GPT-Image-2.6 Flare vs Sunburst：どちらのモデルを使うべき？

下書き、大量処理、ポスター、製品画像には GPT-Image-2.6 Flare を使いましょう。最終素材や繰り返し編集には、medium または high 品質で Sunburst を使います。GPT-Image-2.6 Flare と Sunburst のどちらを選ぶかという話では、両モデルともトークンあたりのコストは同じなので、やり取りしているのは秒数とディテールであり、金額ではありません。

OpenAI は 2026年11月4日に両モデルをリリースしました。この記事では、速度、品質、編集の一貫性、コストの観点から両者を比較し、用途ごとにおすすめを提示します。実際の API キーを使って両モデルを直接対決させたわけではないため、以下の数値はすべて出典を明記し、最後のセクションではご自身のプロンプトで計測する方法を紹介します。

リリース全体については、ChatGPT Images 2.6 の解説記事をご覧ください。前世代のペアについては、2.5 の Flare 対 Sunburst 比較をご参照ください。

GPT-Image-2.6 Flare 対 Sunburst 早見表

項目	Flare	Sunburst
API モデル ID	`gpt-image-2.6-flare`	`gpt-image-2.6-sunburst`
OpenAI の一行キャッチコピー	高速な反復	精細なビジュアル作業
公表されている速度	`low` で最短6秒	数値なし
OpenAI が謳う強み	ポスターや製品画像のレイアウト	`medium` または `high` での品質と編集の一貫性
Text-to-Image Arena (Medium)	4位、1384 ポイント	2位、1409 ポイント
Image Edit Arena (Medium)	5位、1462 ポイント	3位、1476 ポイント
画像出力料金	100万トークンあたり $30	100万トークンあたり $30
`complexity`、マークアップ、SVG、GIF	対応	対応

機能面の行は一致しています。OpenAI の画像生成ガイドによれば、両モデルとも complexity 制御、マークアップガイド付き編集、SVG 出力、アニメーション GIF 出力に対応しています。どちらを選んでも機能を諦めることはありません。

速度: Flare が優勢だが、その差は非公開

Flare のほうが高速なモデルです。OpenAI のリリース投稿では、low 品質で最短6秒で画像を生成でき、Images 2.6 は以前より50%高速だと述べています。ただし Sunburst の所要時間には触れておらず、Flare と Sunburst のモデルページはどちらも速度を「指定なし」としています。

この6秒という数値は慎重に読み解く必要があります。

これは最良ケース (「最短」) であり、平均値ではありません。
low 品質にのみ当てはまります。
OpenAI はどの complexity 設定でこの数値が出たのかを明言しておらず、API のデフォルトは high です。

2.6 の独立した計測結果はまだ見つかりませんでした。最も近い証拠は 2.5 のペアのものなので、おおよその目安として扱ってください。

テスト (2.5 モデル)	Flare	Sunburst	Sunburst の所要時間
Pixmax、同一条件の 2048x1152 レンダリング	19.7 秒	27.7 秒	1.4倍
PoYo、12リクエストベンチマークの中央値	30.89 秒	35.06 秒	1.1倍

どちらのテストでも Flare が上回っていますが、その差の大きさは一致していません。差はプロンプトと設定に左右されるため、1つのベンチマークでご自身のワークロードの結論は出せません。OpenAI のガイドでは、複雑なプロンプトは GPT Image モデルで最大2分かかることがあると警告しているので、どちらを使う場合もクライアントのタイムアウトは余裕を持って設定しましょう。

品質: Sunburst がわずかにリード

Sunburst は Arena が11月5日に投稿した両ランキングでより高いスコアを記録し、Cartoon、Anime、Fantasy カテゴリでは1位を獲得しました。Flare も両ボードでトップ5に入っています。

Dot plot of Arena scores at Medium quality: Sunburst leads Flare by 25 points in Text-to-Image, 1409 to 1384, and by 14 points in Image Edit, 1476 to 1462

これらのスコアを読む際は、3つの限界に留意してください。

これは OpenAI のベンチマークではなく、群衆の好みによる投票です。
どちらも Medium で実行されているため、low や max については何も示していません。
Arena のスコアは投票が集まるにつれて変動します。当社はライブボードではなく、Arena の投稿から数値を読み取っています。

Text-to-Image での25ポイントのリードは、投票者が Sunburst の出力を好む傾向があったことを意味します。Flare の画像が劣っているという意味ではありません。ポスターや製品写真では、一般的な好みのスコアよりも、OpenAI が Flare について主張するレイアウト性能のほうが重要になるかもしれません。そのカテゴリはご自身でテストしてみてください。

編集の一貫性: Sunburst の主要な主張

編集の一貫性こそが、Sunburst の余分な待ち時間を支払う理由です。OpenAI は、medium または high 品質で「編集をまたいださらに高い画像の一貫性」を実現すると述べており、これはキャラクター、製品、ロゴを何度も変更に耐えさせたい場合に役立ちます。

ただし、ここには期待されるほど公開された証拠がありません。

OpenAI は一貫性の指標を公表していません。
システムカードによれば、更新された両モデルとも編集の一貫性とディテール保持が改善されているため、Flare も恩恵を受けています。
Arena の Image Edit の差は14ポイントで、Text-to-Image の25ポイントより小さくなっています。あのボードは投票者がどちらの編集を好んだかを評価するもので、被写体が5ラウンドを通じて安定していたかどうかではありません。

つまり Sunburst は複数ラウンドの編集においてはより安全なデフォルトですが、その時間に見合う価値があるかは、ご自身の編集チェーンでしか確認できません。背景の差し替えや看板の修正など、単発の集中した変更であれば、まず Flare を試してみてください。

どちらのモデルを選ぶにしても、complexity はご自身で設定しましょう。省略すると両モデルとも high を使いますが、OpenAI はほとんどの編集で low を推奨しています。同社のガイドでは、complexity を高くするとレイテンシが増し、意図しない変更が生じる可能性があると警告しており、これは編集ワークフローに必要なものとは正反対です。

コスト: 価格は同じ、だからこそ品質が本当のレバー

Flare と Sunburst のコストは同じです。料金ページでは両者とも画像入力トークン100万あたり $8、キャッシュ利用で $2、出力で $30 と記載されています。OpenAI の計算ツールでも両者は「GPT Image 2.6 (Sunburst and Flare)」という1つの項目として扱われているため、以下の出力見積もりはどちらのモデルにも当てはまります。

`quality` (1024x1024)	出力トークン	画像1枚あたりのコスト	1,000枚あたりのコスト
`low`	823	$0.02469	$24.69
`medium`	1,449	$0.04347	$43.47
`high`	1,756	$0.05268	$52.68
`xhigh`	3,122	$0.09366	$93.66
`max`	7,024	$0.21072	$210.72

これらの数値にはテキストおよび画像の入力トークンは含まれておらず、編集では参照画像も別途課金されます。計算ツールはトークン使用量が変動しうると注記しているので、実際のレスポンスから usage.output_tokens を読み取りましょう。

この表からは2つのことが導けます。

Flare から Sunburst への切り替えで変わるのは時間であり、料金ではありません。 low ではなく high を選ぶと、どちらのモデルでも出力コストがおよそ2倍になります。
medium から high への変更は、正方形画像1枚あたり約1セント増です。 OpenAI は Sunburst の優位性を両方のレベルに結びつけているため、medium に決める前に両者を比較しましょう。

コスト面での唯一の注意点は Batch です。11月5日時点で、料金ページの Batch タブには 2.5 が半額で記載されていましたが、2.6 のモデルはどちらも記載されていませんでした。2.5 のペアで夜間バッチを回している場合は、切り替える前にこのタブを確認してください。

どちらのモデルを使うべきか?

まずは Flare をデフォルトにし、違いが見えてきたらジョブを Sunburst に移しましょう。以下の初期設定は OpenAI のものではなく当社の提案なので、最初のテスト後に調整してください。

用途	選択	`quality`	`complexity`
コンセプトの下書きと素早い反復	Flare	`low`	`low`
大量の画像処理ジョブ	Flare	`low` または `medium`	`low`
ポスターと製品画像	Flare	`medium`	`medium`
単発の集中した編集	Flare	`medium`	`low`
同一被写体への繰り返し編集	Sunburst	`medium` または `high`	`low`
最終的なヒーロー画像とキャンペーン画像	Sunburst	`high`	`medium`
カートゥーン、アニメ、ファンタジーアート	Sunburst	`medium`	`medium`
テキストが多く、制約要素が多いもの	Sunburst	`high`	`high`

Decision flow for choosing a model: repeated edits to one subject or a final detailed asset go to Sunburst at medium or high quality, while drafts, volume work, posters and single edits go to Flare

GIF と SVG について、OpenAI はモデル間の品質や速度の差を公表していません。Flare で下書きし、最良のプロンプトを Sunburst で再実行して比較しましょう。まず GIF の2つの詳細を確認してください。OpenAI のガイドでは2〜64フレームを許容していますが、API リファレンスでは2〜16と記載されており、また同リファレンスによれば GIF 出力には選択したモデルのプレビューアクセスが必要です。

本番環境でモデルを固定している場合は注意が必要です。11月5日時点で両モデルページにはエイリアスのみが表示され、日付付きスナップショットはありません。OpenAI がモデルを更新した際には、承認済みのプロンプトを再確認してください。

Apidog CLI で両モデルを比較する

公開スコアでは、各モデルがご自身のプロンプトをどう扱うかはわかりません。コーディングエージェントを使えば、Apidog CLI で同じプロンプトセットを両モデルに対して実行し、応答時間を比較できます。まず一度セットアップします。

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

実際のワークロードから5つのプロンプトを prompts.csv に保存します。ヘッダーは prompt とします。次に Claude Code、Codex、Cursor のいずれかに次のプロンプトを渡します。

In Apidog project <id>, add POST https://api.openai.com/v1/images/generations
with a bearer token from ah-96595b54133dd71b741cc9d4907506e2b3a06f289e0016f9de2d7fb43e327968. Create a test case that sends
model {{MODEL}}, prompt {{prompt}}, quality medium, complexity low and size
1024x1024. Assert status 200 and that data[0].b64_json exists.
Run it with prompts.csv once per model, gpt-image-2.6-flare and
gpt-image-2.6-sunburst, then compare the timings in the two JSON reports.

エージェントは各スキーマを読み取り、ペイロードを検証し、テストケースを作成して、それを2回実行します。

apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file endpoint.json
apidog endpoint create --project <id> --file endpoint.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -d prompts.csv \
  --env-var "MODEL=gpt-image-2.6-flare" \
  --env-var "OPENAI_API_KEY=$OPENAI_API_KEY" \
  --timeout-request 180000 --on-error continue -r cli,json --out-file flare
apidog run --test-case <caseId> --project <id> -e <envId> -d prompts.csv \
  --env-var "MODEL=gpt-image-2.6-sunburst" \
  --env-var "OPENAI_API_KEY=$OPENAI_API_KEY" \
  --timeout-request 180000 --on-error continue -r cli,json --out-file sunburst

各 JSON レポートはミリ秒を result.timings 配下の responseAverage、responseMin、responseMax、responseSd に保存します。エージェントはこれらを並べて、ご自身のプロンプトにおける実際の差を教えてくれます。medium で10枚の画像は出力トークンで約 $0.43、これに入力分が加算されます。

このフローは apidog --help と CLI スキーマから構築したもので、OpenAI に対して実行したことはないため、信用する前に最初のレポートを確認してください。Apidog が計測するのは速度と応答の正確性であり、画像の品質ではないため、ピクセルの評価はご自身で行う必要があります。各モデル更新後もペアのタイミングを取り続けるには、実行を CI パイプラインに移しましょう。エージェントの詳細は Claude Code セットアップガイドをご覧ください。

FAQ

Flare と Sunburst はどちらが優れていますか? どちらもすべての面で勝つわけではありません。Sunburst は Arena の Text-to-Image と Image Edit のボードでより上位にランクし、OpenAI は精細な作業向けに位置づけています。Flare は速度のために作られています。まず Flare から始め、効果が見えたら Sunburst に移りましょう。

Sunburst は Flare より高いですか? いいえ。どちらも画像入力100万トークンあたり $8、キャッシュ利用で $2、出力で $30 と記載され、計算ツールでも1つの項目を共有しています。請求額を変えるのは品質設定であり、モデルの選択ではありません。

Flare は Sunburst よりどのくらい速いですか? OpenAI は明言していません。公表されているのは Flare の最良ケースである low で6秒のみです。2.5 のペアに対する2つの独立したテストでは、Sunburst が約1.1〜1.4倍の時間を要しましたが、これらの結果が 2.6 にも当てはまるとは限りません。

編集にはどちらのモデルが適していますか? 同一被写体への繰り返し編集には、medium または high 品質で Sunburst を使いましょう。単発の集中した変更には Flare を試してください。どちらも complexity は low に設定しましょう。デフォルトは high です。

両モデルは GIF と SVG を生成できますか? はい。OpenAI のガイドでは、両モデルとも POST /v1/images/generations で GIF と SVG の出力が可能と記載されています。編集エンドポイントはどちらの形式も返せません。

まだ GPT-Image-2.5 を使うべきですか? まず Batch を確認しましょう。11月5日時点で Batch タブには 2.5 が半額で記載されていましたが、2.6 は記載されていませんでした。また OpenAI の計算ツールでは、2.6 は low と medium でより多くのトークンを使うことが示されているため、大量の low ジョブは 2.5 のほうが安く済む可能性があります。