|

MAI-Image-2.7 と GPT Image 2.6:まず画像編集、次に画像生成を見る

MAI-Image-2.7 と GPT Image 2.6:まず画像編集、次に画像生成を見る

著者注:画像編集と画像生成の2つのラインについて、MAI-Image-2.7 と GPT Image 2.6 の2つのティアのランキングスコア範囲、正規化価格、呼び出しチャネルを比較し、そのまま実行できる選型手順を示します。

画像関連の作業が編集中心で、時々ゼロから生成することもあるなら、最近は MAI-Image-2.7 と GPT Image 2.6 のどちらを選ぶかで迷うところでしょう。前者はマイクロソフトが 2026-11-17 にリリースしたもので、後者はランキング上で Sunburst と Flare の2つのティアに分かれており、それぞれスコアを持っています。

これは順位を決める記事ではありません。編集と生成は別物であり、同じモデルでも2つのランキングでの位置は異なります。スコアが近接している場合でも、それだけで結論を出すことはできません。

以下では、読者がそのまま実行できる3つのステップを先に示し、その後でデータを展開します。

  1. 編集では、まず両者のスコア範囲が重なっていないかを確認します。重なっている場合は、数点の差を勝敗とみなさず、その後で1000枚あたりの価格を比較します。
  2. 生成では、GPT Image 2.6 の Sunburst ティアが明らかに先行しているかをまず確認し、編集の順位で代用しないようにします。
  3. 実際に発注する前に、呼び出しプラットフォーム上で各モデルがどのティアに対応するのか、どのように課金されるのかを整理し、異なるティアの価格を混同しないようにします。

重点:編集と生成は分けて見て、各ラインごとにまず範囲を確認し、次に価格を見ます。

mai-image-2-7-vs-gpt-image-2-6-editing-first-ja-image-0


MAI-Image-2.7 と GPT Image 2.6 の比較前:まずモデルを3つに分解する

多くの議論では、GPT Image 2.6 を1つのモデル、1つのスコアとして扱っています。しかし実際には、2026-11-18 に取得した Artificial Analysis の最終ランキングでは、Sunburst(max)と Flare(max)という2つのエントリーに分かれて掲載されており、両者のスコアもレンジも異なります。つまりこの比較は実際には三者比較です:MAI-Image-2.7、GPT Image 2.6 Sunburst、GPT Image 2.6 Flare。

データソースも分けて考える必要があります。Artificial Analysis の最終ランキングは人間によるペアワイズ嗜好投票に基づいて Elo を算出し、95% 信頼区間と想定順位の範囲を示しています。Microsoft の発表はあくまで公式の自己申告です。Arena は別の独立したアリーナであり、評価基準が前者2つとは異なります。

ソース 性質 本記事での使い方
Artificial Analysis 最終ランキング(2026-11-18 取得) 独立した第三者、人間嗜好投票 Elo + 95% 区間 画像編集・画像生成の主要な比較根拠
Microsoft の発表(2026-11-17) 公式の自己申告 能力説明、公式価格の基準として個別に注記
Arena の投稿(2026-11-17) 別のアリーナ、基準が異なる 補助的な証拠としてのみ使用、最終ランキングのスコアとは混算しない
2026-10-27 のプレビュー稿 旧スナップショット 今回の結果としては使用しない

MAI-Image-2.7 と GPT Image 2.6 の価格基準

Artificial Analysis 最終ランキングの価格列は、各社の自社 API において 1024×1024、デフォルト設定で1000枚を生成した場合の正規化価格です。横断比較には適していますが、あるプラットフォーム上で実際に支払う単価とは異なります。呼び出しチャネルについては後ほど個別に説明します。


MAI-Image-2.7 と GPT Image 2.6 の画像編集における核心的な違い

画像編集は、今回のリリースで Microsoft が最も強調している部分です。Artificial Analysis の最終ランキングにある画像編集部門では、3社の位置は次のとおりです。

モデル 順位(推定範囲) Elo 95%信頼区間 サンプル 正規化価格(1000枚あたり)
MAI-Image-2.7 1位(1–3) 1215 1201–1229 5478 $34.82
GPT Image 2.6 Sunburst (max) 2位(1–4) 1211 1198–1224 6554 $210.72
GPT Image 2.6 Flare (max) 3位(1–4) 1205 1192–1218 6798 $210.72
MAI-Image-2.7-Flash 7位(5–7) 1179 1166–1192 5891 $10.24
Seedream 5.5 8位(8–11) 1160 1146–1174 5101 $28.00
Nano Banana 2.1 10位(8–13) 1152 1140–1164 7606 $33.60

MAI-Image-2.7 は Sunburst の 1211 を 4ポイント上回り、Flare の 1205 を 10ポイント上回っています。ただし、三者の信頼区間である 1201–1229、1198–1224、1192–1218 は互いに重なっており、順位の範囲にもいずれも1位が含まれています。つまり、4ポイントのリードはすでに突き放したわけではなく、10ポイントも安定的に上回ると書くことはできません。統計的には三者は同一ティアと見なすべきです。

差が開くのはティアの間です。MAI-Image-2.7 の画像編集の信頼区間は Nano Banana 2.1 や Seedream 5.5 とは重なっておらず、この層ではより上位に位置すると確認できます。Microsoft の公式説明では、画像編集で1位、GPT Image 2.6 Sunburst (max)を上回ると述べており、脚注には集計時点が 2026-11-16、リードは 4 Elo と明記されています。これは最終ランキングの数字と一致しますが、「上回る」という表現は信頼区間と合わせて解釈する必要があります。

MAI-Image-2.7 の画像編集における項目別パフォーマンス

Artificial Analysis のリリーススレッドでは、MAI-Image-2.7 が7つの画像編集操作のうち4つで1位となったと述べられており、具体的には文字や記号、シーンとスタイル、強化と修復が挙げられています。4つ目の名称は投稿本文には登場していません。10の画像編集ユースケースのうち、建築・不動産、消費、Frontier、マーケティング・広告の4つで1位となっています。画像編集のニーズがこれらの方向に集中している場合は、こうした項目別の結果を参考にしてください。

mai-image-2-7-vs-gpt-image-2-6-editing-first-ja-image-1


MAI-Image-2.7 と GPT Image 2.6 の画像生成における核心的な違い

テキストから画像生成のランキングに移ると、状況は変わります。これが、画像編集の順位を画像生成の順位の代用にできない理由でもあります。

モデル 順位(想定範囲) Elo 95% 区間 サンプル数 正規化価格(1,000枚あたり)
GPT Image 2.6 Sunburst(max) 1位(1位のみ) 1261 1247–1275 5337 $210.72
GPT Image 2.5 Sunburst(max) 2位 1229 1219–1239 — —
GPT Image 2.6 Flare(max) 3位(2–4位) 1227 1215–1239 7214 $210.72
MAI-Image-2.7 4位(3–5位) 1214 1200–1228 5008 $34.82
Nano Banana 2.1 8位(7–10位) 1176 1164–1188 6793 $33.60
MAI-Image-2.7-Flash 11位(9–12位) 1158 1146–1170 5951 $10.24
Seedream 5.5 14位(13–17位) 1134 1122–1146 5260 $20.00

Sunburst の 1261 に対し MAI-Image-2.7 は 1214 で、区間 1247–1275 と 1200–1228 は重なっておらず、順位範囲も1位のみです。この部分については、Sunburst が画像生成で差を広げていると明確に言えます。一方、Flare の 1227 に対する MAI-Image-2.7 の 1214 は、区間 1215–1239 と 1200–1228 が依然として重なっており、13ポイントの差だけでは断定できません。

Microsoft Ignite の資料では、テキストから画像生成で4位だと自ら述べており、それに基づいて自社を第2位のラボと称しています。これは最終ランキングの順位と一致します。MAI-Image-2.7 はテキストから画像生成の Knowledge 項目で1位ですが、総合順位は依然として Sunburst の後ろです。

mai-image-2-7-vs-gpt-image-2-6-editing-first-ja-image-2


MAI-Image-2.7 と GPT Image 2.6 の価格をどう見るか

価格には二通りの数字があり、出典が異なるため、分けて説明する必要があります。

算定基準 MAI-Image-2.7 GPT Image 2.6(max) 倍率 出典
正規化価格(1000枚あたり) $34.82 $210.72 210.72 ÷ 34.82 ≈ 6.05 Artificial Analysis 最終ランキング
1枚あたり換算 $0.03482 $0.21072 約6倍 同上の換算
公式見解 1000枚あたり約 $35 — コストは約5分の1 Microsoft の発表、公式の自己申告
アリーナの見解 約 $0.035/枚 — — Arena の投稿

Microsoft は発表の中で、MAI-Image-2.7 のコストは GPT Image 2.6 Sunburst(max)の約5分の1だと述べています。これは公式の自己申告です。Artificial Analysis の最終ランキングにある2つの正規化価格で計算すると、210.72 ÷ 34.82 は約 6.05 倍、つまりおよそ6分の1になります。どちらの数字も出典を明記したまま併記し、1つの数字にまとめないでください。

Flash モデルの価格はさらに低く、最終ランキングの正規化価格は1000枚あたり $10.24、Microsoft は約1000枚あたり $10 としています。Arena の約 $0.035/枚、Microsoft の約1000枚あたり $35、最終ランキングの $34.82 は、同じ桁の水準ではありますが、同一の価格表ではありません。

画像編集に話を戻しましょう。3社のレンジが重なっており、品質では優劣をつけにくい以上、約6倍という正規化価格の差が、実際の判断ではより重い要素になります。テキストから画像生成の場合は逆で、Sunburst の優位は明確であり、その品質に対して高いコストを払う価値があるかを見極める必要があります。

APIYI(apiyi.com)のモデル一覧(データ時点 2026-11-17 15:54、UTC+8)と、2026-11-18 に取得した価格取得インターフェースを確認したところ、Microsoft の画像モデルは現時点で MAI-Image-2.6(1回 $0.12)と MAI-Image-2.6-Flash(1回 $0.06)のみです。これは 2.6 世代の価格であり、2.7 の販売価格として扱うことはできません。MAI-Image-2.7 と MAI-Image-2.7-Flash はまだ未掲載ですが、できるだけ早く掲載する予定です。モデルと価格はプラットフォームのモデル一覧を基準にしてください。


APIYI で GPT Image 2.6 を呼び出す3つのチャネル

GPT Image 2.6 は APIYI 上で3つのモデルIDを持ち、それぞれが異なるチャネルに対応しています。価格は混同できません。

モデルID 料金一覧表での課金 価格設定API エンドポイント グループ
gpt-image-2.6-sunburst 1回あたり $0.2 model_price 0.2、同時に100万トークンあたりの課金計算式を伴う images Default、image2Enterprise、image2_OSS、SVIP
gpt-image-2.6-flare 1回あたり $0.2 同上 images 同上
gpt-image-2.6-all 1回あたり $0.025 — chat、images Default、image2_OSS、SVIP

Sunburst と Flare の2モデルは、料金一覧表では1回あたり $0.2 と記載されています。同じ時点の価格設定APIには model_price 0.2 に加えて、課金計算式 p * 5 + cr * 1.25 + img * 8 + img_cr * 2 + c * 30 も含まれています。これはテキスト入力 $5、テキストのキャッシュ読み込み $1.25、画像入力 $8、画像のキャッシュ読み込み $2、出力 $30 に対応し、単位はいずれも100万トークンあたりです。料金一覧表とAPIの記載が一致していないため、ここでは両方を併記します。呼び出す前にコントロールパネルの請求明細を確認してください。

gpt-image-2.6-all は別のチャネルで、1回あたり $0.025 です。この価格は all だけのもので、Sunburst や Flare には適用できません。同様に、Artificial Analysis のランキングにある $210.72/1000枚は、max ティアを 1024 のデフォルト設定で実行した結果に対応し、1枚あたり約 $0.211 であって、all の価格でもありません。

呼び出し方法については、APIYI は OpenAI 互換インターフェースを採用しているため、SDK の base_url を https://api.apiyi.com/v1 に設定し、model パラメータを上記3つのモデルIDのいずれかに置き換えて、images エンドポイントを使うだけです。画像編集タスクでは、まず Sunburst と Flare でそれぞれ自分の実際の素材を小ロットずつ試し、そのうえで請求明細と見比べてどちらのティアがお得かを判断することをおすすめします。

🚀 クイックスタート:APIYI apiyi.com では1つの APIキーで gpt-image-2.6-sunburst、gpt-image-2.6-flare、gpt-image-2.6-all を切り替えられます。新規ユーザーには無料のテスト枠があり、まず小ロットの素材で3つのチャネルの効果と請求明細を比較するのに適しています。


MAI-Image-2.7 と GPT Image 2.6 のシーン別推奨

MAI-Image-2.7 を選ぶのに適したシーン

  • 画像編集が中心で、大量バッチ処理を行う場合:価格帯が GPT Image 2.6 の2つのティアと重なり、正規化価格は約6分の1です。コスト差は利用量が増えるほど拡大します。
  • 項目別に強みが合致する場合:文字や記号、シーンとスタイル、強化と修復、さらに建築・不動産、マーケティング・広告などの用途で、最終ランキング1位となっています。
  • 透明背景が必要な場合:Microsoft の公式説明では、2.7 と Flash の両方が透明背景に対応し、製品画像、ロゴ、アイコンに利用できます。これはベンダーの説明であり、ランキングで測定された結果ではありません。

GPT Image 2.6 Sunburst を選ぶのに適したシーン

  • ゼロからの画像生成が中心で、画質を重視する場合:テキストから画像生成は1261点で、価格帯は MAI-Image-2.7 と重ならず、順位範囲は1位のみです。
  • 画像編集と画像生成の両方で同じモデルを使いたい場合:画像編集はトップティアと重なり、画像生成はリードしているため、モデル切り替えに伴う管理コストを減らせます。

Flare または all を検討するシーン

Flare は2つのランキングのいずれでも MAI-Image-2.7 と価格帯が重なり、価格ティアは Sunburst と同じです。実際の素材で Sunburst と比較したうえで決めるのに適しています。gpt-image-2.6-all は1回 $0.025 の独立したチャネルで、ランキング上の max ティアとは課金基準が異なります。まずフローを一通り動かし、試行錯誤のコストを抑えるのに適しています。

今すぐ本番投入が必要な場合の代替モデル

2.7 の提供開始前、プロジェクトが待てない場合は、APIYI ですでに提供中の2つのモデルを検討できます。gemini-nano-banana-2.1 は1回 $0.045、1K・2K・4K が同価格で、最大10枚の物体参照画像 + 4枚のキャラクター参照画像 + 3枚のスタイル参照画像に対応し、Gemini ネイティブの /v1beta/models/gemini-nano-banana-2.1:generateContent パスを使用します。ドキュメントの実測では、4K は都度課金のほうが安く、1K・2K は従量課金のほうが安くなります。Seedream 5.5(seedream-5-5-261028 または doubao-seedream-5-5-261028)は /v1/images/generations のみで、参照画像は image フィールドに置き、透明画像と最大100枚のレイヤー分割をネイティブサポートします。これら2つの機能は嗜好スコアでは測定されていないため、ドキュメントを基準にしてください。

MAI-Image-2.7 と GPT Image 2.6 の選択ガイド

ここまでの内容を、実行できる判断手順にまとめます。

  1. 主な用途を決める:過去1か月の呼び出し量を集計し、画像編集と画像生成がそれぞれどのくらいの割合を占めるかを確認します。
  2. 画像編集は価格帯で判断する:3者の価格帯は重なっているため、品質は判断材料にせず、正規化価格を比較します。最終ランキングの計算では約6倍、Microsoftの自己申告では約5分の1です。
  3. 画像生成は Sunburst を軸に考える:優位性は明確なので、この品質向上分に追加コストを払う価値があるかを評価します。Flare と MAI-Image-2.7 は、引き続き実際に比較する必要があります。
  4. チャネルを確認する:Sunburst、Flare、all の3つのモデルIDは個別に課金されるため、呼び出す前に管理画面の請求明細を確認します。
  5. 2.7 の公開を待つ:公開前に GPT Image 2.6 または既存の代替モデルで一連のフローを動作確認し、公開後に A/B 比較を行います。

💡 選択のポイント:どのモデルを選ぶかは、画像編集と画像生成の比率、そして予算によって決まります。APIYI apiyi.com 上で同じ実素材を使い、Sunburst、Flare、all をそれぞれ呼び出して、請求額と生成結果の品質から判断することをおすすめします。MAI-Image-2.7 の公開後は、そのまま同じ比較フローに加えられます。


よくある質問(FAQ)

Q1:MAI-Image-2.7 とは何ですか?

Microsoft AI が 2026-11-17 に公開した画像モデルで、同時に MAI-Image-2.7-Flash も公開されました。どちらもテキストから画像生成と画像編集に対応しており、現在 Microsoft Foundry でパブリックプレビュー中です。Foundry のカタログページでは、入力がテキストと画像、出力が画像と表示されています。

Q2:画像編集で MAI-Image-2.7 が GPT Image 2.6 を数点上回っているなら、勝ちと言えますか?

差が開いたとは言えません。2026-11-18 に取得した Artificial Analysis の最終ランキングでは、MAI-Image-2.7 が 1215、Sunburst が 1211、Flare が 1205 で、3 者の 95% 区間が重なっており、順位範囲はいずれも 1 位を含んでいます。同じグループに位置するというだけです。

Q3:テキストから画像生成の性能は、画像編集の順位から推測できますか?

できません。テキストから画像生成のランキングでは、Sunburst の 1261 に対して MAI-Image-2.7 は 1214 で区間は重なっておらず、Flare の 1227 と MAI-Image-2.7 の区間は依然として重なっています。2 つのランキングは状況が異なるため、それぞれ個別に見る必要があります。

Q4:価格差は 5 分の 1 なのか、それとも 6 分の 1 なのか?

2 つの数字は出典が異なります。Microsoft の公式説明ではコストは Sunburst(max)の約 5 分の 1 とされており、Artificial Analysis 最終ランキングの正規化価格で計算すると 210.72 ÷ 34.82 ≈ 6.05 で約 6 分の 1 になります。いずれも 1024 のデフォルト設定での基準であり、どのプラットフォームの実際の単価とも一致しません。

Q5:現在 API 経由で MAI-Image-2.7 を呼び出せますか?

Microsoft の発表によると、Microsoft Foundry のほか fal、Genspark、OpenRouter、Vercel 経由で呼び出せます。APIYI で現在提供しているのは `MAI-Image-2.6` と `MAI-Image-2.6-Flash` で、2.7 の 2 モデルはまだ未提供です。まずは APIYI apiyi.com で GPT Image 2.6 の 3 モデルを使ってフローを一通り動作させてみるのがおすすめです。

Q6:`gpt-image-2.6-all` の $0.025 は Sunburst の価格ですか?

いいえ。$0.025 は `gpt-image-2.6-all` というチャネルだけのものです。`gpt-image-2.6-sunburst` と `gpt-image-2.6-flare` は一覧表では 1 回あたり $0.2 で、価格設定 API には 100 万トークンあたりの計算式も併記されているため、請求書を基準にしてください。

Q7:両者にはランキングで測れていない制限がありますか?

選好投票スコアでは、透明背景やレイヤー分割などの能力は測られていません。MAI-Image-2.7 の透明背景と連続編集の一貫性は Microsoft の説明によるもので、2.7 はまだパブリックプレビュー段階です。GPT Image 2.6 は APIYI 上での 2 種類の課金表記がまだ統一されておらず、請求書に注意する必要があります。


MAI-Image-2.7 と GPT Image 2.6 の核心ポイント Key Takeaways

  • 三者比較:GPT Image 2.6 はランキング上で Sunburst と Flare に分かれており、ひとつのスコアだけを採用することはできません。
  • 画像編集は同じティア:1215、1211、1205 の区間は重なっており、4 ポイントのリードは差が開いたことを意味しません。
  • 画像生成は階層が分かれる:Sunburst の 1261 と MAI-Image-2.7 の 1214 は区間が重なっておらず、Flare は依然として重なっています。
  • 価格には2つの説:Microsoft の自己申告では約5分の1、最終ランキングの計算では約6.05倍で、それぞれ出典を明記する必要があります。
  • チャネルは別々に計算:Sunburst、Flare の総合表は1回あたり $0.2 で token の計算式も付き、all は1回あたり $0.025 です。
  • はじめ方:2.7 の公開前でも、APIYI apiyi.com で同じキーを使って GPT Image 2.6 の3つのチャネルを比較できます。

まとめ

MAI-Image-2.7 と GPT Image 2.6 の比較で押さえたいポイントは、画像編集と画像生成を分けて考えることです。

  1. 画像編集:三者(3つの指標)の区間が重なり、品質だけでは区別しにくいため、主に約6倍(最終ランキング)または約5分の1(Microsoft の自己申告)という価格差の比較になります。
  2. 画像生成:Sunburst のリードは明確で、Flare と MAI-Image-2.7 は依然として重なる区間にあります。
  3. 呼び出し:3つのモデル ID はそれぞれ課金され、管理画面の請求書が基準になります。2.7 はまだ公開されていません。

おすすめは、自分の画像編集・画像生成の比率に合わせて、実際の素材で小規模な比較テストを一度行ってみることです。APIYI apiyi.com の OpenAI 互換インターフェースでテストを実施でき、MAI-Image-2.7 が公開されたら比較に加えられます。


📚 参考資料

  1. Artificial Analysis 画像編集ファイナルランキング:2026-11-18 時点で取得

    • リンク:artificialanalysis.ai/image/leaderboard/editing
    • 説明:画像編集の Elo、95% 信頼区間、順位範囲、正規化価格
  2. Artificial Analysis テキストから画像生成ファイナルランキング:2026-11-18 時点で取得

    • リンク:artificialanalysis.ai/image/leaderboard/text-to-image
    • 説明:テキストから画像生成の Elo、信頼区間、正規化価格
  3. Artificial Analysis 発表スレッド:2026-11-17

    • リンク:x.com/ArtificialAnlys/status/2122754535206846610
    • 説明:画像編集の内訳とユースケース別の順位
  4. Microsoft MAI-Image-2.7 発表:公式による説明

    • リンク:microsoft.ai/news/introducing-mai-image-2-7
    • 説明:能力の説明、公式価格の基準、脚注の集計時点
  5. Arena 投稿:2026-11-17

    • リンク:x.com/arena/status/2122764936388784405
    • 説明:別のアリーナ基準。あくまで傍証として扱う

著者:APIYI 技術チーム
技術交流:APIYI のウェブサイトトップページからお気軽にお問い合わせください。モデル一覧と接続方法については、docs.apiyi.com のドキュメントセンターをご覧ください

類似投稿