メインコンテンツへスキップ

簡単な回答

svg.reasoning.effort は、SVGを作成するテキストモデルがどの程度の推論を行うかを制御します。また、受け付けられる値はゲートウェイではなく、svg.model によって異なります。
  • 一般的な作成モデル(gpt-5.6-terra、gpt-6-luna など):none / low / medium / high / xhigh / max — minimal は 400 を返します。
  • minimal は初代 GPT-5 世代(gpt-5 / gpt-5-mini / gpt-5-nano)に属します。gpt-5.1 以降、OpenAI はこれを none に置き換えており、これを受け付ける後継モデルはありません。
  • reasoning を省略する、reasoning: null を送信する、または effort: null を送信する場合は、いずれも通常どおり生成され、作成モデルのデフォルト値が使われます。
そのため、「minimal はサポートされていません」というエラーは、フィールドの入力ミスを意味するわけではありません。その作成モデルが該当するレベルを受け付けないということです。レベルまたはモデルを変更すれば解決します。
output_format: "svg" を使用する場合、svg.model は必須です。省略すると 400 SVG generation requires 'svg.model'. が返されます。レベルに関する説明は、そのオブジェクト内でのみ適用されます。

フィールドはsvg内にネストしてください

トップレベルにフラットなフィールドを指定しないでください。 "svg_reasoning_effort": "high"を記述してもエラーは発生せず、効果もありません。ゲートウェイは未知のフィールドを破棄し、推論の指定がないリクエストとして処理します。テストでは、minimalを使ったフラット形式は200を返しましたが、同じ値をsvg.reasoning.effort内に指定した場合は400を返しました。200が返っても、フィールドが反映された証拠にはなりません。

各著者モデルが受け付けるもの

api.apiyi.comで2026-11-10に測定しました。ティアの一覧は、各モデルが自身のエラーメッセージで返す内容に基づいています(/v1/responsesで検証済み。SVGパスはgpt-5.6-terra、gpt-6-luna、gpt-5-nano、gpt-5、gpt-4.1-miniについてエンドツーエンドで検証済みです)。
モデルが何に対応しているかわからない場合は、拒否される可能性が高い値(maxまたはminimal)を送信してエラーを確認してください — アップストリームにはそのモデルが受け付けるすべてのティアが一覧表示されるため、ドキュメントから推測するよりも速く、確実です。

エラーの読み解き方

1. 作成モデルがティアを受け付けない(通常はminimalの場合)

paramが空で、メッセージにモデル名が示されている場合は、ゲートウェイではなく作成モデルによる検証です。リクエストは生成に到達せず、課金されません。

2. 値が列挙型の範囲外(入力ミス、空文字列)

paramがsvg.reasoning.effortを指し、7つの値が列挙されている場合は、ゲートウェイの列挙型です。minimalも含まれていますが、作成モデルがそれをサポートしているとは限りません。引き続き、エラー1の結果を基準にしてください。

3. 作成モデルが推論機能をまったく持たない

gpt-4.1-miniのような推論機能のないモデルでSVGを作成すると、このエラーが発生します。すべてのティアで失敗するため、reasoningオブジェクトを丸ごと削除してください。

minimalを本当に望む場合

作成モデルを元のGPT-5ファミリーに切り替えてください。テストではSVG生成が機能します。
svg_usage.reasoning_tokensが0の場合は200を返します(同じプロンプトでもlowでは320と報告されます)。
作成コストを少し節約するためだけに、svg.modelを元のgpt-5にダウングレードしないでください。 minimalで削減できるのは作成モデルの思考tokenだけで、もともと低コストです。一方、第1世代モデルはベクターコードの構造、パスの精度、プロンプトへの準拠度でgpt-5.6-terra / gpt-6-lunaより明らかに劣るため、手戻りでコストがかさむ可能性があります。コストを抑えるには、まずqualityとsizeを下げてください。こちらのほうが、参照画像側の費用に大きく影響します。

ティアが出力とコストに与える影響

  • 影響するのはオーサーモデルのみで、参照画像には影響しません。 画像モデルがまず参照画像をレンダリングし(usageとして課金)、次にテキストモデルが思考してSVGを書き出します(svg_usageとして課金)。両方ともカウントされます。
  • reasoning_tokensはすでにoutput_tokensに含まれています — 二重に加算しないでください。課金額は、オーサーモデルの出力価格にsvg_usage.output_tokensを掛けて算出されます。
  • 上位のティアほどコストが高くなります。 1回のmax実行で、推論tokenが4,816、合計svg_usage.output_tokensが4,987になりました。noneは一貫して0です。
  • ただし、reasoning_tokensだけではティアが有効になったことを証明できません。 同じ単純なpromptでは、low / medium / high / xhighの範囲が大きく重なります(mediumでは一度0と報告されたことさえあります)。明確に分かれるのは、none(常に0)とmax(数千)のみです。単純な図形にはlow / mediumで十分です。複雑なイラストや多層構造の場合のみ、highを超えてください。

関連ドキュメント

GPT Image 2.6の機能

SVG、GIF、complexity、マークアップに基づく編集を、実際の結果とともに紹介します。

GPT-Imageシリーズの概要

全5モデルの仕様、料金、エンドポイント、よくあるエラーを説明します。

出力tokensが多くなる理由

解像度とqualityがoutput_tokensと画像1枚あたりのコストにどう影響するかを説明します。

モデルの料金

文章作成モデルと画像モデルの最新の単価を、信頼できる情報として掲載しています。