Microsoft AI: MAI-Image-2.6 は Microsoft の画像モデルで、モデル ID microsoft/mai-image-2.6 で登録されています。OpenAI: GPT Image 1 は OpenAI の画像モデルで、モデル ID openai/gpt-image-1 で登録されています。どちらも api14 上の同じカテゴリに属するため、両者の選択は、一方が画像モデルで他方が別のものか、という話ではありません。どちらが画像生成のやり方に合うか、そしてプロンプトと一緒にどれだけのテキストを入力する必要があるか、という話です。
最も明確な違いはコンテキストです。GPT Image 1 は最大 400000 トークンのコンテキストを受け付け、MAI-Image-2.6 は 4096 です。プロンプトに長い参考資料、詳細なブリーフ、または多数の過去のやり取りが含まれる場合、GPT Image 1 の方がそれを保持する余地がはるかに大きくなります。どちらのモデル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すため、テキストの回答は返しません。パラメータでは両者は分かれます。MAI-Image-2.6 は max_completion_tokens、max_tokens、temperature をサポートし、GPT Image 1 は max_tokens、response_format、seed、structured_outputs をサポートします。構造化出力は OpenAI 側のみにあり、seed も OpenAI 側のみで、これは再現可能な生成が必要な場合に重要です。価格では、MAI-Image-2.6 の方が入力において安価です。出力価格は両者で意味のある差はないため、コスト差が現れるのは入力側です。
短いプロンプト駆動の画像生成で、temperature でサンプリングを調整し、入力コストを抑えたい場合、MAI-Image-2.6 が自然な選択です。大きなコンテキストウィンドウ、再現性のための固定 seed、またはパイプラインに組み込む構造化出力が必要な作業には、GPT Image 1 の方が適しています。画像を生成するのではなくキャプション付けや説明を行う場合、どちらのモデルも役に立ちません。どちらも画像のみを出力するためです。プロンプトが数文で、seed や構造化出力が不要な場合、MAI-Image-2.6 のより小さなコンテキストは支障にならず、より安い入力価格が有利に働きます。
どちらのモデルも api14 を通じて同じ方法で呼び出せます。API が OpenAI 互換だからです。同じエンドポイントに同じリクエスト形式でリクエストを送り、変更するのはモデル ID だけです。Microsoft モデルには microsoft/mai-image-2.6、OpenAI モデルには openai/gpt-image-1 です。テキストと画像の入力はどちらの場合も同じフィールドに入り、画像も同じ方法で返ります。つまり、1 つのコードパスを構築し、モデル ID を設定に保持し、クライアントを書き換えずに両者を切り替えられます。ただし、パラメータセットは異なることを覚えておいてください。temperature と max_completion_tokens は Microsoft モデルに属し、response_format、seed、structured_outputs は OpenAI モデルに属します。
もう一方のモデルが依然として勝つケースがあります。コストのために MAI-Image-2.6 に決めたものの、プロンプトが 4096 トークンに収まらないほど大きくなった場合、動作し続けるのは GPT Image 1 です。コンテキストウィンドウがはるかに大きいためです。逆に、seed や構造化出力のために GPT Image 1 を使っているものの、入力が短く、入力コストが決め手である場合、MAI-Image-2.6 はより安い入力オプションです。確定する前にこのページの最新価格表で現在の料金を確認し、コンテキスト長、実際に必要なパラメータ、そして呼び出し方に対してどちらが安いかに基づいて選んでください。