をどこまで磨き込めるか」です。

ChatGPTとCodexが実際にデフォルトでどちらを動かしているかについては、OpenAIが明言していませんが、テストでは両方の裏側でFlareが動いているようです。APIでは選択が明示的になります。どちらかのモデルを名前で指定して呼び出す開発者は、どちらが結果を生成しているかを正確に把握でき、その選択に加えて、1回の生成にどれだけの時間と細部をかけるかを制御する別の品質設定もあります。

簡易比較：GPT Image 2.5をどこで実行するか

モデルはこの順序で選ぶ

毎回ゼロから両方をテストするより、判断はずっとシンプルです。既存のGPT Image 2のワークフローですでに十分な結果が出ているなら、同じプロンプト、同じサイズ、そして自動任せにせず明示した同じ品質設定でFlareから始めます。それで問題なければ、他に何も変えずにレイテンシの改善がそのまま得られます。GPT Image 2ではそもそも仕事に足りなかった場合は、代わりにSunburstから始め、そこで出力を許容できる水準まで引き上げたうえで、同じ入力をFlareで実行し、それでも十分に通用する場合にのみ切り替えます。

公平な比較のために重要なことが2つあります。1つ目は、自動の品質設定で比較しないことです。「high」の基準は2つのモデルで同じようには調整されていないため、何かを判断する前に手動で設定してください。2つ目は、一度に1つの変数だけを調整することです。プロンプト自体を書き直す前に、まず1段階上の品質ステップを試し、highやmaxは、その仕事で重要な要件を下位のステップが実際に満たせなかった場合にだけ使い、デフォルトの出発点にはしないでください。

モデルと品質ステップごとの生成時間

同じプロンプト、幅1024ピクセルで1回テストした実測値：

同じテストで、縦長のポートレートをSunburstのmax品質で生成した場合は115秒かかりました。すべての生成でデフォルトのように最上位の品質ステップを選ぶ前に、知っておく価値があります。

有効な画像サイズ

GPT Image 2.5は、1024の正方形から長辺3840までのサイズに対応しており、両辺とも16の倍数で、アスペクト比は3対1以下である必要があります。総ピクセル数は655,360〜8,294,400の範囲内に収める必要があり、2560x1440を超えるものは完全対応ではなく実験的扱いとされています。確実に動作する一般的なサイズは、1024x1024、1536x1024、1024x1536、2048x2048、2048x1152、3840x2160、2160x3840などです。

同じプロンプトでのFlareとSunburstの比較：2ターンの例

ここでの改良の方法はシンプルです。1回生成し、結果を確認し、変更を正確に1つだけ加えて再入力し、重要な制約は引き継がれると想定せず、毎ターン繰り返し指定します。この例は、GPT Image 2.5プロンプトガイドで公開されているOpenAIのビルボードモックアップの手法を応用したもので、元の商品写真の代わりに飲料缶を使い、FlareとSunburstの両方で並べて実行しています。

Photorealistic low-angle shot of a large roadside billboard against a clear deep-blue sky, shot from the ground looking up. A giant plain white takeaway coffee cup — smooth blank paper, matte finish, domed white lid, and a plain kraft-brown corrugated sleeve with no logo, no printing, no markings of any kind — is mounted as an oversized 3D extension breaking out of the left edge of the billboard face, cantilevered on a black steel bracket so it projects forward past the frame. The billboard panel is white with bold dark-green sans-serif copy on the right side. Steel service catwalk with railings and ladder runs along the bottom, spotlights angled up at the face, single galvanized steel column supporting the structure. A concrete overpass and a street lamp sit low in the background. Bright midday sun, hard directional light casting the cup's shadow onto the billboard face, crisp shadows, high clarity, commercial OOH mockup photography, 24mm wide angle, shot on full-frame DSLR, high detail, 4K.

Flare:

Sunburst:

このペアをお手持ちの商品写真で実行すれば、タイミングの数値を鵜呑みにせず、FlareとSunburstの差を自分の目で直接確かめられる最も手早い方法です。手元にある商品写真に差し替え、2ターン構成はそのままに、まったく同じビルボードの文言と同じ天候の変更に対して、各モデルがどう処理するかを比べてみてください。

果物の内側から撮る：極端なPOVカメラアングル

ほとんどのプロンプトは、人が自然に立つ位置にカメラを置きます。面白い結果が生まれるのは、カメラがあるはずのない場所に置いたときです。くり抜いたスイカの中、グラスの下、食べているものの裏側などです。被写体はほとんど変わりません。変わるのは、前景がフレームになり、スケール感が逆転して、ありふれた夏のポートレートが二度見したくなるものに変わることです。以下は同じアイデアを2通りで試したもので、レンズの位置だけで画がどこまで決まるかを検証しています。

Fisheye POV from inside a hollowed watermelon, looking up through a circular hole at a young East Asian woman with bangs peering down, sipping a teal swirled straw stuck into the fruit. Wet pink watermelon flesh and white foam bubbles curve around the frame edges, blurred in the foreground. Pale blue sky visible behind her through the hole. She wears a pink ruffled top and thin gold necklace, soft natural sunlight, glossy highlights, sharp focus on her face. Vertical 9:16, hyper-realistic macro food photography, saturated coral-pink and teal palette, shallow depth of field, 8k detail.

Flare:

Sunburst:

シーンをまたいで1人のキャラクターを保つ：ランタンギツネのジュニパー

キャラクターの一貫性は、別々のプロンプトで曖昧な説明を繰り返すのではなく、1回の十分に指定された生成から始まります。その1枚の画像を以降のすべてのシーンに再入力し、そのたびに特徴的なディテールを改めて書き出します。ここでは、借り物の例ではなくオリジナルのキャラクターに、同じ「生成してから続ける」方法を適用します。

キャラクターを確立する。 生成モード、1024x1536、medium品質。

Create a children's book illustration introducing a main character. Character: Juniper, a small lantern fox with copper orange fur and a fluffy white tipped tail, wearing a tiny brass lantern on a leather strap around her neck and a knitted blue scarf. She has round curious eyes and a gentle, mischievous smile. Theme: Juniper wanders the night forest guiding lost fireflies safely back to their glowing meadow. Style: children's book illustration, hand painted watercolor look, soft outlines, warm nighttime color palette with deep blues and lantern gold, whimsical and cozy, proportions suitable for picture books. Constraints: original character, no copyrighted characters, no text, no watermarks, plain dark forest background at night to clearly showcase the character.

Flare: 

Sunburst: 

シネマティックなポートレート：重苦しく張り詰めた雰囲気

タイプ： フォトリアルなポートレート。 雰囲気： ドラマチックな映画のワンシーン。 ムード： 緊張感があり、陰鬱。

A photorealistic close up portrait of a weathered fisherman in his sixties, deep set eyes staring past the camera, rain soaked oilskin jacket, single hard side light carving deep shadows across his face, muted grey and navy color grade, shot on what looks like 35mm film with visible grain, shallow depth of field, cinematic and somber. 

Flare:

Sunburst: 

ダークファンタジーのコンセプトアート：不気味で不吉な雰囲気

タイプ：ファンタジーのコンセプトアート。雰囲気：ゴシック、不穏。ムード：不吉、ミステリアス。

Concept art of a massive twisted black tree growing through the ruins of an abandoned cathedral, thin fog curling around broken stone pillars, a single sliver of cold blue moonlight cutting through the canopy above, crows perched silently on skeletal branches, muted desaturated palette apart from the moonlight, highly detailed digital painting, eerie and foreboding atmosphere.

Flare: 

Sunburst:

レトロな旅行ポスター：温かく懐かしい雰囲気

タイプ：ヴィンテージのイラストポスター。雰囲気：20世紀半ばの旅行広告。ムード：物思わしげで温かい。

A vintage 1960s style travel poster illustration of a coastal cliffside town at golden hour, sailboats dotting a calm bay below, warm ochre and terracotta rooftops, hand lettered feel in the composition though no readable text, slightly faded ink texture, bold flat color blocking typical of mid century travel advertising, warm and nostalgic mood.

Flare: 

Sunburst: 

さらに進める：16パネルの参照シート

この手法の発展形として文書化されているものの1つは、単一のポートレート参照をまったく使いません。代わりに、まず4×4のグリッドを生成します。同じオリジナルキャラクターの正面・背面・側面のビュー、4つの表情、4つのポーズ、4つのディテールのクローズアップという16パネルを、すべて無地の白い背景で作ります。その1枚のシートが、以降のすべてのシーンのプロンプトに添付される唯一の参照画像となり、ジャケットの色、ブーツの色、顔、髪型を正確に指定して合わせるよう求める、特徴的なディテールを繰り返す1行も添えます。このテストでは、GPT Image 2とSunburstの両方で生成した6つの異なるシーンすべてで、顔、ジャケット、ブーツが毎回一致し、やり直しは不要でした。

そのまま踏襲したい細部が1つあります。参照シート自体の背景は無地の白のままにしてください。シートにスタイルのついた背景や照明のある背景を使うと、その照明が以降に生成されるすべてのシーンに染み出し、シートで固定しようとした一貫性を損なう傾向があります。

Atlabsでこれらのプロンプトを試す

GPT Image 2.5がMidjourneyと指示の扱いが違う理由

この仕事にこのモデルが適しているかを判断する前に、理解しておく価値があります。GPT Image 2.5は、画像データセットで学習した拡散モデルだけに頼るのではなく、プロンプトの文字どおりの指示を推論して処理します。ワイングラスを縁まで満たすよう頼めば縁まで満たし、特定の時刻を指す時計を頼めばまさにその時刻を描きます。Midjourneyのような拡散系ツールは、美的に典型的に見えるものを優先しがちです。そのため、依頼内容に特定の文字どおりのディテールが重要な場合はGPT Image 2.5が、指示への正確な追従よりも従来的な洗練された見た目が重要な場合は拡散系ツールのほうが適しています。

GPT Image 2.5のプロンプトエンジニアリングのコツ

比較が本当に重要なときは、毎回品質を手動で設定してください。自動のままだと、2つのモデルバージョン間でのタイミングや出力の比較が意味をなさなくなります。背景の前に置いた被写体が、やや合成されたように、または貼り付けたように見える点にも注意してください。これはGPT Image 2から引き継がれた既知のクセで、2.5では軽減されたものの完全には解消されていません。多くの場合、同じプロンプト内で被写体と背景の間の照明と影を一貫させるよう明示的に指示すれば解決します。ターンをまたいで改良する際は、1回の編集に複数の依頼を重ねるのではなく、一度に1つだけ変更してください。変更を1つずつ切り分けることで、無関係な部分が変わった瞬間に気づきやすくなります。

よくある質問

ChatGPTはデフォルトでどのバージョンを使っていますか？
OpenAIは公式には確認していませんが、テストではChatGPTとCodexのデフォルトはFlareで、SunburstはAPIを直接呼び出す場合のために用意されているようです。

Flareは実際にどのくらい速いのですか？
high品質での1回のテストでは、Flareはテキストから画像の結果を22秒で返し、GPT Image 2の177秒に対して大幅に短縮されました。編集ラウンドは19〜27秒で完了しました。SunburstはFlareより遅いものの、同じテストのほとんどでGPT Image 2より高速でした。

GPT Image 2.5はどのような画像サイズに対応していますか？
1024の正方形から長辺3840までで、両辺が16の倍数、アスペクト比が3対1以下、総ピクセル数が655,360〜8,294,400の範囲に対応しています。2560x1440を超えるサイズは実験的扱いです。

すべての生成でキャラクターの一貫性は保証されますか？
どの画像モデルも毎回完全な一貫性を保証するわけではありませんが、文書化されたテストでは、1枚の参照画像、毎回のプロンプトで特徴的なディテールを繰り返すこと、参照シートの背景を無地の白にすることで、やり直しなしに一貫した結果が得られました。

Atlabs内でFlareとSunburstを選べますか？
Atlabs内のモデル選択は、GPT Image Gen連携が動かしているバージョンに従います。FlareとSunburstを明示的に選び、品質ステップを手動で設定したい場合は、現状では直接APIのほうがより正確な方法です。

Atlabsでは無料で使えますか？
はい。新規アカウントには、一定数の生成をカバーする無料クレジットが付与され、有料プランでは、より多くの生成と高解像度のエクスポートが利用できます。

最終結論

このシリーズ全体を通じた実践的なスキルは、一貫して繰り返される短い判断に集約されます。現在の品質基準に合わせて最初のモデルを選び、何かを比較する前に品質設定を手動で固定し、一度に1つの変数だけを変えることです。上の5つのムードプロンプトがそれを端的に示しています。Sunburstは、ポートレート、コンセプトアート、商品ショットのような質感の多いフォトリアルな作業でその分の時間に見合う成果を出し、Flareは、ベクターイラストやレトロポスターのようなフラットなグラフィックスタイルで十分に力を発揮します。そうしたスタイルでは、そもそも追加のレンダリングが活かせる余地が少ないためです。キャラクターの作業では、よく練られた1枚の参照画像、理想的には無地の白い背景の16パネルシートのほうが、長くて凝ったプロンプトよりも一貫性に効果的です。以上で3部構成のガイドは終わりです。いずれも、テストのために別々のツールやアカウントを必要としません。これこそが、冒頭の比較で Atlabs がトップに挙がっている実用上の理由です。