hiapi 上的 gpt-image-2-pro：価格、品質ティア、そして新しい画像モデルの呼び出し方

今月 hiapi の /api/pricing エンドポイントが更新され、2 つの新しいエントリが画像モデル一覧の先頭に躍り出ました：gpt-image-2-pro と gpt-image-2-image-to-image-pro です。どちらも紫色の「Pro」バッジを備え、モデルセレクターの最上部に固定され、価格は標準の gpt-image-2 呼び出しの 10 倍を超えています。すると当然の疑問が湧きます：いったい何に対して支払っているのか、と。

本記事では、Pro バリアントが実際に何であるか、リアルタイムの価格マトリクスがどうなっているか、そして hiapi の統一タスク API を通じてそれらを呼び出す方法を一つずつ説明します。既存のパイプラインでフレームごとに $0.35 を余分に払うべきか迷っているなら、以下が計算すべき勘定です。

---

価格ページにおける「Pro」の意味

2 つの新しいエントリは、公式価格データにおいて自らを「高品質安定ティア」と記述しています——安定性を最優先とするティアで、平均的に良好なだけでなく、成功率とレイテンシが予測可能であることを要求する本番運用向けに構築されています。

この表現は見た目以上の重要性を持っています。1 回 $0.03 の標準版 gpt-image-2 は、探索、バッチ拡散、そして「100 枚のうち数枚の失敗は再生成が安いから問題ない」といったあらゆるシナリオに最適です。Pro は、1 枚の失敗画像のコストが余分な 10 ドルの計算資源より高くつくときに選ぶバリアントです——一発でクリーンに仕上げる必要があるスケジュール済みのマーケティングレンダリング、次の試行では公開ウィンドウを逃してしまう有料広告クリエイティブ、公開を止めているキービジュアルなどです。

画像から画像への Pro バリアントにはさらに能力が加わります：プロンプトに加えて1〜5 枚の参照画像を受け取り、それらを編集、合成、またはスタイル変更します。同じ安定性の約束、同じ Pro ティア、ただ入力形態が異なるだけです。

---

リアルタイム価格マトリクス

執筆時点でリアルタイム価格ページと照合して確認済み——このページが唯一の信頼できる情報源であり、以下の数字はそこから直接取得しています：

モデル	1K（1024 級）	2K	備考
gpt-image-2（標準、テキストから画像）	$0.03	$0.04	探索ティア；4K も提供
gpt-image-2-pro（テキストから画像）	$0.35	$0.70	安定性ティア、固定で第 1 位
gpt-image-2-image-to-image-pro	$0.40	$0.80	1〜5 枚の参照画像、編集 / 合成

いくつかの実用的な解釈：

• Pro は 1K で標準の約 12〜14 倍、2K で約 17〜21 倍。これは実に大きな予算差です。この特定の画像になぜ Pro が必要かを説明できないなら、おそらく標準版が必要です。
• 2K は Pro にとってきれいな 2 倍の乗数。一部の画像ベンダーが高解像度の追加料金に逓減戦略を採るのとは異なり、Pro バリアントはきれいに倍増し、予測しやすくなっています。
• 画像から画像は両ティアでテキストから画像より約 14% 高い（1K で $0.40 対 $0.35、2K で $0.80 対 $0.70）。追加の参照画像処理に対して支払っています。

比較として、標準版 gpt-image-2 は異なる形態を採ります：1K = $0.03、2K = $0.04（1.33 倍乗数）、4K = $0.06（2 倍乗数）。標準バリアントは 4K ティアを提供します；Pro バリアントは現在最高 2K ですが、ピクセルあたりの忠実度は著しく高くなっています。生の解像度が必要なら、標準版 4K が大きなキャンバスを得る最も安い経路であり続けます；一貫した本番級の品質が必要なら、Pro 2K が選択肢です。

---

Pro が価値に見合うとき

Pro ティアは安定性への賭けであり、魔法の画質ボタンではありません。元が取れるシナリオはすべて同じ形をしています：再生成のコストが高く、レンダリング失敗のコストが非対称である。

以下の場合は Pro に支払う価値があります：

• 画像が顧客向けインターフェースに納品され、次のバッチの前に審査される（有料広告、マーケティングメール、メディアキット、店舗のキービジュアル）。
• 小さなレンダリング群の中でキャラクターや製品の一貫性を保つ必要があり、1 フレームのブレも許容できない。
• 責任を負うべき安定性 SLA がある——既知の時間枠内に使用可能な画像を生み出さなければならない定時タスク。
• 下流のパイプラインが高コスト：人手によるレビュー、ブランド承認、手動レタッチ。入力側で 1 枚あたり少し多く払う方が、悪いレンダリングをチェーンの下流に送り込むより割に合う。

以下の場合は標準版を使い続ける：

• 大規模な拡散（50、500、5000 枚の画像）を実行し、出力をスコアリングして選別している。
• プロンプトを探索しているのであって、納品しているのではない。下書きに Pro を使うのは金の無駄。
• 画像が非クリティカルなインターフェース（ブログ本文の補填、社内スライド、開発テスト素材）に存在し、再生成がワンクリックで済む。

画像から画像 Pro バリアントの適用範囲はより狭い：ブランドが気にする参照素材——製品写真、デザイナーが承認したキャラクター設定画、キャンペーンのムードボード——があり、参照素材のハイライトを壊さない編集が 1 回必要なとき、ほぼ常に正しい選択です。$4,000 の製品撮影のライティングを 12 のバリアントで一貫させるのに $0.40 を払うのは、明らかに割の合う話です。

---

hiapi からモデルを呼び出す

両方の Pro バリアントは hiapi の統一タスク API を使用します：POST /v1/tasks でタスクを作成してタスク ID を返し、GET /v1/tasks/:id で状態を報告し、成功時に output[] 内にダウンロード可能な画像 URL を返します。プロンプトは input に渡します（画像から画像の場合は、1〜5 枚の参照画像 URL も渡します）。

テキストから画像 Pro

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2-pro",
    "input": {
        "prompt": "A pristine editorial magazine cover composition: a single "
                  "matte glass sphere resting on a polished dark slate plinth, "
                  "refracted interior architecture, studio key light, fine-grain "
                  "film texture, premium dark fashion-magazine aesthetic.",
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("hero.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

2K を出力するには、"resolution": "2K" を設定します（そして素材に必要なアスペクト比を選択します）。課金エンジンはきれいに乗算します——1 回の呼び出しで $0.70。

画像から画像 Pro

画像から画像バリアントは input_urls 配列で 1〜5 枚の参照画像 URL を受け取ります。参照画像はホストされた URL です——画像がディスク上にある場合は、アクセス可能な場所（オブジェクトストレージ、あなたの CDN）にアップロードしてリンクを渡してください。

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2-image-to-image-pro",
    "input": {
        "prompt": "Restyle the product photo into a vintage Polaroid look: "
                  "warm tones, soft vignetting, retain product silhouette and "
                  "logo placement exactly. Magazine-grade output.",
        "input_urls": ["https://your-cdn.example.com/reference-product.png"],
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("restyled.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

本番トラフィックについて知っておくべき 2 点：

• 1 回の Pro レンダリングはエンドツーエンドで 60〜120 秒かかります。非同期フローは待機中に接続を占有しないことを意味します——数秒ごとにポーリングするか、作成呼び出し時に callback.url を設定して、終端状態になったら hiapi があなたのサーバーに通知するようにします。
• サーバーレスワーカーのフロントエンドから呼び出す場合は、taskId を永続化し、ポーラーまたはコールバックに結果を取得させてください——Pro 生成の間ずっと 1 回の呼び出しを開いたままにしないでください。

---

実用的なルーティングパターン

すでに $0.03 で gpt-image-2 を運用しているチームにとって、Pro を採用する最もクリーンな方法は、標準ティアをデフォルトとして維持し、タスクのマークされた一部だけを Pro にルーティングすることです。最小限のパターン：

def pick_model(job):
    if job.get("tier") == "hero" or job.get("brand_critical"):
        return "gpt-image-2-pro"
    if job.get("reference_image"):
        return "gpt-image-2-image-to-image-pro" \
            if job.get("brand_critical") else "gpt-image-2/image-to-image"
    return "gpt-image-2/text-to-image"

送信時にタスクにタグを付けます（1 つのフィールド、1 つのブール値）。そうすれば請求額は予測可能なままです。Pro バリアントはそうして正確なツールとして機能し、デフォルトの選択肢にはなりません——まさにそれが設計された形です。

---

簡潔版

gpt-image-2-pro と gpt-image-2-image-to-image-pro は「より良い gpt-image-2」ではありません。それらは同じモデルファミリー内の安定性ティアのエントリです——「1 回の失敗レンダリングのコストが 10 回の良好なレンダリングより高い」という一部のタスクのために構築されています。$0.03 の標準版は探索とバッチ処理において依然として勝者です。$0.35（参照画像付きなら $0.40）の Pro は、画像そのものが納品物であり、下書きではないときに選ぶものです。

価格ページでリアルタイムの数字を確認し、本当に安定性を必要とするタスクをマークし、それに応じてルーティングしてください。両モデルとも POST /v1/tasks で応答します——既存の gpt-image-2 ワーカーがすでに使用しているのと同じタスク形態です。