AI画像生成の現状
画像生成は大きく成熟しました。各モデルには、ユースケースに応じた明確な強みがあります。
GPT Image 2.6 (OpenAI)
- 強み: プロンプト追従が強く、この中では画像内テキストの描画が最も得意で、既定で安全です。
- 弱み: Fluxより遅く、スタイル制御は限定的で、NSFWは扱えません。
- 最適: マーケ素材、プレゼン資料、製品モックアップに。
- 価格: 画像出力トークン100万あたり$30。1024×1024のミディアム品質で1枚約$0.05です(OpenAIの料金ドキュメント、2026-11-10確認)。DALL-E 3は2026-05-12にAPIから削除されたため、旧価格は適用されません。
Midjourney v7
- 強み: 圧倒的な美しさ、芸術的スタイル、コミュニティの着想。
- 弱み: Discord専用のインターフェースで、APIがなく統合しにくいです。
- 最適: コンセプトアート、ブランディング、創造的な探索に。
- 価格: 月額$10-60のサブスクリプションです。
Flux (Black Forest Labs)
- 強み: オープンウェイトで高速、高品質、制御可能です。
- 弱み: Stable Diffusionよりエコシステムが小さいです。
- 最適: セルフホストで高品質な生成を求める開発者に。
- 価格: セルフホストは無料、API価格は提供元により異なります。
Stable Diffusion 3.5
- 強み: 完全オープンソースで、巨大なエコシステム、ControlNet対応です。
- 弱み: 技術的なセットアップがより必要で、品質は変動します。
- 最適: 独自パイプライン、ファインチューニング、バッチ生成に。
- 価格: セルフホストは無料で、GPU費用のみです。
選択ガイド
- API統合 → GPT Image 2.6またはFlux
- 芸術的品質 → Midjourney
- 完全制御 → SDまたはFlux
- 画像内の文字 → GPT Image 2.6
- 規模を伴う速度 → 最適化パイプラインのFluxまたはSD3.5
より良い結果のための実践的ヒント
- スタイルを具体的に: 「猫」ではなく「窓辺に座るトラ猫の水彩画、柔らかな午後の光、落ち着いたアースカラー」。
- ネガティブプロンプトを使用: 「ぼやけ、低品質、余分な指」などを除外してください。
- シードで反復: 最良の画像のシードを使いプロンプトを少し変更してください。
- アスペクト比が重要: 実際に使う比率で生成してください。
コスト比較
Midjourney($10–60/月)が最高品質です。GPT Image 2.6(ミディアム品質で1枚約$0.05)はスポット利用に最も手軽なAPIです。Stable Diffusion(セルフホスト無料、ReplicateではSDXLが約$0.0043/枚)が大量生成に最適です。Adobe Firefly(Creative Cloudに含まれる有料プラン)は商用利用に安全な生成に最適です。価格は2026-11-10に確認しました。MidjourneyとFireflyのサイトは自動アクセスを拒否するため、現在のプランは契約前に必ず確認してください。
制御性こそが決め手となる機能
画質は収束し、上位モデル間の差はほぼ好みの問題になりました。実務で差を分けるのは制御性です。シードを固定して同じ画像を二度得られるか。参照画像、マスク、ポーズで構図を制約できるか。画像内に文字を正しく描けるか。一部だけを再生成して他を乱さないか。この四つの問いが、商品写真、マーケ素材、UIモックアップに使えるかを決め、リーダーボードはほとんど答えません。
ライセンスは技術比較の一部
モデルがどこで訓練され、規約が何を許すかは、出力の質と同じくらい重要です。美しい画像を作るが商用利用を禁じるモデルは、有料キャンペーンの候補になりません。画像一般ではなく、想定する具体的用途の規約を確認し、公開した素材ごとに使ったモデル版を記録します。後でメインビジュアルを作り直すとき、元が何で作られたか分かればはるかに楽です。
画像内の文字は依然として弱点
生成画像に読みやすく正しい綴りの文字を描くのは、どのモデルでも不安定で、失敗は明白ではなく自信満々です。文字を含む素材はフル解像度で人の校正を前提とし、モデルに描かせるよりデザインツールで合成する方を優先してください。その一つのワークフロー選択が、恥ずかしい欠陥の一類を丸ごと消します。
自分のプロンプトで評価する
実際の仕事を代表するプロンプトを10個作り、各4バリエーションを生成し、ブラインドで採点します。半日の作業で、公開比較よりチームに有用な順位が出ます。実際にモデルへ頼むことを測るからです。