本文へスキップ
image 2.5
日本語
制作をはじめる

ChatGPT Images 2.5:Flare と Sunburst の選び方

判断基準ひとつと用途別の表ひとつで、今回どちらのモデルを使うかは決まります。以下ではその判断手順と、選んだ後に各モデルで守るべきプロンプトの要点を、第三者ガイドの実際の作例とともにまとめます。

このページが答えること

ChatGPT Images 2.5(GPT Image 2.5 とも表記されます)は、選べるモデルを1つから2つに増やし、画質は以前の天井の上にさらに2段を追加しました。プロンプトの書き方は変わっていませんが、「今回はどのモデルのどの設定を使うか」が毎回の判断になりました。

本記事の手法と作例は、第三者のガイドである morphic.com の ChatGPT Images 2.5 ガイドによるもので、OpenAI 公式の image prompting ガイドと突き合わせて確認しています。第三者の見解と公式の見解が食い違う箇所は本文で明示し、作例には出典を1枚ずつ記載しています。

公式はパラメータとプロンプトを分けるよう求めています。「透明背景」や「4K」はリクエストのパラメータに書き、プロンプトには画面の内容だけを書きます。この分離は選定にも当てはまり、モデルを選ぶことと画質設定を選ぶことは別の判断で、順序はモデルが先です。

  • 本記事はプロンプトの書き方をすでに知っている前提です。手法の全体は公式プロンプトマニュアルにあり、このページは「選び方」だけを扱います。
  • 第三者のガイドは公開日を 2026年9月8日としています。以下の「速い」「安定する」という記述はすべて第三者の使用観察であり、公式は固定の改善率を示していません。
  • 作例は第三者のガイドによるもので、著作権とライセンスは出典元に帰属します。ここでは出力の違いを示す目的にのみ使用しています。

Flare か Sunburst か:表ひとつで決まる

2つのモデルの違いは機能一覧ではなく、最適化の方向にあります。公式の説明では、Flare は速度を優先する小規模モデルで画質は GPT Image 2 と同等、Sunburst は品質を優先するベースモデルで画質は GPT Image 2 を上回ります。どちらも画像生成、画像編集、透明背景に対応します。

本当の分岐点は「今回の作業に画質の下限があるかどうか」です。下表は公式の説明と第三者の推奨を並べたものです。

  • 速度より先に品質をテストします。順序を逆にすると、速いのに出せない既定値が残ります。
  • モデル名を差し替えるだけの移行は避けます。公式は、難しい編集、正確な文字、顔、製品の形状、透明素材を含む代表的なプロンプトと参照画像を基準として保存するよう勧めています。
  • 編集は個別の手順だけでなく、編集の連続全体を検証します。編集ワークフローの安定性は何ラウンドも重ねて初めて見えます。
観点GPT Image 2.5 FlareGPT Image 2.5 Sunburst
位置づけ(公式)小規模モデル、速度を優先ベースモデル、品質を優先
画質(公式)GPT Image 2 と同等GPT Image 2 より高い
応答時間(第三者)Images 2.0 より最大約 50% 低い生成時間はより長い
第三者が挙げる用途SNS 素材、製品画像、コンセプト案、量をこなすバッチキャンペーンのキービジュアル、レタッチした製品カット、何度も編集する高要求の案件
共通の機能(公式)画像生成、画像編集、透明背景画像生成、画像編集、透明背景

公式が示す順序はひとつだけで、それに従えば十分です。画質がすでに合格している作業は Flare から始めて、どれだけ時間が戻るかを見る。合格していない作業は、まず Sunburst で結果を確立し、その後に同じ基準を Flare が満たすかを再テストします。

ここに落とし穴があり、公式も第三者も同じことを強調しています。ある作業での速度改善が、別の作業でも成立するとは限りません。一律の数字を信じず、自分の作業を両方で測ってください。

選ぶ前に:両モデルが共有する土台

モデルを変える前に、問題がどの層にあるかを確かめます。第三者のガイドによれば、この世代は両方のモデルで4つの点を改善しており、つまりこれらの向上は Flare と Sunburst の選択とは無関係です。

  • ディテールがより鮮明で、光と質感がより自然になりました。
  • 参照画像の人物や物がより完全に保たれます。これは衣装変更や製品画像のような編集が使えるかどうかを直接決めます。
  • 編集を重ねても画面が崩れにくくなり、複数ターンでのずれが減りました(公式は連続編集でのずれを依然として既知の制限に挙げています)。
  • 以前の天井の上に2段(xhigh と max)が加わり、細かい印刷ディテールが必要なときに試せます。

ディテールがぼやける、2ラウンドで似なくなる、といった問題はモデルを変えても解決しません。それはプロンプトと手順の問題で、まず2本のマニュアルを読むべき箇所です。選定は画質と速度のトレードオフにすぎません。

画質設定:モデルを決めた直後の作業

両モデルは同じ設定ラベルを共有しますが、設定が高いほどすべてのプロンプトで良い結果になるわけではありません。第三者の進め方は参考になります。文言は low で反復し、最終版はその作業に本当に必要な設定で1回出します。要件を満たすまで一段ずつ上げ、満たしたら一段戻して下の設定で通るかを確かめます。

  • 公式の順序は、まず上の表でモデルを決め、その後に quality を動かすというものです。
  • 2つのモデルを初めて比較するときは、明示した quality、プロンプト、参照画像、出力サイズをすべて固定します。同じ quality ラベルでも画質と応答時間は同じではありません。
  • xhigh と max は、未達の要件を解決でき、かつ遅延の予算内に収まる場合だけ使います。
設定向いている用途コスト
low下書き、レイアウトの試作、文言の反復最も速い
mediumほとんどの完成品バランスの取れた既定
high小さい文字、密な図解、スライド、人物明らかに遅い
xhigh細かい印刷ディテール、入稿する素材さらに遅い
maxxhigh でも足りないときの最後の手段かなり遅い
auto設定を順に試したくないときの起点モデルが判断します

サイズとコストも選定に影響します

サイズは選定で最も見落とされやすい部分です。同じプロンプトでも 1:1 と 16:9 ではコストが違い、1024 と 4K ではさらに違います。Flare で節約した時間が、不要な正方形の大判1枚で消えることもあります。

  • 最大 4K。各辺は 3,840 ピクセル以下、両辺とも 16 の倍数、長辺と短辺の比は 1:3 から 3:1 の範囲です。
  • 2560x1440 を超える出力は実験的とされています。ワークフローをそれに依存させる前に知っておく価値があります。
  • 同じ画質設定では正方形が最も高くつく形状なので、同じ公称解像度なら 16:9 や 21:9 のほうが 1:1 より安くなります。
  • 形は使う場所で決めます。横長は 16:9、縦長は 9:16。正方形で出してから切らないでください。

作業別の選び方:7つの典型例

ここまでの規則を具体的な作業に落とすと、選定は表引きになります。左が目の前の作業、右が最初に使うモデルです。「最初に」が重要で、1枚目が出た後も「画質が合格したら Flare で時間を詰める」という規則で再テストします。

目の前の作業最初に使うモデル理由
SNS 素材、量をこなすバッチFlare画質の下限が低く数が多いため、遅延がそのまま生産量になります
製品画像、レタッチした製品カットまず Flare。ラベルの文字が甘い、質感が崩れるなら Sunburst へ製品の形状とラベルは参照画像が担うので、まず時間を確保します
コンセプト案、レイアウトの試作、文言の反復Flare + lowこの段階で必要なのは回数で、最終稿ではありません
キャンペーンのキービジュアルSunburst一度で決まる画像なので画質を優先します
小さい文字、密な図解、スライドSunburst + high文字の正確さが必須で、公式も medium と high の比較を勧めています
入稿する素材Sunburst + xhighサムネイルでは見えない問題が原寸で出ます
何度も連続編集し、キャラクターや製品を揃える必要があるSunburst複数ターンの編集は安定性に敏感なので、品質の基準を先に立ててから Flare を再評価します

選んだ後:プロンプトの5つの習慣

モデルが決まれば、出力の品質はプロンプトに戻ります。第三者のガイドはほとんどの問題を5つの習慣に帰着させています。以下はすべてそのいずれかの展開です。

  • 4つ目が最も見落とされます。条件が7つ8つと増えたら、文章ではなくラベル付きのブロックに分け、文言が絡む場合は Include ONLY this text (verbatim): を加えます。モデルの挙動は変わりません。ある要件が長い段落に埋もれるのを防ぐだけです。
  • 公式も同じことを言っています。複雑な依頼は scene、subject、details、constraints の区分けにし、見出しを付けて整理します。結論は一致しています。
習慣具体的な書き方解決する問題
キーワードを並べず、画面を描写する夕暮れの港町のヴィンテージ旅行ポスター形容詞ばかりで中身が空の画像
文字は引用符で書き、何回出すかを指定するタグライン「Yours to Create」は一度だけ文字の誤り、勝手な創作、重複
望まないものを書く美化しない、激しいレタッチをしない、余分な文字を入れないあのテカった AI ポスター感
長い要件はラベル付きのブロックに分けるScene: / Style: / Constraints: / Include ONLY this text:段落の途中に埋もれる要件
1ターンにつき1か所だけ変えるラベルをマットブラックにする。それ以外はすべてそのまま編集を重ねるうちに全体がずれていく

最初のプロンプト:画面を書き、2つを足す

被写体、場面、光を普通の文で書きます。「きれい」「4k」といった語はほとんど効きません。画面に何があるべきかを伝えていないからです。第三者の対比は明快です。

効かないプロンプト効くプロンプト
旅行ポスター、きれい、高品質、4k夕暮れの港町のヴィンテージ旅行ポスター、暖色のフラットな色使い、タイトルは画面上部に横組みで
夕暮れの港町を描いたヴィンテージ旅行ポスター、タイトルが画面上部に横組みされている
第三者の作例被写体、場面、光を一文で伝え、形容詞を並べていません。作例は morphic.com の ChatGPT Images 2.5 ガイドによるものです。

まずこの版を出し、返ってきた結果を見てから、一度に1か所だけ変えます。その後、早めに足すべきものが2つあります。

ひとつ目。写真らしさが欲しければ「写実的な写真」と明示し、構図と質感を書きます。35mm フィルム、目線の高さでの中近景、浅い被写界深度、細かな粒子。レンズやフィルムの表現はスタイルの手がかりであり、モデルが物理パラメータとして再現するものではありません。公式も同じ立場で、カメラの仕様は外観の手がかりで、物理的な再現を保証しないとしています。

ふたつ目。望まないものを書き出します。避けたい定型を名指しすると、あの AI のツヤが引きます。「リアルに」とだけ書いても、たいてい効きません。

画面内の文字とレイアウトを合わせる

出す必要のある文字は引用符でそのまま書き、どこに置くかを述べ、何回表示するかを指定します。この最後の指定が、タグラインがなぜか2回出る、という事態を防ぎます。

6つの品目と価格をプロンプトに書き込んであるから、モデルは勝手に作れません。これが下のメニューボードの要点です。

公式ガイドの完全な書き方(原文)
Billboard text (exact, verbatim): "Fresh and clean". Typography: bold sans-serif, high contrast, centered. Ensure the text appears once and is perfectly legible. No watermarks, no logos.
ベーカリーのメニューボード、6つの品目と価格がチョーク文字で整然と段組みされている
第三者の作例6つの品目と価格をプロンプトに書き込んであるため、モデルが創作する余地がありません。作例は morphic.com によるものです。

4つの要件に曖昧さはありません。文言を引用し、原文どおりと指定し、位置を示し、書体の調子を伝え、最後に他の可能性を閉じます。小さな工夫も効きます。ブランド名や珍しい語が誤られるなら一文字ずつ伝える。文字数は短く保つ。小さい文字が最初に潰れるからです。文字が小さい、または詰まっているときは、最上位が最善と決めつけず、high と xhigh を1版ずつ比べます。

1行の文字が安定したら、もう一段上へ。雰囲気を描写するのではなく、レイアウトの各部分を名指しします。これでモデルに従うべき階層ができます。

レイアウトの階層:雰囲気ではなく各ブロックを名指しする

「コンサートポスター:ヘッドライナーを上部に大きく組み、4組の前座を文字サイズを落としながら下へ並べ、会場と日付を下部に小さく配置する」。こう書けば、相対的な大きさを勘で決めるのではなく、従うべき階層がモデルに渡ります。

ヘッドライナーが上部に大きく、前座が文字サイズを落としながら並ぶコンサートポスター
第三者の作例階層は名指しします。ヘッドライナー、文字サイズを落とす前座、下部の小さな会場と日付。作例は morphic.com によるものです。
各部品に小さなラベルが付いたエスプレッソマシンの断面図
第三者の作例図解では読み手を名指しし、必要なラベルをすべて列挙します。作例は morphic.com によるものです。

図表、スライド、図解はもう一段先です。プロンプトはイラストの依頼ではなく仕様として書きます。納品物を名指しし、実際の数字とラベルを入れ、書体ファミリーを指定し、定型を閉じます。クリップアートを使わない、ストック写真を使わない、装飾的なグラデーションを使わない。報告用のページには横長が合います。凡例、軸、脚注が入る時点で high が下限です。

出力後は読めるかどうかだけでなく、ラベルが正しいかを確認します。公式はチェックリストの最初に「図のラベルとその関係が正しいか」を置いています。

一枚全体ではなく、一か所だけ変える

良い画像を失うのは、たいてい編集の段階です。良い編集プロンプトは、明確な命令ひとつと保持リストという形をしています。

こう書かないこう書く
もっと暗く、もっと高級に。ロゴも少し動かしてラベルをマットブラックにする。光、構図、ラベル上の文字はすべてそのまま
この部屋の椅子を入れ替えて白い椅子だけを木製の椅子に替える。カメラアングル、室内の光、床の影、周囲の物は保つ
同じ配達員で、場面を変えて同じ配達員、赤いジャケットにグレーのマフラー、今は山道にいる。キャラクターを再設計しない
同じ茶缶を並べた2版。ベージュの紙ラベルとマットブラックのラベルで、構図と光は同一
第三者の作例変えたのは1か所だけ。変わったのはラベルで、光と構図はそのままです。作例は morphic.com によるものです。

保持リストは、必要だと思うより長く書くのが正解です。公式の衣装変更の例では、顔、顔の特徴、肌の色、体型、姿勢、表情、髪型、比率、背景、カメラアングル、フレーミング、画質を先に固定し、そのうえで変わってよい箇所を述べます。冗長ではありません。名指ししなかったものは、モデルが自由に解釈してよいからです。

2ラウンド目以降は長くならず短くなるべきです。最初の重いプロンプトの後、次の命令は一行で足ります。「雪の降る冬の夜にする」。直前の結果を入力に戻し、変更は一度にひとつだけ求め、制約が緩み始めたらその制約を言い直します。

それでもずれを追います。触れていない箇所が動いたら、修正を重ねず、直前の採用できた結果へ戻します。領域をピクセル単位で維持する必要があるときは、プロンプトを足すのではなく、承認した変更を元画像に合成するのが誠実な方法です。

キャラクターや製品の一貫性を保つ

一連の画像が同じ世界に見えるべきなら、毎回キャラクターを説明し直して運に任せるのはやめます。まず参照画像を1枚作ります。

背景をきれいにした状態でキャラクターだけを生成し、形、比率、衣装、雰囲気を書き切ります。以降はどの場面でもその画像を入力にし、短い一貫性ブロックで要点を繰り返します。同じ緑のフード付きチュニック、同じ顔の特徴、比率、配色、同じ性格、そしてこのキャラクターを再設計しないこと。

  • 製品も同じ方法です。形状とラベルは参照画像が担い、プロンプトは「様式を変えない」という命令を出します。
  • ブランドのマスコット、シリーズの商品カット、商品詳細ページ用の素材一式が、この方法で揃います。
  • 1回のリクエストで複数枚をまとめて生成できるなら、その機能を使います。まとめて生成した一群のほうが、6回に分けるより安定します。
同じ赤いジャケットの配達員を描いた6コマの絵コンテ、画風が統一されている
第三者の作例6コマすべてで同じ言い回しを使い、1枚の参照画像に固定しています。作例は morphic.com によるものです。

透明背景の切り抜き:設定とプロンプトの両方が要る唯一の手順

透明には2つを同時に満たす必要があります。プロンプトで被写体を切り離す、設定で透明背景を選ぶ、そして PNG か WebP で出力します。JPEG は透明チャンネルを保持できません。

第三者のガイドによる言い回し
製品を完全に透明な背景へ切り離します。中央に配置し、輪郭は鋭く清潔に、ハローやフリンジはなし、アルファの縁はきれいに、四周に十分な余白を取ります。製品の形状とラベルの文字は完全に保持します。単色の背景、情景、チェッカー柄、ドロップシャドウを加えず、製品の様式も変えません。
石の天板に並べたスキンケア用品一式、各ボトルの成分表示が読める
第三者の作例製品画像は2つを同時に守ります。形状とラベルの文字を変えず、強い光の下の表面質感を自然に。作例は morphic.com によるものです。

そのうえでファイルを開いて確認します。目で見るだけでは不十分です。描かれたチェッカー柄は透明ではなく、これは非常によくある失敗です。EC の白背景や商品詳細ページの作業では特に必ず確認します。切り抜いた画像をさらに編集するなら、透明背景を保つという要件をもう一度書きます。自動では引き継がれません。

公式ガイドの対応する指示は、リクエストで background="transparent" を明示し、PNG か WebP で出力し、デコード後のアルファチャンネルを確認する、というものです。髪、ガラス、影、物体の輪郭を重点的に見ます。

切り抜きは選定の中でもっとも画質に敏感な作業でもあります。ラベルや輪郭が甘くなれば作り直しになるため、Sunburst から始める価値があります。

選定の外側:この世代と一緒に加わった4つ

第三者のガイドによれば、今回の更新ではモデル本体に加えて ChatGPT に4つの機能が追加されました。選定の判断は変わりませんが、どちらのモデルを使うにせよ作業の仕方が変わります。以下の記述はいずれも第三者のもので、公式ページが同じ箇所で述べているわけではありません。

  • Sketch:ChatGPT 内で直接描き、その絵を生成の根拠にします。「スケッチのレイアウト、比率、遠近を保ち、素材と光は写実的に、新しい要素や文字を加えない」と一文を添えます。そうしないとモデルはスケッチに従うのではなく、解釈し直します。
  • テンプレート:ポスターやグッズといった定番の形式に起点を与え、追加の問いで細部を埋めます。第三者は現在 Work モードでは使えないとしています。
  • 注釈:画像に直接印を付け、変更の意図を一点へ向けます。エディタの選択ツールは領域で同じことをします。第三者が伝える公式の注意として、選択は常に正確ではなく、変更が指定した範囲の外へ漏れることがあります。
  • プロンプト共有:完成した画像とその背後のプロンプトを一緒に公開し、他人が自分の素材で同じアイデアを試せます。

使う前の4つのチェック

4つを順に確認すれば、ほとんどの問題はそこで止まります。最初の3つは内容、4つ目はファイルそのものです。

  • 文字は正確で読みやすいか。指定した回数だけ出ているか。
  • 図のラベルと対応関係は本当に正しいか。整って見えるだけではないか。
  • 人物の同一性、製品の形、ラベルの文字は編集で保たれているか。
  • 今回の変更は依頼した箇所だけか。気づかないうちに動いた箇所はないか。

透明背景が必要なら、ファイルを開いてアルファチャンネルが実在するか確認します。印刷に回すなら、小さい文字をサムネイルではなく原寸で見ます。「だいたい大丈夫」な設定は、まさにそこで正体を現します。

よくある質問

Flare と Sunburst の本質的な違いは何ですか?

違いは最適化の方向にあり、機能の一覧にはありません。Flare は速度を優先する小規模モデルで、画質は GPT Image 2 と同等。Sunburst は品質を優先するベースモデルで、画質は GPT Image 2 を上回ります。どちらも画像生成、画像編集、透明背景に対応するため、選択は「今回の作業に画質の下限があるかどうか」の判断になります。

一行で決める方法はありますか?

あります。品質がすでに合格している作業は Flare から始めて、どれだけ時間が戻るかを見ます。まだ合格していない作業は、まず Sunburst で結果を確立し、その後に同じ基準を Flare が満たすかを再テストします。順序を逆にすると、速いのに出せない既定値が残ります。

第三者のガイドは最大 50% 速いとしています。その前提で進められますか?

お勧めしません。第三者のガイドは Flare の遅延が Images 2.0 より最大約 50% 低いとしていますが、公式の説明はより慎重です。応答時間はモデル、プロンプト、参照画像、画質設定が一緒に決めるもので、ある作業での速度改善が別の作業でも同じ改善になるとは限りません。50% は方向として扱い、自分の作業で測ってください。

両モデルで画質設定は同じですか?

ラベルは同じで、auto、low、medium、high、xhigh、max です。ただし公式は、同じ quality ラベルでもモデルが違えば画質も応答時間も同じにはならないと明言しています。2つを比較するときは、明示した quality、プロンプト、参照画像、出力サイズをすべて固定してください。そうしないと2つの変数を比べることになります。

正方形の出力が高くつくのはなぜですか?

第三者のガイドによる観察です。同じ画質設定では正方形が最も高くつく形状で、同じ公称解像度なら 16:9 や 21:9 のほうが 1:1 より安くなります。既定で正方形を選ばず、最終的にどこで使うかから形を決めてください。

途中で Flare と Sunburst を切り替えると、同じ画像でも変わりますか?

変わります。連続編集の安定性はこの世代で改善された点ですが、第三者のガイドも、公式が連続編集でのずれを既知の制限として挙げていることを伝えています。比較するときは同じプロンプトと参照画像を保ち、触れていない箇所が変わったら、修正を重ねずに直前の採用できた結果へ戻してください。領域をピクセル単位で維持する必要がある場合は、プロンプトを足すよりも承認済みの編集を元画像に合成するほうが確実です。

比較を読むより、両方を1枚ずつ

両方のモデルはワークスペースのモデル選択に並んでいます。同じプロンプトで1枚ずつ出せば、どんな比較表よりも早く決まります。

GPT Image 2.5 の生成ワークスペースを開く