gpt-image-2の使い方と料金【2026年】0円運用の実録

gpt-image-2は、ChatGPTの画面・Codex・APIの3通りで使える画像生成モデルです。僕の会社はClaude CodeからCodex CLIを呼び、追加料金0円で広告やLPの写真素材を作っています。全部一発合格の案件も、6枚中1枚だけの回もありました。料金、検品の基準、文字を描かせない理由をまとめます。

gpt-image-2とは？ChatGPTの画像生成との関係（2026年10月時点）

gpt-image-2は、OpenAIが2026年4月21日に公開した画像生成モデルです。同じ日にChatGPTには「ChatGPT Images 2.0」が入り、全プランで使えると発表されました。テキストからの生成と、手元の画像を渡しての編集の両方に対応しています。2026年10月1日時点のCodexの公式ドキュメントも、組み込みの画像生成はこのモデルだと記載しています。

gpt-image-2とは、文章の指示や参照画像から写真・イラストを生成・編集する、OpenAIの画像生成モデルのことです。公式のモデルページでは、APIのモデルIDが gpt-image-2、既定のスナップショットが gpt-image-2-2026-04-21 と書かれています。入力は文章と画像、出力は画像です。

ややこしいのが、9月にもう1世代進んでいることです。2026年9月8日に、ChatGPTには「ChatGPT Images 2.5」が入りました。APIでも gpt-image-2.5-sunburst と gpt-image-2.5-flare という2モデルが出ています。APIの画像生成ガイドでは、新しく組み込むならこの2.5系を使うよう案内されています。

それでも僕がこの記事でgpt-image-2を扱うのは、日々の制作で使っている経路がgpt-image-2だからです。2026年10月1日時点のCodexの公式ドキュメントには、組み込みの画像生成はgpt-image-2を使うと明記されています。ただし、Images 2.5の発表文には「ChatGPT、ChatGPT Work、Codexのユーザーが利用できる」とも書かれていて、ドキュメントの記載とは食い違っています。どちらのモデルが描いたかは出力画像からは判別できないので、この記事の実測は「Codexの組み込み画像生成」の数字として読んでください。「ChatGPTの画面」「Codex」「API」のどこで使うかで、動いているモデルが違う。まずこの前提を押さえておくと、ネット上の作例や料金の話を読み違えずに済みます。

gpt-image-2を使う3つの方法と、料金の違いは？

gpt-image-2を使う方法は、ChatGPTの画面で頼む、Codexで頼む、APIを直接呼ぶ、の3つです。前の2つはChatGPTのプランの利用枠の中で動くので、枠に収まる限り追加料金はかかりません。APIは1枚ごとの従量課金で、1024×1024なら低品質で約0.006ドル、高品質で約0.211ドルです。量と自動化の度合いで選び分けます。

3つを表にまとめます。料金はOpenAIの公式ページの記載で、ドル建てです。

ChatGPTの画面での利用上限は、公式ドキュメントでも「プランとワークスペースの設定による」とだけ書かれています。回数の目安は公開されていないので、この記事でも書きません。

Codexとは、OpenAIが提供する、ターミナルやアプリからAIに作業を任せるためのエージェントツールです。ChatGPTのアカウントでログインすると、ChatGPTのプランの利用枠で動きます。Codexの料金ページによると、Plusは月20ドルで、ProはPlusの上位として月100ドルから用意されています。

Codexで画像を作るときの注意点は2つあります。1つ目は、画像生成はふつうのやり取りより利用枠を平均3〜5倍速く減らすことです。画質とサイズで幅があります。2つ目は、Codexの画像生成は無料プランでは使えないことです。また、Codexを使う環境に OPENAI_API_KEY を設定してAPIキーで動かすと、プランの枠ではなくAPIの料金で請求されます。公式ドキュメントも、大きなバッチはこの方法でAPI料金に切り替えるよう案内しています。

API従量課金の目安は次の通りです。gpt-image-2は画像の出力トークンに対して100万トークンあたり30ドルで、画像生成ガイドに1枚あたりの換算表があります。

この表には入力側の料金が含まれていません。長い指示文や参照画像を渡すと、そのぶん入力トークンの料金が上乗せされます。参照画像を使う編集が多い人は、表より少し高くなると見ておくのが安全です。

単純計算すると、Plusの月20ドルはhighの正方形でおよそ95枚分です。月に数十枚なら、APIのほうが安く済む計算になります。それでも僕がCodex経由を既定にしている理由は、後の章の判断表で説明します。

Claude Codeで画像生成するにはどうする？ウラカタの構成

僕の会社では、Claude Codeが指示書を作り、Codex CLIを裏で呼んでgpt-image-2に描かせています。できあがった画像はClaude Codeが実際に開いて検品し、ダメなら敗因を1つ直して撮り直します。描くのはgpt-image-2、見るのはClaude Code、採用を決めるのは僕、という分担です。

Claude Code自体は、画像を読んで評価するのは得意です。指の本数がおかしい、背景に崩れた文字がある、といった不具合は、画像を渡せば指摘してくれます。そこで「描く役」だけを外に出す構成にしました。Claude Codeの基本的な使い方はClaude Codeの使い方ガイドにまとめています。

Codex CLIとは、Codexをターミナルから動かすためのコマンドラインツールです。公式の手順では、npmやインストーラーで入れたあと、ChatGPTのアカウントでサインインして使います。Codex自体の導入手順はCodexの使い方で詳しく書きました。

codex exec とは、Codexに1つの作業を渡し、対話なしで最後まで実行させるコマンドです。Claude Codeからはこれを呼びます。実際に僕の会社の生成スクリプトが組み立てている指示は、次のような短いものです。

次の作業だけを行う。
1. 組み込みの画像生成ツールで画像を作る
2. プロンプト：（撮影内容。1枚200〜300字）
3. サイズ：1536x1024
4. 品質：low
5. 枚数：1
6. 生成した画像を指定のパスに保存する
7. 保存したパスを表示する

これを codex exec に渡し、保存先フォルダへの書き込みを許可して実行します。公式ドキュメントによると、codex exec は既定では読み取り専用の環境で動くため、書き込みの許可を明示しないと画像を保存できません。参照画像があるときは -i オプションで渡します。

このスクリプトをClaude Codeの「スキル」として登録し、「バナーの写真素材を作って」と頼むだけで、生成から検品、圧縮、配置までが流れるようにしています。スキルの仕組みはClaude Codeのスキルとはで解説しています。

運用してみて分かった細かい点も残しておきます。

• 1枚あたりの生成時間は、2026年8月21日の初回テストで66〜75秒でした（medium・横長16:9・3枚）。9月29日の自社サイト用の撮影では81〜152秒でした（low 3枚・high 3枚、生成記録のログから算出）。APIを直接呼ぶより遅めです
• 縦横比は、僕の会社のスクリプトでは16:9・1:1・2:3・3:2・3:4・4:3・9:16だけに絞っています。4:5が必要なInstagramのフィード用は、3:4で作ってから切り抜きます
• サイズのずれもありました。4:3で頼んだのに、出てきた画像は1536×1024（3:2）でした。最後は手元で4:3に切り抜き、1400×1050に整えています
• 枠切れも起きました。9月29日、自社サイト用の写真をhighで約20枚生成したところで「Your workspace is out of credits」と表示されて止まりました。量産の前に残り枠を確かめるようにしています
• 長時間処理では、Claude Codeのサブエージェントから呼ぶと、highで1枚2〜5分かかる間に「応答なし」と判定されることがありました。今は生成をバックグラウンドで走らせ、45秒ごとに進み具合を見ています

検品で何を落としている？実際の不合格例

検品とは、生成された画像を人やAIが実際に見て、広告や制作物に使えるかを判定する工程のことです。僕の会社ではClaude Codeが画像を開き、手や顔の破綻、意図しない文字、構図、ブランドの色、AIっぽさの5点を確認します。不合格なら敗因を1点に絞ってプロンプトを直し、1カット3回までで撮り直します。

チェックリストは次の5項目です。

1. 指の本数、手の形、目の焦点、顔のゆがみ
2. 意図しない文字、崩れた文字、透かしが入っていないか
3. 主役・視線・余白が、指示した構図どおりか
4. 案件の世界観と色の指定どおりか
5. 過剰なツヤやCGっぽさ、背景の破綻がないか

リテイクとは、不合格になった画像の敗因を特定し、指示を直して撮り直すことです。僕の会社では「3回続けてダメなら、プロンプトの組み方そのものが間違っている」と判断し、そこで止めて僕に相談が来る決まりにしています。無制限に回すと、枠も時間も溶けるからです。

実際の合格率はこうでした。母数が小さいので、目安として読んでください。

上の3件は、人物が小さいか、背景として使う写真でした。一番苦戦したのが最後の自社サイト用の写真です。「エンジニアが依頼者と一緒に業務アプリを作っている場面」を作ろうとしたのですが、lowの3枚のうち2枚は、モニターがカメラ側を向いていました。操作している本人から画面が見えない向きで、物理的にありえない配置です。ほかにも、人差し指で画面を指す構図は同じページの別の写真とポーズがかぶるので落とし、首から下げたIDカードが写ったものは、カードに崩れた文字が出るリスクがあるので小物ごと消しました。

最終的に通ったのは「エンジニアは手をキーボードとマウスに置いたまま、依頼者のほうへ振り向く。依頼者は作業着で、同じアプリをタブレットで持つ」という指示です。ポイントは、やってほしくない動きを「指ささない、身ぶりをしない」と言葉で禁じたことでした。画面には読める文字や数字を出さないことも、毎回プロンプトに書いています。

検品はロゴでも効きました。取引先のロゴを作ったときのことです。フォントで組んだ案を3つ出したら、「フォントがつまらん」と僕が却下しました。そこでgpt-image-2に手描き風の文字を描かせて作り直し、採用案が決まりました。バリエーションは元画像を -i で渡すと文字の形が保たれます。ただ、同時に何本も走らせたら出力が1つずれて、前の画像が別の案として紛れ込みました。それ以来、並行で作った画像は必ず一覧で目で確認しています。

失敗を仕組みに変える考え方は、AI導入の失敗事例7つでも書いています。

なぜ文字入れは画像生成ではなくHTML/CSSでやるのか？

理由は、文字の正確さと直しやすさです。gpt-image-2は文字の描画がかなり良くなりましたが、公式ドキュメントにも「文字の正確な配置と鮮明さはまだ苦手な場合がある」と書かれています。広告のコピーは数字1つの誤りでも出せません。僕の会社では、画像は写真素材だけに限り、コピー・ロゴ・ボタンはHTMLとCSSで後から重ねています。

画像生成で文字まで入れない理由は、ほかにもあります。まず、他の言語の数字や形の崩れた文字が混ざることがあるので、社内ルールで「AIに文字を描かせない」と決めています。次に、広告は「料金を変える」「締切を足す」といった修正が頻繁です。文字が画像に焼き込まれていると、1文字直すだけで再生成になり、構図まで変わってしまいます。日本語が崩れる原因と直し方は画像生成AIの日本語が崩れるときの対処で詳しく書いています。

サイズ違いの問題もあります。Meta広告ならフィードの4:5とストーリーズの9:16が要りますが、HTMLで組んでおけば、同じ写真と同じ文字を比率違いで書き出せます。公式ドキュメントも、繰り返し登場するキャラクターやブランド要素の一貫性は保てないことがあると書いているので、同じ見た目を何枚も揃える用途には向きません。

実際の流れはこうです。gpt-image-2で文字のない背景写真を作り、HTMLとCSSで文字とロゴを載せ、ヘッドレスのChromeで1080×1080のPNGに書き出します。ヘッドレスChromeとは、画面を表示せずに動かすブラウザで、HTMLを画像として保存する用途に使えます。9月のクライアント案件の広告は、この流れで作り、背景4枚がすべて一発合格しました。

例外はロゴのように「文字そのものが絵」のものです。前の章の取引先のロゴは手描き風の文字を画像生成で描かせました。ただしその場合も、画像のまま使わず、図形データ（ベクター）に描き起こしてから納品する予定です。

もう1つ付け加えると、公式ドキュメントは文字入れのコツも紹介しています。入れる文字を引用符で正確に指定し、書体・大きさ・色・位置まで書く方法です。短い英字の見出し程度なら、これで十分きれいに出ることもあります。ただ、日本語のコピーを大量に載せる広告では、今のところHTMLのほうが速くて確実です。

サブスク内とAPI従量、どちらを選ぶべきか？判断表

毎日少しずつ作るならChatGPTのプランの枠内（Codex経由）、一度に大量に作るならAPI従量課金が向いています。僕の会社は、追加料金が0円で、ふだんのChatGPTの契約だけで回せることを優先してCodex経由を既定にしました。そのうえで、枠が切れたときと大量バッチのときだけAPIへ切り替える二段構えにしています。

APIの利用上限について補足します。gpt-image-2のAPIには、1分あたりの画像枚数の上限があります。公式のモデルページでは、最初の段階（Tier 1）が1分5枚、最上位（Tier 5）が1分250枚です。利用額が増えると段階は自動で上がります。

僕の会社のルールも書いておきます。課金の優先順位は、1番がCodex経由（追加0円）、2番が人が手でChatGPTに貼る方式（同じく0円）、3番がAPI従量課金です。APIは月5,000円を上限として承認しています。8月の時点で「月に50枚採用するならAPIでも約700円」と試算しているので、上限に届くことはまずありません。

それでもCodex経由を既定にしているのは、料金より「止まらないこと」と「やり取りの少なさ」を重く見たからです。プランの枠内ならAPIキーの発行や支出上限の管理が要りません。逆に、9月29日のように約20枚のhighで枠が尽きる日もあります。量産の予定が立った日は、最初からAPIに切り替えるほうが結果的に早く終わります。

画像の生成サービスはほかにもあります。僕の会社は動画や3D、本人の顔を学習させた生成が要るときだけ、Higgsfieldという別の生成サービスも使っています。こちらは独自のクレジット制です。写真素材だけなら、gpt-image-2の経路で足りています。作った静止画を動かす方法と無料枠の比較は、画像から動画生成AIを無料で使う方法と実測に書きました。5秒の動画を21本作った費用と、各サービスの料金・商用条件の比較はAI動画生成の料金比較と実録にまとめています。

Claude Codeを使った業務の自動化全体はClaude Codeの活用事例、Claude Code側の料金はClaude Codeの料金と上限の実録にまとめました。画像の工程を組み込んだときの時間の変化はAI自動化のBefore/Afterでも紹介しています。

画像生成をどこまで社内の仕組みに組み込むかは、作る量と検品の体制で答えが変わります。弊社では、こうした制作フローの立ち上げも支援しています。詳しくはウラカタのサービス一覧をご覧ください。

まとめ

• gpt-image-2は2026年4月21日公開のOpenAIの画像生成モデルです。2026年10月時点では、ChatGPTの画面はImages 2.5、Codexの組み込み画像生成は公式ドキュメント上gpt-image-2、APIは両方が使えます
• 使い方はChatGPTの画面、Codex、APIの3通りです。前の2つはプランの枠内、APIは1枚約0.005〜0.211ドル（1024px級・品質別）の従量課金です
• 僕の会社はClaude CodeからCodex CLIを呼び、追加料金0円で写真素材を作っています。描くのはgpt-image-2、検品はClaude Code、採用は人が決めます
• 合格率は背景系の写真で高く（3/3、12/12、4/4）、人物の動きが絡む写真では6枚中1枚でした。敗因を1点に絞り、1カット3回までで撮り直します
• 広告の文字は画像に描かせず、HTMLとCSSで載せます。誤字を防げて、コピーの修正やサイズ違いにもすぐ対応できます