OpenAI: GPT-5 Image Mini

GPT-5 Image Miniは、同社の言語能力と画像生成を融合させたOpenAIのモデルです。OpenAIはこれを、GPT-5 Miniの言語能力とGPT Image 1 Miniを組み合わせたものと説明しており、名前の「mini」はここに由来します。つまり、GPT-5 Imageファミリーの中で最大のものではなく、より小さく効率的なメンバーです。画像カテゴリに位置づけられていますが、テキストモデルとしても分類されているため、双方向の作業を1か所で処理するネイティブなマルチモーダルシステムとして理解するのが最適です。

入力側では、モデルはテキスト、画像、ファイルを受け付け、出力側では画像とテキストの両方を返します。つまり、同じリクエストにテキストプロンプトと参照画像を含めることができ、応答には生成された画像とテキストコンテンツを含めることができます。コンテキストウィンドウは400,000トークンで、長いプロンプト、拡張された会話、複数の参照を一度に保持するのに十分な大きさです。最大出力は128,000トークンです。画像生成は設定可能です。アスペクト比は1:1、3:2、2:3、autoをサポートし、品質はauto、low、medium、highをサポートし、背景はauto、transparent、opaqueをサポートします。1回の呼び出しで1～10枚の画像を要求でき、最大16の入力参照が可能で、出力圧縮は0～100で調整できます。

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。モデルがテキストとともに参照画像を受け取るため、提供された画像のバリエーションを作成したり、説明されたスタイルに従うアセットを生成したりするなど、既存の視覚素材にテキスト指示を適用する必要があるタスクに適しています。透明背景のサポートは、出力を単独の画像としてではなく、デザインやインターフェースに合成する必要がある場合に役立ち、アスペクト比のオプションは正方形、横長、縦長の形式をカバーします。テキスト側では、大きなコンテキストと長い最大出力により、視覚資料も生成する長めのドキュメントや推論重視のリクエストに適しています。品質設定により、タスクに応じて生成の労力と速度をトレードオフできます。

モデルは、モデルID「openai/gpt-5-image-mini」を使用してapi14のOpenAI互換APIを通じて呼び出します。サポートされるパラメータは、include_reasoning、logprobs、max_tokens、reasoning、response_format、seed、structured_outputs、temperature、top_logprobs、top_p、verbosityです。画像制御（アスペクト比、品質、背景、画像数、入力参照、出力圧縮）は、これらのパラメータとともにリクエストの一部として渡されます。structured_outputsとresponse_formatが利用可能なため、テキスト応答をスキーマに制約でき、seedにより、実行間で一貫した結果が必要な場合に再現可能なサンプリングが可能になります。

主に考慮すべき点は、これがminiバリアントであることです。タスクが可能な限り最強の画像生成や最も能力の高い言語推論を要求する場合、より大きなGPT-5 Imageモデルの方がより自然に適しています。GPT-5 Image Miniは効率性を目的としているため、最大品質よりもスループット、コスト管理、レイテンシが重要になる場合に理にかなっています。大量生成、参照駆動の編集、テキストと画像が混在する応答にとって妥当なデフォルトであり、出力品質が重要なものに採用する前に、独自のプロンプトでテストする価値があります。