画像生成におけるGPT Image 2.5 SunburstとSeedream 5 Proの比較
今回の比較では、プロンプトへの忠実度、タイポグラフィ、人体構造、広告構成、構造化されたグラフィック、衣服の合成においてSeedream 5 Proが優れています。一方、GPT Image 2.5 Sunburstはシーンの再ライティング、異なるアスペクト比へのアウトペインティング、複雑なオブジェクトの対応関係を伴う編集で優位に立ち、個数指定と製品保持のシナリオでは互角でした。
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が優位右に見られるオレンジからレモンへの葉の混同を起こさず、2個のレモンを明確に分けて追加しているため、左がわずかに優れています。要求されたほかの置き換えは、どちらの出力でも同程度に反映されています。
- 基準1：引き分け。どちらの画像にも、濃いネイビーブルーのマグカップと、折りたたまれた緑と白のストライプ柄ナプキンが、卓上の同等の位置にはっきりと描かれています。赤いマグカップや白いタオルは残っていません。元の参照画像が表示されていないため、参照画像との完全な一致は確認できません。
- 基準2：引き分け。どちらの画像にも、オレンジがちょうど1個、マスタードイエローのハードカバーノートが1冊あり、緑の洋梨や青いノートは残っていません。参照画像がないため、元の外観や配置との完全な一致は確認できません。
- 基準3：左が優れています。どちらもマグカップの右側にレモンをちょうど2個描いていますが、右では一方のレモンにオレンジの葉とよく似た目立つ緑の葉が付いており、果物の素材間で属性が混同されているように見えます。左では2個のレモンがどちらも独立し、装飾のない状態で表現されています。
- 基準4：引き分け。どちらも、同様の真上からの構図、木目、照明、影を備えた、一貫性のある木製テーブル上のシーンを保っています。Reference 1が表示されていないため、どちらかがReference 1から完全に変更されていないかどうかは評価できません。
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Seedream 5 Proが優位どちらの出力も指定されたテキストを正しく描画していますが、内部の文字間隔がより一貫して見えるため、右がわずかに優れています。元画像が表示されていないため、元の状態が正確に保持されているかどうかは不明です。
- 正確なテキストと元の文字の削除：引き分け。どちらの看板にも「NIGHT OWL」とだけ明確に書かれ、元のテキストは見えません。
- 追加文字や不正な文字：引き分け。どちらの画像にも「NIGHT OWL」の文字だけが表示され、余分な文字、重複した文字、崩れた文字はありません。
- フォント、文字間隔、遠近感：右が優れています。どちらも看板に沿って配置された同様の大文字サンセリフ体を使用していますが、右は文字間隔がより自然で一貫しています。左の「NIGHT」は文字間が不自然に広くなっています。元画像がないため、正確に保持されているかどうかは確認できません。
- 素材、照明、シーンの保持：引き分け。どちらの看板にも濃い緑色の木目が見え、店舗正面に当たる日光と影も一貫しています。元画像がないため、周囲のシーンが完全に変更されていないかどうかは評価できません。
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.
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Seedream 5 Proが優位衣服のフィット感と合成がより自然なため右が優れていますが、参照画像がないため、最も重要な2つの転写要件を確実に判断することはできません。
- 人物の同一性と構図の保持：Reference 1が表示されていないため、確実には評価できません。顔の同一性、表情、髪、ポーズ、体型の比率、フレーミングを元のポートレートと正確に比較できません。
- ジャケットの再現度：Reference 2が表示されていないため、確実には評価できません。どちらの出力にも、クリーム色のシアリング襟、金属製ボタン、胸ポケット、袖の赤いパッチを備えたライトブルーのデニムジャケットが明確に描かれていますが、元の衣服と正確に対応しているかは不明です。
- 置き換えと参照元の要素の排除：引き分け。どちらも上半身のスーツをデニムジャケットに置き換えており、ゴーストマネキンや白い商品撮影用の背景は含まれていません。
- 物理的な一貫性：右が優れています。開いたジャケットが白いシャツの周囲に自然に垂れ、両手も前で違和感なく重なり、袖のしわとシーンの照明にも一貫性があります。左も不自然ではありませんが、閉じた前身頃が手や下側のボタンの周囲でやや不自然に寄っています。
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が優位左は、局所的なハイライトがより強く、投影される影にも一貫性があり、ゴールデンアワーの再ライティングをより明確かつ空間的に説得力のある形で表現しています。出力だけでは、オブジェクトが保持されているかどうかを確認できません。
- 暖かなゴールデンアワーの光が左の窓から明確に差し込んでいるか：Leftの方が優れています。低い位置の太陽が見え、左の窓から強い暖色の光が差し込んでいるため、ゴールデンアワーの光源がより明確です。一方、Rightも暖色ではあるものの、窓から日差しが入っていることはそれほど明瞭ではありません。
- ハイライトと影の方向が新しい光源に整合しているか：Leftの方が優れています。窓の形をした明るい光の領域、壁に映る葉の影、ソファと床の強いハイライト、テーブルから伸びる長い影が、いずれも左の窓から遠ざかる方向に一貫して伸びています。Rightにも整合性はありますが、床とテーブルの影はより控えめです。
- 単一の黄色いカラーフィルターをかけただけではないか：Leftの方が優れています。直接差し込む金色の陽光、陰になった張り地のニュートラルな色、家具の下部の暗さ、くっきりと投影された影の間に、はっきりとした変化が保たれています。Rightも画面全体を一様に色づけしただけではなく、局所的な照明表現が見られますが、その効果はLeftほど顕著ではありません。
- 家具や装飾が移動、追加、削除、再設計されていないか：元の画像がないため、確実には評価できません。両方の出力には、ソファ、コーヒーテーブル、ラグ、鉢植えの木、フロアランプ、左側の窓など、基本的に同じ一式のオブジェクトが確認できます。
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LEFTは16:9の横長画像を生成しており、直接確認できる形式要件をより適切に満たしています。一方、継ぎ目の自然さは両方とも同程度です。元画像が正確に保持されているかは、出力だけでは判断できません。
- 最終出力の形式と左右のコンテンツ：LEFTの方が優れています。LEFTは明らかに16:9の横長画像で、ビーチ、海、空が左右両側へ自然に続いています。RIGHTも左右への拡張は自然ですが、明らかに16:9より幅が狭くなっています。
- 元画像の保持と中央配置：どちらもキャビンが中央に配置され、明らかな引き伸ばしやレターボックス表示はありません。ただし、元のソース画像全体が別途提示されていないため、トリミングや正確な保持については確実に評価できません。
- キャビン、海岸線、内部構図：元のソース画像がないため、確実には評価できません。LEFTとRIGHTではキャビンと海岸線に目に見える違いがありますが、それだけではどちらの出力が元画像を変更したかは判断できません。
- 拡張部分の完全性：引き分けです。どちらの画像にも明らかな境界の継ぎ目、反転した埋め草、または不自然に繰り返されたオブジェクトはありません。砂浜、波、水平線、雲は、どちらのフレームでも自然につながっています。
参照画像
使用したプロンプトと設定
プロンプト
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
用途によるLeftは指定されたコートの情景と照明をより説得力のある形で表現している一方、Rightはスニーカー自体をよりきれいに保持しています。それぞれ2つの評価基準で優れており、総合的に明確な優劣はありません。
- 夕暮れ時の濡れた屋外バスケットボールコート：Leftの方が優れています。どちらも夕暮れ空の下に濡れたコートを描いていますが、Leftにはバスケットゴール、バックボード、コートのライン、投光器がはっきりと写っており、指定された場面であることが明確です。
- スニーカーの一貫性：Rightの方が優れています。Rightのスニーカーは、素材の表面、ステッチ、パネルの境界、ソールの形状、シルエットがよりきれいで均一です。Leftでは靴の表面全体に密集した水滴が加わり、素材やステッチの一部が見えにくくなっています。
- 側面の黒い幾何学模様：Rightの方が優れています。どちらの模様も同じ枝分かれした角張った形として判別できますが、Rightはエッジがよりきれいで鋭く、比率もより一貫しています。一方、Leftは中央の接合部周辺がやや不均一に見えます。
- 物理的に整合した接地、反射、夕暮れの照明：Leftの方が優れています。接地影はソールの真下に一貫して位置し、暖かな夕日の反射も、画面内に見える低い位置の太陽と整合しています。Rightでは靴の反射がより強く出ていますが、その反射は歪んでいて不自然に暗く、特に前足部の下で顕著です。
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。