Krea: K3 Edit 対 OpenAI: GPT Image 2
api14カタログの最新のUSD料金と機能をもとに、Krea: K3 Edit（$0.11 / 画像 (≈ ￥17)）とOpenAI: GPT Image 2（$28.00 / 100万トークン (≈ ￥4,419)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。
仕様
| Krea: K3 Edit | OpenAI: GPT Image 2 | |
|---|---|---|
| プロバイダー | Krea | OpenAI |
| 画像出力 | $0.11 / 画像 (≈ ￥17) | $105.00 / 100万トークン (≈ ￥16,573) |
| 画像入力 | $0.04 / 画像 (≈ ￥6) | - |
| 入力 | - | $28.00 / 100万トークン (≈ ￥4,419) |
| 出力 | - | $28.00 / 100万トークン (≈ ￥4,419) |
| キャッシュ読み取り | - | $7.00 / 100万トークン (≈ ￥1,105) |
| ウェブ検索 | - | $35.00 / 1,000検索 (≈ ￥5,524) |
| コンテキストウィンドウ | 65,536 | 400,000 |
| 最大出力 | 58,982 | 360,000 |
| 入力 | text, image | text, image |
| 出力 | image | image |
| ツール呼び出し | ||
| 構造化出力 | ||
| 推論の調整 | ||
| 追加日 | 2026/10/15 | 2026/06/24 |
主な違い
- OpenAI: GPT Image 2は6.1倍長いコンテキスト（400,000トークン）を読み取れます。
- 構造化JSON出力に対応しているのはOpenAI: GPT Image 2だけです。
詳しく見る
Krea: K3 Edit は Krea の画像モデルで、2026-10-15 にリリースされました。OpenAI: GPT Image 2 は OpenAI の画像モデルで、2026-06-24 にリリースされました。どちらも api14 上の image カテゴリに属し、どちらもテキストと画像を入力として受け取り、画像を出力として返します。この2つを選ぶ場合、実用的な違いは最上位レベルで何を生成するかではなく、呼び出しをどれだけ制御できるか、そして一度にどれだけの入力を保持できるかです。
最も明確な分かれ目はコンテキスト長です。GPT Image 2 は 400000 トークンのコンテキストをサポートし、K3 Edit は 65536 をサポートするため、プロンプト、参照画像、または周辺の指示が長い、あるいは多い場合に選ぶべきは GPT Image 2 です。また GPT Image 2 は、K3 Edit が列挙していないサポート対象パラメータを公開しています: max_tokens、response_format、seed、structured_outputs です。つまり GPT Image 2 は、この2つの中で唯一、再現可能な出力のために seed を固定したり、特定の response format を要求したり、生成トークン数を制限したり、structured outputs を要求したりできるモデルです。K3 Edit はサポート対象パラメータを列挙していないため、より単純な呼び出しサーフェスとして扱ってください。どちらのモデルも、ツールを持つ唯一のモデル、または推論を持つ唯一のモデルとしてフラグ付けされているわけではなく、定性的な注記でもどちらかが入力または出力で安価であると示されていないため、このレベルではコストは両者を選ぶ決定要因ではありません。
日々の作業では、呼び出しをどれだけ操作する必要があるかに基づいて選んでください。短いテキストプロンプトから画像を生成する場合、または簡単な指示で単一の参照画像を編集する場合、K3 Edit は妥当な選択であり、そのより小さいコンテキストが問題になる可能性は低いです。プロンプトが長い場合、複数の参照画像を渡す場合、またはパイプラインが固定の seed、宣言された response format、もしくは structured outputs に依存している場合、GPT Image 2 の方が適しています。なぜならそれらは GPT Image 2 がサポートするパラメータだからです。同じことは、大量のコンテキストを複数の呼び出しに分割するのではなく、1つのリクエストで保持する必要がある場合にも当てはまります。
どちらのモデルを api14 経由で呼び出す場合も、API が OpenAI 互換であるため方法は同じです。同じエンドポイントに同じリクエスト形状でリクエストを送信し、変更するのはモデル id だけです: Krea のモデルには "krea/k3-edit" を、OpenAI のモデルには "openai/gpt-image-2" を使います。テキストと画像の入力は通常どおり送信し、画像はレスポンスで返ります。後で片方だけがサポートするパラメータ、たとえば seed や structured_outputs が必要になった場合は、モデル id を "openai/gpt-image-2" に切り替えてそれを追加してください。別途学ぶ必要のある SDK や認証フローはありません。
GPT Image 2 の方がより大きなコンテキストとより多くのパラメータを持つにもかかわらず、K3 Edit が依然としてより良い選択であり続けるケースが1つあります: タスクが短いプロンプトと単一の参照画像による単純な生成または編集であり、seed、response format、structured outputs を必要としない場合です。その状況では、GPT Image 2 の追加のコンテキストとパラメータは何ももたらさず、K3 Edit のより単純な呼び出しサーフェスで十分です。
文字列1つで切り替え
どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"krea/k3-edit"から"openai/gpt-image-2"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.images.generate({
"model": "openai/gpt-image-2",
"prompt": "A minimalist product photo of a ceramic mug on a wooden table",
"n": 1,
"aspect_ratio": "1:1"
});
import { writeFile } from "node:fs/promises";
await writeFile("image.png", Buffer.from(result.data[0].b64_json, "base64"));
その他の比較
- OpenAI: GPT Image 2.6 Flare 対 OpenAI: GPT Image 2.6 Sunburst
- OpenAI: GPT Image 2.6 Flare 対 Auto Router
- OpenAI: GPT Image 2.6 Flare 対 Auto Code
- OpenAI: GPT Image 2.6 Flare 対 Sourceful: Riverflow V2.6 Pro
- OpenAI: GPT Image 2.6 Sunburst 対 Auto Router
- OpenAI: GPT Image 2.6 Sunburst 対 Auto Code
- OpenAI: GPT Image 2.6 Sunburst 対 Sourceful: Riverflow V2.6 Pro
- Auto Router 対 Auto Code