GPT Image 2が正式リリース

2026年4月21日、OpenAIはライブストリーム配信で 「ChatGPT Images 2.0」（内部名: gpt-image-2） を正式発表しました。4月22日にはすべてのChatGPT / Codexユーザーに展開され、APIも5月初旬から一般開放される予定です。

一言で言えば、「テキスト描画・推論・高解像度」で他社を圧倒する新世代画像AIモデルです。

GoogleのNano Banana 2が画像生成の覇権を握っていた2026年上半期でしたが、gpt-image-2はLM Arenaで1,512点を記録し、Nano Banana 2を242ポイント引き離すという史上最大のスコア差を叩き出しました。

コードネーム「duct-tape」から正式版へ

正式リリースに先立つ2026年4月4日、LM Arenaの画像生成カテゴリに**「tape」という共通の命名規則を持つ匿名モデルが3つ同時に登場しました。これが後にgpt-image-2であることが判明し、コミュニティでは「duct-tape（ダクトテープ）」** の愛称で呼ばれていました。

約2週間のアリーナテストで既存モデルを次々と打ち負かし、「ArenaをBreakしたモデル」 として話題に。そのまま正式リリースに至った格好です。

5つの主要な新機能

1. 業界初のAgentic画像生成（推論する画像モデル）

gpt-image-2はOpenAIの「O-series推論能力」を統合した初の画像モデルです。

画像を生成する前に：

• リサーチ（Webから参考情報を取得）
• プラン（画像構造を計画）
• リーズン（構成要素の関係を推論）

を行ってから描画を開始します。これは従来の「プロンプト → 即生成」のパラダイムを根本から覆す設計で、「1ピクセルを描く前にWeb検索ができる初の画像モデル」 です。

2. Thinking Mode（思考モード）

複雑な構成や緻密な指示に対応するため、Thinking Modeが搭載されました。

GPT-5やo3で導入された「推論してから回答する」機構を画像生成に応用したもので、時間をかける代わりに指示の理解度と再現性が飛躍的に向上します。

3. 4K解像度 + カスタム寸法

• 最大4K解像度でフォトリアルな画像を生成
• カスタム寸法（正方形以外の比率）もネイティブ対応
• プロダクション品質の印刷素材としても使える精細度

4. 8枚バッチ生成 + 完全な一貫性

1つのプロンプトから最大8枚のパネルを生成できます。このとき：

• キャラクターの一貫性（同じ人物の別シーン）
• オブジェクト配置の一貫性
• ブランドカラーパレットの一貫性

がすべて保たれます。絵本、マンガのコマ、プレゼン資料、ECサイトのバリエーション写真など、「シリーズ物」の制作コストが劇的に下がる機能です。

5. 多言語テキストのネイティブ描画

これが最もインパクトのある機能です。

従来のAI画像生成では、画像内のテキスト（看板、メニュー、ポスター文字など）は「それっぽい文字化け」になりがちでしたが、gpt-image-2は：

• 日本語
• 韓国語
• 中国語
• アラビア語
• ヒンディー語・ベンガル語
• Latin scripts全般

で密なテキストを正確に描画できます。多言語混在の構成でも崩れません。

OpenAIのデモでは、正しい価格フォーマット・多言語ラベル・印刷可能品質のメニュー画像が生成されました。

Nano Banana 2との性能比較

| 項目 | GPT Image 2 | Nano Banana 2 | |---|---|---| | LM Arenaスコア | 1,512点 | 1,270点 | | テキスト描画 | ほぼ100%精度（多言語対応） | 高精度（Latin中心） | | 推論機能 | O-series推論搭載 | なし | | 最大解像度 | 4K | 2K〜4K | | バッチ生成 | 8枚同時（一貫性保持） | 1枚ずつ | | Web検索連携 | あり | なし | | 生成速度 | やや遅い（Thinking時）〜中速 | 3〜5秒（高速） | | 得意領域 | 構造的レイアウト、テキスト、図解 | フォトリアル、ライティング |

Arenaでの242点差は史上最大で、これは画像AI分野における明確な世代交代を意味します。

料金

APIの料金体系は以下の通り：

• 画像入力: $8（参照画像をアップロードする際の入力トークンコスト）
• 画像出力: $30（画像生成時の出力トークンコスト）
• 1枚あたりの実コスト: $0.04〜$0.35（プロンプトの複雑さと解像度による）

ChatGPT / Codexユーザーは追加料金なしで利用可能です。

Microsoft Foundryでも利用可能

OpenAIの発表と同じタイミングで、Microsoft Azure AI Foundryにもgpt-image-2が統合されました。エンタープライズ環境でスケーラブルに使えるようになっています。

何が変わるのか

gpt-image-2のリリースは、以下の分野に直接影響します：

デザイナー・クリエイター

• ポスター・メニュー・看板など、テキスト入り素材を1発で生成可能に
• 8枚バッチで、キャラクターの複数シーンやシリーズビジュアルが効率化
• 「Photoshopでテキストだけ後乗せする」ワークフローが不要に

マーケター・広告

• 多言語ローカライズされた広告ビジュアルを1プロンプトで同時生成
• ブランドカラーの一貫性を保った大量バリエーション制作
• ECサイトの商品画像バリエーション（色違い、角度違い）も簡単

開発者

• Web検索 → 画像生成を1つのAPIコールで完結
• 推論ベースなので、曖昧な指示でも意図を汲んで生成
• Agentic ワークフローの中核パーツに

日本語ユーザー

• 日本語テキスト入り画像がほぼ完璧に生成可能
• 漢字・ひらがな・カタカナの混在も破綻なし
• 日本向けのポスター・告知・SNS画像制作が一気に加速

実際に使ってみる

ChatGPT（Free / Plus / Pro / Team / Enterpriseすべて）から即利用可能です：

1. ChatGPTを開く
2. プロンプト欄で「〜の画像を作って」と入力
3. デフォルトでgpt-image-2が使われる
4. 複雑な構成が必要な場合は**「Thinking Modeで画像を作って」** と指示

APIユーザーは5月初旬の一般開放を待つか、Azure AI Foundry経由で早期アクセス可能です。

プロンプト集との連携

developer noteではGPT Image 2 × Nano Banana の比較プロンプト集 を公開しています。

同じお題を両モデルで生成して、プロンプトの書き方・生成結果・得意分野の違いを並べて検証できます。gpt-image-2を試すときの参考にどうぞ。

まとめ

| 項目 | 内容 | |---|---| | 正式名称 | ChatGPT Images 2.0（gpt-image-2） | | コードネーム | duct-tape | | 提供元 | OpenAI | | リリース日 | 2026年4月21日（発表）、4月22日から全ユーザー展開 | | API公開 | 2026年5月初旬予定 | | Arenaスコア | 1,512点（Nano Banana 2 を242点リード） | | 最大解像度 | 4K | | 主な新機能 | Agentic生成 / Thinking Mode / 8枚バッチ / 多言語テキスト / Web検索統合 | | 価格 | $0.04〜$0.35/枚（API）、ChatGPT内は追加料金なし |

2023年にDALL·E 3が画像AIの潮流を作り、2024〜2025年はMidjourney・Nano Banana・Fluxなどがしのぎを削る時代でした。

そして2026年4月、OpenAIは再び主導権を取り戻しました。「画像生成にも推論が必要」というパラダイムシフトを引き連れて。

デザイナーも開発者も、一度は触っておくべき1本です。

関連記事

• プロンプト集：GPT Image 2 × Nano Banana 比較
• 同じお題で並べて比較する商品写真プロンプト