GPT-Image-2.5がArenaで3部門首位｜9月9日の画像生成・編集評価を読む

まず、GPT Image 2.5には二つのモデルがあります

「2.5」と聞くと一つのモデルに見えますが、今回のAPI向けの名前はSunburstとFlareの二つです。APIは、自分のアプリなどからAIの機能を呼び出すための仕組みを指します。

OpenAIの説明では、Sunburstは細かな指示や精密な編集を重視する用途に向き、Flareは速さと画質のバランスを取った日常的な生成に向いています。単純に「片方が良くて片方は劣る」というより、作業の目的に応じた選択肢です。

今回の作例は、GPT Image 2.5 Sunburstを指定して生成したものです。Flareとの同条件比較や、速さを測る実験を行ったわけではありません。

• 出典：OpenAIの画像生成ドキュメント（新しいタブ）

Arenaとは？ 正解を当てる試験ではなく、画像を見比べる評価です

Arenaは、AIの出力を比較して評価するサービスです。画像分野では、利用者が出てきた画像を見比べ、どちらを好むかという判断がランキングに反映されます。

ここで押さえたいのは、点数が「正解率」ではないこと。1,421点だから正しく描ける確率が何％、という読み方はできません。順位が高いから、どんな依頼でも必ず一番という意味でもありません。

また、今回の「3部門」は、Arenaという一つの評価サービス内の三つの区分です。三つの独立した調査会社が同時に世界一を認定した、という話ではありません。

この前提を踏まえても、生成と編集の両方で上位に来たことは、かなり目を引く結果です。

① 文章から画像を作る部門：Sunburst 1,421、Flare 1,399

最初はText-to-Image。日本語にすると、文章でお願いして画像を作る部門です。

発表図では、Sunburstが1,421、Flareが1,399。比較対象のGPT Image 2（medium）は1,381でした。差はそれぞれ40点、18点です。

ここでのmediumは、比較対象に付いている品質設定です。同じモデルでも設定が変われば結果が変わり得るため、名前だけでなく括弧内の条件も残して読む必要があります。

文章から画像を作るときは、きれいな写真らしさだけでなく、指定した文字、物の位置、全体の雰囲気が一緒に収まると助かります。広告なら、魅力的なビジュアルを作りつつ、見出しを置く余白まで考えたいところです。

ただし、このランキング単独では「日本語の文字がどれだけ正確になったか」など、個別能力の向上幅までは分かりません。後半の作例では、その一部を実際の画像で見ていきます。

• 出典：Arenaの公式発表と評価図（新しいタブ）

② 1枚の画像を編集する部門：Sunburst 1,520、Flare 1,491

次は、すでにある1枚の画像を編集する部門です。

Sunburstは1,520、Flareは1,491。GPT Image 2（medium）の1,461に対して、59点、30点上の数字になっています。

僕は、この編集の部分にかなり期待しています。たとえば商品写真の背景を変えたいとき、肝心の商品まで別の形になってしまうと困ります。人物の服だけを変えたいのに顔まで変わる、というのも同じです。

変えたいところを変えて、残したいところは残す。 文章にすると簡単ですが、制作ではとても大事な能力です。

OpenAIも今回の発表で、部分的な変更や、何度か編集を重ねたときの細部の一貫性を改善点として挙げています。一貫性とは、同じ人物や物の特徴が途中で別物になりにくいことです。完全に変化しない保証ではないので、納品前の見比べは引き続き必要です。

• 出典：Arenaの公式評価図（新しいタブ）

③ 複数画像を使う編集部門：Sunburst 1,535、Flare 1,501

三つ目はMulti-Image Edit。複数の画像を材料として使う編集です。

Sunburstは1,535、Flareは1,501。GPT Image 2（medium）の1,454より、それぞれ81点、47点高くなっています。

身近な作業に置き換えると、商品の写真と背景の参考画像を渡して、一つの広告案にまとめる、といった使い道が考えられます。写真だけではなく、配色や構図の参考を組み合わせることもできそうです。これは用途の例で、掲載した点数がその具体的な仕事の成功率を示すわけではありません。

企画を考えるとき、「雰囲気はこの画像、商品はこの写真、文字はこれ」と材料が分かれていることはよくあります。それらを説明しながら一つの方向へ寄せられるなら、試作の進め方が変わってきます。

なお、三部門の点数差を並べて「複数画像の編集能力が一番大きく伸びた」とまで決めるのは早いです。部門ごとに比較の相手や投票の集まり方が違うからです。

• 出典：Arenaの公式評価図（新しいタブ）

首位は大きなニュース。でも、まだ初期の評価です

9月9日にランキングページを開いた時点では、SunburstとFlareにPreliminaryという表示が付いていました。これは、まだ暫定的な段階の評価という意味です。

文章からの生成では、両モデルの得票は約3,000件前後。一方、比較対象のGPT Image 2（medium）は約7.9万件でした。新しいモデルと従来モデルでは、積み上がった判断の数にも差があります。

同ページには点数の推定幅も表示され、文章からの生成ではSunburstとFlareの推定される順位の範囲が重なっていました。発表時点の1・2位はそのまま紹介しつつ、今後の投票で順番や差が動く可能性は見ておきたいです。

僕の受け止め方は、「どんな用途でも絶対に勝つ証明」ではなく、自分の仕事でも試してみたくなる、強い初期結果です。

• 出典：文章からの画像生成ランキング（新しいタブ）
• 出典：画像編集ランキング（新しいタブ）

Xでは、文字・キャラクター・動画の材料づくりにも関心が集まっています

一般の利用者による投稿では、画像内の文字の見え方に驚く反応や、旧モデルと新モデルの画像を並べて仕上がりを比べる例を確認できました。ここでは名前やアカウントを出さず、投稿内容を要約しています。少数の実例であり、全体の満足度を調べた結果ではありません。

気になるのは、評価が「写真がリアルだった」だけでは終わっていないことです。見出しが入った一枚を作る、同じキャラクターの見え方をそろえる、といった制作寄りの使い方が見えてきます。

一方、コマ撮り風のアニメーションや、背景が透明な素材の用途を紹介する投稿もありました。ただし、今回確認したこれらの発信者はOpenAIの開発者向けチームの関係者です。独立した一般ユーザーの口コミと混ぜず、提供側によるデモとして受け止めるのが正確です。

画像を連続した映像へつなぐには、動画化や編集の工程が別に必要です。「画像モデルの発表」と「動画まで自動で完成するサービス」は分けて考えておきましょう。

実際に作ってみた① 海を見上げる、架空の水族館ポスター

ここからは、今回Sunburstで新しく生成した画像です。実在する展覧会や商品の広告ではなく、表現を試すためのコンセプト作品です。

水でできたクジラを、美術館の中へ

お願いしたのは、明るい美術館の中に、水でできた青いクジラが浮かぶという非現実的な場面です。そこへ「海を、見上げる。」という日本語の見出しと、「空想水族館」の文字を入れました。

見たかったのは、透明な水の質感、建物に差し込む光、そして文字の読みやすさを、一枚の中で両立できるか。現実にはない光景でも、床や壁の光のつながりが整うと、ぐっと説得力が出ます。

こういう一枚は、企画の第一印象を伝えるのに向いていそうです。実在の施設のように紹介せず、広告やイベントの方向性を話し合うための案として使うと、画像の役割がはっきりします。

実際の仕上がりを見るときのポイント

見出しが正しく読めるか、クジラと建物の境目が不自然でないか、主役と文字が競合していないか。派手な絵ほど、ここを落ち着いて見たいです。一度の作例だけで、文字や透明表現が必ず成功するとまでは言えません。

実際に作ってみた② 同じキャラクターを、六つの姿で

次は、小さな宇宙配達員をイメージした、オリジナルのレッサーパンダです。

青緑の上着、クリーム色のかばん、おでこに載せたゴーグル。その共通点を指定して、正面や横向き、手を振る姿などを六つの枠にまとめるよう頼みました。

かわいい一体を描くだけでなく、角度や動作が変わっても同じキャラクターだと分かるか。それを一枚で比べられる作例です。細部は枠ごとに確認する必要がありますが、キャラクターの見た目を相談する資料としては、とても分かりやすい形です。

動画にしたり、ゲームに登場させたりするなら、このあとに動きの設計や素材の分離が必要です。掲載しているのは静止画で、動くキャラクターや完成したゲーム素材を生成したわけではありません。

GPT-6 Astraと組み合わせるなら、画像は「完成の約束」ではなく「相談の共通言語」になる

僕が楽しみにしているのは、画像モデルで見た目を作り、その画像をAstraへ渡して、実際に動く画面へ近づけていく流れです。

たとえば、まず画像でサービスの雰囲気や画面配置を決める。次にAstraと、ボタンを押したあとの動き、スマートフォンでの並び方、文字の読みやすさを詰めていく。UIは画面や操作部品のこと、UXは使う人が感じる分かりやすさや使い心地のことです。

見た目の画像があると、「もう少し高級感を」「余白を広く」といった曖昧な会話にも出発点ができます。ただし、絵として美しい画面と、使いやすく動く画面は同じではありません。画像をそのまま実装できるという保証ではなく、試作を進める方法としての期待です。

今回の順位は、そんな使い方を試す背中を押してくれるニュースでした。きれいな一枚を眺めるだけでなく、直し、並べ、用途へつなぐ。そこまで含めて、画像AIがまた面白くなってきたと感じます。