2026-10-11 追記。 質問の多い「使い方」「無料で何枚まで」「サイズと透過背景」「商用利用」について、まとめの前に4つの節と「よくある質問」を追記しました。本文中の「2026-10-11確認」はその日の確認です。この日の時点で、OpenAI の API ドキュメントでは新規開発向けの画像モデルが GPT Image 2.5（gpt-image-2.5-sunburst と gpt-image-2.5-flare）に替わっています。本記事の gpt-image-2（表記は GPT Image 2）は「Earlier GPT Image models」の扱いですが、モデル名は変わっておらず、今も API で指定できます。本文の「最大解像度2,000px」は発表時の報道に基づく数字で、現在のドキュメントでは長辺の上限は3,840pxです。DALL-E 2/3 は、API リファレンスで「retired on May 12, 2026」と記載されています。
何が起きたのか
2026年4月21日、OpenAIは画像生成機能を刷新した「ChatGPT Images 2.0」を発表した（OpenAI公式ブログ 2026年4月21日）。APIモデルIDは gpt-image-2。ChatGPT・Codex・APIの全チャネルで即日提供が始まり、従来の gpt-image-1 を置き換えた。
今回の改訂で最も注目すべき点は「推論との統合」だ。OpenAIによれば、gpt-image-2は画像生成モデルとして初めて思考（thinking）機能を持ち、生成前にレイアウトや構成を計画する能力を備えた。これは画像生成を「プロンプトへの反応」から「目的に向けた計画実行」へと転換するアーキテクチャ上の変化だ。
モデルの主要変更点
解像度・アスペクト比の大幅拡張
gpt-image-1 は最大1,024ピクセルの正方形画像が中心だったが、gpt-image-2 では長辺2,000ピクセルまで対応し、アスペクト比も7種類（1:1・3:2・2:3・16:9・9:16・3:1・1:3）に拡大した。バナー・スライド・モバイルUI・縦長ポスターを1モデルでカバーできる。
| 比較項目 | gpt-image-1 | gpt-image-2 |
|---|---|---|
| 最大解像度 | 1,024px | 2,000px |
| アスペクト比 | 3種類（1:1・3:2・2:3） | 7種類（3:1〜1:3） |
| バッチ生成 | 1枚 | 最大8〜10枚 |
| 推論統合 | なし | あり（thinking tiers: low/medium/high） |
| 多言語テキスト | 英語中心 | CJK・ヒンディー語・ベンガル語など |
多言語テキストレンダリング
従来モデルが苦手としていた非ラテン文字の組み込みが大幅に改善された。日本語・韓国語・中国語（CJK）・ヒンディー語・ベンガル語に対応し、ポスター・図解・コミックの中に文字をデザイン要素として配置できる。小さなタイポグラフィ・アイコン・密なUIレイアウトを含む複雑なプロンプトにも対応する（OpenAI公式発表・PetaPixel 2026年4月21日）。
バッチ生成とキャラクター一貫性
1プロンプトで最大8〜10枚のコヒーレントな画像を一括生成できる。キャラクターや物体の外見を複数コマにわたって維持する機能により、ストーリーボードや多フォーマットキャンペーン素材の制作ワークフローに実用的な変化をもたらす。
推論統合の意味：「考えてから描く」
gpt-image-2の最大の技術的変化は推論エンジンとの統合だ（The New Stack 2026年4月21日）。
ChatGPTで「thinking」または「pro」モデルを選択すると、画像生成前に以下のステップが実行される：
- 計画（Planning）：構図・アイテム数・レイアウト構造を事前に整理
- リアルタイム検索（Web Search）：最新情報が必要な場合、Web検索で文脈を補完（知識カットオフは2025年12月）
- 自己検証（Self-verification）：生成前後に出力を精査し、プロンプトとの整合を確認
3つのthinkingティア（low・medium・high）が用意されており、精度要件とコストのバランスを制御できる。この推論コストは変動制で、構成の詳細度が高いほど課金が増加する（The New Stack・apidog.com 2026年4月）。
OpenAI Codex CLIとClaudeを比較した記事でも触れたように、OpenAIはコーディング環境との統合を加速している。今回、gpt-image-2はOpenAIの「Codex（Mac版）」にも組み込まれ、コードのコンテキストに即したビジュアル生成が可能になった。
アクセス階層とAPI料金
プラン別の機能差
| プラン | 利用可能機能 |
|---|---|
| ChatGPT Free | 標準モード（Instantのみ） |
| ChatGPT Plus / Pro / Business | Thinkingモード・拡張推論・Web検索統合 |
| API開発者 | gpt-image-2 IDで両モード利用可能 |
APIの料金体系
gpt-image-2のAPI課金はトークンベースで設計されている（OpenAI API公式・apidog.com 2026年4月）。
| トークン種別 | 単価 |
|---|---|
| 入力テキストトークン | 500万トークンあたり約25円（$5/Mトークン） |
| 出力テキストトークン | 同10ドル/Mトークン |
| 入力画像トークン | 同8ドル/Mトークン |
| 出力画像トークン | 同30ドル/Mトークン |
1024×1024・高品質で1枚あたりおよそ0.21ドル（約31円）が目安となる。Thinkingモードを使うと推論トークン分が上乗せされるため、レイアウト指定が詳細なほどコストは上昇する。
ChatGPT Proプランの料金構造を解説した記事と合わせて参照すると、OpenAIの全体的な価格戦略が見えてくる。Free層にも標準モードを開放する一方、thinking統合などの高度機能をPlus以上に限定することで、収益層の明確な分離を図っている。
DALL-E 2/3の退役：世代交代のタイムライン
The New Stackの報道（2026年4月21日）によると、DALL-E 2とDALL-E 3は2026年5月12日に退役予定だ。ChatGPT Imagesの歴史は以下のように整理できる。
| 世代 | 特徴 | 状態 |
|---|---|---|
| DALL-E 2 | テキスト生成不可、最大1K | 2026年5月12日退役予定 |
| DALL-E 3 | 基本テキスト、英語中心 | 2026年5月12日退役予定 |
| gpt-image-1 | 多スタイル、API提供開始 | 移行中 |
| gpt-image-2 | 推論統合・多言語・2K | 現行 |
gpt-image-1からgpt-image-2への移行は、単なる品質向上ではなく、「生成モデル」から「推論できる生成モデル」への構造的な転換を意味する。
競合との位置づけ
gpt-image-2が発表された2026年4月時点で、画像生成モデルのLM ArenaリーダーボードではGoogleの Gemini が1位、gpt-image-1.5（直前世代）が2位につけていた（The New Stack 2026年4月21日）。gpt-image-2はこの勢力図に挑む形となる。
GoogleのNano Banana 2（Gemini 3.1 Flash Image）を解説した記事では、GoogleがThinking Level・キャラクター一貫性・API統合に強みを持つことを詳述した。今回OpenAIがthinkingを画像生成に取り込んだことで、両者の差別化軸がより鮮明になりつつある。
$$\text{競争優位の方向性} = \begin{cases} \text{Google Gemini} & \text{速度・マルチモーダル統合・Workspace連携} \\ \text{OpenAI gpt-image-2} & \text{推論深度・ChatGPT/Codexエコシステム・バッチ一貫性} \end{cases}$$実用上の限界と注意点
OpenAI自身が認めている制限も存在する（PetaPixel・The New Stack 2026年4月21日）。
- 物理的整合性：折り紙やルービックキューブのように厳密な3D構造が必要な場合、空間的一貫性が崩れる
- 微細テクスチャ：砂粒・布目・毛穴のような繰り返しの細密パターンは描写精度に限界がある
- 反復編集の逓減：同一画像への反復修正は初回以降、品質向上幅が小さくなる傾向がある
- ThinkingモードのAPI不透明性：推論プロセスの中間出力は現時点で公開されておらず、どの程度「考えたか」の検証は困難
また、Web検索統合の精度は検索結果の品質に依存するため、最新情報を必要とする用途では結果の検証が推奨される。
使い方──ChatGPT のチャット画面で画像を作る手順
ChatGPT の画面操作について。 チャット画面での具体的な手順（ボタンやメニューの名前）は、OpenAI ヘルプセンターを2026年10月11日に取得できず、一次資料で確認できていません。そのため画面上の表示名は書きません。提供先が ChatGPT・Codex・API の3つであることは冒頭の節の通りです。
API で使う手順。 API 側は公式ドキュメントで確認できます。Image API には、新しく作る v1/images/generations と、手持ちの画像を直す v1/images/edits の2つがあります。ガイドは後者を「Modify existing images using a new prompt, either partially or entirely」と説明しています（画像生成ガイド 2026-10-11確認）。
手順は次の3段階です。
- 作る。
modelにgpt-image-2を指定し、プロンプトを送ります。プロンプトの上限は32,000文字です（Images API リファレンス 2026-10-11確認）。 - 直す。 アップロードした画像とプロンプトを Edits に送ります。一部だけ直すときはマスクを付けます。ガイドの条件は「The image to edit and mask must be of the same format and size (less than 50MB in size).」です。
gpt-image-2は入力画像を常に高い忠実度で処理するため、input_fidelityは指定しません。その分、参照画像付きの編集では入力トークンが増えることがあります。 - 保存する。 ガイドには「The Image API returns base64-encoded image data.」とあります。URL では返らないので、受け取った base64 をデコードしてファイルに保存します。リファレンスでも、
urlは「Unsupported for GPT image models」です。
モデルページの表では、gpt-image-2 は Image generation・Image edit・Batch が「Supported」、Responses は「Not supported」です（2026-10-11確認）。
無料で使えるか・何枚まで
ChatGPT の場合。 「アクセス階層とAPI料金」の節の表は、発表時の情報です。各プランで1日に何枚作れるかの数字は、今回確認した公式資料には載っていませんでした。ヘルプセンターも取得できなかったため、この記事では枚数を書きません。無料版で何枚作れるかを断定している記事は、出典を確かめてから読むのが安全です。
API の場合。 API は使った分だけの課金です。ガイドの料金計算表では、gpt-image-2 の1枚あたりの出力料金が次のように示されています（画像生成ガイド 2026-10-11確認）。
| 品質 | 1024×1024 | 1024×1536 | 1536×1024 |
|---|---|---|---|
| low | $0.006 | $0.005 | $0.005 |
| medium | $0.053 | $0.041 | $0.041 |
| high | $0.211 | $0.165 | $0.165 |
high・1024×1024 の $0.211 は、本文の「1枚あたりおよそ0.21ドル」と一致します。ただしこの表は出力分だけです。ガイドは「You should still account for text and image input tokens」として、入力のテキストと画像のトークンも別に見積もるよう求めています。
何枚まで作れるか（API）。 1回のリクエストで作れる枚数は n で決まり、リファレンスでは「Must be between 1 and 10.」です。1分あたりの上限は、利用実績で決まる階層ごとにモデルページが示しています（2026-10-11確認）。
| 階層 | TPM（トークン/分） | IPM（画像/分） |
|---|---|---|
| Build | 250,000 | 20 |
| Launch | 3,000,000 | 150 |
| Grow | 8,000,000 | 250 |
階層は「automatically increases as you send more requests and spend more on the API」とされています。使い始めは Build の1分20枚が目安です。
サイズ・解像度・透過背景・出力形式
ここに書く値は、すべて API の仕様です。ChatGPT の画面でサイズや形式をどこまで選べるかは、一次資料で確認できていません。
サイズと品質。 ガイドの「GPT Image 2 settings」の表をまとめると次の通りです（画像生成ガイド 2026-10-11確認）。
| 項目 | gpt-image-2 の仕様 |
|---|---|
| よく使うサイズ | 1024x1024、1536x1024、1024x1536、2048x2048、2048x1152、3840x2160、2160x3840、auto（既定） |
| 長辺の上限 | 3,840px |
| 辺の長さ | 両辺とも16pxの倍数 |
| 縦横比 | 長辺÷短辺が3:1まで |
| 総画素数 | 655,360以上、8,294,400以下 |
| 品質 | low・medium・high・auto（既定） |
条件を満たせば、表にないサイズも size に指定できます。ガイドは「Square images are typically fastest to generate.」とも書いています。本文の比較表にある「最大解像度2,000px」は発表時の報道に基づく数字で、現在のドキュメントの上限とは違います。
透過背景。 background に transparent を指定します。リファレンスは gpt-image-2 について「this support is in preview」としています。つまり透過背景は使えますが、プレビュー扱いです。透過にするときは出力形式を png か webp にします（Images API リファレンス 2026-10-11確認）。jpeg は透過を持てない形式なので、組み合わせられません。
出力形式。 既定は png で、jpeg と webp も選べます。jpeg と webp では output_compression で圧縮率（0〜100%）を指定でき、既定は100です。ガイドには「Using jpeg is faster than png」とあり、速さを優先するなら jpeg が勧められています。
後継の GPT Image 2.5 との違い。 gpt-image-2.5-sunburst と gpt-image-2.5-flare では、品質に xhigh と max が加わります。サイズの条件は gpt-image-2 とほぼ同じですが、ガイドは「Resolutions above 2560x1440 are experimental.」としています。透過背景は2.5ではプレビューの扱いではありません。
商用利用と権利
権利の帰属。 生成した画像の権利の扱いは、OpenAI の利用規約で決まります。ただし確認日には規約本文を取得できず、条文を引用できていません。このため、この記事では「商用利用できる」とも「できない」とも書きません。業務で使う前に、規約本文の出力物に関する条項を自分で読んでください。
内容の制限。 ガイドには「All prompts and generated images are filtered in accordance with our content policy.」とあります。プロンプトだけでなく、生成した画像もフィルタの対象です。基準は利用ポリシーです。API では moderation で強さを選べます。既定の auto は「Standard filtering that seeks to limit creating certain categories of potentially age-inappropriate content.」、low は「Less restrictive filtering.」です（画像生成ガイド 2026-10-11確認）。
止められた場合は、エラーコード moderation_blocked が返ることがあります。ガイドは、このような利用者側で直せるエラーを、プロンプトや入力画像を変えずに自動で再試行しないよう求めています。
来歴情報（C2PA）。 画像生成ガイド・Images API リファレンス・モデルページには、C2PA や来歴メタデータの記載は見当たりませんでした。
よくある質問
Q. GPT Image 2 は無料ですか？
A. API は従量課金で、gpt-image-2 の high・1024×1024 は1枚 $0.211 です。ChatGPT の各プランで無料で使える範囲は、この記事では一次資料で確認できていません。発表時の情報は「アクセス階層とAPI料金」の節にあります。
Q. 何枚まで作れますか？ A. API では1リクエストで1〜10枚です。1分あたりは、使い始めの Build 階層で20枚です。ChatGPT のプランごとの枚数は、確認した公式資料には載っていませんでした。
Q. 透過背景は使えますか？
A. API で background を transparent にし、出力形式を png か webp にすれば指定できます。ただし gpt-image-2 ではプレビュー扱いです。後継の GPT Image 2.5 では、透過背景に対応しています。
Q. リリース日はいつですか？
A. OpenAI の発表は2026年4月21日です。API のスナップショット名も gpt-image-2-2026-04-21 です（モデルページ 2026-10-11確認）。この記事は翌日の4月22日に公開しました。
関連記事
- Gemini画像生成の無料制限──枚数は非公表、5時間ごとの回復と『1日の上限』表記のずれ：Google 側の無料枠を公式ヘルプで照合した記事です。
- GoogleのNano Banana 2（Gemini 3.1 Flash Image）解説
まとめ
gpt-image-2はOpenAIの画像生成の「世代3.0」に相当する転換点だ。スペックの向上（解像度・アスペクト比・バッチ）に加えて、推論エンジンとの統合が本質的な差別化を生み出している。
DALL-E世代の「プロンプトを渡すと画像が返ってくる」モデルとは異なり、gpt-image-2は「目的を理解し、計画を立て、検証した上で生成する」モデルを志向している。この方向性は、OpenAIが直面する財務的・存在論的な課題の文脈で考えると、単なる新機能追加ではなく、「生成AIプラットフォームとしての差別化」という戦略的意図を持つ動きとして読める。
API開発者にとっては、トークンベース課金への移行がコスト計算の見直しを促す。Thinkingモードのコスト上乗せが発生するため、大量生成ユースケースではlowティアのみ使用するなどの調整が現実的な選択になるだろう。