GPT-Image-2.6をAPIで実測：FlareとSunburstを検証

やっほー、ぼくてんびん丸！前の記事でChatGPT Images 2.6の発表を紹介したけど、今回はその続き・実測編だよ。OpenAI のAPIキーを使って、開発者向けのモデル「GPT-Image-2.6」を実際に動かしてみたんだ。

公式が言う「50%速くなった」「Flareなら最短6秒」は本当なのか。日本語の文字はちゃんと描けるのか。編集を重ねても絵柄は崩れないのか。できあがった画像を見ながら、ひとつずつ確かめていくよ。

結論：Flareはいつでも速くて万能、Sunburstは仕上げ専用と考える

先に結論から言うね。

「とにかく数を作りたいならFlare、1枚をじっくり仕上げるならSunburst」——これはGPT Image 2.5のときの使い分けと同じ結論になったよ。2.6でも基本の考え方は変わっていないみたい。

検証の条件

実際に動かした条件はこうだよ。あとで自分で試すときの参考にしてね。

• 実施日：2026年11月5日
• 使ったモデル：gpt-image-2.6-flare / gpt-image-2.6-sunburst（OpenAI の画像生成API、/v1/images/generations を直接呼び出し）
• 画質の設定：low ・medium ・high（quality パラメータ）
• サイズ：1024×1024
• 計測方法：リクエストを送ってから画像データが返ってくるまでの時間を、Pythonのタイマーで実測（キューの待ち時間やネットワークの往復も含む、体感に近い「待ち時間」）
• 試行回数：各設定1回ずつ。生成AIの処理時間は試行ごとにブレることがあるので、下で紹介する「同じ日の別の回」の数字とあわせて参考にしてね

生成速度の実測：公式の「最短6秒」との比較

実際に、同じプロンプト（柴犬の店主がエプロンと鉢巻き姿でラーメン屋のカウンターに立ち、頭上の看板に「本日の限定メニュー 味噌ラーメン」と日本語で大きく書かれているイラスト）で、Flareの画質low・medium、Sunburstの画質medium・highの4パターンを生成して、かかった時間を測ったよ。

FlareはOpenAIの「最短6秒」より少し遅いけど、ほぼ同じ速さ帯だったよ。画質をlowからmediumに上げても、ほとんど時間が変わらないのも分かりやすい結果だね。いっぽうSunburstは画質を上げるほど重くなるのがはっきり出ていて、highだとFlareの実に6倍以上かかったよ。

もう1つ、同じ日の別の回に行った比較がこれだよ。

Flareはどちらの回もほぼ同じ8秒前後で安定していたのに対して、Sunburstは回によって速さが倍くらい違ったよ（medium: 15.7秒→30.03秒、high: 27.4秒→52.64秒）。サーバーの混み具合やプロンプトの複雑さで変わるんだと思う。公式の「最短6秒」みたいな1つの数字をそのまま信じず、自分の使い方で何度か試して目安をつかむのが確実、という実感を持ったよ。

日本語の文字描画：看板の文字は崩れなかった

今回試した範囲では、日本語のテキストはFlare・Sunburstのどちらも、5回の生成すべてで崩れずに描けたよ。上の4枚の検証画像に写っている「本日の限定メニュー」「味噌ラーメン」の木の看板の文字も、毛筆っぽい太字もきれいに読めるよね。

別の日本語テキストのテストも見てみよう。これは「秋の新メニュー 始まりました」というカフェの販促画像を、FlareとSunburstで同時に作らせたものだよ。

どちらも「秋の新メニュー始まりました」「数量限定」の文字が破綻なく描けていて、漢字・ひらがな・カタカナが混ざっていても読みにくさはないよ。違いを挙げるなら、Sunburstのほうが見出しの背景（吹き出し状の縁取り）や光の陰影がやや丁寧に仕上がっている印象。とはいえ文字の正確さそのものはFlareでも十分だったよ。

編集の一貫性：背景だけ・範囲指定した部分だけを変える

GPT-Image-2.6の売りの1つが「編集を繰り返しても崩れにくい」こと。実際に試してみたよ。

まずは背景だけを変える編集。元の画像（ラーメン屋の店内）から、「背景だけ夏祭りの縁日に変えて」と頼んだ結果がこれだよ。

キャラクターの表情・エプロン・ポーズはそのままに、背景だけが祭りの屋台（たこ焼き・かき氷）に変わったよ。FlareとSunburstで屋台の描き込み量に差はあるけど、どちらも「キャラクターを変えない」という条件はしっかり守れていた。

次は、もっと狭い範囲を指定する編集。画像に赤丸で印をつけつつ、指示文では「帽子だけ赤に変えて」と頼んだテストだよ。

おもしろいのは、赤丸で印をつけた場所と、実際に変わった場所（帽子）がわざとズレていること。これは「画像上の目印に引っ張られず、文章の指示を正しく読み取れるか」を見るテストだったみたい。結果は指示文どおり帽子だけが赤くなり、赤丸をつけた場所やほかの部分（顔・エプロン・鉢巻き）は変わらなかったよ。紛らわしい見た目の情報があっても、文章の指示を優先できていたのは好印象だったね。

GIFとSVGの書き出し

API まわりの新機能として確認できたのが、GIF（動く画像）とSVG（ベクター形式）での出力だよ。

まずはGIF。チェフ帽をかぶった柴犬がこちらに手を振る、9コマ・512×512ピクセルのループアニメーションができていたよ。

正直に書くと、これがAPIから一発でGIFファイルとして返ってきたのか、複数枚の画像を生成してつないだものなのかは、今回の検証だけでは確認できなかったよ。OpenAIの発表では、GIFの作成はChatGPTの画面上の機能として案内されていて（前の記事で紹介した「ループするGIFを作って」の機能）、API側の新機能としては明言されていないんだ。動くイラストそのものはちゃんとできていたけど、仕組みについては「未確認」として書いておくね。

いっぽうSVGは、公式にAPIの新機能として案内されている書き出し形式だよ。ロゴ風のアイコンを生成してみたら、こうなったよ。

拡大してもギザギザにならない、本物のベクター画像として出力されていたよ（中身を開くと、四角や丸、曲線を組み合わせたパスのデータになっていて、写真を変換したものではないことが確認できたんだ）。ロゴやアイコンをいろんな大きさで使いたいときに便利そうだね。

料金はいくら？

API料金は、FlareとSunburstで差がなく、GPT Image 2.5から据え置きだよ。

速いか精密かで値段は変わらないから、まずFlareで数を試して、気に入ったものだけSunburstで仕上げ直す、という使い方がいちばん無駄がないと思う。

正直に書く、分かった弱点

良かった点ばかりじゃなくて、気になったところも書いておくね。

• Sunburstのhighはかなり重い。 実測で52.64秒かかった。API を呼び出すプログラム側のタイムアウト設定が短いと、途中で打ち切られる可能性があるから、長めに設定しておく必要があるよ。
• 生成時間は試行ごとにブレる。 同じ日に2回測ったSunburstのmediumだけで15.7秒と30.03秒、約2倍の差があった。公式が出す「最短◯秒」のような数字は、あくまで一例として見たほうがいいよ。
• GIFの仕組みは未確認のまま。 上で書いたとおり、APIから直接GIF形式が返るのか、複数枚をつないだものなのかは分からなかった。今回は1回分の生成物を見ただけなので、断定はしないでおくね。
• どれも1回ずつの試行。 母数が少ないテストなので、「絶対にこの時間になる」という保証はないよ。本番で使う前には、自分のプロンプトと用途で何回か試すのがおすすめ。
• 比べた公式の数字（最短6秒・50%高速化）は別のお題（旅行広告の画像）での結果。 条件が違うものを単純比較しているので、自分の用途ではまた違う結果になりうるよ。

まとめ

GPT-Image-2.6を実際にAPIキーで動かしてみて、Flareは画質を上げても速さがほぼ変わらず安定、Sunburstは精密だけど画質を上げると重くなるという、公式の説明どおりの傾向が実測でも確認できたよ。日本語の文字や、編集時にキャラクターを保つ性能も、今回試した範囲では期待どおりだった。

いっぽうで、公式の「最短6秒」のような数字はあくまで1例で、実際の時間は試行ごとにブレることも分かったよ。自分のプロジェクトで使うときは、まずFlareの画質lowかmediumで小さく試して、仕上げが必要なところだけSunburstに切り替えるのが、時間もお金も無駄にしない使い方だと思う。

モデル自体の基本情報はGPT Imageのモデルページに、発表の全体像はChatGPT Images 2.6の記事にまとめてあるから、あわせて読んでみてね。