画像生成 API 比較 2026：評価軸

最終確認：2026-07-15。

2026 年の画像生成 API 比較では、普遍的な品質勝者を作り出すのではなく、統合上の制約への適合度を評価すべきです。OpenAI、Google、その他の一次ドキュメントではモデル ID、サイズ enum、価格が頻繁に変わるため、固定した「最高のモデル」表は数週間で古くなります。この記事では、一次資料とこのゲートウェイが公開できる OpenAI 互換ルートを使い、API 形式、同期挙動、編集、モデレーション、メディア耐久性、マルチテナント運用、コスト要因という評価軸を比較します。根拠のない品質スコア、レイテンシ percentile、価格勝者は掲載しません。

この比較の読み方

次の情報は公開しません。

• ドル価格や「何 % 安い」といった主張
• ブラインド品質スコアや arena ランキング
• 自ら測定していないレイテンシ percentile
• 有効化していない地域やモデル名の可用性保証

代わりに、評価軸と日付付き表から scorecard を作り、商用項目を現在の公式価格ページとチャネルテストで埋め、調達前に再確認してください。

この改訂で再確認した一次資料：

• OpenAI 画像生成ガイド（主要なサンプルモデル：gpt-image-2）
• OpenAI Images API リファレンス
• OpenAI の非推奨情報（旧 GPT Image → gpt-image-2、DALL·E の終了予定も公開済み）
• OpenAI API 価格
• Gemini 画像生成
• Google AI 価格

日付付き候補スナップショット（ランキングではない）

候補ファミリー（2026-07-15）	一般的な公式サーフェス	同期 / ジョブ	デフォルトのメディア応答	編集 / 参照に関する注意	ゲートウェイ運用者向け注意
OpenAI GPT Image（gpt-image-2、および終了日まで文書化される旧 gpt-image-1*）	POST /v1/images/generations、POST /v1/images/edits、Responses の画像ツール	通常は一つの HTTP 応答。部分 streaming は任意	GPT Image は常に b64_json。response_format は DALL·E 時代のもの	第一級の編集機能。Responses による multi-turn 編集	安定した別名 → gpt-image-2 を優先。OpenAI は gpt-image-1-mini、gpt-image-1.5、chatgpt-image-latest を 2026-12-01 までに gpt-image-2 へ置き換えることを推奨
OpenAI DALL·E（dall-e-2、dall-e-3）	同じ Images エンドポイント	同期応答	response_format による url または b64_json	従来の編集 / variation マトリクス	OpenAI の非推奨経路にあり、公式終了日は 2026-05-12。新規製品では使用しない
Google Gemini 画像生成（Gemini の「image」/ Nano Banana 系。Imagen 資料はナビゲーション上で別扱い / 従来扱い）	現行 Google ドキュメントの Gemini API（generateContent / Interactions フロー）	OpenAI Images JSON ではなく、主に会話 / content 応答	プロバイダ固有の inline data	Google AI が会話型編集 / composition を説明	ゲートウェイアダプターで対応付けるかネイティブ SDK を使う。DALL·E のサイズ enum を仮定しない
有効化したその他の OpenAI 互換画像チャネル	各チャネルのベース URL が公開するもの	アダプター定義	上流により URL または base64	大きく異なる	チャネル対応付け後にモデル一覧へ現れるモデルだけを掲載する

この表は能力インベントリであり、勝者を示しません。「自社ゲートウェイで有効か」を検証シートの別列として追加してください。

評価軸 1：クライアント契約の安定性

質問	重要な理由
一つの HTTP スキーマで大半のモデルを扱えるか？	SDK の増殖を抑える
サイズ / 品質 enum はモデル固有か？	単純なドロップダウン UI が壊れる
編集には multipart が必要か？	エッジプロキシと SDK に影響する
ベンダーは OpenAI 互換エンドポイントを提供するか？	ゲートウェイ対応付けの工数に影響する

OpenAI 形式の経路： JSON を使う POST /v1/images/generations。編集は多くの場合 multipart です。GPT Image クライアントは b64_json をデコードし、response_format: url ではなく output_format / output_compression を使用します。

Gemini ネイティブ経路： 画像生成は Google AI の Gemini content / Interactions フローに現れます。チームは Google SDK を直接使うか、ゲートウェイアダプターを通して対応付けます。

ゲートウェイ仲介経路（本リポジトリ）： クライアントは OpenAI 互換呼び出しを維持し、運用者はチャネルに安定した別名を紐付け、実際に設定したものだけを公開します。上流が異なっても、契約の安定性をプラットフォームの約束にできます。OpenAI 互換 API ゲートウェイ も参照してください。

評価軸 2：同期応答とジョブモデル

大半の画像生成は、一つの HTTP 応答で GPT Image の data[].b64_json を返します。従来モデル / アダプター経路では data[].url の場合もあります。動画タスクの polling より単純ですが、「いつでも即時」という意味ではありません。

• 生成時間がクライアントのデフォルト timeout を超える場合がある
• URL 応答はキャッシュや製品ページより先に失効する場合がある
• 部分 streaming は一部のモデル系だけが対応する

プロバイダを比較するときは、timeout 指針、正確なモデル IDに対する streaming 対応、最大同時リクエスト数、エラー本文の形式を確認してください。

評価軸 3：編集、variation、参照画像ワークフロー

製品要件	公式ドキュメントで確認する能力
一つの prompt からマーケティング用バリエーション	n > 1、許容可能な retry コスト
Inpaint / マスク編集	編集エンドポイント + マスク規則
ブランドオブジェクトの一貫性	文書化されている場合の参照画像 / input fidelity 機能
背景除去 / 透明化	提供される場合の background または出力形式対応
厳密な出力 MIME	output_format / 圧縮パラメータ

このゲートウェイでは POST /v1/images/generations と POST /v1/images/edits の両方が relay モードとして認識され、個人画像ワークベンチがこれらの経路を呼べます。実際の能力は上流チャネルに依存します。

評価軸 4：メディア耐久性と製品ストレージ

質問	GPT Image（OpenAI ドキュメント）	従来 URL モデル	ゲートウェイへの影響
デフォルトで何が返るか？	b64_json の base64	多くは一時 URL	常にオブジェクトストレージを計画する
response_format=url は使えるか？	GPT Image では不可	DALL·E 時代では可	モデル系ごとにクライアントを分岐する
コンソールから後で再配信できるか？	自らバイトを保存した場合だけ	同じ	個人画像ワークベンチはユーザー所有のオブジェクトキーを保存する

本リポジトリの 画像ワークベンチ はユーザー所有権で永続化します。チーム / プロジェクトのメディアライブラリではありません。チームスコープのワークベンチルートがあるのは動画で、画像ではありません。マルチテナント LLM ゲートウェイアーキテクチャ を参照してください。

評価軸 5：コスト要因と安全上限

コスト単位は公式価格ページだけから比較してください。トークン単位、画像単位、解像度 tier などがあります。それとは別に、次の不正利用上限を比較します。

• 受け入れる最大 n
• n=0 を拒否、無視、正規化のどれで扱うか
• サイズ / 品質乗数
• モデレーション拒否とハードエラーの違い

このコードベースでは画像の n は MaxImageN = 128 に制限され、n が省略または 0 の場合は 1 に正規化されます。製品上限はさらに低く設定してください。比較シートには「不具合のあるクライアントが一度の呼び出しで 128 枚の課金画像を作れるか」を、価格だけでなくセキュリティ項目として含めます。

評価軸 6：マルチテナントと運用への適合

ゲートウェイがなければベンダーを比較します。ゲートウェイがある場合はプラットフォーム適合も比較します。

• 製品チームは /v1/images/generations だけを対象に開発できるか？
• 財務担当者は利用ログで画像支出をチャット支出と並べて帰属できるか？
• セキュリティ担当者は上流秘密情報をローテーションせずにチームプロジェクトキーを失効できるか？
• n を中央で制限できるか？
• 現在の個人画像ワークベンチにはない、チーム共有画像履歴が必要か？

B2B 製品では、これらの問いがモデルの美しさ比較より重要になることがよくあります。

評価軸 7：開発者体験と失敗の意味論

画像品質が似た二つの API でも、運用開始後には違いが現れます。

• エラー分類： モデレーション、クォータ、未対応サイズ、容量不足
• 冪等性： ゲートウェイ timeout 後の retry で二重生成される可能性
• 可観測性： サポートチケットへ貼り付けられるリクエスト ID
• SDK の重力： 独自 SDK か OpenAI 互換標準ライブラリか
• バッチ習慣： API が簡単に許すため高い n を使う問題

ステージングで chaos script を実行してください。無効サイズ、空 prompt、製品上限を超える n、失効キー、意図的に遅い上流を試します。比較表で最も価値がある項目は「診断までの時間」であることがよくあります。

評価軸 8：コンプライアンスとデータ経路

エンタープライズ展開前に、地域、学習利用の opt-out、プロバイダ保持期間、自社の prompt / サムネイル / 完全資産保持、離脱時削除を文書化してください。セキュリティレビューでは、画像生成と LLM API キー漏洩防止 の関係も確認されます。

ラボ scorecard テンプレート（根拠を記入）

Last checked: 2026-07-15
Vendor / model id: ________________________________
Official docs URL: ________________________________
Edit/inpaint support: none / mask / reference / other
Sizes verified in lab: ____________________________________
Quality knobs verified: ___________________________________
Response modes: b64 / url (legacy) / stream partial
n behavior (0 / omit / max): ______________________________
Moderation controls: _____________________________________
URL expiry notes: ________________________________________
Pricing page URL + screenshot date: _______________________
p50/p95 latency in our region (our test): _________________
Max n we will allow in product: ___________________________
Tenant needs met? personal only / team billing via API key / custom ACL
Ops fields required: model, n, size, owner, req_id
Go / no-go (no global rank):

各候補に同じ三つの prompt と一つの編集 fixture を実行します。prompt はバージョン管理してください。異なる週のマーケティングサンプルを、統制されたテストのように比較してはいけません。

ランキングを作り出さずに選ぶ方法

• OpenAI 形式 JSON と base64 の単純さが必要： gpt-image-2 を使い、/v1/images/generations 経由で GPT Image を評価する。
• Google エコシステムで会話型 multi-turn 画像編集が必要： Google の最新ドキュメントにある Gemini 画像フローを評価する。
• 現在すぐにチーム共有資産 UI が必要： このゲートウェイの画像ワークベンチが提供すると仮定せず、製品開発またはアプリケーションストレージ ACL の予算を確保する。
• マルチベンダーフェイルオーバーが必要： まずゲートウェイ別名とチャネル健全性を整え、その後で美的比較を行う。

デフォルトが変わったとき、新モデル ID、新サイズ tier、新価格単位が登場したときは再評価してください。比較結果には賞味期限があります。

関連記事

• 画像生成 API 統合
• 動画生成 API 比較 2026

出典

• OpenAI 画像生成ガイド
• OpenAI Images API リファレンス
• OpenAI の非推奨情報
• OpenAI API 価格
• Gemini API 画像生成
• Google AI 価格

選定時の質問

2026 年で最良の画像 API はどれですか？

普遍的な最良はありません。契約の安定性、編集要件、モデレーション、耐久性、運用可能なコスト制御に最も適合するものを選び、購入時点の日付で再検証してください。

比較表に公開 arena スコアを含めるべきですか？

方法論と日付を管理できる場合だけです。第三者ランキングはモデル切り替えに遅れ、prompt ドメインと一致しない場合があります。

価格は年 1 回比較すれば十分ですか？

いいえ。画像の価格項目はチャットとは独立して変化します。デフォルトモデル、サイズ、品質を変更するときは公式価格を再確認してください。

OpenAI 互換ならネイティブドキュメントを無視できますか？

いいえ。互換性はクライアントを助けますが、制限、モデレーション、GPT Image の base64 契約を含むモデル固有パラメータはネイティブドキュメントが定義します。

製品はいくつのモデルを公開すべきですか？

通常は一つの安定したデフォルト別名と一つのフォールバック別名です。追加モデルは、サポートと価格の playbook が整うまでラボに置いてください。

比較テストを実行する

上のテンプレートで 1 ページの scorecard を作り、非本番ゲートウェイチャネルで二つの画像別名を有効にし、n=1 と一つの編集 fixture で同じ prompt pack を実行します。レイテンシ、失敗モード、ストレージ手順を記録し、世界的な勝者を宣言せずにデフォルトを選んでください。