GPT Image 2 レビュー：実際に触れてみた率直な感想

GPT Image 2 は2026年4月下旬にリリースされ、ほぼ完璧な文字レンダリング、4K出力、組み込みの推論能力という自信満々のキャッチコピーを掲げていました。6週間にわたり、私たちはこれを実際の制作タスク——ポスター、製品写真、インフォグラフィック、ポートレート、複雑な多要素シーン——に投入し、発表時のデモよりも明確な知見を得ました。

結論を短く言えば、あの看板に掲げられた約束は確かに通用します。意外だったのは主にコストと品質のトレードオフ、そしてリリース時に語られなかった制限事項です。これはあらゆるタスクで他のあらゆる選択肢を圧倒するモデルではありませんが、その輪郭ははっきりしています——一度その輪郭が見えれば、ワークフロー上の問題は自ずと明らかになるでしょう。

---

テスト設定

私たちはGPT Image 2を、他のどんな画像モデルをテストする場合にも使うのと同じ種類のタスクでテストしました：製品写真（カタログ画像とライフスタイル画像）、中英語の宣伝ポスター、インフォグラフィック、ソーシャルメディアのカバー、UIワイヤーフレーム、エディトリアルなポートレート、そして細部まで作り込んだ多要素シーンです。すべての生成はhiapiプラットフォーム上で1Kと2Kの解像度で実行し、選別は一切していません——各プロンプトにつき一度だけ生成し、その一度の結果を評価しました。

以下に示すいくつかの出力は、私たちが実際に使っているプロンプトテンプレートから直接得たもので、ご自身でどれかを検証したい場合も、比較は再現可能です。

---

通用する部分

文字レンダリングこそが真のアップグレード

これは看板機能であり、その宣伝にふさわしい出来です。英語の大見出し、日中韓の書道、画像内の値札、ラベル文字、インフォグラフィックの説明文——GPT Image 2はほぼすべてのケースで一発目から正しくレンダリングします。

上の比較（左がGPT Image 2、右がGPT Image 1.5）では、密な文字を重ねる作業の違いは拡大しなくても見て取れます。前世代モデルは小さな説明文を潰したり、字母の形をでっち上げたりしましたが、GPT Image 2は綴りと字間を安定して保ちます。

モデルは適切な推論も行います。引用符付きのタイトルがある「高級ポスター」を求めたとき、モデルは小さなブランドのモノグラムと「EST. 2024」の一行を追加しました。私たちが要求したわけではありませんが、手作りの雰囲気と調和しています。こうした文脈を踏まえた補足は画像モデルでは稀です——ほとんどのモデルは要求された通りに厳密にレンダリングするか、勝手に幻覚を見るかのどちらかです。GPT Image 2は有用な中間地点に位置しています。

文字レンダリングが具体的に何ができて何ができないかをより深く知りたい方は、私たちの文字レンダリングのストレステストをご覧ください。

フォトリアリズムは商業用途の制作基準に到達

製品写真——すりガラス、セラミックの表面、柔らかな布地、金属の縁——において、出力は本物の製品撮影のように読めます。プロンプトで指定したライティング設計（三点式のスタジオ照明、サイドライト、柔らかな指向性の窓光）には、正しい影とハイライトが表現されます。特にすりガラスとマットなセラミックは、旧世代の画像モデルが持つややプラスチック的な質感ではなく、正確な素材感を呈します。

ライフスタイル構図——製品を主役にし、添え物の小道具を添える——も同様に通用します。「主役の物体」はシャープに中央に保たれ、添え物の要素（ニットのブランケット、開いた本、植物）は正しい被写界深度の面に位置し、主役を食うことはありません。窓光は適切な柔らかさと暖かな色調を描き出します。

複雑なシーンでも一貫性を保つ

多くの画像モデルはプロンプトが長くなると制御を失い始めます——複数の物体を特定の空間位置に固定したり、シーン全体で素材の区別を保ったりすることです——が、GPT Image 2は秩序を保てます。「左に[X]、中央に[Y]、右に[Z]」といった空間的な手がかりは遵守されます。午後の黄金色の陽光が窓から差し込み、正しい影の長さと塵の粒子の表現を生み出します。テラコッタの鉢、モンステラ、織物のラグ、木製の本棚、ニットのスロー、暖かな光のフロアランプは、すべて配置された位置にとどまっています。

これはエディトリアルなイラストレーション、インテリアの可視化、そしてシーン全体を一目で読み取る必要があるあらゆる作業にとって重要です。

日中韓の文字と混在言語テキスト

英語の文字が正しくレンダリングされることはすでに確認しました。日中韓の書道はさらに難しく、ほとんどの画像モデルはいまだに失敗します。GPT Image 2は違います——筆致、字形の比率、印章の位置が、中国語と日本語の文脈の両方で適切にレンダリングされます。私たちのNano Banana 2との比較では、GPT Image 2は要求されていないにもかかわらず、茶道のポスターに文化的に適切なフレーズ（一期一会、和敬清寂）を加えました。

---

通用しない部分

前世代より遅い

これが最大の意外な点です。GPT Image 1.5は1枚の生成に18～36秒かかります。GPT Image 2は1K解像度で平均約107秒かかり、複雑なプロンプトでは120秒を超える生成もあります。およそ3～5倍遅いのです。

インタラクティブなワークフロー——Playgroundでプロンプトを試したり、Zoomでクライアントと反復したりする場合——では、この遅延は体感できます。バッチワークフロー——タスクを投入して後で結果を取りに戻る場合——では、スループットの損失は許容範囲です。しかしこれは実質的な後退であり、マーケティング上の脚注ではなく、このモデルの使い方に影響を与えるべきものです。

当時の自然な使い分けは、GPT Image 1.5でプロンプトのバリエーションを反復し、最終生成のためにGPT Image 2に切り替えるというものでした。現在1.5はプラットフォームから退役しているため、約107秒をワークフローに織り込むか、最終レンダリングに投資する前にgpt-image-2-beta（1枚あたり$0.02）で安価な下書きを一巡させてください。

透明背景は非対応

GPT Image 2は透明背景に対応していません。background: "transparent"を含むリクエストは直接失敗します——優雅な縮退はありません。ワークフローがPNGの切り抜き（エクスポート用のロゴ、合成用の製品マスク、ソーシャルメディアのステッカー）に依存しているなら、別のモデルか、背景除去の後処理ステップが必要です。これは任意の挙動ではなく、現在のモデルのハードな制約です。

写真家であって、アーティストではない

GPT Image 2のデフォルトの美学は写実性とエディトリアルな洗練に傾きます：整った構図、映画的なライティング、写真のような被写界深度。これは商業制作——製品画像、マーケティングビジュアル、ブランドイメージ——には完璧です。しかし、ルーズで絵画的な、実験的あるいは抽象的な出力を求めるなら、あまり理想的ではありません。

上の比較（左がGPT Image 2、右がGPT Image 1.5）では、同じプロンプトが2つの異なる雰囲気を生み出しました。GPT Image 2はドラマチックな影と深い暗部のコントラストを追求します。GPT Image 1.5は暖かなイラスト調の色調を追求します。どちらが「より良い」ということはなく——異なる作業に向いているのです。

あなたの作業が絵画的なイラストレーション、水彩、あるいは不完全さから恩恵を受ける何かを必要とするなら、古いモデル——あるいはまったく別の画像モデル——のほうがGPT Image 2より適しているかもしれません。

ポートレートは時にやや「AI生成」に見える

ほとんどの被写体において、GPT Image 2のフォトリアリズムは本物の写真と区別するのが難しいほどです。しかしクローズアップのポートレートでは、モデルは時に、まさに完璧に対称すぎる顔——目の間隔が寸分の狂いもなく、肌のテクスチャがやや均一すぎる——を生成し、本物の写真として完全には読み取れなくなります。本物のポートレートカメラは非対称性を捉えますが、画像モデルは非対称性を能動的に選択して導入しなければなりません。

これはGPT Image 2固有の失敗パターンではありません——あらゆるフォトリアルな画像モデルが多かれ少なかれこの問題を抱えています——が、ポートレート中心のコンテンツを制作するなら知っておく価値があります。自然なポートレートのリアリズムという点では、Nano Banana 2のほうが本物の写真らしく見えることが多く、その代わり1枚あたりの価格がほぼ3倍高くなります。

---

価格の現実

hiapi上では、GPT Image 2の価格は1K解像度で1枚あたり$0.03——GPT Image 1.5より40%安い（後者は2026年6月の退役前は$0.05でした）。フラッグシップモデルとしては異例の位置づけです：ほとんどの「新世代」モデルは割増料金を取ります。GPT Image 2はむしろ安く取ります。

2Kと4K出力では倍率が適用されます（それぞれ1.33倍と2倍、つまり1枚あたり$0.04と$0.06）。完全な価格詳細（品質ティア別の内訳やコスト削減戦略を含む）については、GPT Image 2の価格解説をご覧ください。

この価格帯では、実際のワークフローにとってコストが本当の制約になることはほとんどありません。時間のほうが制約です。毎日500枚を生成するチームは$15を費やします——しかし直列で実行すると、それらの生成が完了するのを待つのに約15時間の実時間を費やします。それに応じてバッチ処理と並列処理を行ってください。

---

誰が使うべきか

GPT Image 2は以下のシーンに適した選択です：

• 文字の正確さが極めて重要な商業制作——ポスター、パッケージ、インフォグラフィック、ソーシャルメディアのカバー、画像内のラベル。文字レンダリングは看板機能であり、しかも信頼できます。
• ECやマーケティング用の製品写真——GPT Image 2で製品メイン画像を制作する完全なパイプラインについては、私たちのエンドツーエンドのECワークフローをご覧ください。
• 長尺のエディトリアルな構図——室内シーン、多くの空間要素を含むシーン、「デザインされた」出力から恩恵を受けるあらゆるコンテンツ。
• 日中韓を含む多言語の文脈——書道、混在言語のポスター、国際的なマーケティングビジュアル。
• 1枚あたりのコストが重要な高頻度作業——この品質帯では、1K解像度で1枚$0.03はhiapi上で最も低い価格です。

以下の場合は他を探してください：

• 高速な反復サイクルが必要。1枚107秒はリアルタイムのプロンプトワークフローには遅すぎます。（GPT Image 1.5はかつてここでのより高速な代替でした；退役した今は、Playgroundで既存製品ラインのレイテンシを先にテストしてから投資し、より安価なgpt-image-2-betaで下書きを走らせてください。）
• 透明背景が必要。非対応です。他のモデルを使うか、後処理を行ってください。
• 絵画的なあるいは実験的な美学を求めている。GPT Image 2のデフォルトスタイルは写実寄りです；古いモデルや他の画像モデルのほうがスタイルの分散は大きくなります。
• 完全に本物の写真として読めるポートレートのリアリズムが必要。時にわずかなAI的な対称感が現れます。専用のポートレートモデルのほうが適しているかもしれません。

---

よくある質問

GPT Image 2はGPT Image 1.5より優れていますか？

文字レンダリング、フォトリアリズム、複雑なレイアウトにおいては——はい、明らかに優れています。速度とルーズで絵画的な美学においては——いいえ、古いモデルが勝ります。ほとんどの実際のワークフローは両方を利用可能にしておくことで恩恵を受けます：GPT Image 1.5は高速反復に、GPT Image 2は完成出力に。

「遅い」とはどれくらい遅いのですか？

1K解像度で1枚あたり平均約107秒です。複雑なプロンプト（大量の文字、密なシーン、高解像度）では120秒を超えることがあります。対してGPT Image 1.5は約20秒でした。コストは低いが、実時間は長くなります。

GPT Image 2は透明背景に対応していますか？

いいえ。透明背景を含むリクエストは失敗します。PNGの切り抜きが必要なら、別途の背景除去ステップか別のモデルが必要です。

文字レンダリングは本当にそれほど向上しましたか？

私たちのタスクにおいては、はい。英語の大見出し、中国語の書道、インフォグラフィックの説明文、画像内の値札——绝大多数のケースで一発目から正しくレンダリングされます。看板の宣伝は通用します。

Nano Banana 2はどうですか？

ほとんどのタスクで文字の正確さは同等で、商業的なフォトリアリズムはやや優れ（特にポートレートと製品写真）、ただし1枚あたりの価格は約2.8倍高く、アスペクト比の要求をしばしば無視します。完全な項目別比較：GPT Image 2 vs Nano Banana 2。

実際に使えるプロンプトはどこで見られますか？

そのままコピー＆ペーストできる12のテンプレートと、それらが実際に生み出す画像：効果のあるGPT Image 2プロンプト。

---

結論

GPT Image 2は商業デザインの働き者のような存在です。文字レンダリングは真のアップグレードであり、フォトリアリズムは製品写真とディテールあるシーンの制作基準に到達し、$0.03の基本価格は高頻度のワークフローを経済的にごくシンプルなものにします。

これらの勝利の代償は生成時間（1枚あたり約107秒、GPT Image 1.5と比べて実質的な後退）と透明背景におけるハードな制限です。この2点を中心にワークフローを計画してください。

完成した商業イメージを制作するほとんどのチーム——ポスター、製品画像、ソーシャルメディアのビジュアル、多言語マーケティング——にとって、GPT Image 2は新たなデフォルトの選択です。GPT Image 1.5の退役後、$0.02のgpt-image-2-betaティアで安価な下書きを走らせ、ツールチェーンに切り抜き用の背景除去ツールを1つ残しておけば、ギャップは埋まります。

GPT Image 2のモデルページからPlaygroundに入り、プロンプトテンプレートから実際の事例を、価格解説からコストを計画してください。