> ## Documentation Index
> Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt
> Use this file to discover all available pages before exploring further.

# GPT-Image-2.6 公式版とリバース版

> gpt-image-2.6-flare / gpt-image-2.6-sunburst（公式リレー、token課金）と gpt-image-2.6-all（リバースルート、$0.025/画像）を、課金、サイズ / n / 品質、GIF / SVG、透明背景とマスク、レスポンス形式、速度と制限の項目別に比較し、選択ガイダンスとFAQも掲載します。

## 概要

| 必要な機能 | 選択肢 |
| - | - |
| **OpenAI公式のフィールドとの完全な互換性**、6つの`quality`ティア、任意の有効なサイズ、ネイティブ2K/4K | 公式版：`gpt-image-2.6-flare`（速度優先）/ `gpt-image-2.6-sunburst`（編集精度優先） |
| **厳格なコスト上限**：1画像あたり一律\$0.025、2K/4Kで同一料金、サイズや品質に依存しない | リバース版：`gpt-image-2.6-all` |
| **1回の呼び出しで複数画像**（1～4枚）、または**24時間有効な直接URL** | `gpt-image-2.6-all` |
| **GIFのフレーム数、フレーム時間、フレームごとのサイズを制御**する機能、または作成モデルを固定し、テキストモデルのコストを個別表示するSVG | 公式の2つの2.6モデル |
| **精密なマスクインペインティング / 複数画像の融合（最大16枚）/ WebP出力 / ネイティブ4K** | 公式の2つの2.6モデル |
| `svg.model`を渡したり、作成モデルの料金を支払ったりせずに、低コストでGIFとSVGを生成 | `gpt-image-2.6-all` |

> [!NOTE]
>
> このページでは、2.6世代の3モデルのみを比較します。2.5 / 2世代（`gpt-image-2.5-flare` / `sunburst` / `gpt-image-2`および`gpt-image-2-all` / `gpt-image-2.5-all` / 3つの`-vip`モデル）の全体比較については、[GPT-image-2.5 / 2 公式版とリバース版](https://docs.apiyi.com/ja/api-capabilities/gpt-image-2/vs-gpt-image-2-all.md)をご覧ください。`gpt-image-2.6-all`は2.6向けの新しいリバース系列であり、`gpt-image-2.5-all`の単なる改称ではありません。動作とパラメーター上限が異なります。

## 完全比較表

| 比較項目 | 公式：`gpt-image-2.6-flare` / `gpt-image-2.6-sunburst` | リバース：`gpt-image-2.6-all` |
| - | - | - |
| **チャネルの特性** | OpenAI Images APIへの直接接続です。フィールド、エラーコード、動作はOpenAI公式と同じです | リバースエンジニアリングされたChatGPT Web Images 2.6です |
| **課金** | **実際のtoken使用量に基づく課金**：テキスト入力 \$5 / 画像入力 \$8 / 画像出力 \$30（100万tokenあたり） | **リクエストごと**：\$0.025/画像、2K/4Kでも同額です。`n`画像は1枚ごとに課金されます |
| **画像1枚あたりのコスト** | `quality`、`size`、参照画像の枚数によって変動します。1Kでは約\$0.006～\$0.21です（参考値。実際の金額は`usage`が確定値です） | 一律\$0.025/画像（`n=4`は\$0.10です） |
| **推奨エンドポイント** | `/v1/images/generations` + `/v1/images/edits` | `/v1/images/generations` + `/v1/images/edits` |
| **1回の呼び出しで生成できる画像数（`n`）** | 1枚（複数枚の場合は、クライアント側で並列リクエストを送信してください） | 1～4枚（`n=5`以上を指定すると400が返ります） |
| **`size`（ネイティブ解像度）** | 有効なサイズなら指定できます。縦横の辺はどちらも16の倍数、アスペクト比は3:1以下、総ピクセル数は655,360～8,294,400、長辺は3840以下です。加えて8種類のプリセットがあります | 長辺は512～1536の**任意の整数**（16の倍数である必要はありません）、アスペクト比は3:1以下です。指定したサイズで出力されます |
| **`size`（2K / 4K）** | **ネイティブピクセル**（2048×2048、2048×1152、3840×2160など）です。2560×1440を超えるサイズは、OpenAIが実験的機能としています | **超解像**です。一般的な2K/4Kサイズは指定どおりに出力されますが、一致しない場合は502が返ります。正方形の上限は2880です。4:1は400で拒否されます |
| **`quality`** | `auto` / `low` / `medium` / `high` / `xhigh` / `max`の6段階です | `auto` / `medium` / `high`のみ対応しています。`low` / `hd`は400が返ります。現時点では、3段階の間に検証可能な画質差はありません |
| **`complexity`（2.6で追加）** | ✅ ネイティブに受け渡されます：`low` / `medium` / `high`（省略時は`high`が既定値です）。追加料金はかかりません。設定を選ぶ前に、同じpromptで各レベルを比較してください | このルートでは**サポートされていません** |
| **出力形式** | `png` / `jpeg` / `webp` / `gif` / `svg` | `png` / `jpeg` / `gif` / `svg`。**WebPを指定すると400が返ります** |
| **透過背景** | `background=transparent` + `png` / `webp`に対応しています。`jpeg`とは併用できず、400が返ります。GIFの透過は1ビットです。SVGでは背景が描画されません | `png`のみ対応しています。2Kまでは安定していますが、4Kでは不安定です |
| **GIFの制御** | スプライトシートのピクセル予算の範囲内で、フレーム数、フレーム間隔、フレームごとのサイズをすべて指定できます（1024² / 2048²の単一フレームは動作しません） | フレーム数と間隔は正確に指定できます。**最終的な寸法は上流側で決まります**。`output_format=gif`は明示的に渡す必要があります |
| **SVG** | `svg.model`で作成モデルを指定する必要があり、テキストモデルの料金は別途課金されます。画像生成エンドポイントのみ対応し、`n=1` | `svg.model`は不要です（渡しても無視されます）。テキストモデルの料金はかかりません。`viewBox`は`size`に従います |
| **マスクによるインペイント** | 公式仕様です（アルファチャンネル付きPNG。ソフトなガイダンスとして機能します） | 受け付けられますが、**マスク領域以外が変更されない保証はありません** |
| **複数の参照画像** | 最大16枚（`image[]`） | テストでは2枚の参照画像が動作しました。それ以上の場合は、クライアント側で合成するか、段階的に編集してください |
| **レスポンス形式** | 固定の`b64_json`（プレフィックスなしの生のbase64）です。**`response_format`には対応していません**。渡すと400が返ります | 既定では`b64_json`です。`response_format: "url"`に対応しています（有効期限24時間の署名付きリンク。urlレスポンスでは`size`が省略される場合があります） |
| **速度** | OpenAIによると、2.6は全体で50%高速化されており、`low`では`flare`が最短6秒になる場合があります（OpenAIの最良ケース）。高品質設定と2K/4Kは明らかに遅くなります | 通常10～46秒です（1Kは10～22秒、2Kは12～24秒、4Kは15～42秒）。テールレイテンシーは最大198秒でした |
| **推奨クライアントタイムアウト** | `low`は120秒以上 / `medium`は240秒以上 / `high`は600秒以上 / `xhigh`は300秒以上 / `max`は600秒以上 | 600秒以上 |
| **tokenとグループ** | **従量課金のPriority Token**が必要です。`Default`グループを使用し、ピーク時間帯は`image2Enterprise`エンタープライズグループ（1.2倍）を予備として利用できます | リクエストごとのモデルのため、`Default`グループで十分です。URL出力に追加のグループは必要ありません |
| **安定性** | 公式チャネルで、エラーコードはOpenAIと同一です。ピーク時に`Default`グループで429がまれに発生します | 上流はリバースです。2K/4Kでは502がまれに発生するため、再試行が必要です。サイズが一致しない場合、寸法を黙って変更せず明示的にエラーになります |
| **おすすめの用途** | 公式フィールドとネイティブピクセルが必要で、従量課金によるコスト変動を許容できる、品質重視の本番環境 | コストの上限設定、一括生成、2K/4Kの大きなキャンバスとの互換性、GIF / SVG / 複数画像 / URLを使った処理 |

> [!NOTE]
>
> 表中のコスト範囲は、**同じ価格帯での2.5世代の測定値**（2026-09-09, UTC+8）と、ピクセル数に基づく2K/4Kへの外挿値です。2.6公式モデルには価格帯ごとの公開測定値がまだないため、実際のレスポンスあたりのコスト（`usage.output_tokens`）が確定値です。2.6-allの画像あたりの価格は、**モデルの料金**タブと最終請求額に基づきます。

## 課金モデルとコスト

APIYIにおける2つのルートの最も根本的な違いは、**使用量の計測方法**です。公式モデルは消費したtoken数に応じて課金される一方、2.6-allは画像ごとにコストが固定されます。どちらのルートが特定のワークロードで安くなるかは、これによって決まります。

### 1024×1024での画像あたりのコスト

| `quality` | 公式2.6（token従量制） | `gpt-image-2.6-all` |
| - | - | - |
| `low` | 約\$0.006（2.5と同じ価格帯で196 tokens）。2.6での単一の計測では824 tokensで約\$0.025 | \$0.025 |
| `medium` | 約\$0.013（439 tokens） | \$0.025 |
| `high` | 約\$0.053（1,756 tokens） | \$0.025 |
| `xhigh` | 約\$0.094（3,122 tokens） | \$0.025 |
| `max` | 約\$0.211（7,024 tokens） | \$0.025 |

> [!NOTE]
>
> モデル価格は公式価格表に準拠しており、OpenAIによる価格改定に伴い変更される場合があります。上記の表は参考値です。トップナビゲーションの**モデル価格**タブが正式な情報です：[モデル価格](https://docs.apiyi.com/ja/models/index.md)。

### 2K / 4K、複数画像、編集、SVG

| シナリオ | 公式2.6（token従量制） | `gpt-image-2.6-all` |
| - | - | - |
| 2048×2048 `medium` / `high` | 約\$0.21 / 約\$0.84（ピクセル数による推定で、公式価格ではありません） | \$0.025 |
| 2048×1152 `medium` / `high` | 約\$0.06 / 約\$0.25（ピクセル数による推定） | \$0.025 |
| 3840×2160（4K） `medium` / `high` | 約\$0.22 / 約\$0.87（ピクセル数による推定） | \$0.025 |
| 同じpromptから4枚を生成 | 4回呼び出し、token数は合算 | 4 × \$0.025 = \$0.10 |
| 1024²の参照画像を1枚使って編集 | 出力token数 + 入力課金（1024²の参照画像は約\$0.0082） | \$0.025/画像 |
| SVG | 画像セグメント + 作成モデルのテキスト課金：`gpt-6-luna` 約\$0.026、`gpt-5.6-terra` 約\$0.039 | \$0.025 |
| GIF、512²、2フレーム | 約\$0.017 | \$0.025 |

> [!WARNING]
>
> **2K/4Kの公式な固定価格表はありません。** OpenAIが公開しているのは1Kの画像あたりの参考価格のみです。そのため、上記の2K/4Kの金額はピクセル比から1Kの価格を推定したもので、大きく異なる場合があります。`high` 2560×1440を超える解像度は、現在も実験的な価格帯です。実際のコストは各呼び出しの`usage.output_tokens`を確認してください。2.6-allについては、2K/4Kでも同じ価格で\$0.025/画像というのが公表されている内容であり、最終的な請求額が正式な金額となります。現在の価格は**モデル価格**タブで確認できます：[モデル価格](https://docs.apiyi.com/ja/models/index.md)。

**すばやく判断する方法：** 出力tokenだけで比較すると、公式課金の\$0.025は出力約**833 tokens**に相当し、2.5の生成`medium`と`high`の価格帯の中間に位置します。したがって、次のように判断できます。

* **1K、低品質または中品質**：2つのルートのコストは同じ桁になり、実際の`usage`によっては公式ルートの方が安くなる場合があります。ただし、2.6での単一の計測（`low`、824 tokensで約\$0.025）を見ると、2.6ではすでに価格差が小さい可能性があります。そのため、**2.5の数値をそのまま結論に当てはめないでください**。
* **1Kで`high`以上、または中品質・高品質の2K/4K**：2.6-allの一律\$0.025が明確に有利です。高品質の2K/4Kでは、コストが桁違いになる場合があります。
* **参照画像を使った編集**：公式ルートでは1024²の参照画像1枚につき入力コストが約\$0.0082加算され、1回の呼び出しのコストがすぐに増加します。2.6-allは画像ごとの課金で、参照画像の料金は加算されません。

> [!TIP]
>
> 本番環境に移行する前に、各ルートで独自のpromptを使って1回テストし、`usage`とレイテンシの両方を記録してください。公式ルートでは出力token数をコストに換算し、2.6-allでは画像枚数に単価を掛けます。価格性能の結論が当てはまるのは、実際にテストしたpromptに限られます。

## 主な違いを詳しく見る

### 1. `size`：任意の有効サイズ＋ネイティブ2K/4K vs. ネイティブ1536＋超解像2K/4K

**公式2.6**は公式のサイズ規則に従います。次の4つの条件をすべて同時に満たす必要があります。

1. 長辺 ≤ 3840
2. 縦横の辺がどちらも16の倍数
3. アスペクト比 ≤ 3:1
4. 総ピクセル数が655,360～8,294,400

プリセットサイズは8種類です：`auto`、`1024x1024`、`1536x1024`、`1024x1536`、`2048x2048`、`2048x1152`、`3840x2160`、`2160x3840`。2K/4Kは**ネイティブピクセル数**であり、アップスケールではありません。

**2.6-all**は2つのティアに分かれています。

* **ネイティブティア**：長辺が512～1536で、16の倍数である必要はなく、任意の整数サイズが指定どおりに出力されます（`1000x1000`、`1280x720`、`1536x864`はいずれも条件を満たします）。アスペクト比は3:1以下です。
* **超解像ティア**：`2048x2048`、`2048x1152`、`2048x1536`、`1920x1080`、`3840x2160`、`2880x2880`などの一般的なサイズは指定どおりに出力されます。サイズが一致しない場合、別のサイズに暗黙に切り替わるのではなく、\*\*502 `size_not_deliverable`\*\*が返されます。正方形の上限は2880です（`4096x4096`は502を返します）。また、`4096x1024`のようにアスペクト比が3:1を超える場合は400が返されます。

> [!NOTE]
>
> 見落としやすい違いが1つあります。公式ルートのラスター生成には**最小ピクセル数の制限**（約655,360）があるため、`512x512`のような小さい画像は拒否されます。2.6-allでは`512x512`と`512x384`を生成できます。小さなアイコンやサムネイルには、より柔軟な2.6-allが適しています。

### 2. `n`、`quality`、`complexity`：公式の段階設定と、3段階設定＋複数画像の比較

* **`n`**：公式ルートは常に画像を1枚返すため、複数の画像を生成するにはクライアント側での同時実行が必要です。2.6-allは1～4枚の画像に対応し、画像単位で課金され、`n=5`では400を返します。
* **`quality`**：公式ルートは全6段階（`low` / `medium` / `high` / `xhigh` / `max` / `auto`）を公開しており、これは公式に保証された品質制御です。2.6-allが受け付けるのは`auto` / `medium` / `high`のみです（`low` / `hd`は400を返します）。また、現時点では、この3段階の間で検証可能な画質の違いは確認されていません。**品質制御には使用せず、サイズを制御できるとも期待しないでください**。
* **`complexity`**：2.6で導入されたパラメーターです。公式ルートでは現在、公式の3レベルすべて（`low` / `medium` / `high`、省略時のデフォルトは`high`）がネイティブにそのまま渡され、追加料金はかかりません。同じpromptで結果を比較してから設定を選んでください。**2.6-allはこのパラメーターに対応していません**。

### 3. GIF と SVG：制御性とコスト

**GIF**

| 項目 | 公式 2.6 | `gpt-image-2.6-all` |
| - | - | - |
| フレーム数 | 2～16、デフォルトは 9 | 公開されている範囲はありません。テストでは 4 / 6 / 8 フレームがすべて指定どおりに出力されました |
| フレームの長さ | 20～2000 ms、デフォルトは 200 ms、10 ms 単位に丸められます | テストでは 120 / 150 / 300 ms がすべて指定どおりに出力されました |
| フレームあたりのサイズ | 16 の倍数である必要があります。スプライトシートのピクセル数上限に制約されます | **`size` は効果がありません**。最終サイズは上流で決まります |
| 最終サイズ | 予測可能です。フレーム数にかかわらず 512×512 は動作します。1024² / 2048² の単一フレームは動作しません | 保証されません。テストでは 384×512、507×506、619×623 が確認されています |
| 編集エンドポイント | 対応しています | ドキュメントでは生成エンドポイントのみ例示されています。編集 + GIF はご自身で確認してください |

公式 2.6 の経路では、GIF を 1 枚のスプライトシートに描画してからフレームに切り分けるため、制限はシートに適用されます。長辺は 3840 以下、総ピクセル数は 8,294,400 以下、アスペクト比は 3:1 以下です。フレームあたりの正方形サイズ上限は、フレーム数が増えるほど小さくなります。2～9 フレームでは 960×960、10～12 フレームでは 816×816、13～16 フレームでは 720×720 です。上限を超えると 400 が返されます。`frame_count` が 1 または 17 の場合はエラーにならず、デフォルトの 9 フレーム / 1.8 秒にフォールバックするため、`ffprobe` で実際のフレーム数を確認してください。

**SVG**

| 項目 | 公式 2.6 | `gpt-image-2.6-all` |
| - | - | - |
| 必須フィールド | `output_format="svg"` + `svg.model`（作成モデル） | `output_format="svg"` のみ |
| 追加コスト | 作成モデルには、選択したテキストモデルの入力 / 出力料金が適用されます（画像あたり約 \$0.001～\$0.013） | なし。画像あたり \$0.025 |
| エンドポイント / 画像数 | 生成のみ、`n=1`。編集エンドポイントは SVG に対応していません | 生成。`viewBox` は `size` に従います |
| サイズ | `viewBox` は `size` に従います。大きなサイズの公開測定値はまだありません | `viewBox` は 8192 までテスト済みです。4:1 の比率はラスターの 3:1 制限を受けません |

> [!WARNING]
>
> 公式 2.6 の経路では、作成モデル（`svg.model`）を自分で指定する必要があります。省略するとリクエストは 400 `SVG generation requires 'svg.model'` を返します。また、コストは画像部分とテキスト部分の 2 つで構成されます。2.6-all では `svg.model` は不要で、指定しても無視されます。SVG のテキストコストを個別に計上する必要がある場合は公式経路を、低コストで必須フィールドを少なくしたい場合は 2.6-all を選んでください。

### 4. レスポンス形式: `b64_json` と `b64_json` + URL

* **公式版 2.6**: 常に `b64_json` を返します（生のbase64で、`data:` プレフィックスなし）。また、`response_format` は受け付けず、渡すと400を返します。URLを取得するには、画像を独自のストレージに保存する必要があります。
* **2.6-all**: デフォルトでは `b64_json` を返します。24時間有効な署名付きリンクを取得するには、`response_format: "url"` を明示的に渡してください。なお、urlレスポンスには `size` フィールドが含まれない場合があります。このフィールドが含まれるのはb64レスポンスのみです。URLの期限が切れたら再生成し、速やかにご自身の環境で再ホスティングしてください。

どちらのルートでも、`b64_json` に `data:` プレフィックスは含まれないため、デコード処理を共通化できます。

### 5. 編集：マスク、複数画像、マークアップ

| 機能 | 公式 2.6 | `gpt-image-2.6-all` |
| - | - | - |
| マスクによるインペインティング | 公式仕様：PNG、アルファチャンネル、4MB未満。ただし、あくまで緩やかな指示であり、ピクセル単位で正確な境界は保証されません | 受け付けられますが、マスク領域のみが変更される保証はありません。複雑な編集では、変更する内容と維持する内容を prompt に明確に記載してください |
| 複数画像の参照 | 最大16枚（`image[]`）。prompt では「画像1」/「画像2」として参照します | テストでは2枚の参照画像を使用できました。それ以上の場合は、先に画像を合成するか、段階的に編集してください |
| `auto` サイズでの編集 | 既存の入力仕様によって決まります | 入力のアスペクト比を維持したまま、出力は約1.57 MPに正規化されます。元のピクセル寸法は保証されません |
| マークアップを使った編集 | 2.6で新たに追加されましたが、パススルーの動作はルートによって異なります。ご自身のグループでテストしてください | このルートではドキュメントに記載されていません |

### 6. 速度、タイムアウト、安定性

**公式発表と実測値は分けて扱ってください:**

* 公式2.6: OpenAIは、生成全体が50%高速化され、`flare`が`low`で6秒に到達すると述べています。これはOpenAIの最良ケースであり、すべてのリクエストに対する保証ではありません。サイトにはまだ2.6のティア別実測値がないため、2.5の同一価格ティアの数値を参考にしてください。1024²の`2.5-flare`は、`low`で10秒 / `high`で21秒 / `max`で45秒を実測し、`2.5-sunburst`は14 / 42 / 142秒でした。高品質および2K/4Kは明らかに遅くなります。
* 2.6-all: 通常10～46秒（1K 10～22秒、2K 12～24秒、4K 15～42秒）ですが、テールレイテンシは最大198秒を実測しているため、クライアントは一律600秒に設定してください。

両ルートとも**同期**です。タスクIDが存在しないため、クライアントが切断すると、リクエストは課金されたまま結果が失われます。タイムアウト、リバースプロキシ、サーバーレスの実行制限は併せて緩和してください。

**同時実行数と安定性:**

* 公式ルートはOpenAIを経由し、デフォルトで約100 RPM、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。`Default`グループはピーク時に時折429を返すため、`image2Enterprise`エンタープライズグループ（1.2倍）に切り替えることで補えます。
* 2.6-allはテストで1Kにおいて12×2、16×1、8並列の同時実行を429なしで通過しました。2K/4Kは負荷テスト未実施のため、4～8件の同時リクエストから開始し、テールレイテンシを監視してください。2K/4Kは時折502 `size_not_deliverable`を返します。再試行するか、サポートされているサイズに切り替えてください。
* 両ルートとも、5xxとタイムアウトは指数バックオフで2回再試行し、429ではバックオフしてください。

## 各モデルを選ぶ基準

> [card] 公式の gpt-image-2.6-flare / sunburst を選ぶ
>
> * **フィールドと動作を OpenAI と完全に一致させる必要がある**：公式 SDK または公式フィールドを基盤に構築された既存プロジェクトを、変更なしで移行できます
> * **6 つすべての `quality` ティア**が必要で、特に `xhigh` / `max` の完成アセット品質が求められる
> * 印刷、精細なテクスチャ、または細部の厳しい要件のために、**ネイティブ 2K/4K ピクセルが必要**
> * 精密なマスク、複数画像の融合（16 枚）、または WebP 出力が必要
> * フレームごとのサイズを制御できる GIF、または名前付きオーサリングモデルと項目別コストを備えた SVG が必要
> * 公式ルートの安定性と引き換えに、従量課金によるコスト変動を受け入れられる

> [card] gpt-image-2.6-all（リバース）を選ぶ
>
> * **コストに上限を設定する必要がある**：1 画像あたり一律 \$0.025 で、2K/4K でも同額のため、予算を立てやすい
> * **バッチ生成**、インフォグラフィック、マーケティング素材、E コマース用アセット
> * **2K/4K の大きなキャンバスに対応**：ネイティブピクセルの精細さよりも、大きなキャンバスが必要
> * **低コストの GIF / SVG**：`svg.model` もテキストモデル料金も不要
> * 1 回の呼び出しで複数画像（1～4 枚）、または 24 時間有効なダイレクト URL が必要
> * 高速な反復と、1536 までのネイティブな ChatGPT の外観（フィンガープリント付き）

## クライアント設定

| 設定 | 公式 2.6 | `gpt-image-2.6-all` |
| - | - | - |
| **クライアントのタイムアウト** | `low` ≥120 s、`medium` ≥240 s、`high` ≥600 s、`xhigh` ≥300 s、`max` ≥600 s | ≥600 s |
| **リトライ戦略** | 5xx とタイムアウト時に指数バックオフで2回リトライし、429 時にもバックオフします | 同じですが、502 では先にサイズを切り替えます `size_not_deliverable` |
| **同時実行数** | デフォルトで約100 RPM。ピーク時は `image2Enterprise` に切り替えます | 1K では同時リクエスト数を10～16、2K/4K では4～8から開始します |
| **レスポンスの処理** | 常に b64 を受け取り、自分でデコードします。`response_format` は送信しないでください | b64 または url を使用します。url のレスポンスは速やかに自分のサーバーで再ホストしてください。また、`size` が省略される場合があります |
| **サイズの検証** | 公式の4つの制約に照らして検証します | レスポンスの `size` と実際の画像サイズを使用します。サイズが明示的に一致しない場合は 502 が返されます |
| **コストの計上** | `usage.output_tokens` を記録し、100万あたり \$30 で換算します | 返された画像数 × \$0.025 を記録します |
| **トークンの種類** | **従量課金 Priority** が必須です | リクエストごとのモデルです。`Default` グループで十分です |

```python theme={null}
import base64
import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["APIYI_API_KEY"],
    base_url="https://api.apiyi.com/v1",
    timeout=600,
)

# Official 2.6: six quality tiers + native sizes
official = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="Minimalist specialty coffee poster, product and soft morning light in focus, with space reserved for a headline",
    size="2048x1152",
    quality="high",
)

# 2.6-all: flat per-image price; pass response_format explicitly when you need a direct URL
reverse = client.images.generate(
    model="gpt-image-2.6-all",
    prompt="Minimalist specialty coffee poster, product and soft morning light in focus, with space reserved for a headline",
    size="2048x1152",
    quality="medium",
    response_format="b64_json",
)

with open("coffee-official.png", "wb") as f:
    f.write(base64.b64decode(official.data[0].b64_json))

with open("coffee-reverse.png", "wb") as f:
    f.write(base64.b64decode(reverse.data[0].b64_json))
```

## よくある質問

> [accordion] モデル名だけを変更して、2つのチャネルを切り替えられますか？
>
> 基本的なテキストからの画像生成と編集は、同じコードベースで扱えます。ただし、**パラメーターの意味は完全には同じではない**ため、切り替え時に一度正規化してください。
>
> * `size`：公式ルートでは16の倍数と総ピクセル数の範囲が必須です。2.6-allのネイティブティアでは任意の整数を指定でき、2K/4Kは超解像です
> * `quality`：公式ルートは6つのティアに対応します。2.6-allで指定できるのは`auto` / `medium` / `high`のみです
> * `response_format`：公式ルートに渡すと400が返されます。2.6-allでは`url`を指定できます
> * `n`：公式ルートは画像を1枚返します。2.6-allは1～4枚返します
> * GIF / SVG：フィールドの必須条件と制限が異なります
>
> どちらのルートも`b64_json`に`data:`プレフィックスが付かないため、デコード処理は再利用できます。

> [accordion] 2.6-allがこれほど安いのはなぜですか？画像品質は落ちますか？
>
> 理由は3つあります。**画像単位の料金**で1K～4Kを利用できること（公式ルートはtoken単位で課金され、高品質・大サイズほどtoken量が大幅に増加します）、**2K/4Kはネイティブピクセルではなく超解像**であること、そして**品質ティアが少ない**ことです。品質面では、2つのルートはそれぞれ異なる位置付けです。2.6-allは1536以下でChatGPTウェブ版と同等のネイティブ品質と特徴を維持し、公式ルートは公式APIのネイティブ品質ティアを使用します。同一のpromptを使った公開ブラインドテストはないため、どちらが優れているとは断定できません。お手元の素材で両方を試し、比較してください。

> [accordion] 公式ルートを使う必要があるのはどんな場合ですか？
>
> 次のいずれかが必要な場合は、公式`gpt-image-2.6-flare` / `sunburst`を選んでください。OpenAI公式フィールドとの完全な互換性、6つすべての`quality`ティア（`xhigh` / `max`を含む）、ネイティブ2K/4Kピクセル、精密なマスク、複数画像の合成（最大16枚）、WebP出力、GIFのフレームごとのサイズ制御、または名前付きの生成モデルと明細付きのテキストモデル料金を指定したSVG。

> [accordion] 2.6-allを選ぶとよいのはどんな場合ですか？
>
> コストの上限設定、バッチ生成、2K/4Kの大きなキャンバスへの対応、低コストのGIF / SVG、1回の呼び出しで1～4枚の画像を生成する場合、24時間有効な直接URL、または素早いドラフトの反復には、2.6-allの\$0.025/画像がお得です。2K/4Kは超解像である点に注意してください。画像が大きくなっても、詳細が増えるわけではありません。

> [accordion] 2K/4Kはネイティブピクセルですか、それとも超解像ですか？
>
> **ネイティブのディテール、印刷品質の出力、厳密な4K要件**が必要な場合は、公式ルートを選び、token課金で大幅に高くなる点を考慮してください。**大きなキャンバスさえあればよい**場合（ポスター、大型画面、縦長のEC画像など）は、コストに上限を設定できる2.6-allの超解像ティアを選んでください。一般的な2K/4Kサイズは指定どおりに出力されます。品質を重視する場合は、1536以下のネイティブティアを使用してください。

> [accordion] 2.6-allで2K/4Kをリクエストすると、必ず成功しますか？
>
> 必ず成功するとは限りません。一般的なサイズ（`2048x2048`、`2048x1152`、`2048x1536`、`3840x2160`、`2880x2880`など）は指定どおりに出力されますが、2880を超える正方形、4:1のアスペクト比、一部の4K透過背景リクエストは失敗します（502 `size_not_deliverable`または400）。レスポンスの`size`と実際の画像サイズを検証し、失敗した場合はサイズを変更するか再試行してください。

> [accordion] 最終的なGIFのサイズを指定できますか？
>
> 公式ルートでは、フレームごとのサイズを制御できます（16の倍数で、スプライトシートの上限内）。2.6-allでは**指定できません**。`size`はGIFには影響しません。保証されるのはフレーム数と再生時間のみで、最終的なピクセルサイズは上流で決まります。現時点でGIFのサイズを調整するには、クライアント側でファイルをリサイズまたはトリミングしてください。

> [accordion] SVGでは2つのルートをどのように選べばよいですか？
>
> 生成モデルを指定し、OpenAI公式フィールドに合わせ、別途課金されるテキストモデルを使用する場合は、公式ルートを選んでください（`svg.model`を渡す必要があり、そうしないと400が返されます）。低コストで、フィールドの依存関係が少なく、大きな`viewBox`が必要な場合は、2.6-allを選んでください（`svg.model`は不要で、画像1枚あたり\$0.025です）。

> [accordion] 複雑さパラメーターを使用できますか？
>
> `complexity`は、2.6向けに上流で追加された計画制御パラメーターです。公式ルートでは、公式の3つのレベルすべてを追加料金なしでネイティブに渡せるようになりましたが、レベルを上げるとレイテンシーが増える場合があります。**2.6-allはこのパラメーターに対応していません**。本番環境で使用するレベルを決める前に、同じpromptで結果を比較してください。

> [accordion] フェイルオーバー用に両方のチャネルを同時に使えますか？
>
> はい。両方の利用をおすすめします。コストや処理能力に応じて一方をプライマリ、もう一方をフォールバックにするのが一般的です。ピーク時に公式`Default`グループが429を返した場合は2.6-allに切り替え、2.6-allがコンテンツポリシーやサイズの問題で失敗した場合は公式ルートに切り替えます。どちらのルートも`/v1/images/generations`と`/v1/images/edits`を使用するため、ビジネスレイヤーでレスポンスフィールドとパラメーターを一度正規化してください。

## 関連ドキュメント

* [GPT-Image-2.6 / 2.5 / 2 公式リレー概要](https://docs.apiyi.com/ja/api-capabilities/gpt-image-2/overview.md) - 5つの公式モデルの完全な統合ドキュメント
* [GPT Image 2.6の新機能](https://docs.apiyi.com/ja/api-capabilities/gpt-image-2/gpt-image-2-6.md) - `complexity`、SVG、GIF、マークアップに基づく編集、Playground
* [GPT-Image-2.6-Allの概要](https://docs.apiyi.com/ja/api-capabilities/gpt-image-2-all/gpt-image-2-6-all.md) - 2.6リバースルートの全パラメータ、サイズ、エラーコード
* [GPT-image-2.5 / 2 公式版とリバース版の比較](https://docs.apiyi.com/ja/api-capabilities/gpt-image-2/vs-gpt-image-2-all.md) - 旧世代との比較
* [出力形式と背景の非互換性](https://docs.apiyi.com/ja/faq/gpt-image-output-format-background.md) - 公式2.6の透明 × png / jpeg / webp / gif / svgの対応表
* [SVGの推論エフォートの選び方](https://docs.apiyi.com/ja/faq/gpt-image-svg-reasoning-effort.md) - 公式SVGの作成モデルと`svg.reasoning.effort`
* [Image APIの基本とベストプラクティス](https://docs.apiyi.com/ja/api-capabilities/image-api-best-practices.md) - タイムアウト、切断、再試行
* [モデルの料金](https://docs.apiyi.com/ja/models/index.md) - 2つの公式モデルと2.6-allの最新料金


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.