GPT-Image-2.6 Flare/Sunburstを実測比較｜料金は上がった？

OpenAIは2026年11月4日、ChatGPTの画像生成を ChatGPT Images 2.6 へ更新し、API向けの新モデル GPT-Image-2.6 Flare（gpt-image-2.6-flare）と GPT-Image-2.6 Sunburst（gpt-image-2.6-sunburst）を公開しました（APIの変更履歴）。

発表の要点は次の4つです。

• Flare は速さを重視したモデルで、低品質設定なら約6秒で1枚を生成する
• Sunburst は細部の描写と、編集を重ねたときの一貫性を重視したモデル
• 画像を描く前の計画量を決める complexity パラメータ、SVG出力、アニメーションGIF出力 がAPIに加わった
• 100万トークンあたりの単価は、GPT-Image-2.5やgpt-image-2から 据え置き

単価が据え置きなら、費用は変わらないように見えます。ところが実際に生成してみると、同じ品質設定でも1枚あたりの実額はGPT-Image-2.5 Flareの約3.3倍 でした。

先に結論です。今回の計測では、用途ごとに次のモデルが合っていました。

迷ったら、すでに2.5 Flareで足りている経路はそのまま、速さか図解の正確さが要る経路だけ2.6へ替えるのが無難です。

この記事では、2.6の2モデル、OpenAIの旧世代2モデル、GoogleのGemini最新画像モデル（Nano Banana 2.1）の計5モデルを同じ条件で15枚ずつ生成し、料金・生成時間・指示への忠実さを比較します。2026年9月に公開したGPT-Image-2.5の比較記事と同じプロンプト・同じ採点基準を使っているので、前回の結果とも見比べられます。

1. 公式料金：単価は据え置き、Googleは半額のモデルを出した

課金の仕組みは前回と変わりません。OpenAIは入力・出力のトークン数に単価を掛け、Googleは解像度ごとに1枚の価格が決まっています。

OpenAI（100万トークンあたり・Standard）

出典はOpenAIの料金ページです（2026年11月14日時点）。Batch APIは全モデルとも半額です。初代のgpt-image-1は2026年10月23日に提供を終了しました。

2.6・2.5・gpt-image-2の単価は同じです。ただし画像生成ガイドは、単価が同じでも1枚の費用は同じにならないと明記しています。1枚を出すのに消費するトークン数がモデルと品質設定で変わるためです。2.6が何トークンを消費するかの表は、記事執筆時点のガイドには見当たりませんでした。この数字は次章以降で実測します。

Google Gemini（1枚あたり・Standard）

出典はGemini APIの料金ページです。Nano Banana 2.1は2026年10月6日に一般提供が始まったモデルで、1Kの価格は前世代のNano Banana 2のちょうど半額です。前回の記事で「1Kで最も高い」と書いたGemini側は、この2か月で価格の位置が大きく変わりました。

2. 比較方法

前回と同じ、傾向をつかむための軽い計測です。

• 対象5モデル：gpt-image-2.6-flare／gpt-image-2.6-sunburst／gpt-image-2.5-flare／gpt-image-2／gemini-nano-banana-2.1
• 5つの評価軸 × 各3回 = 1モデル15枚、合計75枚
• サイズは全モデル1024×1024。OpenAIは quality: "medium"、Geminiは1K指定
• 2.6の complexity は指定せず、既定値（high）のまま
• 価格 はAPIが返す消費トークン数（usage）に公式単価を掛けて算出。Geminiは公式の1枚価格
• 速度 は1リクエストの往復時間。最大と最小を除いた平均
• 逐次実行：1枚ずつ順番に投げ、反復を外側・モデルを内側にして時刻の偏りが特定のモデルへ寄らないようにした
• 品質 はファイル名を乱数にして、どのモデルの出力か分からない状態で0〜2点で採点

評価軸も前回と同じです。

参照編集の元画像は、前回の計測で使ったものをそのまま5モデルに渡しました。

これとは別に、品質設定（low / high）と complexity（low / medium）を変えた生成を各1枚、GIF出力を3本、SVG出力を2本試しています。こちらは各条件1回ずつなので、参考値として扱います。

3. 結果①：単価は同じでも、2.6の1枚は2.5 Flareの約3.3倍

まず medium での価格です。

2.6は medium で1枚1,449トークンを消費しました。2.5 Flareは同じ medium で439トークンです。単価は同じ$30なので、2.6の1枚は2.5 Flareの約3.3倍の費用 になります。FlareとSunburstの消費トークンは同じで、2モデルのあいだに価格差はありません。

品質設定を変えると、差の出方も変わります（1024×1024・各1枚）。

high は2.5と同額ですが、low は約4.2倍、medium は約3.3倍です。安く大量に作るつもりで low や medium を使っていた経路ほど、2.6へ切り替えたときの費用増が大きくなります。

Nano Banana 2.1は1枚$0.0336で、2.6の medium（$0.0438）より安くなりました。前回は「OpenAIのFlareが最安、Geminiが最も高い」でしたが、今回の5モデルでは 2.5 Flare ＜ Nano Banana 2.1 ＜ 2.6 ＜ gpt-image-2 の順です。

なお、complexity を low や medium に下げても、消費トークンは1,449のまま変わりませんでした。公式ガイドも complexity の変更に追加料金はないとしています。

4. 結果②：Flareは6.6秒で最速、Sunburstはその約3倍

生成時間です（1枚あたり・最大と最小を除いた平均・n=15）。

2.6 Flareは medium で平均6.6秒、今回の5モデルで最速でした。low では5.0秒、high でも6.3秒で、品質設定を上げても時間がほとんど延びません。公称の「約6秒」は low に限らず再現しています。

Sunburstは平均19.2秒で、Flareの約3倍です。high では38.7秒かかりました。Sunburstは complexity を下げると短くなり、low と medium ではどちらも12.8秒でした（各1枚）。Flareは complexity を変えても4.7〜6.4秒の範囲に収まり、差はほぼ見えません。

Nano Banana 2.1は平均16.4秒で、日本語バナーと数量の軸では23秒台まで延びました。前回のNano Banana 2（平均10.5秒）より遅い結果です。計測日も時間帯も違うので、モデルが遅くなったとまでは言えません。gpt-image-2も前回の41.2秒から26.5秒へ縮んでおり、同じモデルでも日によってこの程度は動きます。

5. 結果③：品質はSunburstが一歩前、Flareは2.5 Flareと同点

ブラインド採点の結果です（各軸3枚 × 2点満点 = 6点、合計30点）。

合計はSunburstの27点が最も高く、Flareは2.5 Flareと同じ25点でした。5モデルの差は4点に収まっており、1枚の外れで2点動く計測なので、順位そのものより軸ごとの内訳を見てください。

日本語文字：5モデルとも字形は崩れない

「AI電話受付 導入事例」の文字は、15枚すべてで字形の崩れがありませんでした。日本語の見出しは、どのモデルでも実用の水準です。Nano Banana 2.1は3枚中1枚で、アイコンの横に指示していない「AI」の文字を足しました。また2枚は正方形の画面いっぱいではなく、横長のバナーを余白の中に置く構図でした。

図解：Sunburstだけが3枚とも余計な文字を足さなかった

3枚のカードと矢印、Call / AI / Bookingのラベルは15枚すべてで正しく並びました。差は「ラベル以外の文字を入れない」という指示で出ています。

• 2.6 Sunburst：3枚とも余計な文字なし
• 2.6 Flare・2.5 Flare：チップ型のアイコンの中に「AI」の文字を描くことが多い（Flareは3枚中2枚、2.5 Flareは3枚とも）
• gpt-image-2：3枚中2枚でステップ番号「1・2・3」を追加
• Nano Banana 2.1：3枚中1枚で「STEP 1〜3」を足し、ラベルを大文字に変えた

写実：2.6は2モデルとも"盛る"、忠実なのは今回もgpt-image-2

写実性は5モデルとも高い水準です。差は細かい指示の守り方に出ました。gpt-image-2は3枚とも「背景のPCをぼかす」を守り、足した物も観葉植物だけでした。2.6の2モデルは6枚すべてで、指示していないコーヒーや観葉植物を足し、PCのキーボードが読み取れるほど鮮明に描いています。Flareはノートやペンまで足しました。見栄えは良いのですが、指示どおりの商品写真が欲しい用途では手直しが要ります。この傾向は前回の2.5 Flareと同じで、2.6でも変わっていません。

数量：OpenAIの新しい3モデルは全問正解

「赤3個・青2個」は、2.6の2モデルと2.5 Flareの9枚がすべて正解でした。Nano Banana 2.1は3枚中1枚で赤4個・青2個の計6個を描きました。gpt-image-2は数は合っていたものの、1枚は真上から撮りすぎて1個の色が見えず、指示どおりか確かめられませんでした。

参照編集：2.6・2.5は深緑を再現、gpt-image-2は浅い緑

「マグだけ深緑にして他は変えない」という編集は、15枚すべてで机・光・PC・構図が参照画像と一致しました。差は色です。2.6の2モデルと2.5 Flareは9枚とも深緑でしたが、gpt-image-2は3枚ともくすんだ浅い緑にとどまりました。Nano Banana 2.1は3枚中2枚が深緑で、1枚はやや浅い緑でした。Flareの1枚とNano Banana 2.1の1枚は、色は合っているものの、マットだったマグの表面に艶が出ています。

Sunburstは「編集を重ねたときの一貫性」を売りにしていますが、今回の1回きりの編集ではFlareとの差は見えませんでした。差が出るとすれば、同じ画像に編集を何度も重ねる使い方です。今回はそこまで試していません。

6. GIFとSVG：どちらも1リクエストで出せる

2.6で加わった2つの出力形式を、FlareとSunburstの両方で試しました。どちらも画像生成と同じ /v1/images/generations に、パラメータを足すだけで使えます。

アニメーションGIF：12フレームで約$0.055

「卓上電話が鳴り、受話器が左右に揺れて音波が広がる。最後のフレームは最初の姿勢に戻る」というループ動画を、同じプロンプトで生成しました。指定は512×512・medium・12フレーム・1フレーム120ミリ秒です。

{
  "model": "gpt-image-2.6-flare",
  "prompt": "A seamless looping flat-design animation of a desk phone ringing: ...",
  "quality": "medium",
  "size": "512x512",
  "output_format": "gif",
  "frame_count": 12,
  "frame_duration_ms": 120
}

上がFlare、下がSunburstです。

• 2モデルとも指示どおりのループになった。12フレームの間、電話機の形・色・ボタンの数が変わらず、受話器が傾いて戻り、最後の数フレームは静止します。繰り返し再生しても継ぎ目は目立ちません
• 費用は静止画1枚とほぼ同じ。12フレームのGIFは1,835トークンで、1024×1024の静止画1枚（1,449トークン）の約1.3倍です。フレームごとに1枚分が課金されるわけではありません
• 消費トークンは2モデルで同じ、時間はFlareが半分以下。静止画と同じ傾向です
• 細部は違います。Flareは受話器の左上にも音波を描き、Sunburstは音波を右上の3本にまとめました。指示は「3本の音波」だったので、Sunburstのほうが指示に近い結果です

フレーム数は2〜16、1フレームの表示時間は20〜2000ミリ秒の範囲で指定できます。参照画像を渡して動かしたい場合は、編集のエンドポイント（/v1/images/edits）でも同じ指定が使えます。

SVG：書き起こすモデルの指定が要る

SVGは output_format: "svg" だけではエラーになりました。SVGを書き起こすテキストモデルを svg.model で指定する必要があります。今回は gpt-6.1-terra を指定しました。

{
  "model": "gpt-image-2.6-flare",
  "prompt": "A flat vector logo icon for an AI phone reception service: ...",
  "quality": "medium",
  "size": "1024x1024",
  "output_format": "svg",
  "svg": { "model": "gpt-6.1-terra" }
}

指示は「AI電話受付サービスのロゴアイコン。丸みのある吹き出しの中に受話器、右に3本の音波。色は濃い青（#1E3A8A）と白の2色だけ、文字なし」です。

左がFlare、右がSunburstです（記事にはPNGへ変換して掲載しています）。

• 2モデルとも指示を守った。色は指定した #1E3A8A と白の2色だけで、文字はなく、音波は3本です
• 中身は手で編集できる大きさ。どちらも吹き出し・受話器・音波3本の計5つのパスだけでできており、1KBに収まります。色コードを書き換えるだけで配色を変えられます
• 費用は静止画1枚に約$0.005が上乗せ。SVGは、画像モデルが描いた参照画像をテキストモデルがベクター形式へ書き起こす2段構えです。レスポンスには画像側の usage と別に、書き起こし側の svg_usage が返ります。gpt-6.1-terra（入力$1 / 出力$5）なら上乗せは1枚$0.004〜0.006でした
• 時間は静止画より約10秒長い。書き起こしの分が加わるためです

SVGはスクリプト・外部リソース・埋め込みのラスター画像を含まない静的なベクターとして返ります。編集のエンドポイントはSVG出力に対応していません。

7. どれを選ぶか

15枚の総額と品質合計を並べます。

今回の条件では、次のように選び分けられます。

• 費用を抑えて大量に作る：2.5 Flareのまま。2.6 Flareへ替えると1.6秒速くなる代わりに、費用が約3.3倍になる。今回の採点では品質の差は出なかった
• 待ち時間を最小にしたい対話的な用途：2.6 Flare。high でも6秒台で返るので、品質設定を上げても体感が変わらない
• 図解やラベル入りの画像で手直しを減らしたい：2.6 Sunburst。余計な文字を足さなかったのはSunburstだけだった。Flareと同額なので、19秒を待てるならSunburstを選ぶ理由がある
• 指示どおりの商品写真：gpt-image-2。2.6は2モデルとも小物を足す
• GIFやSVGが要る：2.6の2モデルだけが対応している。出来は2モデルで大きく変わらなかったので、速いFlareから試せばよい
• 1枚の価格を固定で見積もりたい：Nano Banana 2.1。プロンプトや品質設定で価格が動かない

2.5 Flareをすでに使っている経路は、モデル名を2.6へ差し替える前に、費用が3〜4倍になっても見合う理由があるかを確かめてください。記事執筆時点で、2.5の提供終了は告知されていません。

8. 計測の限界

• n=3の軽い計測 です。1枚の外れ値で採点が2点動きます。モデル間の1〜2点差は誤差の範囲と読んでください
• OpenAIは medium を中心に計測 しました。low / high と complexity の変更は各1枚で、品質の採点はしていません。2.5で加わった xhigh / max も対象外です
• GIFとSVGは各条件1回 の生成です。プロンプトも1種類なので、出来と費用は一例として読んでください。SVGを書き起こすモデルは gpt-6.1-terra だけを試しました
• 2.6の消費トークンは実測値 です。公式の表が出ていないため、サイズや今後の変更で数字が変わる可能性があります
• Geminiは1Kのみ です。2K・4Kの価格差と品質差は見ていません
• 採点は編集部のAI（Claude）によるブラインド評価 で、人間の審美評価ではありません。文字・数・構図などの客観的な項目に絞っています
• 単一の時間帯・単一の拠点からの計測です。混雑時の挙動は評価していません
• 生成時間は前回の計測と日が違うため、前回の数字とそのまま比べられるのは価格と採点だけです

9. まとめ

• OpenAIは2026年11月4日に GPT-Image-2.6 Flare / Sunburst を公開した。complexity パラメータ、SVG出力、GIF出力が加わり、トークン単価は据え置き
• ただし 消費トークンが増えた。1024×1024では low が2.5の約4.2倍、medium が約3.3倍、high は同じ。medium の1枚は$0.044で、2.5 Flareの$0.014から上がる
• Flareは平均6.6秒で5モデル中最速。high でも6秒台。Sunburstは同額で平均19.2秒、ブラインド採点は27点で最も高く、図解で余計な文字を足さなかった
• 2.6 Flareの採点は2.5 Flareと同じ25点。写実で指示にない小物を足す傾向は2.6でも残っている
• Nano Banana 2.1は1枚$0.0336 で前世代の半額になり、2.6の medium より安い。数量の誤りと余計な文字で点を落とした
• GIFは12フレーム・512×512が約$0.055（Flareで11.1秒）、SVGは約$0.05（Flareで16.6秒）で生成できた。SVGは書き起こすモデルを svg.model で指定する必要がある

2.6は「同じ単価で速く高機能になった」モデルですが、low と medium では実質的な値上げです。切り替えるかどうかは、速さ・GIFやSVG・図解の素直さのどれが自社の用途に要るかで決まります。まず自社のプロンプトで数枚ずつ生成し、APIが返す usage の消費トークンから1枚の実額を確かめてみることをおすすめします。