画像生成におけるGPT Image 2.5 SunburstとSeedream 5 Proの比較
評価はタスクによって分かれました。プロンプトの細かな制約、多言語の文字表現、人体の正確な描写、広告の構図、構造化されたグラフィックには Seedream 5 Pro を。参照画像を忠実に保つ編集、人物の同一性を維持した衣服の転写、整合性のあるライティング変更、アウトペインティング、シーンを変更しても商品の外観を保つ用途には GPT Image 2.5 Sunburst をおすすめします。個数の指定と属性の対応付けは、両モデルとも同等にこなしました。
機能を並べて比較
| 項目 | GPT Image 2.5 Sunburst | Seedream 5 Pro |
|---|---|---|
| 開発元 | OpenAI | ByteDance |
| Banana Pieでの提供状況 | 利用可能 | 利用可能 |
| 必要クレジット | 30クレジット | 25クレジット |
| 最大解像度 | 4K | 2K |
| 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Seedream 5 Proが優位右は、指定された半分の液量と控えめで物理的に自然な反射をより忠実に再現しています。一方、左は左上からの光がより明確ですが、ボトルの液量が多すぎ、反射も強く出ています。
- ボトルがちょうど1本で、余計なものがないこと：引き分け。どちらの画像にも、濡れたむき出しの石の上に直立する透明な長方形の香水ボトルが1本だけ写っており、文字、ロゴ、植物、独立した物体は見当たりません。
- 琥珀色の液体が半分まで入っていること：右が優れています。右では琥珀色の液体がボトル本体のおよそ下半分を占めていますが、左のボトルは半分を明らかに超えて入っているように見えます。
- 一貫性のある屈折と反射：右が優れています。右の控えめな反射はボトルの真下に現れ、ガラスの縁も背景を一貫して歪ませています。左では反射がはるかに明るく広範囲に広がり、厚いガラス底の周辺にも視覚的に複雑な歪みがあります。
- 左上からの光と接地影：左が優れています。左上方向からの明確なハイライト、左向きのガラス面の明るい縁、それに対応して右へ伸びる影があります。右の光はより柔らかく正面寄りで、指定された方向と接地影がやや不明瞭です。
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
この条件ではSeedream 5 Proが優位右は指定された4行構成のポスターを正確に再現していますが、左は誤って1行目を折り返しています。
- 中央揃えのテキストがちょうど4行で、ほかのテキストがないこと：右が優れています。右は中央揃えの4行のみを表示していますが、左は「MOONLIGHT MARKET」を2行に分けているため、見えるテキストが5行になっています。
- 文言と順序が正確であること：右が優れています。右の4行は、指定どおり「MOONLIGHT MARKET」、「月光市集」、「18 OCT」、「RIVER HALL」の順に並んでいます。左も文言と順序は同じですが、「MOONLIGHT MARKET」が「MOONLIGHT」と「MARKET」の別々の行に分かれています。
- 指定された色：引き分け。どちらも「月光市集」を赤、英語と数字のテキストをすべて黒で表示しています。
- 可読性、間隔、配置：総合的に右が優れています。どちらも読みやすく中央揃えですが、右は指定された各項目を1行に収め、よりコンパクトでまとまりのある配置になっています。左は最初の項目が大きすぎて折り返され、4行構成が崩れています。
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
この条件ではSeedream 5 Proが優位指の本数、人体構造、手と粘土の接触がより明確で自然なため、総合的には右の画像が優れています。
- 完全に見える手がちょうど2つあり、余分な手や人物がいないこと：引き分け。どちらの画像にも陶芸家が1人、手がちょうど2つ写っており、ほかの手や人物はいません。どちらも、器に触れている指の一部が自然に隠れています。
- 各手に自然な形の指が明確に5本ずつあること：右が優れています。右では親指を含め、各手の5本の指をそれぞれ識別できます。左では粘土に覆われた指が大きく重なり、親指も判別しにくいため、正確な本数を視覚的に確認しづらくなっています。
- 指、関節、粘土との接触が解剖学的に自然であること：右が優れています。右では一方の手が器の内側を押し、もう一方が外側を支えており、指の曲がり方や関節の位置も自然です。左の指は不自然に長く、密集してほぼ平行に並び、両手とも器を押し込んでいるため、成形姿勢としてやや不自然です。
- 粘土の器、回転するろくろ、成形動作が明確に認識できること：右が優れています。どちらも器とろくろは明確ですが、右は一方の手で内側を成形しながら、もう一方の手で外側を支える標準的な連携動作がより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 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、指定された個数、属性、配置、取っ手の向きに関する4つの基準をすべて満たしています。目に見える違いはスタイル上のものであり、評価基準には影響しません。
- オブジェクトの個数と配置：引き分け。どちらの画像にも、左側に一列に並んだ赤い立方体がちょうど3個、右側に青い球体が2個、手前のオブジェクトの後ろ中央に黄色いマグカップが1個、はっきりと描かれています。
- 色、形状、素材の対応関係：引き分け。どちらも、木目のような表面の質感が見える赤い立方体、青く透明なガラス状の球体、光沢のある黄色い陶器の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、取っ手はマグカップの右側に明確に取り付けられ、右方向へ伸びています。
- 余分なオブジェクトやテキストがないこと：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Seedream 5 Proが優位右は指定された構成を保ちながら、テキスト制限を正確に守っています。左は靴を右下に配置する点では優れていますが、目に見える「AERO」という追加テキストはプロンプトへの明確な違反です。
- 銀色の靴がちょうど1足あり、オレンジ色の軌跡があること：左が優れています。左では銀色の靴が1足だけ右下に明確に配置され、オレンジ色の軌跡が左下から入り、曲線を描いてシーン内へ伸びています。右にも銀色の靴が1足だけあり、オレンジ色の軌跡が左下から伸びていますが、靴の位置は中央右寄りです。
- 目に見えるテキスト：右が優れています。右に見えるテキストは「RUN LIGHT」と「42 KM」だけで、どちらも正しく綴られています。左も「RUN LIGHT」と「42 KM」を正しく表示していますが、靴に「AERO」も見えるため、ほかのテキストを入れないという要件に違反しています。
- 上部の余白と見出しの配置：引き分け。どちらも上部のおよそ指定された範囲に視覚的な余白を残し、その空白部分のすぐ下に「RUN LIGHT」を左上寄せで配置しています。
- 視認性と情報の優先順位：引き分け。どちらも見出し、バッジ、軌跡、1足の靴がすべて見える状態を保ち、見出しと靴を中心とする明確な優先順位を示しています。
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Seedream 5 Proが優位右は指定された構造を正確に再現していますが、左は要求されていないプランの値を追加しており、追加テキストを禁止する明示的な制約を満たしていません。
- 基準1：引き分け。どちらも正確なタイトル「CHOOSE YOUR PLAN」と、「STARTER」、「PRO」、「TEAM」というラベルが付いたちょうど3列を表示しています。
- 基準2：右が優れています。どちらも「PROJECTS」、「STORAGE」、「SUPPORT」というラベルが付いた、位置の揃った3行を表示していますが、右は指定された行ラベルだけを表示しているのに対し、左はその横に値を追加しています。
- 基準3：引き分け。どちらも各列に「SELECT」と書かれた青いボタンがちょうど1つずつあります。
- 基準4：右が優れています。右は3列が均等に揃い、追加テキストもありません。左は「3」、「5 GB」、「Email」、「10」、「50 GB」、「Priority」、「Unlimited」、「1 TB」、「24/7」を追加しており、追加テキストを禁止する要件に違反しています。
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 2.5 Sunburstが優位総合的には、左の編集結果が優れています。どちらも指定された物を正しく対応付けていますが、左のほうが元の構図と置き換え後の配置を忠実に保っています。右の主な強みは、2個のレモンの見た目がより正確な点です。
- マグカップとナプキンの置き換え：左が優れています。濃紺のマグカップは、参照画像の金色の縁を再現しながら、元のマグカップが占める大きな面積、位置、取っ手の向きをより忠実に維持しています。縞模様のナプキンも、元のタオルを折り畳んだときの範囲とほぼ同じ場所を占めています。右も両方の置き換えが分かるように描写されていますが、マグカップは小さく、ナプキンはよりコンパクトになっています。
- オレンジとノートの置き換え：左が優れています。どちらも洋梨と青いノートを取り除き、葉付きのオレンジ1個と黒いゴムバンド付きのマスタードイエローのハードカバーノートに置き換えていますが、左のほうが元の右端に寄ったノートの配置と見切れ方を保っています。
- 2個のレモン：右が優れています。参照画像6と同じく、マグカップの右側にちょうど2個のレモンが接するように置かれ、左側のレモンに付いた葉も再現されています。左もちょうど2個のレモンをおおむね正しい位置に配置していますが、葉がなく、レモン同士の間隔が広くなっています。
- 元のシーンの維持：左が優れています。フレーミング、天板の写る範囲、目立つ木の節、暖かい光、元の物の配置が、参照画像1により近く保たれています。右はノートを大きく内側かつ上方へ移動させ、物の大きさや間隔の変化も目立ち、天板の照明がより平坦になっています。
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 2.5 Sunburstが優位どちらも文字をきれいかつ正確に置き換えていますが、左は元の構図とシーンを保ち、指定箇所だけを編集するという要件に、はるかに忠実に従っています。
- 正確な文字の置き換え：どちらも「NIGHT OWL」を正確に描写しており、「MORNING BEAN」の痕跡は見当たりません。この項目は同等です。
- 文字の完全性：どちらも「NIGHT OWL」の意図された文字だけを表示しており、余分な文字、重複、字形の崩れはありません。この項目は同等です。
- 書体、文字間隔、遠近感：左のほうが参照画像に近く、縦長の大文字サンセリフ体、広い文字間隔、看板の縦横比、元の視点をより忠実に保っています。右も似た文字表現ですが、フレーミングと見かけ上の看板の形状が明らかに変わっています。
- 素材、照明、シーンの維持：左が大幅に優れています。緑の木製看板、建物の正面、照明、窓、植物、ベンチ、影、全体の構図がほぼ変わらず保たれているためです。右は店舗の正面と周辺のシーンの多くを、明らかに構図変更・再構成しています。
参照画像
使用したプロンプトと設定
プロンプト
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
複数参照による人物の同一性維持と衣装転写
この条件ではGPT Image 2.5 Sunburstが優位衣服の転写は、総合的に左が優れています。主な理由は、人物をはるかに忠実に維持し、参照ジャケットの特徴的な仕立てを大幅に多く再現していることです。
- 人物の同一性の維持：左が優れています。顔、表情、髪の位置、頭の大きさ、手のポーズ、体の比率、フレーミングが参照画像1に極めて近く保たれています。一方、右は顔立ちと表情がわずかに変わり、人物がより細く、遠くにいるように見えます。
- ジャケットの再現度：左が優れています。参照画像2のライトブルーのデニム、厚手のクリーム色のボア襟、ブロンズ色のボタン、先のとがったフラップ付き胸ポケット、縦向きの下部ポケット、縫い目の配置、袖の赤いパッチをより忠実に再現しています。右は前を開けた着こなしに変更し、目に見える仕立ての細部をいくつか省略または変更しています。
- 完全な置き換え：両者は同等です。どちらも黒いスーツジャケットを完全に取り除き、ゴーストマネキンや商品撮影用の白い背景を持ち込むことなく、元のグレーの室内背景を維持しています。
- 物理的な整合性：左がわずかに優れています。曲げた腕に沿って袖に自然なしわが寄り、前合わせの下部付近では手がジャケットの上に正しく重なり、衣服にも元のシーンと同じ柔らかい指向性のある光が当たっています。右にも整合性はありますが、開いた前身頃と変化した胴体の形状が、元のポーズやフィット感からより大きく離れています。
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.
一貫性のあるシーン再照明
この条件ではGPT Image 2.5 Sunburstが優位左が明確に優れています。参照シーンと物をはるかに忠実に維持しながら、より印象的で空間的な整合性のあるゴールデンアワーの光へと変更しています。
- 左の窓から暖かなゴールデンアワーの光が明確に差し込んでいるか：左が優れています。低い位置の太陽が左の窓越しにはっきりと輝き、室内全体に強い黄金色の光をもたらしています。右も左の窓から暖かい光が差していますが、屋外の太陽が光源であることはそれほど明確ではありません。
- ハイライトと影の向きが新しい光源に整合しているか：左が優れています。窓枠と葉の影が壁を右方向へ伸び、テーブルと植物の影は窓から離れる方向に落ち、左を向いた面にハイライトが現れています。右も全般的には整合していますが、壁に投影された大きな影がやや単純化されて見えます。
- 一様な黄色のカラーフィルター以上の変化があるか：左が優れています。床、ラグ、ソファ、壁、テーブルに、局所的な日だまり、明瞭な投影影、明るい縁のハイライト、場所によって異なる明るさが加わっています。右も光の方向を反映した効果を加えていますが、シーン全体がより一様にオレンジがかっています。
- 家具や装飾品が移動、追加、削除、デザイン変更されていないか：左が大幅に優れています。ソファ、テーブル、ラグ、植物、鉢、照明、窓、部屋の形状が参照画像とよく一致しています。右は構図を明らかに変更し、ソファの比率とクッション、コーヒーテーブル、ラグ、植物、鉢、ランプシェードなど、複数の物のデザインを変えています。
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 Sunburstが優位左は自然に風景を拡張しながら、参照画像を中央に据えた構図をより忠実に保っています。右は周囲の風景をきれいに生成していますが、中央配置の要件を満たさず、元の構図の変化もより目立ちます。
- 最終出力の形式と左右への拡張：どちらも16:9の横長画像で、砂浜、海、空が左右に自然に広がっており、レターボックスの帯はありません。この項目は同等です。
- 元画像が中央に配置され、引き伸ばされていないか：左は拡張後のフレームでも小屋とシーンを中央に保っています。右は小屋がキャンバスの中心から明らかに左へずれているため、左が優れています。
- 元の小屋、海岸線、画像内の構図が変わっていないか：左は小屋の大きさ、風雨にさらされた細部、ドアの金具、海岸線の位置、全体の比率が参照画像により近くなっています。右は小屋の細部を単純化・変更し、画像内の構図全体を左へ移動させているため、左が優れています。
- 継ぎ目、鏡像による埋め合わせ、物の反復：どちらの拡張部分も空、海、砂浜に滑らかにつながっており、目に見える縦の境界、明らかな鏡像、物の重複はありません。この項目は同等です。
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 2.5 Sunburstが優位左は参照画像のスニーカーをより忠実に維持しながら、夕暮れの濡れたバスケットボールコートだとはっきり分かる、物理的にも説得力のあるシーンに配置しています。
- 夕暮れの濡れた屋外バスケットボールコートとしての説得力：左が優れています。バスケットゴール、コートに引かれたライン、水たまり、投光器、夕焼けの空が明確に描かれています。右も夕暮れのフェンスに囲まれた濡れたコートを描いていますが、バスケットボールコートと視覚的に分かる手がかりは左ほど強くありません。
- シルエット、ソール形状、ステッチ、素材、カメラアングルの一致：左が優れています。全体の輪郭、つま先の形、層状のソール、前部のひし形模様のバンパー、パネルの縫い目、靴ひもの配置、斜め横からのアングルが、参照画像に特に近く保たれています。右も良好ですが、アッパーとソールの比率はわずかに忠実さで劣ります。
- 側面の黒い幾何学マークの維持：左が優れています。後方へ水平に伸びる部分、上向きの枝、下向きの斜線が、参照マークの接合部、角度、太さ、比率をより忠実に保っています。右は上向きの枝が短く見え、下向きの枝の位置もやや異なります。
- 接地影、濡れた面への反射、夕暮れの照明の物理的な整合性：総合的には左が優れています。ソールは地面にしっかり接地し、濡れたコートには夕焼けと投光器の光が説得力をもって反射し、夕暮れの暖かい光がシーンに自然になじんでいます。右は靴の映り込みがより明瞭ですが、その反射は不自然に暗く、靴の下に映る形状の整合性も劣っています。
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.
コストと処理時間
GPT Image 2.5 Sunburstは30クレジットから、Seedream 5 Proは25クレジットから利用できるため、初期コストはSeedreamの方が低くなります。今回の少数サンプルによるレイテンシ測定では、1シナリオあたりGPT Image 2.5 Sunburstは約69～155秒、Seedream 5 Proは約39～141秒でした。これは今回の実行結果であり、一般的なベンチマーク速度を示すものではありません。
比較方法と開示事項
シナリオごとに1つの固定プロンプトを使用し、各モデルでそれぞれ1回実行したうえで、生成された出力をそのまま公開しました。これは再現可能な固定プロンプトによる比較であり、どちらのモデルもBanana Pieで提供されています。
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。