OpenAI: GPT-5 Image

GPT-5 Imageは、GPT-5言語モデルと画像生成機能を組み合わせたOpenAIのモデルです。画像カテゴリに位置しながらテキストも扱うため、純粋な画像生成器ではなくマルチモーダルモデルです。OpenAIは2025年10月14日にこれをリリースしました。すでにテキスト作業でGPT-5を使用している場合、このモデルは同じファミリーを画像生成と編集に拡張します。

このモデルは入力としてテキスト、画像、ファイルを受け入れ、出力としてテキストと画像の両方を生成できます。コンテキストウィンドウは400,000トークンで、最大出力は128,000トークンです。画像側では一連の生成コントロールを公開しています。アスペクト比(1:1、3:2、2:3、またはauto)、品質(auto、low、medium、またはhigh)、背景(auto、transparent、またはopaque)、1から10までの数n、最大16の入力参照、そして0から100までの出力圧縮です。入力参照が存在するということは、モデルが作業の基にする画像を提供できることを意味し、これによりテキストプロンプトからの生成と並んで、編集や参照ガイド付き生成が可能になります。

これらの機能は、かなり幅広い実用的用途を示しています。テキストプロンプトから直接画像を生成し、結果の形状、品質、背景を制御できます。これには、後で合成する必要があるアセット向けの透明な背景も含まれます。モデルが画像とファイルの入力を受け入れるため、ソース画像を参照として渡す画像編集や変換タスク、また生成または編集された画像とともに文章による説明を生成するなど、テキスト推論と画像出力を混在させるワークフローにも使用できます。reasoningおよびstructured outputパラメータは、テキスト部分をプログラムで解析する必要があるパイプラインでも使用できることを示唆しています。

このモデルは、モデルID「openai/gpt-5-image」を使用してapi14のOpenAI互換APIを通じて呼び出します。サポートされているリクエストパラメータは、include_reasoning、logprobs、max_tokens、reasoning、response_format、seed、structured_outputs、temperature、top_logprobs、top_p、verbosityです。画像固有のコントロール(アスペクト比、品質、背景、n、入力参照、出力圧縮)もリクエストの一部として渡されます。インターフェースがOpenAI互換であるため、既存のOpenAI SDKクライアントとツールは、通常、ベースURLとモデルIDを変更するだけで動作します。

ここにはレート制限、レイテンシ、可用性に関する情報はないため、これらは自身のワークロードに対してテストすべき未知の要素として扱ってください。タスクが純粋にテキストで画像に一切触れない場合、GPT-5ファミリーのテキスト専用モデルの方がより適しているかもしれません。強力な指示追従と参照画像を伴う画像出力が必要な場合、このモデルが最初に評価すべきものです。