画像生成におけるGPT Image 2とGPT Image 2.5 Flareの比較
結果はタスクによって分かれました。構造化されたグラフィック、オブジェクトや商品の忠実な保持、正確なテキスト編集にはGPT Image 2がおすすめです。照明、広告の構図、シーンのライティング変更、アウトペインティングにはGPT Image 2.5 Flareが適しています。タイポグラフィ、人体の正確さ、数の再現は引き分けでした。
機能を並べて比較
| 項目 | GPT Image 2 | GPT Image 2.5 Flare |
|---|---|---|
| 開発元 | OpenAI | OpenAI |
| Banana Pieでの提供状況 | 利用可能 | 利用可能 |
| 必要クレジット | 20クレジット | 25クレジット |
| 最大解像度 | 4K | 4K |
| 参照画像 | 最大8枚 | 最大8枚 |
シーン別比較
同じプロンプト、2つのモデル。以下の公開画像で違いを比較してください。
商品の素材感とライティング
この条件ではGPT Image 2.5 Flareが優位どちらの出力もプロンプトに忠実ですが、右の画像は半分まで入った液体の量がより明確で、左上からの照明もより判別しやすくなっています。内部チューブにわずかな歪みはあるものの、これらの利点を上回るほどではありません。
- 透明な長方形の香水ボトルが1本だけあり、テキスト、ロゴ、追加のオブジェクトがない：引き分け。どちらの画像にも、何も置かれていない濡れた石の上に直立した長方形のボトルが1本だけ描かれており、文字、ブランド表示、植物、独立した小道具は見当たりません。
- ボトルに琥珀色の液体が半分まで入っている：右が優秀。右の液面はボトル内部のほぼ中間にありますが、左は半分よりやや多く入っているように見えます。
- ガラスの屈折と濡れた黒い石への反射が物理的に整合している：左が優秀。左はガラスの縁、琥珀色の透過光、位置の揃った反射が一貫して見えます。右は内部チューブが明らかに湾曲し、ボトル底部付近の光学的な歪みも不規則です。
- 左上からの照明によるハイライトが一貫し、接地影も自然である：右が優秀。明るい左側のハイライトと、暗い右側へ伸びる接地感のある影によって、左上からの光の方向が特に明確に表現されています。
使用したプロンプトと設定
プロンプト
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
多言語タイポグラフィ
用途による評価基準上、どちらの出力も実質的に同じです。文言、順序、色は正しく再現されていますが、どちらも指定された1行目を明らかに2行へ分割しており、正確に4行ではなく5行になっています。
- 中央揃えのテキストが正確に4行あり、ほかのテキストがない：引き分け。どちらのポスターも「MOONLIGHT MARKET」が「MOONLIGHT」と「MARKET」に分割され、目に見えるテキストが5行になっています。追加の文言はどちらにもありません。
- テキストと順序が正確である：引き分け。どちらも「MOONLIGHT」、「MARKET」、「月光市集」、「18 OCT」、「RIVER HALL」を指定された順序で描画していますが、「MOONLIGHT MARKET」を1行に収められていません。
- テキストの色：引き分け。どちらも「月光市集」は赤、目に見える英語テキストはすべて黒で描画しています。
- 可読性、間隔、配置：引き分け。どちらのポスターも文字が鮮明で読みやすく、中央揃えで、縦方向の間隔もおおむね均等です。明確な視覚的優位性はありません。
使用したプロンプトと設定
プロンプト
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
人体構造と接触表現
用途によるプロンプトで厳密に指定された手と指の見え方については左が優れていますが、人体構造と成形時の接触表現は右のほうが説得力があります。評価基準全体では、これらの利点が釣り合っています。
- 完全に見える手が正確に2つあり、余分な手や人物がいない：左が優秀。どちらの画像にも人物が1人と手が正確に2つ描かれていますが、左は両手がより完全に見えています。右では指の大部分がボウルの内側や背後に隠れています。
- 各手に自然な形の独立した指が正確に5本ある：左が優秀。左では各手の5本の指をより明確にたどれますが、右は指の重なりや遮蔽があるため、正確な本数を確認しにくくなっています。
- 指、関節、粘土との接触が解剖学的に自然である：右が優秀。内側と外側からつかむ手がボウルの壁面に自然に沿い、指の並びにも説得力があります。左では、いくつかの指先が密集して見えるほか、粘土と部分的に融合しているように見えます。
- 粘土のボウル、回転するろくろ、成形動作が明確に認識できる：右が優秀。どちらもボウルとろくろが目立っていますが、右は両手を向かい合わせに配置することで、実際に成形している動作がより明確に伝わります。
使用したプロンプトと設定
プロンプト
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
数量表現と属性の対応付け
用途によるどちらの画像も4つの基準をすべて満たしており、指示への準拠度に明確な差はありません。オブジェクト数、属性の対応、配置、取っ手の向き、背景の簡潔さはいずれも実質的に同等です。
- オブジェクトの数と配置：引き分け。どちらの画像も、左側に赤い立方体が正確に3個一列に並び、右側に青い球体が正確に2個あり、その後ろの中央に黄色いマグカップが1個あることを明確に確認できます。
- 色、形状、素材の対応：引き分け。どちらも、わずかに質感のある赤い木製の立方体、透明で反射のある青いガラス球、光沢のある黄色い陶器製マグカップを描いています。
- マグカップの取っ手の向き：引き分け。どちらの画像でも、マグカップの右側に取っ手がはっきり見えます。
- 追加のオブジェクトやテキストがない：引き分け。どちらの画像にも、目に見える余分なオブジェクトやテキストはありません。
使用したプロンプトと設定
プロンプト
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
広告構図
この条件ではGPT Image 2.5 Flareが優位右は、見出しが上部の空き領域のすぐ下という指定位置により近いため、要求されたレイアウトをより忠実に再現しています。それ以外はどちらも同程度の出来で、靴に「AERO」と表示したことで、両方ともテキスト制限に違反しています。
- 銀色の靴とオレンジ色の軌跡がそれぞれ正確に1つある：引き分け。どちらの画像も右下に銀色の靴が1足あり、オレンジ色の軌跡が左下から入り、シーン内を曲線状に伸びています。
- 目に見えるテキスト：引き分け。どちらも「RUN LIGHT」と「42 KM」を正しく描画していますが、靴にも「AERO」とはっきり表示しています。そのため、指定された2つだけを表示するという要件をどちらも満たしていません。
- 上部の余白と見出しの配置：右が優秀。どちらも上部をすっきり空けていますが、右は「RUN LIGHT」をその確保された領域のすぐ下に近い位置へ配置しています。左は見出しまでにかなり広い空白があります。
- 視認性と優先順位：引き分け。どちらも見出し、バッジ、軌跡、1足の靴が完全に見えており、見出しと靴を中心とした明確な視覚的優先順位を確立しています。
使用したプロンプトと設定
プロンプト
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
構造化されたUIグラフィック
この条件ではGPT Image 2が優位左はプロンプトに正確に従っていますが、右は追加のテキストを表示しないという明示的な要件に違反しています。
- タイトルと列：引き分け。どちらも「CHOOSE YOUR PLAN」という正確なタイトルと、「STARTER」、「PRO」、「TEAM」とラベル付けされた正確に3つの列を描画しています。
- 行：引き分け。左右どちらの各列にも、「PROJECTS」、「STORAGE」、「SUPPORT」とラベル付けされた3つの整列した行があります。
- ボタン：引き分け。左右どちらの各列にも、「SELECT」と表示された青いボタンが正確に1つあります。
- 配置と追加テキスト：左が優秀。どちらも列は均等に揃っていますが、右にはプラン詳細として「5」、「10 GB」、「Email」、「25」、「100 GB」、「Priority」、「Unlimited」、「1 TB」、「24/7」というテキストが追加されています。左には追加のテキストがありません。
使用したプロンプトと設定
プロンプト
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
6点の参照画像によるオブジェクト対応付けと編集
この条件ではGPT Image 2が優位元のシーンの構図と置き換えた物の位置をより忠実に保っているため、編集全体では左が優れています。右は参照画像にある2個のレモンをより正確に再現していますが、全体的に配置のずれが大きいため、左が優勢です。
- 評価基準1：左がやや優れています。どちらもマグカップとタオルを正しく置き換えていますが、左は元のマグカップの位置、大きさ、右向きの持ち手をより忠実に保ち、折り畳んだストライプ柄のナプキンもタオルがあった場所に正確に配置しています。
- 評価基準2：左がやや優れています。どちらもオレンジがちょうど1個とマスタードイエローのハードカバーノートが描かれ、元の4つの物は残っていません。ただし、左のほうがオレンジとノートを参照画像1の洋ナシと青いノートの位置に近く配置しています。
- 評価基準3：右が優れています。どちらもマグカップの右にレモンをちょうど2個配置していますが、右は左側のレモンの葉を残しており、参照画像6の組み合わせをより忠実に再現しています。左ではその葉が省かれています。
- 評価基準4：左が優れています。特にマグカップ、オレンジ、ノートの大きさと配置が参照画像1により近く、テーブル面のフレーミング、目印となる木目、照明、影も維持しています。右では、置き換えた物のいくつかが元の位置からより大きくずれています。
使用したプロンプトと設定
プロンプト
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
画像内テキストの置換
この条件ではGPT Image 2が優位どちらの出力も、指定された置き換えをきれいに実行しています。文字の大きさが元の看板により近い点で左がわずかに優れていますが、それ以外の目視できる評価基準では実質的に互角です。
- 正確なテキストの置き換え：どちらも正確に「NIGHT OWL」と表示されており、「MORNING BEAN」の痕跡は見られません。
- 文字の崩れがないこと：どちらも「NIGHT OWL」の意図された文字だけが表示されており、余分な文字、重複した文字、形の崩れた文字はありません。
- フォント、文字間隔、遠近感：左は文字の高さと太さが元の看板の書体により近く、参照画像にわずかに忠実です。右は置き換えた文字がやや大きくなっていますが、どちらも看板の遠近感にきれいに沿っています。
- 素材、照明、シーンの保持：両者は互角です。どちらも濃い緑の木目、クリーム色の文字、落ちる影、照明器具、店先、植物、周囲の日差しを保っており、シーンに目立った変更はありません。
参照画像
使用したプロンプトと設定
プロンプト
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
一貫性のあるシーン再照明
この条件ではGPT Image 2.5 Flareが優位右は部屋の配置を維持しながら、場所に応じた光と影をより明確に表現しており、ライティングの変更に一貫性と説得力があります。
- ゴールデンアワーの暖かな光が左の窓から明確に差し込んでいること：右が優れています。左の窓から明るい日差しがはっきりと差し込み、床、ラグ、ソファ、壁に強い光の帯を作っています。左も暖かな光に包まれていますが、室内を横切る光の筋はそれほど明確ではありません。
- ハイライトと影の方向が新しい光源に対して一貫していること：右が優れています。窓枠の影、植物の影、ソファの陰影、テーブルの脚の影、床に伸びる長い影が、いずれも左の窓から離れる方向に伸びています。左も壁の影には方向性がありますが、床や家具の影は柔らかく、変更が全体に十分反映されていません。
- 単に一様な黄色のフィルターをかけた仕上がりではないこと：右が優れています。局所的なハイライト、窓の形に投影された光、深い影、面ごとに変化するコントラストが加わっています。左も実際に方向性のある光を加えていますが、シーンのより広い範囲にほぼ一様な琥珀色の色味がかかっています。
- 家具や装飾品の移動、追加、削除、デザイン変更がないこと：両者は互角です。どちらも参照画像の構図を保ち、窓、植物と鉢、ソファ、コーヒーテーブル、ラグ、フロアランプの位置とデザインを維持しています。
参照画像
使用したプロンプトと設定
プロンプト
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
異なるアスペクト比へのアウトペインティング
この条件ではGPT Image 2.5 Flareが優位右はフレーミングと左右の拡張が参照画像の構図をより忠実に保ち、つながりの自然な風景に仕上がっているため、全体ではわずかに優勢です。ただし、小屋の一部の細部は左のほうが忠実に維持しています。
- 16:9の形式と自然な左右の拡張：右がやや優れています。どちらも横長で、砂浜、海、空を左右に拡張していますが、右は途切れのないすっきりとした水平線を保っています。左は右端の遠景に小さな陸地を追加しています。
- 元の画像全体を切り抜きや引き伸ばしなしで中央に保持：右がわずかに忠実です。どちらも小屋全体を中央に配置していますが、右は屋根、水平線、波打ち際の上下位置を参照画像により近く保っています。一方、左は構図が下にずれています。
- 元の小屋、波打ち際、画像内の構図を変更しないこと：小屋の細部では左がやや優れており、見えているドアの蝶番、ノブ、風化の跡、各部の比率をより忠実に保っています。どちらも、波打ち際の正確な形や雲の模様は参照画像から変わっています。
- 目に見える継ぎ目、左右反転による埋め合わせ、物の繰り返しがないこと：右がやや優れています。どちらにも明らかな左右反転や繰り返しは見られませんが、右は海と空の拡張部分が左右の端でより均一につながっています。左は右端の陸地によって、拡張部分の一貫性がやや損なわれています。
参照画像
使用したプロンプトと設定
プロンプト
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
シーン変更時の商品再現性維持
この条件ではGPT Image 2が優位左は参照画像のスニーカーをより忠実に保ちながら、指定された夕暮れの濡れたコートのシーンにも自然になじませています。右は環境をより明確に表現していますが、素材の描写とスニーカーの映り込みの弱さにより、元の商品の保持と物理的な整合性で劣ります。
- 夕暮れの濡れた屋外バスケットボールコート：右が優れています。ゴール、フェンス、コートのライン、濡れた路面、夕焼け空、反射するコートの照明によって、指定された場面がより明確に伝わります。左も説得力はありますが、より暗く、前景全体ではコートらしさが視覚的に伝わりにくくなっています。
- シルエット、ソールの形状、ステッチ、素材、カメラアングルの一貫性：左が優れています。シルエット、パネルの比率、ステッチのライン、ソールの輪郭、つま先の質感、見る角度が参照画像に非常に近く保たれています。右は主な構造を維持していますが、比率がわずかに変わり、目立つ水滴によって元のすっきりした素材感が覆われています。
- 側面の黒い幾何学的マークの保持：左が優れています。マークの接合部、後方に伸びる水平部分、上に伸びる短い枝、下に伸びる長い枝が、参照画像の形により忠実です。右のマークも判別できますが、やや太く、中央の接合部付近が詰まって見えます。
- 接地部分の影、濡れた面への映り込み、夕暮れの照明の整合性：左が優れています。ソールにはしっかりした接地感があり、濡れた路面にはスニーカーの映り込みがはっきりと見え、前景の寒色寄りの光も夕暮れの環境に合っています。右も接地感が強く、夕焼けの反射は魅力的ですが、スニーカー自体の映り込みはほとんど確認できず、輪郭を照らす明るく暖かな光が周囲の照明から想定されるよりもやや強くなっています。
参照画像
使用したプロンプトと設定
プロンプト
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
複数参照による人物の同一性維持と衣装転写
使用したプロンプトと設定
プロンプト
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
コストと処理時間
GPT Image 2は20クレジットから、GPT Image 2.5 Flareは25クレジットから利用できるため、1回の生成に必要なクレジットが少ないのはGPT Image 2です。今回の小規模なレイテンシサンプルでは、シナリオごとの所要時間がGPT Image 2で約81秒から190秒、GPT Image 2.5 Flareで約71秒から101秒でした。これは今回の実行結果を示すものであり、一般的なベンチマークではありません。
比較方法と開示事項
各シナリオで同一の固定プロンプトを使用し、モデルごとに1回ずつ生成したうえで、出力をそのまま公開しました。Banana Pieでは両モデルへの有料アクセスを提供しています。
Banana Pieでは、このモデルを他のモデルとともに1つのスタジオで有料提供しています。評価は、ユーザーと同じ生成環境で実施したテストに基づいています。