GPT Image 2.5 FlareとSunburstの違い

GPT Image 2.5のgpt-image-2.5-flareとgpt-image-2.5-sunburstは、案出し（ラフ作成）や大量生成なら待ち時間の短いFlare、商品のラベル文字や人物の顔、レイアウトを崩せない最終調整の編集ならSunburstから試すのが基本です。迷ったらFlareで始め、採用条件を満たせない仕事だけSunburstと並べて比べます。

費用は選択の決め手になりません。OpenAIの公式APIでは2つのモデルのトークン単価が同じで、同じ画質設定（quality）とサイズなら、公式の見積もりでも第三者の計測でも1回の生成費用は同じでした。費用を大きく動かすのは、qualityをhighからmaxへ上げること（出力の見積もりが4倍）と、再生成や追加編集の回数です。

以下の数値はすべて第三者の計測とOpenAIの公開情報で、条件はそれぞれに添えます。

用途別：どちらから試すか

この順序はOpenAIの画像プロンプトガイドの選び方に沿っています。新しい用途なら速度優先でFlare、厳しい品質要件があればSunburst。GPT Image 2で基準を満たしている処理はまずFlareを試し、GPT Image 2で足りなかった処理はSunburstで品質を確保してから、同じプロンプトと入力でFlareも試します。Flareも要件を満たして応答が速ければ切り替え、Sunburstの品質差が必要な場合だけSunburstを残す、という流れです。

公式の位置付けも同じ方向です。モデルページではFlareを「高品質な日常の画像生成向けの最速モデル」（速度の区分は「Very fast」）、Sunburstを「画像の生成と編集で最も高性能なモデル」で、編集の精度が最も重要な処理向け（性能「Highest」、速度「Medium」）と説明しています。ただし画質の表現はOpenAI内部でも揃っていません。ガイドはFlareの画質を「GPT Image 2と同等（comparable）」、Sunburstを「GPT Image 2より高い」としますが、2026年9月8日の発表ではFlareも「GPT-Image-2より高品質」と書かれています。発表にある「50%低い待ち時間」はGPT Image 2との比較で、Sunburstとの差ではありません。

GPT Image 2から移るかどうか自体を迷っている場合は、GPT Image 2.5とGPT Image 2：移るか残るかで判断材料を確認できます。4K出力や多数の参照画像が中心の仕事なら、Nano Banana ProとGPT Image 2.5の比較も先に確認してください。

計測でどれくらい差が出たか

生成にかかる時間

公開されている計測では、同じ設定の編集でFlareの所要時間がSunburstよりおおむね25〜45%短くなっています。ただし経路もサイズも回数も異なる計測なので、1つの倍率にまとめたり、秒数を約束したりはできません。

Toseaは公式APIの編集で41回呼び出した結果（2026年9月9日公開）、FamilyProは自社プラットフォーム経由、Ofoxは2026年9月13日に自社ゲートウェイ経由で各課題1回ずつ実行し、転送時間を含めてクライアント側で計った値です。Ofoxの英字の課題ではFlareのほうが遅く、1回ずつの計測では速度の順位が逆転しうることを示しています。Toseaの5ページでは、Flareが17.7〜22.3秒、Sunburstが27.1〜28.9秒の範囲に収まりました。

ブラインド投票での画質

2つの画像を見比べて良いほうに投票するArenaの順位（2026年9月21日付）では、どちらの部門でもSunburstが上です。

差がはっきりしているのは編集のほうです。どちらも暫定（Preliminary）扱いで、2.5の2モデルがどのqualityで投票されたかは表示されていません。一方、両方をmaxで比べたArtificial Analysisのテキストから画像生成では、Sunburst 1196、Flare 1190で、順位の幅はどちらも「1〜2」。この条件ではほぼ同点です。

連続編集で、頼んでいない部分がどれだけ変わったか

Toseaは完成したスライド1枚に「1か所だけ変える」指示を3回続け、元画像から変化した画素の割合を測っています。

9回の編集はどのモデルもすべて成功し、このスライドの作業ではFlareのほうが変化量がわずかに少ない結果でした。Arenaの編集部門でSunburstが上位なのと食い違って見えますが、Toseaの結果はスライドという1種類の作業での計測で、商品写真や人物、マスク編集は含みません。「編集ならSunburst」と一律に決めず、自分の素材で確かめる理由になります。

費用：1回の料金は同じ、差がつくのは画質設定と再生成

OpenAIの料金表では、FlareとSunburstのStandard単価は完全に同じです（100万トークンあたり、テキスト入力$5、画像入力$8、画像出力$30）。公式の費用の見積もりも「GPT Image 2.5（Sunburst and Flare）」として1つの数字しか出しません。2026年9月25日時点の画像出力の見積もりは次のとおりです。

出力だけの見積もりなので、プロンプトや参照画像の入力費用は別にかかります。Responses APIの画像生成ツールとして呼ぶ場合は主モデルのトークンも加算され、途中経過の画像（partial image）を受け取ると1枚ごとに出力が100トークン増えます。

OpenAIのガイドには「単価が同じでも、モデルと画質設定によって消費トークンが異なりうる」という一文もあります。ただ、第三者の計測では2つのモデルの消費は揃っていました。Toseaはすべての画質設定で出力トークン数が同じだったと報告し（2048x1152・highで1,413トークン、入力を含め1枚約$0.059）、Ofoxの3課題でも1回の請求額は両モデルで同額でした（$0.013460／$0.013585／$0.021742）。

つまり「Flareのほうが安い」わけではありません。Flareで得をするのは待ち時間で、費用に効くのは次の3つです。

• qualityの段階：1024x1024ではhighからmaxで出力の見積もりが4倍になります。モデルの選択より大きな差です
• 再生成と追加編集：採用できない画像が多いほど、1枚あたりの費用が上がります
• 利用経路：公式APIのトークン課金か、1回ごとの定額課金か

比べるべきなのは、採用できた画像1枚あたりの費用です。

採用画像1枚あたりの費用 ＝ 請求されたすべての試行の合計 ÷ 採用条件を満たした枚数

合計には、入力、出力、途中経過の画像、再試行の費用をすべて含めます。

仮の数字で計算してみます。1024x1024・highで各20回生成し、1回の出力費用を$0.05268とすると、どちらも合計$1.0536です。Flareで12枚、Sunburstで16枚が採用できたなら、1枚あたりはFlareが$0.0878、Sunburstが約$0.0659で、遅いSunburstのほうが安くなります。採用枚数が同じなら費用は同じで、Flareは時間だけ短く済みます。1枚も採用できなかった場合は「0円」ではなく計算できない状態として扱い、条件かモデルを見直します。人が手直しした時間はAPI費用とは別に記録しておくと、判断がぶれません。

なお、OpenAIの料金表でBatch（非同期の割引処理）の単価が載っているのはgpt-image-2だけで、2.5の2モデルは掲載されていません。

1回ごとの定額で使う場合

laozhang.aiでは、公式APIと同じトークン単価で転送するgpt-image-2.5-flare／gpt-image-2.5-sunburstのほかに、1回$0.03のgpt-image-2.5-flare-vip／gpt-image-2.5-sunburst-vipを提供しています（2026年9月24日付の公開価格）。-vipはFlareもSunburstも同額で、qualityを変えても1回の料金は変わりません。

注記：laozhang.ai は当ブログ運営チームの自社サービスです。その料金は中立的な比較ではなく、自社の提示価格です。

1024x1024の画像出力で比べると、公式のmedium（$0.01317）より高く、high（$0.05268）以上では安くなります。定額が有利になるのはhigh以上を使う場合だけです。-vipはmaskに対応していないため、マスクを使う編集はトークン課金の転送モデルを選びます。転送モデルでは参照画像を最大16枚まで送れます。-vipの2モデルは2026年9月16〜22日に提供が止まり、9月22日に復旧しています。利用前にコンソールで提供状況を確認してください。品質別の費用や月間予算の組み方はGPT Image 2.5 Sunburstの料金：公式単価と1回$0.03のAPIを比較で確認できます。

自分の画像で短時間に確かめる手順

公開されている計測は、スライド、英字、単純な商品画像が中心です。自分の素材で差が出るかは、同じ条件で数回ずつ回すのが一番早く分かります。

1. 採用条件を先に決める：出力を見る前に、変える部分と残す部分を書き出します。商品写真なら「背景だけ変える。ボトルとキャップの形、ラベルの文字と配置、切り取り範囲は変えない」のように具体的にします
2. 条件を揃える：プロンプト、参照画像、サイズ、qualityを両モデルで同じにし、qualityはautoではなく明示します。autoは生成される画像によって段階が変わり、比較が読みにくくなります
3. 各モデル3回以上回す：1回ずつでは、Ofoxの英字の課題のように速度の順位が逆転することがあります
4. 記録する：所要時間（ふだんの値と遅い回）、失敗と再試行、レスポンスのusage、採用できたかどうか
5. 決める：Flareも採用条件を満たすならFlare。Sunburstでしか満たせない条件があるときだけSunburstを残します

2つのモデルを同じ条件で編集させるPythonの例です。キーと接続先は環境変数OPENAI_API_KEYとOPENAI_BASE_URLから読み込みます。

import base64
import time

from openai import OpenAI

client = OpenAI()  # OPENAI_API_KEY と OPENAI_BASE_URL を環境変数から読む

PROMPT = (
    "商品写真の背景だけを冬の室内に変えてください。"
    "ボトルとキャップの形、ラベルの文字と位置、撮影角度、切り取り範囲は変えず、"
    "物や文字を追加しないでください。"
)

for model in ["gpt-image-2.5-flare", "gpt-image-2.5-sunburst"]:
    for i in range(3):
        start = time.perf_counter()
        with open("product.png", "rb") as f:
            result = client.images.edit(
                model=model,
                image=f,
                prompt=PROMPT,
                size="1024x1024",
                quality="high",
            )
        elapsed = time.perf_counter() - start
        with open(f"{model}-{i + 1}.png", "wb") as out:
            out.write(base64.b64decode(result.data[0].b64_json))
        print(model, i + 1, f"{elapsed:.1f}s", result.usage)

確認するときの注意点が3つあります。

• マスクで範囲は固定されない：OpenAIはGPT Imageのマスク編集を「完全にプロンプトに基づく」と説明しており、マスクは目安で、境界どおりに守られるとは限りません。輪郭と文字は原寸で見比べます
• 日本語の文字は日本語で試す：Ofoxの英字の課題やToseaのスライドで文字が正しく描けていても、日本語の文字の品質を示したことにはなりません。実際に載せる日本語の文言で確かめます
• 透過PNGは明示する：背景を透明にしたい場合はbackgroundをtransparentにして、出力のアルファチャンネルを確認します。手順は透過PNGの作り方：素材で選ぶ方法と保存後の確認にあります。

サイズはautoか任意の値で、各辺3,840px以下・16の倍数・長辺と短辺の比が3:1以内という制約があり、2560x1440（3,686,400px）を超える出力は実験的な扱いです。

ノーコードの環境で比べたい場合は、ComfyUIでGPT Image 2.5を使う方法と料金やn8nでGPT Image 2.5：ノードとHTTPの使い分けの設定で、モデル名だけを入れ替えて同じ手順を回せます。

ChatGPTではどちらが使われているか

ChatGPTの画像生成がFlareとSunburstのどちらで動いているかは公開されておらず、選ぶ画面もありません。MindStudioは速度と画質から「ChatGPTとCodexの既定はFlare」と推測していますが、OpenAIが認めた情報ではありません。モデルを明示して使い分けたいならAPIで指定します。ChatGPTでの使い方とAPIでモデルを指定する場所は、ChatGPT Images 2.5の使い方：SunburstとFlareはどこで選べる？で確認できます。

よくある質問

gpt-image-2.5というモデルIDで呼び出せますか？

呼び出せません。APIで指定できるのはgpt-image-2.5-flareとgpt-image-2.5-sunburst、または日付付きのgpt-image-2.5-flare-2026-09-08とgpt-image-2.5-sunburst-2026-09-08です。どちらもImage APIで直接指定でき、Responses APIの画像生成ツールのモデルとしても使えます。

qualityをmaxにすれば必ず良くなりますか？

なりません。OpenAIは、設定を上げてもすべてのプロンプトで結果が良くなるとは限らないとしています。xhighやmaxは、highで満たせない具体的な要件があり、待ち時間の許容範囲に収まる場合に使います。1024x1024の出力見積もりはhighの$0.05268に対してmaxは$0.21072です。

待ち時間を優先するならFlareだけで十分ですか？

採用条件を満たすなら十分です。公開されている編集の計測ではFlareの所要時間がSunburstよりおおむね25〜45%短く、1回の費用は同じなので、品質差が要らない仕事でSunburstを選ぶ理由はありません。ブラインド投票で差が大きかったのは編集部門なので、商品や人物の細部を守る編集だけはSunburstと並べて確認してください。