GPT Image 2.5を68枚で検証｜日本語の文字・料金・使い方【ComfyUI】

📝 本記事にはアフィリエイトリンクが含まれています。

要約

• Comfy Cloud の「OpenAI GPT Image 2.5」ノードで、GPT Image 2.5 Sunburst を使い、実写・アニメ・イラストの画風、日本語と英語の文字、画像編集の17課題を作りました。英語のプロンプトと日本語のプロンプトで2枚ずつ、全68枚です
• 日本語の文字は、見出し・7行のメニュー・図解のラベル・筆文字の看板まで正確でした。崩れたのは、ポスターの日付の括弧を省いた1枚と、「読」の字がかすれた1枚だけです。頼んでいない文字を足した枚は無く、モデレーションで止められた枚もありませんでした
• クレジットは quality medium で、テキストからの生成が1枚2クレジット台、参照画像を渡す編集が5〜7クレジット台でした（2026年10月時点）。同じ課題の Nano Banana 2.1 は1枚10〜15クレジットでした

はじめに

パートナーノード（Comfy 経由で各社の画像生成 API を使えるノード）を、同じ課題で1モデルずつ試しています。1本目の Nano Banana 2.1 に続いて、今回は OpenAI の GPT Image 2.5 です。

GPT Image 2.5 には Sunburst と Flare の2つがあって、今回は編集と精度寄りとされている Sunburst を選びました。調べてみると、画像の中の日本語の文字を何枚も試した情報がほとんど見つからなかったんですよね。なので今回は、全部の課題を英語のプロンプトと日本語のプロンプトの両方で作って、並べて見比べています。

GPT Image 2.5とは

GPT Image 2.5 は、OpenAI の画像生成・編集モデルです。2026年9月8日に API と ChatGPT で公開されました。ChatGPT のアプリでは「ChatGPT Images 2.5」という名前で出ています（OpenAI の発表）。

発表では、GPT Image 2 から次の点がよくなったと説明されています。

• 自然な光と質感
• 参照画像の人物・物の保持
• 狙った所だけを変える編集と、何回か編集したときの一貫性
• 待ち時間（最大50%短縮）

どれも OpenAI の説明で、数字のベンチマークで示されたものではありません。この記事では、このうち「文字」と「編集の保持」を実際に確かめています。

GPT Image 2.5 SunburstとFlareの違い

API では gpt-image-2.5-sunburst と gpt-image-2.5-flare の2つのモデルに分かれています。OpenAI のモデルページでは、次のように位置づけられています。

料金の単価は2つとも同じです。OpenAI の prompting ガイドでは、速さを優先するなら Flare、品質の要求が厳しければまず Sunburst を試し、Sunburst で足りたら同じプロンプトで Flare も試す、という使い分けが書かれています。

Flare の画質については、ガイドでは「GPT Image 2 と同程度」、発表では「GPT Image 2 より高品質」と、公式のページどうしで書き方が違っていました。

APIで設定できること

ComfyUI で使うときにも関係する項目だけまとめます。

seed が無いのは、ローカルの画像生成に慣れていると戸惑うところだと思います。ComfyUI のノードにも seed の欄はありますが、API との互換のために残してあるだけで、使われていません（Comfy の GPT Image 2.5 のチュートリアル）。

GPT Image 2.5の使い方（ComfyUI・Comfy Cloud）

ノードと設定

ComfyUI では、パートナーノードの「OpenAI GPT Image 2.5」ノードで使えます。1つのノードで、テキストからの生成と、参照画像を渡した編集の両方ができます。

前のバージョンの GPT Image のノードには DEPR（非推奨）の表示が付いています。テンプレートを開いたときに古いノードだったら、新しいノードに置き換えたほうがよさそうです。

ローカルの ComfyUI でも、Comfy のアカウントでログインすればパートナーノードとして使えます。僕は今回、Comfy Cloud で動かしました。

比率は Custom のサイズで決める

ノードには比率の入力が無いので、16:9 や 3:4 にしたいときは Custom で幅と高さを指定します。今回は Nano Banana 2.1 の 1K の出力と同じ画素数にそろえて、16:9 は 1376×768、3:4 は 896×1200 にしました。出力も指定どおりのサイズでした。

編集は Load Image をつなぐ

編集するときは、Load Image ノードで読み込んだ画像を images につなぎ、プロンプトに「何を変えて、何を保つか」を書きます。今回は、2枚を合成する課題だけ参照画像を2枚渡しました。

検証の条件

seed が無いので、同じ条件で2回ずつ作りました。判定は、指示どおりなら○、一部だけ外れたら△、使えなければ×です。

人物の画像は、すべて今回 GPT Image 2.5 で作った架空の人物です。

実写・アニメ・イラストの画風

まずは文字なしで、6つの画風を作りました。ここからの比較画像は、左が日本語のプロンプト、右が英語のプロンプトです。

24枚のうち22枚が○で、△は英語のプロンプトの物撮り2枚だけでした。

実写の人物は、4枚ともクリーム色のニット・窓際・左からの光・本を持つ手と、指示がそろっています。日本語のプロンプトでは髪をまとめ、英語では下ろしていましたが、違いはそのくらいでした。

アニメの背景美術は、電柱・電線・自販機・塀の上の猫・紫の雲が4枚ともそろいました。構図も4枚ともほぼ同じで、坂の上から海を見下ろす絵になっています。

物撮りの「真上から」が英語では効かなかった

物撮りは、プロンプトで「真上から（overhead）」と指定しています。日本語のプロンプトでは2枚とも真上から撮った構図になりましたが、英語のプロンプトでは2枚とも斜め上からでした。この課題では、日本語と英語で差がはっきり出たのはここだけです。

どちらも、頼んでいない鉢植えを足していて、英語のほうはナプキンも足していました。質感や釉薬の映り込みは4枚とも自然です。

気になったところ

水彩のキツネとウサギは、傘を持つキツネの手が、英語の1回目以外ははっきり描かれていませんでした。

画像を等倍で見ると、肌や布に細かいノイズが少し残っているように見えます。ただ、ぱっと見ではわからない程度で、ブログやウェブで使う大きさなら気にならないと思います。

GPT Image 2.5の日本語の文字はどこまで正確か

見出し・メニュー・図解

日本語の文字を入れた画像を作り、期待した文字列と1字ずつ見比べました。

メニューは、タイトルと6行の品名・価格の7行が、4枚とも正確でした。チョークの手書き風でも、全部読めます。

図解は、4つのラベルが4枚とも正確で、引き出し線の向き先も合っていました。USB-C は、指示どおり左側面のポートを指しています。

崩れたのは2か所

ポスター（見出し・日付・図書館名の3行）では、4枚中2枚に小さな崩れが出ました。

• 日本語のプロンプトの2回目: 日付の「（土）」「（日）」の括弧を省いて、丸で囲んだ「土」「日」にした
• 英語のプロンプトの2回目: 「秋の読書まつり」の「読」がかすれて、字の形が崩れた

括弧の件は読みとしては同じなので、使い方によっては気にならないかもしれません。かすれのほうは、「書いたとおりに」の指示からは外れています。

筆文字・英語・ネオン

和菓子屋の看板「月見堂」は、4枚とも筆文字として読めました。崩し方も4枚ほぼ同じでした。

英語の雑誌の表紙は、5つの文字列が4枚とも正確で、大文字・小文字も指定どおりでした。ネオンサインの「Night Owl」も綴りは正確です。

頼んでいない文字は足さなかった

文字の課題（24枚）とフラットイラスト（8枚）で、頼んでいない文字を足した枚は 32枚中0枚でした。X では「空いている所にスローガンなどの文字を勝手に足す」という声もありましたが、今回の課題では出ていません。

フラットイラストも、指定した3色・白背景・点線でつながった雲のとおりでした。鉢植え・マグカップ・本は足していましたが、点や星のような飾りはありません。英語のプロンプトでは画面に UI 風の図形を描き、日本語では画面が空白でした。

画像編集

参照画像を渡して、5つの編集を試しました。入力には、上で作った画像と僕のデスクの写真を使っています。編集の20枚は、すべて○でした。

服の色だけ変える・日付だけ変える

セーターの色だけを変えるように頼むと、顔・髪・手・本・背景・光がほぼそのままで、色だけが深い緑になりました。

ポスターの日付だけを変える編集も、日付だけが「11月1日（土）・2日（日）」に変わり、見出し・図書館名・イラストは元のままでした。

写真をアニメの背景美術風にする

デスクの写真をアニメの背景美術風に描き直すと、構図・モニターアームの形・物の位置は4枚ともほぼそのままでした。写真にあったメーカーのロゴは消えています。

4枚とも、元の写真に無い窓からの斜めの日差しを壁に足していました。仕上がりは4枚ともほぼ同じで、当たり外れはありませんでした。ただ、アニメの背景美術というよりは、写真をアニメ調に塗り直した絵、という印象です。

2枚の合成とキャラの一貫性

アニメのキャラと物撮りのカップを1枚に合成すると、顔・髪・制服とラテアートのカップを保ったまま、両手でカップを持って笑う絵になりました。4枚とも、頼んでいないクロワッサンの皿まで一緒に持ってきています。

実写のカップとアニメのキャラが同じ画面にいますが、僕は見ていて違和感はありませんでした。

同じキャラを冬の公園のベンチに置いた編集も、顔・髪・目の色・ブレザーを保ったまま、赤いマフラーを足して横向きに本を読む絵になりました。

日本語のプロンプトと英語のプロンプトの違い

17課題を日英で並べると、判定は次のようになりました。

日本語の△はポスターの括弧、英語の△は物撮りの角度2枚とポスターのかすれです。画風・文字・編集のどれも、日本語で書いて精度が落ちることはありませんでした。英語の文の中に入れたい日本語を書く形でも、プロンプト全体を日本語で書く形でも、文字の正確さは同じでした。

所要時間も1枚あたり平均で英語19.2秒・日本語19.5秒と、ほぼ同じです。

GPT Image 2.5の料金

OpenAIのAPIの単価

OpenAI の API を直接使う場合、料金はトークン単位です。Sunburst と Flare で同じ単価で、モデルページには GPT Image 2 とも同じ単価だと書かれています（OpenAI の料金ページ、2026年10月時点）。

1枚いくら、という決まった値はありません。サイズや quality で消費するトークンが変わるので、1枚の金額もそれに応じて変わります。単価が同じでも、GPT Image 2 の料金計算ツールでは 2.5 の消費トークンは見積もれない、とモデルページに注記があります。

Comfy Cloudで実際にかかったクレジット

Comfy Cloud では、OpenAI の単価ではなく Comfy のクレジットで引かれます。利用履歴で確認した実績です（2026年10月25日時点）。

68枚の合計は 227.26 クレジット（英語 112.82・日本語 114.44）でした。

テキストからの生成は1枚2クレジット台でした。編集は参照画像のぶん高くなり、参照画像を2枚渡した合成が一番高くて 7.29〜7.34 でした。プロンプトを日本語にしても、クレジットはほぼ変わりません。

Custom のサイズだと見積もりは幅の上限で出るので、投入前の見積もりは1枚 13.42 クレジットでした。実際に引かれた額は、上の表のとおりです。

Nano Banana 2.1と同じ課題で比べると

同じ17課題・同じプロンプトで先に回した Nano Banana 2.1 と並べると、次のようになりました。Nano Banana 2.1 は 1K・thinking MEDIUM、GPT Image 2.5 は Sunburst・medium で、出力サイズは同じです。

文字の正確さは、どちらもほぼ使える仕上がりでした。違いが出たのは、頼んでいない物の足し方と、クレジットです。GPT Image 2.5 は、文字や飾りを足さない点で扱いやすいと感じました。一方で、物撮りの真上の構図が英語で効かない、手が曖昧になる、といった所はありました。

GPT Image 2.5のプロンプト例

今回使ったプロンプトのうち、よく使いそうなものを日本語版でまとめます。英語で書いても出来はほぼ同じでした。

市立図書館で開く秋の読書イベントの、すっきりしたポスター。背景は積み重ねた本と舞い散る紅葉のイラスト。上部に大きな見出し「秋の読書まつり」。その下に日付「10月25日（土）・26日（日）」。下部に「みなと市立図書館」。日本語の文字は書いたとおり正確に描くこと。ほかの文字は入れない。

居心地のよいカフェの壁に掛かった黒板のメニュー。いちばん上にタイトル「本日のメニュー」。その下に次の6行を、左に品名、右に価格で書く。
ブレンドコーヒー 480円
カフェラテ 550円
抹茶ラテ 580円
チーズケーキ 520円
季節のタルト 650円
モーニングセット 780円
チョークの手書き風だが、すべての文字が読めて、書いたとおり正確であること。ほかの文字は入れない。

白い背景に、斜め45度から見たノートパソコンのすっきりした技術図解。細い引き出し線を4本引き、それぞれに日本語のラベルを付ける。「ディスプレイ」は画面に、「キーボード」はキーボードに、「タッチパッド」はタッチパッドに、「USB-Cポート」は左側面のポートに。シンプルなゴシック体で、文字は濃いグレー。ほかの文字は入れない。

写真のようにリアルな、真上から撮った商品写真。ラテアートの入った陶器のコーヒーカップ、小皿にのったクロワッサン、真鍮のスプーンを、明るいオーク材のテーブルに置く。窓からの柔らかい光、自然な影、釉薬にリアルな映り込み。文字やロゴは入れない。

セーターの色だけを、クリーム色から深い森のような緑に変えてください。顔、髪、手、本、背景、光、構図はまったく同じにしてください。

日付の行だけを「11月1日（土）・2日（日）」に変えてください。見出し、図書館の名前、イラスト、レイアウトなど、ポスターのほかの部分はまったく同じにしてください。

2枚の画像を合成してください。1枚目の女の子がカフェのテーブルに座り、2枚目のコーヒーカップを両手で持って笑っています。女の子の顔・髪・服と、カップのデザインとラテアートは参照画像のとおりにしてください。絵柄は1枚目と同じアニメのセル塗り。文字は入れないでください。

編集のプロンプトは、「何を変えるか」と一緒に「何を保つか」を書いておくと、変えたい所だけが変わりました。

よくある質問

まとめ

GPT Image 2.5 Sunburst を Comfy Cloud で68枚作ってみて、日本語の文字と、頼んだ所だけを変える編集が使いやすいと感じました。崩れたのは括弧の省略とかすれの2枚だけで、頼んでいない文字を足すことも無かったので、文字入りの画像は扱いやすい印象です。プロンプトは日本語でも英語でも出来がほぼ変わらなかったので、僕は日本語で書くつもりです。

一方で、物撮りの「真上から」が英語では効かなかったり、手が曖昧になったりする所はありました。等倍で見ると細かいノイズも少し残っています。

クレジットは medium でテキストからの生成が1枚2クレジット台と、同じ課題の Nano Banana 2.1 よりかなり少なく済みました。文字入りの画像をたくさん試したいときは、まず GPT Image 2.5 から試してみようと思います。

あわせて読みたい記事:

• Nano Banana 2.1を105枚で検証
• Comfy Cloudにモデルをインポートしてみた
• Comfy Cloudの料金プランの選び方

筆者が作った本

AIで作った画像集、BOOTHで販売中

プロンプトPDF付きなので、同じ絵を手元で再現できます。

画像集とプロンプトPDFをBOOTHで見るBOOTHのショップページが開きます