ChatGPT Images 2.6で猫のスケッチをループするGIFに変換する方法を紹介。FlareとSunburstを比較し、OpenAI APIより5%安価なGPTProtoで利用しましょう。
ChatGPT Images 2.6は、2026年11月4日にOpenAIが発表した画像生成・編集機能のアップデートです。ChatGPTでループするGIFの作成が可能になり、新たに2つのAPIモデルが導入されました。「Flare」は迅速なドラフト作成や修正向けに設計されており、「Sunburst」は製品ラベルの背景を変更する際など、細部を維持したい場合に最適です。
胸にオレンジ色の星がある猫のスケッチで、このアップデートを試してみました。片手を一度だけ振る動作を指示したところ、顔やヒゲ、星といった固定すべきディテールが維持されたまま、前足が動くアニメーションが生成されました。
ChatGPT Images 2.6は、ChatGPTにおける画像体験を指します。画像を言葉で説明したり、参照画像をアップロードしたり、会話の中で画像の編集を継続したりすることが可能です。OpenAIは、ChatGPTおよびCodexの各ティアで利用可能になることを発表しました。ヘルプセンターによると、GIF作成機能は順次展開される予定です。
開発者はAPIリクエストを送信する際にモデルを選択します。モデルIDはgpt-image-2.6-flareおよびgpt-image-2.6-sunburstです。どちらのモデルも、画像処理のためにテキストと画像の入力を受け付けます。製品画像のバッチ処理を自動化したり、アプリにアニメーションを追加したりする場合、統合内でこれらの名前を使用することになります。
短いループをリクエストし、動かしたい部分を指定します。プロンプトから開始することも、静止画をアップロードすることも、スケッチを使用することも可能です。描画ツール自体はImages 2.5から存在していましたが、2.6では、大まかなキャラクターデザインを、開いて保存できる手を振るマスコットやリアクションGIFに変換できるようになりました。
ChatGPTでは、名前を付けた参照写真を保存して、後の会話で呼び出すこともできます。キャラクターをMascotとして保存すれば、将来の画像プロンプトで@Mascotと入力するだけで、その参照を再利用できます。これにより、クリエイターは異なるブリーフ間でも一貫した開始画像を使用できるようになります。
OpenAIは、Images 2.6の生成速度が従来より50%向上したと説明しています。また、このアップデートは、修正を加えても詳細を維持することに重点を置いています。オンラインショップの場合、ボトルのキャップ、ラベル、カメラアングルを元の状態に保ちながら背景だけを入れ替えるといった作業が可能です。処理時間はリクエスト内容に依存するため、速度がワークフローにとって重要であれば、同じプロンプト、サイズ、品質で送信から出力までの時間を測定してください。
Image APIでは、quality（品質）がレンダリングを制御し、complexity（複雑度）がレンダリング前のモデルの計画量を制御します。どちらの2.6モデルも、複雑度としてlow（低）、medium（中）、high（高）を受け付けます。デフォルトはhighです。単純な背景変更であれば、低複雑度で開始点を作成しつつ、アセットに必要な品質を維持できます。複数のオブジェクトや厳密な配置ルールがあるポスターの場合は、計画量を増やして結果のレイアウトを確認してみてください。
アノテーションレイヤーを使用すると、画像編集エンドポイントに対して変更箇所を指示できます。例えば、花瓶を囲んで周囲の棚はそのままに色だけを変えるよう依頼するといったことが可能です。APIガイドには、サポートされている2.5および2.6モデルでのこのワークフローが記載されています。2.6では、生成エンドポイントからアイコンや単純なイラストなどのベクターアセット用にSVGを返すことも可能です。
私は、片手を上げた正面向きの猫のスケッチ（背景は無地の白）を使用しました。オレンジ色の星、頬の3本のひげ、波打つ尻尾が、アニメーションと比較するための明確な特徴となりました。
図1. ChatGPTにアップロードされた元のスケッチ。
私は上記の図をアップロードし、以下のプロンプトを使用しました。これにより、上げた前足に単一の動きを与え、スケッチのどの部分を静止させるべきかをChatGPTに指示しています。
アップロードしたスケッチを視覚的なリファレンスとして使用し、短くループするアニメーションGIFを作成してください。
キャラクターの顔、体のプロポーション、胸の星、認識可能なシルエットを維持してください。手描きの個性を残しつつ、ラフスケッチをクリーンでシンプルな2Dラインアートに洗練させてください。
上げた前足のみを、左右に優しく一度振るようにアニメーション化してください。頭、目、体、胸の星、カメラ、白い背景は静止させてください。アニメーション全体を通して、線の太さとキャラクターの細部の一貫性を保ってください。
約2秒のループを目指してください。アニメーションが繰り返される際、前足がスムーズに開始時のポーズに戻るようにしてください。
結果を再生可能でダウンロード可能なアニメーションGIFとして返してください。
図2. 元のスケッチから直接生成されたGIF。
GIFの生成には約5分かかりました。ダウンロードしたファイルは、768×768ピクセル、48フレームの2秒間のループとして再生されます。動きは上げた前足に集中しています。顔、ひげ、オレンジ色の星、曲線の腹部ライン、尻尾はすべて認識可能であり、ループの終わりには前足が開始位置の近くに戻ります。
私は元の図を別の画像編集に使用しました。クリーンアップされたバージョンは、より細い輪郭線、丸みを帯びた前足、短くなった手足が特徴です。オレンジ色の星と上げた前足は維持されているため、キャラクターは依然として簡単に認識できます。
アップロードされた四角い猫のスケッチを、編集用のスケッチからGIFへのデモ用に、洗練された魅力的な手描きのマスコットイラストに編集してください。同じキャラクターの丁寧なクリーンアップとして扱ってください。
正面を向いた立ちポーズ、見る側から見て右側にフレンドリーに振っている上げた前足、見る側から見て左側に垂らした下側の前足、振っている腕の下で見る側から見て右側に伸びる波打つ尻尾、2つの三角形の猫耳、頬ごとに3本のひげ、点の目、陽気な小さな開いた口の笑顔、そして胸の上部にある明るいオレンジ色の五芒星を維持してください。シンプルな黒い線、白い体、オレンジ色の星のパレットを維持してください。
丸みを帯びた頬と少し丸い頭、よりコンパクトで柔らかく丸みを帯びた胴体、短くなった脚と前腕、そして小さな指の曲線を持つ柔らかく丸みを帯びた猫の前足で図面を洗練させてください。上げた前足がひげや尻尾と明確に分離されるように、振るシルエットを読みやすくしてください。ソースよりも少し明るくバランスの取れた、滑らかで丸みを帯びた自信に満ちたインクの輪郭線を使用し、内部の線は少し細く、手描きの微妙な温かみを持たせてください。
表情豊かな顔を保ち、オレンジ色の星がアニメーションフレーム全体で追跡しやすいようにしてください。1:1の正方形の構図で、猫全体を中央に配置し、十分な余白を確保してください。明るい純白の背景。フラットでミニマルな2Dラインアート、キャラクターは1体のみ。テキスト、ラベル、小道具、余分な装飾、影、グラデーションはなし。リファレンスのポーズと認識可能な詳細を備えた、美しい単一のスケッチを納品してください。
図3. 同じオリジナルから別の編集で作成された、洗練された静止スケッチ。
洗練されたデザインをアニメーション化するには、それをソースとしてアップロードし、ステップ2のGIFプロンプトを再利用してください。
| モデル | 推奨される用途 | 確認すべき点 |
|---|---|---|
| GPT Image 2.6 Flare | ポスターレイアウト、製品モックアップ、簡易GIFドラフト | OpenAIによると、Flareは低品質設定で最短6秒で画像を生成できます。使用予定の品質で、自身のプロンプトの生成時間を計測してみてください。 |
| GPT Image 2.6 Sunburst | 詳細な製品写真、または小さな特徴を維持する必要がある編集 | 中品質または高品質から開始してください。結果を承認する前に、ロゴ、ラベル、製品の端をリファレンスと比較してください。 |
製品キャンペーンの場合、まずはFlareでいくつかのレイアウトを試し、承認された製品画像の編集にはSunburstを使用することをお勧めします。 2026年11月5日時点の調査では、Arenaにおける単一画像編集のスコアは、Sunburst Mediumが1476 ± 10、Flare Mediumが1462 ± 10でした。どちらのスコアも暫定的なものであり、範囲は重複しています。
| バージョン | 主な用途 | 2.6との比較方法 |
|---|---|---|
| GPT Image 2.6 | 静止画像、反復編集、ネイティブGIFまたはSVG生成 | 短いループ動画や、ソース画像の特定部分を維持する必要がある編集を試してください。 |
| GPT Image 2.5 Flare および GPT Image 2.5 Sunburst | リファレンス画像、静止画生成、ターゲットを絞った修正を中心とした既存のワークフロー | 各バリアント内で同条件で比較し、速度とともに使用量を記録してください。 Images 2.5 リリース情報 |
| GPT Image 2 | 静止画像生成と編集のベースライン | 本番環境ですでに使用しているものと同じブリーフを実行し、承認された出力を評価してください。 GPT Protoの同一プロンプトテスト |
2.5と2.6のバリアントは、公式の標準トークンレートを共有しています。Kingyによる初回比較（中品質）では、静止画リクエスト3件のコストは2.5 Sunburstで推定0.045ドル、2.6 Sunburstで0.125ドルでした。各モデルは自身が生成した画像を編集しました。 Kingyのテストファイルと使用量の内訳
共通のソースで比較するには、両方のバージョンで同じ承認済み製品写真から開始してください。同じサイズと品質で、ラベルの色を変更し、小さな星を追加してから、背景を置き換えます。ロゴ、ボトルの形状、以前の編集内容が維持されているかを確認してください。総コストを承認された出力数で割ることで、再試行が使用可能な画像のコストにどのような影響を与えるかを確認できます。
| モデル | 推奨される用途 | 実行時の比較ポイント |
|---|---|---|
| GPT Image 2.6 | 画像生成APIからアニメーションGIFや編集可能なSVGが必要な場合、または静止画の特定部分を修正したい場合 | アニメーションがスムーズにループするか、編集によって保持したい部分が維持されているかを確認してください。 |
| Nano Banana 2.1 | 静止画が、繰り返し登場するキャラクターや個別の製品ショットなど、複数の参照情報に依存している場合 | 配信サイズで同じ参照情報を試してください。GPT Protoでは1K、2K、4Kのオプションが用意されています。 |
| Seedream 5.0 Pro | 静止画の製品素材やキャンペーン素材をまとめて作成し、出力サイズごとに予算を管理したい場合 | 配信サイズで何枚の画像がレビューを通過するかを確認してください。GPT Protoでは1Kと2Kで画像ごとの料金が個別に設定されています。 |
GPT Protoでは、両方の2.6モデルをOpenAIの標準トークン単価より5%安く提供しています。どちらのバリエーションも以下の料金（100万トークンあたりの米ドル）が適用されます。
| 課金対象トークン | OpenAI標準 | GPT Proto |
|---|---|---|
| テキスト入力 | $5.00 | $4.75 |
| 画像入力 | $8.00 | $7.60 |
| 画像出力 | $30.00 | $28.50 |
例えば、リクエストで1,000トークンの課金対象画像出力が発生した場合、出力分のコストはOpenAIの標準レートで$0.0300のところ、GPT Protoでは$0.0285となります。リクエスト全体のコストを見積もるには、課金対象の入力分を合算してください。独自のプロンプトを比較する際は、利用可能な場合にレスポンスの usage を使用してください。同じトークン単価のジョブでも、使用されるトークン数は異なる場合があります。
アカウントと残高を設定する。 GPT Protoにサインインし、小規模なテストに十分な残高を追加します。まずは単一の出力から始めて、ファイルと使用量を確認できるようにしてください。
モデルの「クイックスタート」を開く。 Flare または Sunburst を選択し、Try this model をクリックします。クイックスタート 内で、APIキーを作成するか、既存のキーを選択してください。
統合ガイドをコピーしてテストを実行する。 Copy Markdown for AI を使用して、モデルガイドをコーディングアシスタントに渡します。アプリのバックエンドから小さなリクエストを送信し、生成されたファイルを保存するよう指示してください。以下のコマンドを実行する前に、ローカル環境で GPTPROTO_API_KEY を設定してください。
Use this pattern
from openai import OpenAI
import os
client = OpenAI(
base_url="https://gptproto.com/v1",
api_key=os.environ["GPTPROTO_API_KEY"],
)
completion = client.chat.completions.create(
model="gpt-6.1-terra",
messages=[
{
"role": "user",
"content": "Who are you?"
}
]
)
print(completion.choices[0].message.content)このテキストからGIFを生成する例では、GPT Proto上のOpenAI互換画像生成エンドポイントを使用しています。1.8秒のループを作成するために、1フレームあたり200ミリ秒で9フレームをリクエストします。これはテキストプロンプトから開始しますが、先ほどのChatGPTの例はアップロードされたスケッチから開始する点が異なります。
curl --fail --silent --show-error \
https://gptproto.com/v1/images/generations \
-H "Authorization: ${GPTPROTO_API_KEY:?Set GPTPROTO_API_KEY}" \
-H "Content-Type: application/json" \
--data-binary @- --output gif-response.json <<'JSON'
{
"model": "gpt-image-2.6-flare",
"prompt": "A line-drawn cat waves one paw and returns to its starting pose.",
"size": "512x512",
"quality": "low",
"output_format": "gif",
"frame_count": 9,
"frame_duration_ms": 200
}
JSON
リクエストが成功したら、JSONレスポンスからGIFをデコードします。
python3 - <<'PY'
import base64
import json
from pathlib import Path
response = json.loads(Path("gif-response.json").read_text())
gif_bytes = base64.b64decode(response["data"][0]["b64_json"], validate=True)
if gif_bytes[:6] not in (b"GIF87a", b"GIF89a"):
raise SystemExit("Expected GIF bytes in the API response.")
Path("mascot-wave.gif").write_bytes(gif_bytes)
print("Saved mascot-wave.gif")
PY
mascot-wave.gifを開いて、繰り返し再生される様子を確認してください。SVGをリクエストする場合は、同じ生成エンドポイントを使用し、output_formatをsvgに、nを1に設定します。GIF用の2つのタイミングフィールドを省略し、Base64ペイロードを直接.svgファイルにデコードしてください。
GPT-6.2 Astra のリリース日は発表されていません。2026年11月4日現在、モデルカードや公開価格、API経由で呼び出せるモデル文字列は存在しません。不可解なことに、一部の開発者はすでにこのモデルを利用しています。彼らのリクエストは公式には存在しないモデルに送信されていますが、インターフェース上ではその旨を示す表示は一切ありません。 唯一の公的な痕跡は文字列のみです。10月31日以降、一部のCodexユーザーの利用ダッシュボードに gpt-6.2-astra という項目が表示されるようになりました。これは、モデル選択画面で依然として「GPT-6 Astra」と表示されているモデルの隣に、独立した項目として課金対象になっています。インターフェース上の表示とバックエンドの記録との間のこの乖離こそが、現時点で判明しているすべてです。 最新のOpenAI APIを取得 私は中国語の解説記事を12本ほど読み、X上の一次情報投稿を4件確認し、さらにOpenAIのモデルカタログ、API変更履歴、料金ページを自ら調査しました。問題は情報が不足していることではありません。確定した事実と確信に基づいた推測が、何の区別もなく同じ段落で公開されていることです。この記事では、その境界線を明確にします。 今すぐできることが一つあります。あなたのアカウントがすでにこのモデルにルーティングされているかどうかを確認することです。所要時間は約30秒で、その方法は第4セクションに記載されています。これは、誰もが直接検証できる唯一の情報です。
Michael Johnson | 2026-11-04
デモ映えするギャラリーから画像APIを選ぶのは簡単です。しかし、製品名を誤って綴ったり、人物の肌の色を変えたり、参照画像を無視したりするAPIを選ぶとなると、難易度は上がり、はるかに有益でもあります。 私たちは、本番を想定した3つのタスク（レスポンシブなSaaSインターフェース、ビジネス向けストックフォト、参照画像ベースの商品広告）にわたって、6つのモデルルートをテストしました。各ルートはタスクごとに1回だけ試行し、再生成も手動修正も行いませんでした。その結果、合計18件の出力が得られました。 これは実践的な本番テストであり、統計的に有意なベンチマークではありません。1枚の画像で失敗モードを明らかにすることはできますが、モデルの普遍的な勝率を証明することはできません。したがって、私たちのランキングは、観察結果にAPIの可用性、料金体系、編集オプション、そして開発者がどれほどの後処理を想定すべきかを組み合わせたものです。 要約すると： Nano Banana 2.1が総合的にもっとも安定していました。GPT Image 2.5 Sunburstは最も強力なUIデザインを生成しました。Midjourneyは最も自然なビジネス写真を作成しましたが、正確なテキストと厳密な参照指示に関しては最も信頼性が低いものでした。
Tiffany Layne | 2026-10-14
Nano Banana 2.1は、画像生成、編集、Eコマース、バッチ処理といったほとんどのワークロードにおいて、より優れた出発点となります。5つの同一プロンプトによるテストでは、より自然な商品写真、より市場性の高いパッケージデザイン、そしてより強力な販促ポスターが生成されました。また、GPTProtoにおける価格は1,000画像あたり0.0201ドルからとなっており、Nano Banana Proの0.0804ドルと比較して低コストです。 だからといってProが不要になったわけではありません。5つの繰り返しキャラクターが必要なワークフローや、専用のスタイルリファレンスが必要な場合、あるいは既存の制作パイプラインがすでにProで検証されている場合には、依然としてテストする価値があります。しかし、「Pro」という名前だけで、1,000画像に対して4倍の料金を支払う理由としては不十分です。 Nano Banana 2.1を試す
Schuyler Stacy | 2026-10-08
GPT Image 2.5 is not a single replacement for GPT Image 2. OpenAI split the new API family into two models: Flare for faster everyday generation and Sunburst for work where editing precision matters more. That makes the real decision three-way. If you searched for “GPT 2.5 vs GPT 2.0” or “ChatGPT 2.5 vs ChatGPT 2.0,” this distinction matters. Those are informal search terms, not the official names of two ChatGPT language models. This comparison covers the image APIs: GPT Image 2, GPT Image 2.5 Flare, and GPT Image 2.5 Sunburst. Our five-call-per-model test did not produce a universal 2.5 winner. GPT Image 2 followed the strictest text-to-image brief most literally and had the lowest recorded spend. Flare preserved the image most consistently across a three-turn edit chain. Sunburst delivered the strongest visual finish and the best relative preservation in the first image edit. Try gpt-image-2.5-sunburst There is one catch: model positioning is documented, but your actual latency, output-token use, edit success rate, and cost per accepted image depend on the request. Those need a controlled test. Winner in this test Recommended model Why Lowest cumulative drift across three edit turns GPT Image 2.5 Flare It retained the red label, star, bottle, and composition with the least visible turn-to-turn redrawing. Best first-edit preservation and visual finish GPT Image 2.5 Sunburst It stayed closest to the source in the label-color edit and produced the strongest finish in Test 1. Best literal prompt adherence and lowest recorded spend GPT Image 2 It won the strict brief in Test 1 and cost $0.2002 across five calls, versus $0.2601 for Flare and $0.2487 for Sunburst.
Schuyler Stacy | 2026-09-10
