GPT-Image-2 画像生成/編集 - API易文档中心

すべての画像 API は 同期型 です — ポーリングするための task ID はなく、クライアントが切断されると、リクエストは課金されたまま結果は失われます。このモデルでは十分に長いタイムアウトを設定してください。画像 API の基本とベストプラクティスをご覧ください。

概要

gpt-image-2 は OpenAI の最新フラッグシップ画像生成モデルで、gpt-image-1.5 のアップグレード版です。主なアップグレード: 有効な任意の解像度に対応（2K / 3840×2160 4K を含む）, 参考画像に対する自動ハイフィデリティ, 同じティアで 20-30% 安価。APIYI のゲートウェイは OpenAI Images API と完全互換です。公式 OpenAI SDK の base_url をここに向けるだけで、コード不要で直接接続できます。

🎨 主な特長: 有効な任意の解像度にネイティブ対応（最大 3840×2160 4K）+ 参考画像編集時の自動ハイフィデリティ + 同じサイズと品質で 1.5 より 20-30% 低コスト + 中国語プロンプトのネイティブ対応。サイズ/品質を厳密に制御する必要がある本番環境、OpenAI 公式 API と完全一致が必要な場合、または 4K 出力が必要なケースに最適です。

テキストから画像 API

/v1/images/generations — テキストプロンプトから画像を生成し、サイズ / 品質 / output_format を制御できます。

画像編集 API

/v1/images/edits — 参考画像を multipart でアップロード（最大16枚）し、編集/融合指示を指定できます。マスクのインペインティングにも対応しています。

APIYI の GPT-image-2 公式リレーを選ぶ理由?

OpenAI の公式チャネルを基盤に、信頼性、コスト、統合のしやすさの面でエンタープライズ本番ワークロード向けに徹底最適化されています:

公式チャネル · 公式と同等

OpenAI の公式リレーを厳格に経由し、リクエストとレスポンスは OpenAI公式と100%同一 です: フィールド、エラーコード、モデル挙動もすべて同じです。ロスレス品質で、サイレントな書き換えはありません。

同時実行数制限なし

OpenAI の Tier ベースの RPM / TPM 上限 に縛られません。エンタープライズ規模のトラフィックも線形にスケールし、バッチ生成やピーク負荷のシナリオも容易に対応できます。

同価格 + 最大15%オフ

デフォルトの単価は OpenAI の公式価格と同じです。当社のチャージボーナスイベントと組み合わせることで、最大15%オフ になり、長期的なコストを大きく抑えられます。

グローバルな障壁ゼロアクセス

海外サーバーやプロキシは不要 です。国内データセンター、自宅回線、海外ノードのいずれからでも api.apiyi.com に直接接続でき、安定したレイテンシで、越境向けの再設計も不要です。

フルモデルラインナップ

リバースエンジニアリング版 gpt-image-2-all（$0.03/image の一律料金）や、コスト重視の Nano Banana Pro / 2 へシームレスに切り替え可能です — シナリオに応じて柔軟に使い分けられます。

プロフェッショナルなエンタープライズサポート

当社チームは本番環境での画像生成導入を得意としており、モデル選定、チューニング、統合に深い知見があります — PoC から本番まで、エンドツーエンドでサポートします。

主な機能

任意の解像度（4Kを含む）

有効な出力サイズならどれでもサポートします。プリセットは 1K / 2K / 3840×2160 4K をカバーします。カスタムサイズは基本制約を満たすだけで十分です（辺は16の倍数、比率は 3:1 以下）。

自動高精細

参照画像編集では自動的に高精細が有効になります。ディテール、キャラクターの一貫性、テキスト保持が大幅に向上します。input_fidelity は渡さないでください（エラーになります）。

20-30% 安価

1024×1024 の高品質は、1.5 の $0.25台から $0.211/画像に下がります。2K/4K は token ベースの課金ですが、同様に下がります。長期コストは明らかに低くなります。

中国語 + テキストレンダリング

中国語の prompt をネイティブにサポートします。看板、ポスター、UI スクリーンショットにおける中国語/英語テキストのレンダリングが安定しています。細かい文字が high 品質でぼやけることはほとんどありません。

マルチ画像融合（最大16枚）

image[] 配列は最大16枚の参照画像を受け付けます。prompt で「image 1 / image 2 / image 3」を使うと、アップロード順で参照できます。

マスクインペインティング

アルファチャンネル付きのマスクをアップロードします。透明部分がインペイント対象、不透明部分が保持対象です。

複数の出力フォーマット

png（デフォルト）/ jpeg / webp をサポートします。jpeg/webp では output_compression を設定してファイルサイズを調整できます。

OpenAI SDK 直接接続

base_url を https://api.apiyi.com/v1 に向けて、公式 OpenAI SDK で直接呼び出せます — コード不要で移行できます。

料金

APIYIのgpt-image-2（デフォルトグループ）はOpenAIの公式のリスト価格と完全に一致します。割引は代わりにチャージ特典によるものです。$100 をチャージすると 10% のボーナス、最大 20% です。📖 チャージ特典について学ぶ。

トークンレート（OpenAI の価格表と同じ）

トークン課金制 — 1 回のリクエスト = 入力テキスト + 入力画像 + 出力画像 token:

課金項目	価格（1M tokens あたり）	備考
テキスト入力	$5.00	prompt のテキスト部分
画像入力	$8.00	編集／融合リクエスト内の参照画像。Vision ルールに従って token 化されます
画像出力	$30.00	最も大きいコスト — token 数はサイズ × 品質で決まります
キャッシュ入力	テキスト $1.25 / 画像 $2.00	設定はされていますが、同時実行数が高い場合はヒット率が限られます — FAQ をご覧ください

なぜ画像入力のほうが高いのですか？ 画像入力は $8.00 / 1M tokens で、テキスト入力の $5.00 / 1M の 1.6 倍 です（これは APIYI の上乗せではなく、OpenAI 自身の標準価格です）。そのため、編集 / 複数画像融合リクエストは、単純なテキストから画像への生成よりも入力側のコストがかなり高くなります。参照画像は Vision ルールによって大量の画像 token に token 化され、それぞれの token はすでにテキスト token より 60% 高く設定されています。

1枚あたりのコスト参照（公式表）

1K プリセットサイズにおける一般的な 1 枚あたりのコスト:

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

料金の注意点:

単価は OpenAI の一覧と一致します。チャージボーナス（$100 で 10%、最大 20%）を重ねると、実質コストは直接利用より低くなります
2K / 4K には固定の 1 枚あたり価格がなく、実際の input + output token に基づいて課金されます
編集リクエストは、高忠実度が強制されるため、テキストから画像生成より input token がかなり多くなります
ストリーミング（stream: true + partial_images: N）では、部分ごとに output image token がさらに 100 追加でかかります
同じサイズと品質の gpt-image-1.5 と比べると、gpt-image-2 は約 20-30% 安くなります

複数の入力画像が価格に与える影響（2026年7月検証済み）

よくあるお客様の質問: 「参照画像ごとに一律料金なのか、それとも大きい画像ほど消費する token が増えるのか？」答えは、どちらも影響し、画像枚数は厳密に線形で加算されます。gpt-image-2 はすべての入力画像を強制的な高忠実度（input_fidelity は調整できません。渡すと 400 が返ります）で処理し、各参照画像はその寸法とアスペクト比に基づいて画像 token に変換されます。実測値（edits エンドポイント、2026-07-15）:

参照画像の入力	`image_tokens`	入力コスト ($8/M)
1 × 512×512	1024	≈$0.0082
1 × 1024×1024	1024	≈$0.0082
1 × 2048×2048	1521	≈$0.0122
1 × 4096×4096	1521	≈$0.0122
1 × 1024×1536 (縦向き)	1536	≈$0.0123
4 × 1024×1024	4096 (= 4 × 1024)	≈$0.0328

3つの目安:

個数は厳密に線形です: N 枚の参照画像 ≈ N × 1枚分の token。1024² の参照画像 16 枚 ≈ 16384 tokens ≈ $0.13 — これは high の出力 1 回分（$0.211）と同じ桁なので、複数画像の融合ではもはや無視できません。
サイズには下限と上限の両方があります: 1024² 以下の正方形画像はすべて 1024 tokens として課金されます（512 に縮小しても 何も節約できません）。2048² と 4096² はどちらも 1521 tokens です（大きすぎる画像は変換前に縮小されるため、上限がかかります）。参照画像 1 枚あたりは、アスペクト比込みでおおむね 800〜1600 token の範囲に収まります。
token 数はファイルサイズではなくピクセル寸法で決まります: 1.5MB まで圧縮するとアップロードの安定性と速度は向上しますが、画像 token は減りません。逆に、50MB のオリジナルをアップロードしても請求額が跳ね上がることはありません（上限が適用されます）。

コスト感覚: low の出力（196 tokens ≈ $0.006）では、参照画像 1 枚の入力コスト（≈$0.008）のほうが実際には出力より高くなります。high の出力（≈$0.211）では、参照画像 1 枚は約 4% にすぎません。出力サイズと品質は、常に価格を左右する最大の要因です — 参照画像の枚数はその次です。

2K/4K のコスト見積もり（ピクセル比による外挿、⚠️ 公式の固定価格ではありません）

OpenAI は 1K サイズについてのみ、画像ごとの固定価格表を公開しています — 2K/4K のサイズ別価格については公式のものがありません。以下の表は、予算見積もり目的のみで、上の 1K の公式レートを基準にピクセル数でスケーリングした、APIYI 独自の外挿です。

品質	2048×2048（2K 正方形）	2048×1152（2K 横長）	3840×2160 / 2160×3840（4K）
低	≈$0.024	≈$0.008	≈$0.026
中	≈$0.212	≈$0.062	≈$0.216
高	≈$0.844	≈$0.248	≈$0.870

これは見積もりであり、公式の価格表ではありません。 方法: 同じアスペクト比の 1K の公式行を基準値として取り、その後、対象サイズのピクセル数をその基準値に対して線形にスケーリングします（たとえば、2048×2048 は 1024×1024 の 4 倍のピクセル数なので、見積もりコストも 4 倍になります）。実際の出力画像 token 数は、コンテンツの複雑さに基づいてモデルが動的に決定するため、厳密には線形ではありません。そのため、実際のレスポンスにある usage.output_tokens を唯一の基準として扱ってください（下の「各呼び出しの実際の token 数を確認する方法」を参照してください）。high 品質で 2560×1440 を超えるサイズは、引き続き公式の実験的な階層であるため、そこでは見積もりの精度がやや低くなる場合があります。

SaaS サブスクリプション / クレジットベース課金との違い

画像生成ツールのベンダーは、通常 2 つの方式のどちらかで課金します。

月額サブスクリプションプラン: 「月間 N 枚」のクォータに対して定額の月額料金を支払う方式です。このクォータは 過剰販売前提 を織り込んだ価格設定になっており、ベンダーは大半のユーザーが付与上限を使い切らないことを前提にしています。そのため、広告される「1 枚あたりのコスト」は、単にプラン料金をクォータ上限で割ったものにすぎず、実際に各画像を生成するのにあなたにとって本当にいくらかかるかを示すものではありません。
クレジット / ポイントベースの計測: 品質やサイズの異なるジョブを、正体の分かりにくい「クレジット」に変換します。これは実態としては従量課金であり、実際の token 消費を隠すクレジット単位の背後に再パッケージされているだけです。

APIYI は 公式リレー + 実際の token 従量課金 モデルで動作します。プランのクォータもクレジットの抽象化レイヤーもありません。各呼び出しのコストは、単純にその実際の入力 / 出力 token 数 × 公式レートです。サブスクリプションにありがちな過剰販売や、上限超過時にスロットリングされるような動きは一切なく、呼び出しごとに正確に算出できます。

従量課金のトレードオフは、サブスクリプションのような毎月固定額の確実性ではなく、自分で使用量を見積もり / 監視する必要があることです。その代わり、使った分だけ支払えばよく、遊休分の無駄はありません。以下では、各呼び出しの実際の token 数をレスポンスから直接取り出し、その計算を自分で行う方法を説明します。

各呼び出しの実際の token 数を確認する方法

/v1/images/generations と /v1/images/edits はどちらも usage フィールドを返し、image input tokens と text input tokens は別々のフィールドとして返ります — 見積もりは不要で、各呼び出しの正確なコストはそれらをそのまま読むだけで分かります。以下は、参照画像 1 枚を含む実際の edit リクエストから取得した完全な usage オブジェクトです（ライブ取得）:

{
    "data": [ { "b64_json": "..." } ],
    "usage": {
        "input_tokens": 848,
        "input_tokens_details": {
            "image_tokens": 832,
            "text_tokens": 16
        },
        "output_tokens": 196,
        "output_tokens_details": {
            "image_tokens": 196,
            "text_tokens": 0
        },
        "total_tokens": 1044
    }
}

フィールド	意味
`usage.input_tokens_details.text_tokens`	prompt テキストで消費された token。課金は $5.00 / 1M
`usage.input_tokens_details.image_tokens`	Vision のルールに従って参照画像が変換される token 数。課金は $8.00 / 1M。参照画像のない通常のテキストから画像への生成では常に 0
`usage.input_tokens`	上記 2 つのフィールドの合計
`usage.output_tokens`	`quality × size` によって決まる生成画像用の token 数 — これは最も大きなコストで、課金は $30.00 / 1M。2K/4K リクエストでは特に注目すべき数値です（`output_tokens_details.image_tokens` はこれを反映し、`text_tokens` は常に 0 です）
`usage.total_tokens`	input + output の合計

セルフサービスのコスト式（正確）:

cost ≈ input_tokens_details.text_tokens × \$5.00 / 1,000,000
     + input_tokens_details.image_tokens × \$8.00 / 1,000,000
     + output_tokens × \$30.00 / 1,000,000

過去の呼び出しの実際の token 使用量と課金の詳細を確認するには、コンソールの「ログ」ページを確認してください: 📖 呼び出しログを表示する方法 — ログ詳細ビューには text-input / image-input / output の価格が token 数とともに表示され、API の usage.input_tokens_details / usage.output_tokens_details と一致します。Responses API の image_generation ツールは、同じように token 数を usage.input_tokens / usage.output_tokens で報告します。詳細は Responses ツール統合を参照してください。

グループ設定

gpt-image-2 公式リレーチャネルでは2つのグループを提供しています。ダッシュボード → Token 設定 → グループ で切り替えてください:

グループ	レート倍率	使用タイミング
`Default`	1.0x	OpenAI の定価と同じです — 容量に空きがあるときの第一候補です。ピーク時間帯には 429 / 同時実行数の逼迫が発生する場合があります
`image2Enterprise`	1.2x	デフォルトグループが逼迫しているときの安定したフォールバックです — 容量優先です

なぜ 1.2x なのですか？ これは「1回 $3,000 チャージのプロモーションで 20% ボーナス込み ≈ OpenAI の定価」を基準に調整されています。APIYI はこのルートでは利幅を取りません（税コストを除く）し、純粋な供給優先チャネルとして運用しています。デフォルトグループが不安定な場合は、スパイクをやり過ごすために token を image2Enterprise に切り替えてください。

Token 作成画面: 課金モード = 従量課金優先、グループ = image2Enterprise (1.2x)、高速な定価の GPT-image-2 エンタープライズグループ — Token settings: pick the image2Enterprise group (1.2x) — stable when default capacity is tight

📖 安定性チェック（最近の呼び出しログ）: /en/live/2026-04/image2-enterprise-stable

技術仕様

項目	値
モデル名	`gpt-image-2`
速度	約120秒（4K高品質では約2分）
出力解像度	有効な任意サイズ（1K/2K/4K、最大 3840×2160）
品質ティア	`auto` / `low` / `medium` / `high`
出力形式	`png`（デフォルト） / `jpeg` / `webp`
中国語prompt	✅ ネイティブ対応
1回の呼び出しあたり	画像1枚（`n=1`）
参照画像上限	16（`image[]`）
画像ごとのサイズ上限	multipart file: 各50MB未満（png/jpg/webp）；base64 data URL: フィールド上限は約20MiB、元ファイルは15MB以内にしてください
マスクinpainting	✅ 対応済み（アルファチャンネル必須、PNGは4MB未満）
透明背景	❌ 非対応（`background: transparent`エラー）
レスポンスフィールド	`b64_json`（生のbase64、プレフィックスなし）；`response_format`は受け付けません — 渡すと400が返ります

エンドポイント

エンドポイント	用途	Content-Type
`POST /v1/images/generations`	テキストから画像	`application/json`
`POST /v1/images/edits`	参照編集 / 複数画像融合 / マスクインペインティング	`multipart/form-data`

ドメインの選択: api.apiyi.com が主要ドメインです。b.apiyi.com / vip.apiyi.com のような他のゲートウェイドメインも同様に動作します。

サイズ参照

プリセットサイズ

size	意味	ピクセル
`auto`	自動調整（デフォルト）	モデルが決定
`1024x1024`	正方形 1:1	1K
`1536x1024`	横長 3:2	1K
`1024x1536`	縦長 2:3	1K
`2048x2048`	正方形 1:1	2K
`2048x1152`	横長 16:9	2K
`3840x2160`	横長 16:9	4K
`2160x3840`	縦長 9:16	4K

カスタムサイズの制約

gpt-image-2 は、以下をすべて満たす 任意の有効なサイズ を受け付けます:

最大辺 ≤ 3840px
両方の辺が 16 の倍数
アスペクト比 ≤ 3:1
総ピクセル数 ∈ [655,360, 8,294,400]（約0.65MP～約8.3MP）

有効な例: 1600x1200, 1792x1024, 2048x1536, 3200x1800 無効な例: 1000x1000（16 の倍数ではない）, 4000x4000（最大値を超過）, 3840x1000（比率 > 3:1）

2560×1440 を超える出力（約3.69MP）は公式に 実験的 とされ、品質が変動する場合があります。本番環境では、2048x1152 / 2048x2048 / 3840x2160 のようなプリセットを推奨します。

品質リファレンス

利用可能なティア

quality	意味	注記
`auto`	自動（デフォルト）	`quality` が省略されたときに使われる値です — モデルがティアを選択します
`low`	低品質	最速で最も安価 — 下書き / バッチ向けです
`medium`	中品質	日常利用 / 最終出力向けのバランスのよい選択です
`high`	高品質	テキスト、細かな質感、印刷向け — レイテンシーとコストが最も高くなります

デフォルトは auto であり、medium ではありません。 quality を省略することは "quality": "auto" を指定するのと同じです。モデルが品質ティアを自動選択しますが、OpenAI はそれが medium に対応することを保証しません。auto に解決されるティアは予測不能で、コスト、レイテンシー、課金の安定性に直接影響します。コストを制御し予測可能性を確保したい場合は、auto に頼らず、low / medium / high を明示的に指定してください。

従来の DALL·E の値 standard / hd は指定しないでください。 quality は公式の列挙値 low / medium / high / auto の4つだけを受け付けます。従来の DALL·E 3 の値 standard / hd はバックエンドチャネル間で挙動が一貫せず、すぐに 400（invalid_value）で失敗することもあれば、黙って無視されてリクエストが auto で実行されることもあります（コストは予測不能です）。必ず4つの公式値のいずれかを明示的に指定してください。

価格への影響が最も大きいのは quality で、size よりも大きいです。 出力画像の token 数は quality × size によって決まりますが、quality のほうがはるかに重要です。同じサイズでも、low から high に変えるだけで、1枚あたりのコストは 30×以上 変わる可能性があります（上の「1画像あたりのコスト」表を参照してください。1024×1024 は low $0.006 から high $0.211 までの範囲です）。まず quality でコストを見積もり、そのあとで size の影響を加味してください。

ベストプラクティス

オンボーディングのヒント: まずは low で API を動かし、その後にスケールアップしてください新しい導入者がいきなり quality=high + 高解像度に進んでしまい、1枚あたり約 235 秒（約 4 分） 待つことになり、API が停止しているのではないかと疑うケースを見てきました。high モードは推論の複雑さが最も高く、4K では 5 分近くまで延びることがあります。本番投入前に、まず quality=low でエンドツーエンド統合してください（認証、SDK、パラメータ、タイムアウト、エラー処理）。その後、実際の品質要件に応じて medium / high に引き上げてください。

まずは低い設定から統合する

新規統合では、quality=low + プリセットサイズ から始めて、呼び出しチェーン全体（認証、パラメータ、タイムアウト、エラー処理）を検証してください。low は high より数倍高速なため、長い遅延に隠されることなく機能上の問題をすぐに表面化できます。

プリセットサイズを優先する

8つの公式プリセットは、安定した速度と品質になるよう調整されています。カスタムサイズは、本当に特殊なアスペクト比のときにのみ使ってください。

品質をシナリオに合わせる

ドラフト / バッチ → low; 日常 / 最終 → medium; 文字、細かいテクスチャ、印刷 → high。low ↔ high は見た目の忠実度だけの違いではなく、推論の複雑さが段階的に変わることにも注意してください。そのため、レイテンシもそれに応じて変わります。

JPEG 出力を選ぶ

最終表示では、output_format=jpeg + output_compression=85 は PNG より高速で、サイズもおおむね半分です。

文字シナリオでは高に固定する

テキスト描画は大きな強みですが、下位グレードではまだぼやけることがあります。看板やポスター用途では quality=high に固定してください。

参照画像を準備する

各画像は最大 50MB です（実運用では 1.5MB 以内に圧縮するのが実際的です）。PNG/JPEG/WebP に対応し、最大 16 枚まで指定できます。prompt では「画像 1 / 画像 2」のように参照順を示してください。

クライアントのタイムアウトをグレード別に設定する（高 → 600s のセーフティネット）

レイテンシを左右する 2 つのパラメータは quality と size で、特に quality が重要です。クライアントのタイムアウトはグレードごとに設定してください：

品質	推奨クライアントタイムアウト	実測レイテンシ
`low`	≥ 120 秒	通常 10–40 秒
`medium`	≥ 240 秒	通常 30–90 秒
`high`	≥ 600 秒（セーフティネット）	2K/4K では 3–5 分かかり、235 秒超のロングテールも観測されています

high モードでは、キュー待ち、ロングテールのばらつき、上流のジッターを吸収するために 600 秒をセーフティネットのタイムアウトとして設定してください。UI で進捗を表示し、サーバー側にタスクキューを設けることも検討してください。

移行時の注意

gpt-image-1.5 からの移行: input_fidelity は削除してください（強制的に高忠実度になり、渡すとエラーになります）。background: transparent は使用しないでください（サポートされていません）。従来の DALL·E 2/3 コードから移行する場合は、response_format を削除してください（GPT Image モデルはこれを 400 Unknown parameter: 'response_format' で拒否し、出力は常に b64_json です）。

エラーと再試行

ステータス	意味	推奨される対応
`400`	無効なパラメータ（サイズ制約違反、サポートされていないフィールドなど）	サイズ制約に照らして検証してください。`response_format` / `input_fidelity` / `background: transparent` は渡さないでください。`Unknown parameter: 'response_format'` の場合は、そのパラメータを削除するだけで構いません — よくある質問を参照してください。編集エンドポイントでの `invalid_image_file` は通常 MPO のスマホ写真です — よくある質問を参照してください
`401`	無効な token	Bearer Token を確認してください
`403`	コンテンツモデレーションによるブロック	prompt を調整するか、`moderation: low` を渡してください
`429`	レート制限 / 残高不足	指数バックオフ
`5xx`	ゲートウェイ / バックエンドエラー	1〜2回再試行してください
Timeout	ロングテール	`quality` ごとにクライアントのタイムアウトを段階設定してください: `low` ≥ 120秒 / `medium` ≥ 240秒 / `high` ≥ 600秒（高負荷 + 2K/4K の実行は3〜5分。235秒超でロングテールが観測されています）

クライアント向けの推奨事項:

quality ごとにリクエストのタイムアウトを段階設定してください: low ≥ 120秒 / medium ≥ 240秒 / high ≥ 600秒（安全策です — 3〜5分が観測されています。120秒/360秒前後で設定すると、多くの誤ったタイムアウトが発生します）
まず quality=low と統合し、その後、実際の品質要件に応じて medium / high に上げてください
5xx とタイムアウトには指数バックオフを使用してください（再試行は2回推奨）
サポートのために x-request-id ヘッダーをログに記録してください

FAQ

400 Unknown parameter: 'response_format' はどう修正すればよいですか？

response_format パラメータを削除してください。これが現時点で最も一般的な 400 エラーです。 gpt-image-2（および GPT Image シリーズ全体）は response_format を受け付けません: 出力形式は b64_json に固定されており、変更できません。これを渡すと、次のようになります。

{
  "error": {
    "message": "Unknown parameter: 'response_format'.",
    "type": "invalid_request_error",
    "param": "response_format",
    "code": "unknown_parameter"
  }
}

このパラメータは DALL·E 2/3 時代の名残（その時代には url / b64_json が提供されていました）で、古いサンプルコードや一部のサードパーティライブラリには今でもデフォルトで含まれていることがよくあります。gpt-image-2 に移行する際は、このフィールドを削除し、data[0].b64_json を直接読み取ってください（raw base64 なので、デコードして画像ファイルを取得します）。このエラーは入力検証段階で返され、課金されません。ワークフロー上どうしても base64 ではなく 画像 URL が必要な場合は、次の方法があります。

公式 gpt-image-2 には URL 出力がありません。base64 をデコードして、ご自身のオブジェクトストレージにアップロードしてください
あるいは、リバースエンジニアリング版の gpt-image-2-all に切り替えてください。こちらは response_format: "url" をサポートし、24時間有効な CDN リンクを返します

b64_json に data:image/png;base64, プレフィックスを付ける必要はありますか？

はい。gpt-image-2 は 生の base64 文字列（プレフィックスなし）を返します。gpt-image-2-all とは異なります。クライアント側の実装パターンは 2 通りです。

ファイルに書き出す: base64.b64decode(b64_str) → ディスクに書き込む
ブラウザで表示する: img.src = 'data:image/png;base64,' + b64_str（手動で先頭に付与する）

コードが 1.5 時代の「最初からプレフィックス付き」の動作を前提にしていると、壊れた data URL になってしまいます。ここは明示的に処理してください。

input_fidelity を渡すと 400 になるのはなぜですか？

gpt-image-2 は参照画像の高精細処理を強制し、input_fidelity はもう受け付けません。1.5 から移行する場合は、このフィールドを削除するだけで大丈夫です。置き換えは不要です。

透明な背景が必要な場合はどうすればよいですか？

gpt-image-2 は background: transparent を サポートしていません（エラーになります）。回避策は 2 つあります。

background を opaque に設定する（または省略する）うえで、PIL / sharp / オンラインツールを使って自分で透過部分を抜く
どうしても透明度が必要なケースでは、一時的に gpt-image-1.5 にフォールバックする

1回の呼び出しで何枚の画像を生成できますか？

1枚（n=1）です。N 枚必要な場合は、N 件の並列リクエストを送ってください。各リクエストは個別に token 課金されます。

なぜ 2K/4K はこんなに遅いのですか？

高解像度・高品質ほど出力画像 token を多く消費するため、当然時間がかかります。実際の顧客統合では、quality=high + 高解像度で 1枚あたり約 235 秒（約4分）かかるケースを確認しています。さらに、3840×2160 + high のロングテールでは 5分近くまで延びることがあります。おすすめは次のとおりです。

まずは quality=low で統合し、呼び出し経路を検証してから、実際の品質要件に応じて引き上げる
品質ごとにクライアントのタイムアウトを段階設定する: low ≥ 120s / medium ≥ 240s / high ≥ 600s（安全策）
UI で「生成中」の進捗を表示する
4K が不要な場合は 1024×1024 / 1536×1024 の 1K プリセットを使う

キャッシュ済み input の料金の恩恵は本当にありますか？

設定はされていますが、コスト予算にキャッシュ割引を組み込まないでください。 公式の cached-input 料金は、text が $1.25、image が $2.00（1M tokens あたり）です。APIYI チャネルではキャッシュが設定されており、リクエストがキャッシュヒットするとキャッシュ料金で課金されます。率直に言うと、1つ注意点があります。高い同時実行数を維持するため、APIYI はリクエストを複数の上流 OpenAI アカウントに分散します（単一の OpenAI Tier-5 アカウントは 250 RPM しか許可しません）。OpenAI の prompt cache はアカウント間で引き継がれないため、高い同時実行数では、同じ prefix を共有するリクエストが同じアカウントに載らないことがあり、キャッシュヒットしないことがあります。ただし、影響は小さいです。画像生成における主なコストは出力画像 token（$30 / 1M）で、キャッシュ割引が適用されるのは input 側だけなので、1枚あたりの合計額はほとんど変わりません。予算は input のフル料金 で見積もり、キャッシュヒットはおまけの節約として扱ってください。

なぜ edit リクエストの方が text-to-image より高いのですか？

gpt-image-2 は参照画像の高精細処理を自動で有効にするため、参照画像自体が Vision の料金ルールにより大量の input token に変換されます。edit の input token は text-to-image より明らかに多くなるので、予算もそれに合わせて見積もってください。

サイズも参照画像も同じなのに、なぜ毎回の課金額が違うのですか？

原因は、quality が auto（または未設定）になっていたことです。 「サイズも解像度も参照画像も同じなのに、価格が上下する」という報告をお客様からいただいたことがあります。調査したところ、size と quality の両方が auto になっていました。犯人は quality: auto です: auto モードでは、モデルが リクエストを解釈し、生成ごとにその場で異なる品質 tier を選択します。tier が違えば出力画像 token 数も変わり、価格も変わります。以下は、input が完全に同じ（各 1061 input token） なのに、費用が何倍も異なる実際の課金履歴です。

レイテンシ	Input tokens	出力 token	1回あたりの費用
53s	1061	1286	$0.055082
135s	1061	5146	$0.194042
68s	1061	1287	$0.055118

2回目の呼び出しでは、auto がより高い品質 tier に解決され、output tokens が 5146 まで跳ね上がり、価格は約 3.5 倍になりました。対策: quality を auto のままにしないで、low / medium / high を明示的に渡してください。 tier を固定すれば、input が同じときの output token 数と価格は安定し、予測可能になります。上の「品質リファレンス」セクションもご参照ください。

edit エンドポイントの画像枚数とサイズ制限は？

gpt-image-2 の画像 edit エンドポイント（/v1/images/edits）は、参照画像を最大 16 枚までサポートします。

multipart/form-data のファイルアップロード: 各画像は 50MB 未満、形式は png / jpg / webp
base64 data URL: フィールド長の上限は約 20MiB（schema maxLength: 20971520 — 文字列フィールドの上限であり、50MB の multipart 上限とは別物です）なので、元画像は 15MB 以内に収めてください
mask ファイル: 別途、PNG で 4MB 未満 に制限されます

実用上のアドバイスとして、複数の大きな画像を一度に上限いっぱいまで送らないでください。過大な request body はゲートウェイ / タイムアウト層で失敗しやすいです。各画像を 1.5MB 以内 に圧縮するのが最も確実で、出力品質は input ファイルサイズとは無関係です。

edit エンドポイントで 400 'Invalid image file or mode for image 1' が返ります。どうすればよいですか？

このエラー（code: invalid_image_file）は、N 枚目の参照画像が標準的な png / jpg / webp ファイルではないことを意味します（1始まりです。インデックスを使って問題の画像を特定してください）。最もよくある原因は、スマホカメラ由来の MPO 形式 です。.jpg の Huawei Mate シリーズ端末からそのまま出したファイルには HDR gain-map のサブフレームが埋め込まれており、実際にはマルチフレーム JPEG コンテナ（MPO）になっています。ヘッダーは同じ FFD8 で、拡張子も file コマンドの表示も JPEG なので、見た目では判別できません。2026年7月時点で確認済み: MPO ファイルは常に拒否され、同じ画像を標準 JPEG/PNG として再エンコードすると 元の解像度のまま 成功します（サイズ、image[] フィールド名、または quality/size パラメータとは無関係です）。このエラーは入力検証段階で返され、課金されません。対策: アップロード前に Pillow で再エンコードしてください（Image.open(f).format が "MPO" を返す場合は、変換が必要です）。

from PIL import Image
im = Image.open("photo.jpg")
im.load()                          # for MPO, keeps only the first frame
im.convert("RGB").save("photo_fixed.jpg", quality=92)

詳細と判定方法は Image Edit API — 参照画像の形式要件と前処理をご覧ください。

mask ファイルはどう準備すればよいですか？

元画像と同じサイズ、PNG 形式、4MB 未満
alpha channel 必須: 透明（alpha=0）= inpaint 対象、不透明 = 保持
最初の画像にのみ適用されます
mask は「ソフトなガイド」です — モデルはマスク領域の周囲を広げたり縮めたりすることがあります

gpt-image-2 と gpt-image-2-all はどちらを選べばよいですか？

選択	条件
gpt-image-2（公式）	厳密なサイズ / 品質制御が必要、OpenAI 公式と完全に一致させたい、4K 出力が欲しい、mask inpainting が必要
gpt-image-2-all（逆解析版）	一律 $0.03/画像、30–60秒の描画、最小限のパラメータ、強い一貫性 / 中国語テキストが欲しい

公式 OpenAI SDK をそのまま使えますか？

はい、コード変更は不要です。base_url を https://api.apiyi.com/v1 に向け、api_key に APIYI token を設定するだけです。

from openai import OpenAI
client = OpenAI(api_key="sk-your-key", base_url="https://api.apiyi.com/v1")
resp = client.images.generate(model="gpt-image-2", prompt="...", size="2048x1152", quality="high")

生成中の処理をキャンセルできますか？

できません。gpt-image-2 は OpenAI の公式同期エンドポイントを使っているため、リクエストを送信した時点で「キャンセル」信号なしに完了まで実行されます。クライアントが切断されても、サーバー側は生成を最後まで行い、通常どおり課金されます。クライアント側のタイムアウトは慎重に設定してください。「切断 = 課金なし」とは考えないでください。

rate limit（RPM）はありますか？

デフォルトは 100 RPM（1分あたり 100 リクエスト）です。実際に使用できる RPM は、プラットフォーム全体の同時実行数 に応じて動的に調整されます。ワークロードにもっと必要な場合は、想定 QPS / RPM を添えてご連絡ください。追加キャパシティを用意できます。

非同期呼び出しはサポートされていますか？

いいえ。gpt-image-2 は OpenAI 公式 API を厳密にミラーしており、同期のみです。リクエストは結果が返るまでブロックされます（high + 4K なら現実的には 1〜2分）。非同期キューやコールバック機構が必要な場合は、次のいずれかをご利用ください。

業務層でタスクキュー（Celery / BullMQ など）を使って自前でラップする
あるいは gpt-image-2-all を使う。30〜60秒で生成され、フロントエンドからポーリングしやすいです

失敗した生成にも課金されますか？

いいえ。OpenAI の組み込みコンテンツモデレーションが、安全でない / 不正な形式のリクエストを 400 エラーで拒否し、課金は発生しません。典型的な応答は次のとおりです。

{
  "status_code": 400,
  "error": {
    "message": "Your request was rejected by the safety system. ...",
    "type": "shell_api_error",
    "code": "moderation_blocked"
  }
}

そのほかの無料エラー: 401（無効な token）、429（rate limit）。token 課金が発生するのは、リクエストが実際にモデル生成段階まで到達した後、つまり 200 + b64_json を受信した時点からです。

​概要

テキストから画像 API

画像編集 API

​APIYI の GPT-image-2 公式リレーを選ぶ理由?

公式チャネル · 公式と同等

同時実行数制限なし

同価格 + 最大15%オフ

グローバルな障壁ゼロアクセス

フルモデルラインナップ

プロフェッショナルなエンタープライズサポート

​主な機能

任意の解像度（4Kを含む）

自動高精細

20-30% 安価

中国語 + テキストレンダリング

マルチ画像融合（最大16枚）

マスクインペインティング

複数の出力フォーマット

OpenAI SDK 直接接続

​料金

​トークンレート（OpenAI の価格表と同じ）

​1枚あたりのコスト参照（公式表）

​複数の入力画像が価格に与える影響（2026年7月検証済み）

​2K/4K のコスト見積もり（ピクセル比による外挿、⚠️ 公式の固定価格ではありません）

​SaaS サブスクリプション / クレジットベース課金との違い

​各呼び出しの実際の token 数を確認する方法

​グループ設定

​技術仕様

​エンドポイント

​サイズ参照

​プリセットサイズ

​カスタムサイズの制約

​品質リファレンス

​利用可能なティア

​ベストプラクティス

​エラーと再試行

​FAQ

​関連ドキュメント

概要

APIYI の GPT-image-2 公式リレーを選ぶ理由?

主な機能

料金

トークンレート（OpenAI の価格表と同じ）

1枚あたりのコスト参照（公式表）

複数の入力画像が価格に与える影響（2026年7月検証済み）

2K/4K のコスト見積もり（ピクセル比による外挿、⚠️ 公式の固定価格ではありません）

SaaS サブスクリプション / クレジットベース課金との違い

各呼び出しの実際の token 数を確認する方法

グループ設定

技術仕様

エンドポイント

サイズ参照

プリセットサイズ

カスタムサイズの制約

品質リファレンス

利用可能なティア

ベストプラクティス

エラーと再試行

FAQ

関連ドキュメント