GPT Image 2は登場から12時間で1512点を獲得し、Arenaのテキストから画像生成ランキングで首位に立ちました。2位のNano Banana 2に241点差——これはImage Arena史上最大の点差です。これはOpenAIによる、Googleの半年に及ぶ抑え込みへの反撃であるだけでなく、もっと重要なのは、画像生成を「レンダリング時代」から「推論時代」へと前進させたことです。

GPT Image 2とは

GPT Image 2はOpenAIがゼロから再構築した画像生成モデルで、公式には「画像版GPT」と呼ばれています。これまでのすべての画像モデルとの最大の違いは、ネイティブな思考能力を持つことです。描く前に計画を立て、描き終えたら自分でチェックし、必要なときにはネットで参考資料を検索することまでできます。

GPT Image 2はArenaの3つの部門別ランキングすべてで首位を獲得。公式は「a clean sweep」と表現しています

主要能力

文字レンダリングの正確率99%

文字レンダリングはこれまでAI画像生成の難題でした。GPT Image 2は文字レンダリングの正確率を99%まで押し上げました（前世代のNano Banana Proは94%）。文字レンダリング単項目では前世代から316点上昇しています。

1つのPromptから複数のスタイルを生成

これまでのAI画像生成の痛点は、出力が単一なことでした。GPT Image 2は1つのプロンプトから、構図、配色、情報密度の異なる複数の画像を生成できます。バリエーションの制御性が大幅に向上しました。

同じプロンプトで生成した線形代数の解説図。まったく異なる4つの構図とスタイル

複数画像編集能力

生成だけでなく、GPT Image 2は単一画像編集と複数画像編集の部門別ランキングでも同じく首位です。元画像をベースに正確な修正を直接行え、元画像のディテールを保ったまま編集を完了できます。

Thinkingモード

Thinkingモードを有効にすると、モデルはまず推論プランを生成してから描き始めます。このモードは複雑なシーンに特に適しています。たとえば漫画ページの生成では、キャラクターの一貫性とコマごとのストーリーの連続性を保てます。

Thinkingモードで生成した漫画ページ。キャラクターの一貫性とコマごとのストーリーの連続性

使い方

ChatGPTで使う

ChatGPT Plusユーザー（$20/月）はそのまま利用でき、画像生成はすでにプランに含まれています。

API呼び出し

from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="gpt-image-2",
    prompt="一张写实风格的抓拍照片，海岸线，阴天，复古汽车停靠在路边，胶片质感",
    n=1,
    size="1024x1024"
)

API料金：高品質の画像生成は1枚$0.21です。

サードパーティー統合

リリース当日に、Figma、Canva、Adobe Firefly、fal、Hermes Agentがすでに統合を完了しており、これらのツールから直接GPT Image 2を呼び出せます。

注意：DALL-E 2とDALL-E 3は5月12日に正式に引退します。

実際の効果比較

Arenaのブラインドテストデータでは、GPT Image 2の勝率は**93%**です。100枚の画像をペアでブラインド選択したところ、93枚で人々はGPT Image 2の結果を選びました。

制約

• ブランドロゴを正確に再現できない（ZDNetの実測では自社ロゴまで歪んで描かれた）
• Nano Banana 2は人物のリアルさと複数参照画像の一貫性で依然として優位
• 複雑なシーンではまれにディテールのズレが生じる