# GPT Image 2.5とGPT Image 2：移るか残るか > GPT Image 2.5 と GPT Image 2 は単価が同じでも品質設定の対応がずれます。Batch 利用なら残り、速度が要るなら Flare を同じ出力予算で試します。 - URL: https://blog.laozhang.ai/ja/posts/gpt-image-2-5-vs-gpt-image-2 - Published: 2026-09-22 - Updated: 2026-09-22 - Author: LaoZhang AI Team (https://blog.laozhang.ai/ja/about) - Topic: AI 画像生成 - Tags: GPT Image 2.5, GPT Image 2, Flare, Sunburst, 画像生成API, モデル移行 --- すでに `gpt-image-2` で品質が合格している制作フローなら、まず `gpt-image-2.5-flare` を同じプロンプト・参照画像・サイズで試し、品質を保ったまま待ち時間が縮むかを確認します。GPT Image 2 では品質が足りない複雑な用途なら、先に `gpt-image-2.5-sunburst` で必要な品質に届くかを確かめ、届いたら同じ入力で Flare も試します。これは[OpenAI のプロンプトガイド](https://developers.openai.com/api/docs/guides/image-prompting#choose-a-model)が示す順序で、Flare と Sunburst の 2 択ではなく「GPT Image 2 に残るか」を含めた 3 択として組まれています。GPT Image 2 に残る理由もはっきりしていて、Batch API の半額レートを使っている場合と、今の結果に不満がなく検証に工数を割けない場合です。 移行で最もつまずきやすいのは、料金ではなく品質設定の対応です。3 モデルのトークン単価は同じですが、`quality: "medium"` のままモデル ID だけを差し替えると、2048×1152 では出力トークンが 1,413 から 367 に減り、請求額も画の密度も変わります。[公式計算機](https://developers.openai.com/api/docs/guides/image-generation#cost-and-latency)の 2026年9月22日時点の値では、2.5 の `high` が GPT Image 2 の `medium`、2.5 の `max` が GPT Image 2 の `high` と同じ出力予算です。以下の速度と画質の数字は、OpenAI の公式説明、Arena などのブラインド投票、第三者の実測のいずれかで、出所と条件をそれぞれ添えています。 ## 3つのモデルの位置づけ：公式の説明はどこまで一致しているか OpenAI の[モデル一覧](https://developers.openai.com/api/docs/models/gpt-image-2)にある現行の画像モデルは次の 3 つです。いずれもテキストと画像を入力に取り、生成・編集・インペインティングに対応します。`gpt-image-2.5` という接尾辞なしの ID は存在せず、必ず `-flare` か `-sunburst` を付けて指定します。 | モデル ID | スナップショット | 公式の位置づけ | 品質設定 | Batch API | |---|---|---|---|---| | `gpt-image-2` | `gpt-image-2-2026-04-21` | 性能「Higher」、速度「Medium」。比較の基準 | `low` / `medium` / `high` / `auto` | 対応 | | `gpt-image-2.5-flare` | `gpt-image-2.5-flare-2026-09-08` | 速度「Very fast」。「高品質な日常的な画像生成向けの最速モデル」 | 上記に `xhigh` / `max` を追加 | 現時点で未掲載 | | `gpt-image-2.5-sunburst` | `gpt-image-2.5-sunburst-2026-09-08` | 性能「Highest」、速度「Medium」。「画像生成と編集で最も高性能なモデル」 | 上記に `xhigh` / `max` を追加 | 現時点で未掲載 | 画質について、OpenAI 自身の表現は 2 通りあります。[プロンプトガイド](https://developers.openai.com/api/docs/guides/image-prompting)は Flare を「速度に最適化した小型モデルで、画質は GPT Image 2 と同程度」、Sunburst を「品質に最適化した基本モデルで、GPT Image 2 より高い画質」と説明し、両方とも「精密な編集と被写体の保持が改善」としています。一方、2026年9月8日の[発表記事](https://openai.com/index/introducing-chatgpt-images-2-5/)は Flare を「GPT-Image-2 より高品質な画像を 50% 低いレイテンシで生成する、ほとんどのアプリケーションの標準的な選択肢」と書き、Sunburst は「生成時間は長いが、細部の作り込みが必要な創作向けにもう一段の精度」としています。 「同程度」と「より高品質」のどちらが正しいかは、公式文書だけでは決められません。実務上の読み方としては、ガイドの控えめな表現を前提にするのが安全です。つまり Flare へ移る主目的は速度で、画質の向上は自分の素材で確認できたときだけ加点する、という扱いにします。「50% 低いレイテンシ」も OpenAI の主張であり、ガイドは「あるワークロードでの速度改善は、別のワークロードでの固定的な改善を保証しない」と明記しています。 ## GPT Image 2 はいつまで使えるか 移行を急ぐ必要があるかどうかは、[非推奨ページ](https://developers.openai.com/api/docs/deprecations)を見れば分かります。2026年9月22日時点で、`gpt-image-2` にも 2 つの 2.5 モデルにも非推奨の記載はありません。それどころか GPT Image 2 は、古いモデルの推奨移行先として指定されています。 - `gpt-image-1`：2026年10月23日に API から削除。推奨移行先は `gpt-image-2` - `gpt-image-1.5`、`gpt-image-1-mini`、`chatgpt-image-latest`：2026年6月2日に通知、2026年12月1日に削除。推奨移行先は `gpt-image-2` - DALL·E 2 / 3：2026年5月12日に停止済み したがって、GPT Image 2 のワークフローを「提供終了前に退避させる」必要は今のところありません。移る動機は速度と編集精度の改善であって、期限ではないということです。ただし今日記載がないことは将来の保証ではないので、プロンプトガイドが言うように「サポートされている間は前のモデルをロールバック先として残す」運用にし、スナップショット ID `gpt-image-2-2026-04-21` を明示して固定しておくと、意図しない切り替わりを防げます。 ## 単価が同じでも費用は違う：品質段階のずれ [料金ページ](https://developers.openai.com/api/docs/pricing)の Standard タブでは、3 モデルのトークン単価は完全に同じです。2.5 のモデルページにも「Token rates match GPT Image 2」と書かれています。 | 項目（Standard、100万トークンあたり） | gpt-image-2 | gpt-image-2.5-flare | gpt-image-2.5-sunburst | |---|---|---|---| | テキスト入力 | $5.00 | $5.00 | $5.00 | | テキスト入力（キャッシュ） | $1.25 | $1.25 | $1.25 | | 画像入力 | $8.00 | $8.00 | $8.00 | | 画像入力（キャッシュ） | $2.00 | $2.00 | $2.00 | | 画像出力 | $30.00 | $30.00 | $30.00 | テキスト出力は課金されません。それでも 1 枚あたりの費用は同じにならない、というのが本題です。理由は、同じ品質ラベルでも消費する出力トークン数がモデルによって違うからです。公式ガイドは「同じ品質ラベルは、モデル間で同じ画質や応答時間を意味しない」と明言しています。公式計算機の 2026年9月22日時点の値は次のとおりです（出力トークンのみ。入力トークンとストリーミングの部分画像は含みません）。 | 品質設定 | GPT Image 2（1024×1024） | GPT Image 2.5（1024×1024） | GPT Image 2（2048×1152） | GPT Image 2.5（2048×1152） | |---|---|---|---|---| | `low` | 196（$0.00588） | 196（$0.00588） | 157（$0.00471） | 157（$0.00471） | | `medium` | 1,756（$0.05268） | 439（$0.01317） | 1,413（$0.04239） | 367（$0.01101） | | `high` | 7,024（$0.21072） | 1,756（$0.05268） | 5,650（$0.16950） | 1,413（$0.04239） | | `xhigh` | 提供なし | 3,122（$0.09366） | 提供なし | 2,511（$0.07533） | | `max` | 提供なし | 7,024（$0.21072） | 提供なし | 5,650（$0.16950） | 読み方は単純で、2.5 の品質段階は GPT Image 2 の `low` と `medium` の間に `medium` を、`medium` と `high` の間に `xhigh` を挿入した形になっています。`low` は同じ予算、2.5 の `high` は GPT Image 2 の `medium` と同じ予算、2.5 の `max` は GPT Image 2 の `high` と同じ予算です。計算機は Sunburst と Flare を 1 つの選択肢にまとめているため、両者の出力トークンはこの見積もり上は区別されません。 ![机上のボードに描いた品質段階の対応図。GPT Image 2のlow・medium・highと、GPT Image 2.5のlow・medium・high・xhigh・maxを2048×1152の出力トークン数で並べ、157同士、1,413同士、5,650同士を線で結び、IDだけ変えると1,413から367に落ちる点線を添えている](https://blog.laozhang.ai/posts/ja/gpt-image-2-5-vs-gpt-image-2/img/quality-ladder-mapping.webp) ここから 2 つの実務的な帰結が出ます。1 つ目は、モデル ID だけを変えて `quality` を据え置くと、実際には出力予算を約 4 分の 1（2048×1152 なら 1,413 → 367 トークン）に落として描かせていることになり、「2.5 にしたら画が簡素になった」「請求が急に減った」という現象はモデルの性質ではなく設定のずれで説明できることです。2 つ目は、公平に比べたいなら品質ラベルではなく出力トークン数を揃える必要があることです。GPT Image 2 の `medium` に対しては 2.5 の `high`、GPT Image 2 の `high` に対しては 2.5 の `max` を当てます。`auto` は計算機で見積もれないため、比較のときは明示的な品質を指定します。 「GPT Image 2.5 は GPT Image 2 の倍額」という数字が出回っていますが、これは GPT Image 2 の Batch レートを Standard レートと取り違えたものです。2026年9月22日時点の公式料金ページでは、Batch タブには画像モデルとして `gpt-image-2` だけが載っていて、テキスト入力 $2.50、画像入力 $4.00、画像出力 $15.00（100万トークンあたり）と Standard の半額です。`gpt-image-2` のモデルページは `v1/batch` を対応エンドポイントに含めていますが、2 つの 2.5 モデルページでは非対応の表示になっています。Batch で GPT Image 2 を安く回している場合、2.5 へ移ると単価は据え置きでも Batch 割引がなくなるので、移行判断はこの点を先に確認してください。「現時点で未掲載」であって、今後も対応しないという意味ではありません。GPT Image 2 の Batch 運用の詳細は[GPT Image 2 API の料金比較](https://blog.laozhang.ai/ja/posts/gpt-image-2-api-pricing)にまとめています。 ## 速度と画質の根拠：誰が、どの条件で測ったか 出所ごとに分けて見ていきます。 **OpenAI の主張**。前述のとおり、発表記事は Flare について「50% 低いレイテンシ」、ChatGPT 側については「Images 2.0 と比べて画像生成のレイテンシを最大 50% 削減」としています。ガイドは自分のワークロードで測ることを求めています。 **Arena のブラインド投票**（旧 LMArena）。[Text-to-Image リーダーボード](https://arena.ai/leaderboard/text-to-image)では、表示上の更新日 2026年9月7日の時点で、1 位 `gpt-image-2.5-sunburst` 1421 ±13（3,149 票、Preliminary）、2 位 `gpt-image-2.5-flare` 1399 ±13（2,856 票、Preliminary）、3 位 `gpt-image-2`（medium）1381 ±4（78,731 票）。[Image Edit](https://arena.ai/leaderboard/image-edit)では 1 位 Sunburst 1520 ±9（6,704 票）、2 位 Flare 1491 ±9（5,676 票）、3 位 GPT Image 2（medium）1461 ±3（235,928 票）です。2.5 の 2 件は Preliminary 表示で票数が 1 桁少なく、GPT Image 2 の項目は `medium` 品質での登録です。ここには速度も費用も含まれません。 **Artificial Analysis のブラインド投票**。[Text to Image リーダーボード](https://artificialanalysis.ai/image/leaderboard/text-to-image)では、1 位 GPT Image 2.5 Sunburst（max）Elo 1197 ±9（13,401 比較）、2 位 Flare（max）1190 ±9（12,778 比較）、3 位 GPT Image 2（high）1171 ±9（15,176 比較）。同サイトの 1,000 枚あたり価格は $210.7 / $210.7 / $211.0 でほぼ同額です。これは 2.5 の `max` と GPT Image 2 の `high` を並べた比較で、上の計算機で見た 7,024 トークンという同じ出力予算の組み合わせと整合しています。 **Tosea.ai の実測**（2026年9月9日公開）。[同社の完全ガイド](https://tosea.ai/ja/blog/gpt-image-2-5-complete-guide)は、公式 API の `images/edits` を 41 回呼び、構成案のプロンプトにブランドテンプレートの参照画像 1〜3 枚を添えてビジネススライドを生成する条件で、2048×1152 と 3840×2160 の 2 サイズ、単発・再試行なし、5 ページ平均で測っています。要点は次のとおりです。 - 2048×1152 の出力トークンは公式計算機と完全に一致（GPT Image 2 の low/medium/high が 157 / 1,413 / 5,650、2.5 が 157 / 367 / 1,413 / 2,511 / 5,650） - 1,413 トークンで揃えた比較：GPT Image 2 `medium` 37.3 秒、Sunburst `high` 27.7 秒、Flare `high` 19.7 秒。Flare が 47%、Sunburst が 26% 短縮で、1 ページあたり約 $0.059 は 3 者同じ - 5,650 トークンで揃えた比較：82.9 秒 / 59.8 秒 / 33.7 秒 - 4K（3840×2160）：GPT Image 2 `high` は 13,342 トークンで 92.4 秒、約 $0.42。2.5 の `high` は 3,336 トークンで 27.8〜33.8 秒、約 $0.12。2.5 の `max` は 13,342 トークン - 連続編集 1 回 / 2 回 / 3 回後の変化画素率：GPT Image 2 5.6 / 8.1 / 11.4%、Sunburst 4.1 / 6.8 / 9.9%、Flare 3.8 / 6.7 / 9.2%。9 回の編集は 3 モデルとも全て成功 - 15 枚のスライドの文字と数値は 3 モデルとも全て正しく、2.5 だけが成功して GPT Image 2 が失敗したケースはなし - 2.5 の `auto` は 5 回中 4 回が 1,413 トークンの段に着地し、1 回だけ 628 この結果は、密度の高いビジネススライドという 1 つの領域に限られ、人物写真の同一性保持、透過背景、マスク指定のインペインティングは含まれていません。p95 のような遅い側の分布も出ていません。それでも「同じ出力予算なら 2.5 は速く、連続編集の崩れが少ない」という OpenAI の主張の方向と一致する、条件が明示された公開データです。自分の用途が違うなら、この数字をそのまま当てはめず、次節の手順で自分の素材を測ってください。 ## どれを選ぶか：判断を変える条件 3 択の判断は、次の条件で分岐します。 | 状況 | まず試すモデル | 理由 | |---|---|---| | GPT Image 2 で品質が合格し、待ち時間を減らしたい | `gpt-image-2.5-flare` | 公式ガイドが最初に挙げる経路。同じ出力予算で速度改善が得られるかを確認する | | GPT Image 2 では品質が届かない複雑な編集・細部の作り込み | `gpt-image-2.5-sunburst` | 公式ガイドが 2 番目に挙げる経路。まず品質に届くかを確定し、届いたら同じ入力で Flare も試す | | 連続編集で被写体や商品の形が崩れるのが課題 | Sunburst または Flare | 両モデルとも「精密な編集と被写体の保持が改善」（公式）。Tosea の実測ではどちらも GPT Image 2 より変化画素率が低い | | Batch API の半額レートで大量生成している | `gpt-image-2` に残る | Batch は現時点で `gpt-image-2` のみ。2.5 では Standard 単価になる | | 現状に不満がなく、検証に割く時間がない | `gpt-image-2` に残る | 非推奨の記載はなく、古いモデルの推奨移行先。急ぐ理由がない | | `xhigh` / `max` が必要になる用途 | 2.5 のどちらか | GPT Image 2 は `high` まで。`max` は GPT Image 2 の `high` と同じ予算で、上位の画質段を試したいときだけ使う | ![ホワイトボードに描いた移行判断フロー。Batch APIを使っていればGPT Image 2に残り、品質が合格ならFlareを同じ入力・等予算で試し、不合格ならSunburstを先に試して合格後にFlareも試す。下部に「前のモデルはロールバック先として残す」](https://blog.laozhang.ai/posts/ja/gpt-image-2-5-vs-gpt-image-2/img/migration-decision-flow.webp) Flare と Sunburst のどちらにするかは、Sunburst で合格したうえで Flare が「品質を保ったまま速くなる」かどうかで決まります。ガイドはこの順序を「品質が通った後に速度の改善を試す」と表現しており、Sunburst の品質優位が必要なら Sunburst を残すとしています。2.5 内での選び方と商品画像の編集精度の見方は、[Flare と Sunburst の比較記事](https://blog.laozhang.ai/ja/posts/gpt-image-2-5-sunburst-vs-flare)にまとめています。 ## 移行手順：出力予算を変えずに比べる 以下は公式の「既存ワークフローの移行」手順に、品質段階の対応を組み込んだものです。 1. **基準を保存する**。本番で使っている代表的なプロンプトと参照画像を集めます。難しい編集、正確な文字、顔、商品の形状、透過アセットを必ず含め、現在のモデル・リクエスト設定・結果を記録します。 2. **最初の候補を決める**。前節の表に従い、Flare か Sunburst を選びます。 3. **同じ出力予算に置き換える**。最初の比較では、プロンプト・参照画像・サイズ・出力形式を変えず、品質だけを対応表で読み替えます。GPT Image 2 の `medium` を測っていたなら 2.5 は `high`、`high` なら `max`、`low` は `low` のまま。`auto` で運用していた場合は、比較の間だけ明示的な値に固定します。 4. **結果を項目ごとに確認する**。指示への追従、人物や商品の同一性、文字の正確さ、意図しない変更、透過の有無を見ます。同じリクエストを繰り返して安定性を測り、編集を重ねるワークフローなら通しでも試します。 5. **品質が通ってから速度を試す**。Sunburst から始めた場合は、同じ要件で Flare を評価し、品質が許容範囲かつ待ち時間が改善するときだけ切り替えます。 6. **設定は 1 つずつ動かす**。プロンプトを書き換える前に品質段を比べ、典型的な応答時間と遅い応答、失敗、再試行、採用画像 1 枚あたりの費用を測ります。速いモデルが安いとは決めつけず、現在の料金を確認します。 7. **ワークフロー単位で段階的に切り替える**。受け入れ基準を通ったら少量のトラフィックから移し、同じ指標を監視しながら広げます。前のモデルはロールバック先として残します。 リクエストで変えるのは `model` と `quality` の 2 箇所です。Images API での最小の例を示します。 ```bash # 比較前（GPT Image 2、2048×1152 の medium = 出力 1,413 トークンの見積もり） curl https://api.openai.com/v1/images/generations \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-2-2026-04-21", "prompt": "…同じプロンプト…", "size": "2048x1152", "quality": "medium" }' # 比較後（Flare、同じ出力予算にするには high を指定） curl https://api.openai.com/v1/images/generations \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-2.5-flare-2026-09-08", "prompt": "…同じプロンプト…", "size": "2048x1152", "quality": "high" }' ``` 実際の請求は計算機の見積もりではなく、レスポンスの `usage` で確認します。入力トークン（プロンプトと参照画像）が加わり、ストリーミングで部分画像を受け取る場合は 1 枚ごとに出力 100 トークンが追加されます。 採用画像 1 枚あたりの費用は「課金された試行の合計（入力＋出力＋部分画像＋再試行）÷ 採用した枚数」で出します。仮の例として、2048×1152 の 2.5 `high` で出力が 1 回 $0.0424、プロンプトと参照画像 1 枚の入力が 1 回 $0.01 かかると仮定し、10 回生成して 8 枚を採用すれば、(0.0424 + 0.01) × 10 ÷ 8 ≈ $0.066 です。採用率が 5 枚に落ちれば同じ生成費用で約 $0.105 になります。単価が同じ 3 モデルの間で差が出るのは、まさにこの採用率と再試行の回数です。採用が 0 枚なら費用は定義できないので、その設定は不合格として扱います。生成した枚数と採用した枚数を分けて数えるのは、この計算のためです。 透過アセットを扱っているなら、比較でも `background: "transparent"` と PNG または WebP の出力を明示し、デコード後のアルファチャンネルを髪・ガラス・影・輪郭で確認します。GPT Image 2 のリファレンスでは透過背景は「プレビュー提供」の扱いなので、既存の透過ワークフローは移行で挙動が変わりやすい部分です。設定と検証手順は[GPT Image 2.5 での背景透過](https://blog.laozhang.ai/ja/posts/transparent-image-maker)を参照してください。 ## よくある質問 ### GPT Image 2 から 2.5 へ移ると料金は上がりますか トークン単価は上がりません。Standard レートは 3 モデルとも同じです。変わるのは同じ品質ラベルで消費される出力トークン数で、`quality` を据え置けば 2.5 の方が少なく（安く）なり、同じ出力予算に読み替えれば同じ金額になります。上がるケースは 1 つで、GPT Image 2 を Batch API の半額レートで使っていた場合です。2.5 は現時点で Batch に掲載されていないため、Standard 単価での請求になります。 ### `gpt-image-2.5` というモデル ID は使えますか 使えません。公式のモデル一覧にあるのは `gpt-image-2.5-flare` と `gpt-image-2.5-sunburst` の 2 つで、日付つきのスナップショットはそれぞれ `gpt-image-2.5-flare-2026-09-08`、`gpt-image-2.5-sunburst-2026-09-08` です。本番では日付つきの ID を固定しておくと、ロールバックのときに何と比べたかが明確になります。 ### Responses API の image_generation ツールでも 2.5 を指定できますか できます。公式の[画像生成ガイド](https://developers.openai.com/api/docs/guides/image-generation)には `tools: [{ type: "image_generation", model: "gpt-image-2.5-sunburst" }]` の例があり、モデルページも「Image API で直接、または Responses API の画像生成ツールのモデルとして選択」と書いています。Responses 経由では、画像モデルのトークンに加えてメインラインモデルのトークンも課金される点に注意してください。「Responses ツールでは未対応」という記載は公開直後の情報で、現在は公式ガイドの記載が優先です。 ### 移行したら画像が簡素になった、または粒状感が出たときは まず `quality` を確認します。モデル ID だけを変えて `medium` のままなら、出力予算が 1,413 から 367 トークン（2048×1152）に落ちているので、`high` に上げると GPT Image 2 の `medium` と同じ予算に戻ります。それでも粒状ノイズや色むらが残るときは、ダウンロードした元画像と編集後を見比べ、圧縮や繰り返し編集の影響を切り分けます。手順は[GPT Image 2.5 の画像がざらつくときの対処](https://blog.laozhang.ai/ja/posts/gpt-image-2-5-noise-grainy)にあります。 ### 移行の効果は何で判断すればよいですか 公式ガイドが挙げる指標は、典型的な応答時間と遅い応答、失敗、再試行、採用画像 1 枚あたりの費用です。同じ出力予算で比べたうえで、この 4 つが同等か改善していれば移行の根拠になります。速度だけ改善して採用率が落ちた場合、採用画像 1 枚あたりの費用は上がることがあるので、単一の指標で決めないでください。 ## 公式ドキュメント リクエストパラメータ、料金、課金ルールは LaoZhang API の開発者ドキュメントを参照してください：[GPT Image 2.5 API ドキュメント](https://docs.laozhang.ai/en/api-capabilities/gpt-image-2-5)、[GPT Image 2 API ドキュメント](https://docs.laozhang.ai/en/api-capabilities/gpt-image-2)。 *注記：[laozhang.ai は当ブログ運営チームの自社サービスです](https://blog.laozhang.ai/ja/about#laozhang)。その料金は中立的な比較ではなく、自社の提示価格です。* ## 参考資料 本文で参照している外部ページを、登場順に並べています。最終更新日：2026-09-22。 - [OpenAI のプロンプトガイド](https://developers.openai.com/api/docs/guides/image-prompting) (developers.openai.com) - [公式計算機](https://developers.openai.com/api/docs/guides/image-generation) (developers.openai.com) - [モデル一覧](https://developers.openai.com/api/docs/models/gpt-image-2) (developers.openai.com) - [発表記事](https://openai.com/index/introducing-chatgpt-images-2-5/) (openai.com) - [非推奨ページ](https://developers.openai.com/api/docs/deprecations) (developers.openai.com) - [料金ページ](https://developers.openai.com/api/docs/pricing) (developers.openai.com) - [Text-to-Image リーダーボード](https://arena.ai/leaderboard/text-to-image) (arena.ai) - [Image Edit](https://arena.ai/leaderboard/image-edit) (arena.ai) - [Text to Image リーダーボード](https://artificialanalysis.ai/image/leaderboard/text-to-image) (artificialanalysis.ai) - [同社の完全ガイド](https://tosea.ai/ja/blog/gpt-image-2-5-complete-guide) (tosea.ai)