OpenAI: GPT-5.4 Image 2

OpenAI: GPT-5.4 Image 2 は、テキストも扱う OpenAI の画像モデルです。画像とテキストの両方のカテゴリに位置し、GPT-5.4 モデルと GPT Image 2 の画像生成機能を組み合わせています。プロバイダーは 2026-04-21 にこれをリリースしました。開発者にとって重要な捉え方は、これが画像エンドポイントを後付けしたテキスト専用モデルではなく、推論、コーディング、画像生成が同じワークフロー内で行われるマルチモーダル作業のために作られているという点です。

入力側では、モデルは画像、テキスト、ファイルを受け付けます。出力側では画像とテキストを返すため、1 回の呼び出しで生成画像と文章コンテンツを同時に produce できます。コンテキストウィンドウは 272,000 トークンで、最大出力は 128,000 トークンです。画像生成は固定ではなく設定可能です。aspect_ratio は 1:1、3:2、2:3、4:3、3:4、16:9、9:16、21:9、または auto を受け付けます。quality は auto、low、medium、または high を受け付けます。background は auto または opaque を受け付けます。n は 1 から 10 枚の画像までです。input_references は 0 から 16 までです。output_compression は 0 から 100 までです。

これらの機能は、かなり具体的なユースケース群を示しています。モデルは画像、テキスト、ファイルの入力を受け取り、画像とテキストの両方を返せるため、分析と生成を組み合わせるワークフローに適しています。参照資料を読み取ってそこから新しいビジュアルを生成する、複数の入力にわたってデザインを反復する、n を 1 より大きく設定して 1 回の呼び出しで画像のバッチを生成する、といった用途です。input_references が最大 16 まで対応しているため、単一の例ではなく、より大きな提供画像群を条件として出力を制御することが実用的になります。aspect_ratio と quality の制御により、後処理なしで、広いレイアウトなら 16:9、縦向きなら 9:16 といった目標フォーマットに出力を合わせられます。同じレスポンス内のテキスト出力は、画像と一緒に説明、キャプション、またはコードが必要な場合に役立ちます。

モデルは、モデル ID "openai/gpt-5.4-image-2" を使用して api14 の OpenAI 互換 API を通じて呼び出します。インターフェースが OpenAI 互換であるため、既存の OpenAI クライアントライブラリとリクエスト形状は、ベース URL とモデル ID を変更するだけで動作します。サポートされるパラメータは include_reasoning、logprobs、max_tokens、reasoning、reasoning_effort、response_format、seed、structured_outputs、top_logprobs、verbosity です。reasoning と verbosity の制御により、簡潔さと引き換えに深さを調整でき、seed は再現可能なサンプリングをサポートし、structured_outputs と response_format はテキスト部分を予測可能な形状にする必要がある場合に役立ちます。画像固有のオプション (aspect_ratio、quality、background、n、input_references、output_compression) はリクエストの一部として渡されます。

上記の事実には明示された制限はありませんが、パラメータ一覧は適合性に関するシグナルとして読む価値があります。タスクが画像出力のない純粋なテキスト生成である場合、画像パラメータと画像出力モダリティは使用しない表面積を増やし、テキスト専用モデルの方が推論しやすい可能性があります。16 を超える入力参照、1 回の呼び出しあたり 10 枚を超える画像、または一覧にないアスペクト比が必要な場合、このモデルの文書化された範囲では対応できません。これらの範囲内では、別々のモデルを連結するのではなく、1 回のリクエストで生成と推論を求める開発者を対象としています。