For the complete documentation index, see llms.txt. Markdown versions of documentation pages are available by appending .md to the page URL.
メインナビゲーション

おすすめ

モデルの選び方

テキストとコード

プロンプト

推論

画像と動画

リアルタイムと音声

特化型モデル

API Dashboard
ChatGPT を試す

画像生成

画像を生成・編集する方法を学びます。

概要

API では、gpt-image-2.5-sunburst と gpt-image-2.5-flare を使って、テキストプロンプトから画像を生成・編集できます。編集の精度を最優先するワークフローには Sunburst を、日常的な用途で高品質な画像をすばやく生成するには Flare を選んでください。画像生成機能は、次の 2 つの API で利用できます。

Image API

Image API には、それぞれ異なる機能を持つ 2 つのエンドポイントが用意されています。

Responses API

Responses API では、会話や複数ステップの処理の一部として画像を生成できます。画像生成を組み込みツールとしてサポートしており、画像の入力と出力をコンテキストに含めることができます。

Image API の機能に加えて、次の機能を利用できます。

  • 複数ターンでの編集：プロンプトを使って、画像の忠実度を保ちながら繰り返し編集
  • 柔軟な入力：画像の入力に、バイトデータだけでなく画像の File ID も使用可能

画像生成ツールを呼び出せるメインモデルについては、対応モデルを参照してください。

適切な API の選択

  • 1 つのプロンプトから 1 枚の画像を生成・編集するだけなら、Image API が最適です。
  • GPT Image を使って、対話しながら画像を編集できる体験を構築する場合は、Responses API を選んでください。

Image API では、model に gpt-image-2.5-sunburst または gpt-image-2.5-flare を直接設定します。Responses API では、トップレベルで対応するメインモデルを選択し、画像生成ツールの model フィールドに gpt-image-2.5-sunburst または gpt-image-2.5-flare を指定します。

どちらの API でも、品質、サイズ、形式、圧縮率を調整して出力をカスタマイズできます。

これらのモデルを責任を持って利用していただくため、GPT Image モデルを使用する前に、 開発者コンソール で API 組織確認 を完了する必要がある場合があります。

木製のテーブルに置かれたベージュのコーヒーマグ

画像の生成

画像生成エンドポイントを使ってテキストプロンプトに基づく画像を作成したり、Responses API の画像生成ツールを使って会話の一部として画像を生成したりできます。

出力のカスタマイズ（サイズ、品質、形式、圧縮率）の詳細は、後述の画像出力のカスタマイズを参照してください。

n パラメーターを設定すると、1 回のリクエストで複数の画像をまとめて生成できます（デフォルトでは、API は 1 枚の画像を返します）。
画像の生成
from openai import OpenAI
import base64

client = OpenAI()

prompt = """
A children's book drawing of a veterinarian using a stethoscope to
listen to the heartbeat of a baby otter.
"""

result = client.images.generate(model="gpt-image-2.5-sunburst", prompt=prompt)

image_base64 = result.data[0].b64_json
image_bytes = base64.b64decode(image_base64)

# Save the image to a file
with open("otter.png", "wb") as f:
    f.write(image_bytes)

複数ターンでの画像生成

Responses API では、画像生成の呼び出し結果をコンテキストに含める（画像 ID だけでも使用できます）か、previous_response_id パラメーターを使うことで、画像生成を伴う複数ターンの会話を構築できます。 これにより、会話を進めながらプロンプトを調整したり、新しい指示を適用したりして、複数ターンにわたって画像を繰り返し改善できます。

Responses API の画像生成ツールでは、対応するツールモデルが、新しい画像を生成するか、会話内の既存の画像を編集するかを選択できます。この動作は、省略可能な action パラメーターで制御します。モデルに判断を任せる場合は action: "auto" のままにし、常に新しい画像を作成する場合は action: "generate" に設定します。コンテキストに画像があるときに必ず編集を行うには、action: "edit" に設定します。

action による画像作成の強制
from openai import OpenAI
import base64

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    input="Generate an image of gray tabby cat hugging an otter with an orange scarf",
    tools=[
        {"type": "image_generation", "model": "gpt-image-2.5-sunburst", "action": "generate"}
    ],
)

# Save the image to a file
image_data = [
    output.result
    for output in response.output
    if output.type == "image_generation_call"
]

if image_data:
    image_base64 = image_data[0]
    with open("otter.png", "wb") as f:
        f.write(base64.b64decode(image_base64))

コンテキストに画像を含めずに edit を強制すると、呼び出しはエラーを返します。生成と編集のどちらを行うかをモデルに判断させるには、action を auto のままにしてください。
複数ターンでの画像生成
from openai import OpenAI
import base64

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    input="Generate an image of gray tabby cat hugging an otter with an orange scarf",
    tools=[{"type": "image_generation", "model": "gpt-image-2.5-sunburst"}],
)

image_data = [
    output.result
    for output in response.output
    if output.type == "image_generation_call"
]

if image_data:
    image_base64 = image_data[0]

    with open("cat_and_otter.png", "wb") as f:
        f.write(base64.b64decode(image_base64))


# Follow up

response_fwup = client.responses.create(
    model="gpt-6-astra",
    previous_response_id=response.id,
    input="Now make it look realistic",
    tools=[{"type": "image_generation", "model": "gpt-image-2.5-sunburst"}],
)

image_data_fwup = [
    output.result
    for output in response_fwup.output
    if output.type == "image_generation_call"
]

if image_data_fwup:
    image_base64 = image_data_fwup[0]
    with open("cat_and_otter_realistic.png", "wb") as f:
        f.write(base64.b64decode(image_base64))

結果

「オレンジ色のマフラーを巻いたカワウソを、灰色の縞模様の猫が抱きしめている画像を生成してください」

猫とカワウソ

「今度はリアルな見た目にしてください」

猫とカワウソ

ストリーミング

Responses API と Image API は、画像生成のストリーミングに対応しています。API が生成途中の部分画像を出力するたびにストリーミングできるため、よりインタラクティブな体験を提供できます。

partial_images パラメーターを調整すると、0～3 枚の部分画像を受け取れます。

  • partial_images を 0 に設定すると、最終画像のみを受け取ります。
  • 0 より大きい値を設定しても、最終画像の生成が先に完了した場合は、リクエストした枚数の部分画像をすべて受け取れるとは限りません。
画像のストリーミング
from openai import OpenAI
import base64

client = OpenAI()


def save_base64_image(filename, image_base64):
    image_bytes = base64.b64decode(image_base64)
    with open(filename, "wb") as f:
        f.write(image_bytes)


stream = client.responses.create(
    model="gpt-6-astra",
    input="Draw a gorgeous image of a river made of white owl feathers, snaking its way through a serene winter landscape",
    stream=True,
    tools=[
        {"type": "image_generation", "model": "gpt-image-2.5-sunburst", "partial_images": 2}
    ],
)

for event in stream:
    if event.type == "response.image_generation_call.partial_image":
        idx = event.partial_image_index
        save_base64_image(f"river-partial-{idx}.png", event.partial_image_b64)
    elif event.type == "response.completed":
        image_data = [
            output.result
            for output in event.response.output
            if output.type == "image_generation_call"
        ]

        if image_data:
            save_base64_image("river-final.png", image_data[0])

結果

部分画像 1部分画像 2最終画像
1 枚目の部分画像2 枚目の部分画像最終画像

プロンプト：フクロウの白い羽でできた川が、静かな冬景色の中を蛇行して流れる、美しい画像を描いてください

修正されたプロンプト

Responses API で画像生成ツールを使用すると、メインラインモデル（例：gpt-5.5）が、より良い結果を得られるようにプロンプトを自動的に修正します。

修正されたプロンプトは、画像生成呼び出しの revised_prompt フィールドで確認できます。

修正されたプロンプトを含むレスポンス
{
  "id": "ig_123",
  "type": "image_generation_call",
  "status": "completed",
  "revised_prompt": "A gray tabby cat hugging an otter. The otter is wearing an orange scarf. Both animals are cute and friendly, depicted in a warm, heartwarming style.",
  "result": "..."
}

画像の編集

画像編集エンドポイントでは、次のことができます。

  • 既存の画像の編集
  • 他の画像を参考にした新しい画像の生成
  • 画像と、置き換える領域を指定するマスクをアップロードして、画像の一部を編集

参照画像を使った新しい画像の作成

1 枚以上の画像を参考にして、新しい画像を生成できます。

この例では、4 枚の入力画像を使い、参照画像にある品物を詰め合わせたギフトバスケットの画像を新たに生成します。

ボディローション石けんお香セットバスボム
バスギフトセット

Responses API では、次の 3 通りの方法で入力画像を指定できます。

  • 完全修飾 URL を指定
  • Base64 エンコードされたデータ URL として画像を指定
  • ファイル ID（Files API で作成）を指定

ファイルの作成

ファイルの作成
from openai import OpenAI

client = OpenAI()


def create_file(file_path):
    with open(file_path, "rb") as file_content:
        result = client.files.create(
            file=file_content,
            purpose="vision",
        )
        return result.id

base64 エンコードされた画像の作成

base64 エンコードされた画像の作成
import base64


def encode_image(file_path):
    with open(file_path, "rb") as f:
        base64_image = base64.b64encode(f.read()).decode("utf-8")
    return base64_image
画像の編集
from openai import OpenAI
import base64

client = OpenAI()


def encode_image(file_path):
    with open(file_path, "rb") as image_file:
        return base64.b64encode(image_file.read()).decode("utf-8")


def create_file(file_path):
    with open(file_path, "rb") as file_content:
        result = client.files.create(file=file_content, purpose="vision")
    return result.id


prompt = """Generate a photorealistic image of a gift basket on a white background
labeled 'Relax & Unwind' with a ribbon and handwriting-like font,
containing all the items in the reference pictures."""

base64_image1 = encode_image("body-lotion.png")
base64_image2 = encode_image("soap.png")
file_id1 = create_file("bath-bomb.png")
file_id2 = create_file("incense-kit.png")

response = client.responses.create(
    model="gpt-6-astra",
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": prompt},
                {
                    "type": "input_image",
                    "image_url": f"data:image/png;base64,{base64_image1}",
                },
                {
                    "type": "input_image",
                    "image_url": f"data:image/png;base64,{base64_image2}",
                },
                {
                    "type": "input_image",
                    "file_id": file_id1,
                },
                {
                    "type": "input_image",
                    "file_id": file_id2,
                },
            ],
        }
    ],
    tools=[{"type": "image_generation", "model": "gpt-image-2.5-sunburst"}],
)

image_generation_calls = [
    output for output in response.output if output.type == "image_generation_call"
]

image_data = [output.result for output in image_generation_calls]

if image_data:
    image_base64 = image_data[0]
    with open("gift-basket.png", "wb") as f:
        f.write(base64.b64decode(image_base64))
else:
    print(response.output_text)

マスクを使った画像の編集

マスクを指定すると、画像のどの部分を編集するかを示せます。

GPT Image でマスクを使用すると、マスクに沿って編集が進むように、モデルに追加の指示が送られます。

GPT Image のマスク処理は、すべてプロンプトに基づいて行われます。モデルはマスクを目安として使用しますが、その形状を完全に正確に反映するとは限りません。

複数の入力画像を指定した場合、マスクは最初の画像に適用されます。
マスクを使った画像の編集
from openai import OpenAI
import base64

client = OpenAI()


def create_file(file_path):
    with open(file_path, "rb") as file_content:
        result = client.files.create(file=file_content, purpose="vision")
    return result.id


fileId = create_file("sunlit_lounge.png")
maskId = create_file("mask.png")

response = client.responses.create(
    model="gpt-6-astra",
    input=[
        {
            "role": "user",
            "content": [
                {
                    "type": "input_text",
                    "text": "generate an image of the same sunlit indoor lounge area with a pool but the pool should contain a flamingo",
                },
                {
                    "type": "input_image",
                    "file_id": fileId,
                },
            ],
        },
    ],
    tools=[
        {
            "type": "image_generation",
            "model": "gpt-image-2.5-sunburst",
            "quality": "high",
            "input_image_mask": {
                "file_id": maskId,
            },
        },
    ],
)

image_data = [
    output.result
    for output in response.output
    if output.type == "image_generation_call"
]

if image_data:
    image_base64 = image_data[0]
    with open("lounge.png", "wb") as f:
        f.write(base64.b64decode(image_base64))
画像マスク出力
プールのあるピンク色の部屋プールの一部に適用したマスクマスク部分がフラミンゴ型の浮き輪に置き換わった元のプール

プロンプト：フラミンゴのいるプールを備えた、日差しが差し込む屋内ラウンジ

マスクの要件

編集する画像とマスクは、形式とサイズが同じである必要があります（ファイルサイズは 50 MB 未満）。

マスク画像にはアルファチャンネルも必要です。画像編集ツールでマスクを作成する場合は、必ずアルファチャンネル付きで保存してください。

白黒画像をプログラムで加工して、アルファチャンネルを追加できます。

白黒マスクへのアルファチャンネルの追加
from PIL import Image
from io import BytesIO

# 1. Load your black & white mask as a grayscale image
mask = Image.open("mask.png").convert("L")

# 2. Convert it to RGBA so it has space for an alpha channel
mask_rgba = mask.convert("RGBA")

# 3. Then use the mask itself to fill that alpha channel
mask_rgba.putalpha(mask)

# 4. Convert the mask into bytes
buf = BytesIO()
mask_rgba.save(buf, format="PNG")
mask_bytes = buf.getvalue()

# 5. Save the resulting file
img_path_mask_alpha = "mask_alpha.png"
with open(img_path_mask_alpha, "wb") as f:
    f.write(mask_bytes)

画像出力のカスタマイズ

次の出力オプションを設定できます。

  • サイズ：画像の寸法（例：1024x1024、1024x1536）
  • 品質：レンダリングの品質（例：low、medium、high）
  • 形式：出力ファイルの形式
  • 圧縮：JPEG 形式と WebP 形式の圧縮レベル（0～100%）
  • 背景：透明、不透明、または自動

size、quality、background は auto オプションに対応しています。このオプションを指定すると、モデルがプロンプトに基づいて最適な設定を自動的に選択します。

サイズと品質のオプション

gpt-image-2.5-sunburst と gpt-image-2.5-flare では、品質設定に xhigh と max が追加されています。どちらのモデルもデフォルトは auto です。以前の GPT Image モデルが対応する品質設定は、high までです。

設定オプション
推奨サイズ1024x1024（正方形）、1536x1024（横長）、1024x1536（縦長）
品質low、medium、high、xhigh、max、auto

どちらのモデルも、1536x864 のような WIDTHxHEIGHT 形式の文字列で任意の寸法を指定できます。幅と高さは 16 の倍数、アスペクト比は 1:3 から 3:1 の範囲である必要があり、どちらの辺も 3840 ピクセルを超えてはいけません。総ピクセル数は 655,360 以上、8,294,400（4K）以下である必要があります。2560x1440 を超える解像度への対応は実験段階です。

どちらのモデルでも、背景を透明にするには、background: "transparent" を設定し、output_format: "png" または "webp" を使用してください。

下書きをすばやく作成するには、quality: "low" を使用してください。最終的な素材を作成する際は、より高い品質設定を比較して、細部の表現、レイテンシ、コストの適切なバランスを見つけてください。

出力形式

Image API は、base64 エンコードされた画像データを返します。 デフォルトの形式は png ですが、jpeg または webp も指定できます。

jpeg または webp を使用する場合は、output_compression パラメータで圧縮レベル（0～100%）も指定できます。たとえば、output_compression=50 を指定すると、画像が 50% 圧縮されます。

jpeg は png よりも処理が速いため、 レイテンシを重視する場合は、この形式を優先してください。

制限事項

GPT Image モデルは高性能で汎用性の高い画像生成モデルですが、次の制限事項に注意が必要です。

  • レイテンシ： 複雑なプロンプトの処理には、最大 2 分かかる場合があります。
  • テキストの描画： 大幅に改善されていますが、テキストを正確に配置したり、鮮明に描画したりすることが依然として難しい場合があります。
  • 一貫性： 一貫性のある画像を生成できますが、複数回にわたって生成する際に、同じキャラクターやブランド要素の見た目を一定に保てない場合があります。
  • 構図の制御： 指示に従う能力は向上していますが、構造が決まっている構図や厳密なレイアウトが求められる構図では、要素を正確に配置することが難しい場合があります。

コンテンツモデレーション

すべてのプロンプトと生成画像は、当社のコンテンツポリシーに従ってフィルタリングされます。

GPT Image モデルによる画像生成では、moderation パラメータでモデレーションの厳しさを調整できます。このパラメータには、次の 2 つの値を指定できます。

  • auto（デフォルト）：年齢によっては不適切となる可能性がある特定のカテゴリのコンテンツについて、生成の抑制を図る標準的なフィルタリング
  • low：制限を緩和したフィルタリング

ブロックされたリクエストとその他のエラーへの対処

画像生成の失敗には、他の API エラーと同じ方法で対処します。HTTP ステータスまたは SDK の例外の種類を確認し、リクエスト ID をログに記録してください。認証、クォータ、レート制限、サーバーのエラーについては、エラーコードガイドを参照してください。一時的なレート制限やサーバーのエラーは、バックオフを適用して再試行してください。クォータエラーや、リクエストの変更が必要な画像生成のユーザーエラーは、自動再試行しないでください。

画像生成の失敗にはユーザーが修正できるものがあり、error.type = "image_generation_user_error" が返される場合があります。これらのエラーでは、プロンプトや入力画像を変更せずに自動再試行しないでください。プログラムで処理する場合は、安定した判別基準として error.code を使用してください。

error.code = "moderation_blocked" の場合、エラーには省略可能な error.moderation_details オブジェクトも含まれることがあります。

{
  "error": {
    "type": "image_generation_user_error",
    "code": "moderation_blocked",
    "moderation_details": {
      "moderation_stage": "input",
      "categories": ["harassment"]
    }
  }
}

moderation_details オブジェクトは、内部の分類器のラベルやスコアを公開せずに、デバッグに役立つ大まかな情報を提供します。

moderation_stage には、次の値が入ります。

  • input：プロンプトまたはリクエストの入力が原因でブロックされました。
  • output：生成画像、または後続の出力モデレーション段階でブロックされました。
  • unknown：ブロックの発生元を特定しにくい場合に、まれに使用される代替値

categories には、公開用の大まかな分類ラベルが含まれます。たとえば、harassment、self-harm、sexual、violence などの値が返されることがあります。

ほとんどのアプリでは、エンドユーザーに表示する主なメッセージは汎用的な内容にしてください。moderation_details は、開発者向けログ、サポートのワークフロー、分析、簡単な修正のヒントに使用してください。

モデレーションでブロックされた画像生成エラーへの対処
import OpenAI from "openai";

const openai = new OpenAI();

try {
  // The same error handling pattern applies to image generation requests,
  // image edits, and Responses API tool calls that generate images.
  await openai.images.generate({
    model: "gpt-image-2.5-sunburst",
    prompt: "Create a poster humiliating my coworker with insulting captions",
  });
} catch (error) {
  if (error?.code !== "moderation_blocked") {
    throw error;
  }

  const moderationDetails = error.error?.moderation_details;
  const categories = moderationDetails?.categories ?? [];
  const stage = moderationDetails?.moderation_stage;

  let hint =
    "This request could not be completed because it did not meet safety requirements.";

  if (categories.includes("harassment")) {
    hint =
      "Try removing abusive or targeting language and focus on neutral visual details instead.";
  } else if (stage === "input") {
    hint =
      "Try revising the prompt or input images and submit the request again.";
  } else if (stage === "output") {
    hint =
      "The generated result was blocked by a safety check. Try changing the prompt and generating again.";
  }

  console.error("Image generation blocked", {
    request_id: error?.requestID,
    code: error?.code,
    moderation_details: moderationDetails,
  });

  console.log(hint);
}

対応モデル

Responses API で画像生成を使用する場合、gpt-5 以降のモデルは画像生成ツールに対応しているはずです。使用したいモデルで画像生成ツールを利用できるかどうかは、そのモデルの詳細ページで確認してください。

コストとレイテンシ

GPT Image 2.5 のコスト

Responses API のリクエストでは、画像生成のコストに加えて、メインモデルのトークン使用量も課金対象になります。

GPT Image 2.5 の両モデルには、同じトークン単価が適用されます。100 万トークンあたり、画像入力は $8、キャッシュされた画像入力は $2、画像出力は $30、テキスト入力は $5、キャッシュされたテキスト入力は $1.25 です。料金を参照してください。

レスポンスの usage を使用して、プロンプト、サイズ、品質設定ごとのトークン消費量を測定してください。トークン単価が同じでも、画像 1 枚あたりのコストが同じになるとは限りません。トークン消費量は、モデルや品質設定によって異なる場合があります。旧モデルの料金例については、「従来の GPT Image モデル」を参照してください。

GPT Image 2.5 と GPT Image 2 の出力トークン

モデル、品質、サイズを選択して、出力トークン数と画像出力のコストを見積もってください。 gpt-image-2.5-sunburst と gpt-image-2.5-flare の品質オプションは、low、medium、high、xhigh、max です。 gpt-image-2 のオプションは、low、medium、high です。 同じ品質設定でも、モデルによって使用するトークン数が異なる場合がありますが、画像出力トークンあたりの単価は共通です。 この見積もりでは、品質とサイズの値を明示的に指定してください。auto の場合は、生成された画像によって決まります。

モデル
品質
出力トークン
196
画像出力の推定コスト
$0.00588

画像出力 100 万トークンあたり 30 USD で計算した、画像 1 枚あたりの料金です。テキストと画像の入力トークン、およびストリーミングの部分画像は含みません。

部分画像のコスト

partial_images パラメータを使用して画像生成をストリーミングする場合、部分画像 1 枚につき画像出力トークンが 100 トークン追加で発生します。

従来の GPT Image モデル

以下の詳細は従来のモデルに適用され、Sunburst や Flare には適用されません。新たに組み込む場合は、上記の GPT Image 2.5 モデルのいずれかを使用してください。

GPT Image 2 の設定と入力忠実度

gpt-image-2 では、以下の制約を満たす任意の解像度を size パラメータに指定できます。通常、正方形の画像が最も速く生成されます。

よく使われるサイズ

  • 1024x1024（正方形）

  • 1536x1024（横長）

  • 1024x1536（縦長）

  • 2048x2048（2K 正方形）

  • 2048x1152（2K 横長）

  • 3840x2160（4K 横長）

  • 2160x3840（4K 縦長）

  • auto（デフォルト）

サイズの制約

  • 最長辺は 3840px 以下

  • 両辺とも 16px の倍数

  • 長辺と短辺の比率は 3:1 以下

  • 総ピクセル数は 655,360 以上、 8,294,400 以下

品質オプション
  • low
  • medium
  • high

  • auto（デフォルト）

入力画像の忠実度

input_fidelity パラメーターは、画像の編集や参照画像を使ったワークフローで、モデルが入力画像の細部をどの程度保持するかを制御します。gpt-image-2 では、このパラメーターを省略してください。このモデルはすべての入力画像を自動的に高い忠実度で処理するため、API ではこの設定を変更できません。

gpt-image-2 は常に入力画像を高い忠実度で処理するため、 参照画像を含む編集リクエストでは、画像入力トークン数が多くなる場合があります。 コストへの影響については、画像認識の コスト のセクションを参照してください。

旧モデルの料金例

gpt-image-2 より前のモデル

gpt-image-2 より前の GPT Image モデルは、まず専用の画像トークンを生成し、それをもとに画像を生成します。レイテンシと最終的なコストは、どちらも画像のレンダリングに必要なトークン数に比例します。画像サイズが大きく、品質設定が高いほど、トークン数は多くなります。

生成されるトークン数は、画像のサイズと品質によって異なります。

品質正方形（1024×1024）縦長（1024×1536）横長（1536×1024）
低272 トークン408 トークン400 トークン
中1056 トークン1584 トークン1568 トークン
高4160 トークン6240 トークン6208 トークン

入力トークンも計算に含める必要があります。これには、プロンプトのテキストトークンと、画像を編集する場合は入力画像の画像トークンが含まれます。 gpt-image-2 は常に入力画像を高い忠実度で処理するため、参照画像を含む編集リクエストでは、入力トークン数が多くなる場合があります。

現在のテキストトークンと画像トークンの料金は、料金ページを参照してください。 リクエストのコストを見積もるには、以下のコストの計算 のセクションを利用してください。

最終的なコストは、以下の合計です。

  • 入力テキストトークン
  • 編集エンドポイントを使用する場合の入力画像トークン
  • 画像出力トークン

コストの計算

以下の料金計算ツールで、GPT Image モデルへのリクエストのコストを見積もれます。 gpt-image-2 は数千通りの解像度に対応しています。以下の表には、 従来の GPT Image モデルと比較できるよう、同じサイズを記載しています。GPT Image 1.5、 GPT Image 1、GPT Image 1 Mini については、従来の画像 1 枚あたりの出力料金表も 掲載しています。リクエストの総コストを見積もる際は、 テキストと画像の入力トークンも計算に含めてください。

同じ品質設定でも、正方形でない大きな解像度の方が、小さな解像度や正方形の解像度より出力トークン数が少なくなる場合があります。

モデル

品質

1024 x 1024 1024 x 1536 1536 x 1024

GPT Image 2


その他のサイズにも対応		低 $0.006 $0.005 $0.005
中 $0.053 $0.041 $0.041
高 $0.211 $0.165 $0.165

GPT Image 1.5

低 $0.009 $0.013 $0.013
中 $0.034 $0.05 $0.05
高 $0.133 $0.2 $0.2

GPT Image 1

低 $0.011 $0.016 $0.016
中 $0.042 $0.063 $0.063
高 $0.167 $0.25 $0.25

GPT Image 1 Mini

低 $0.005 $0.006 $0.006
中 $0.011 $0.015 $0.015
高 $0.036 $0.052 $0.052