Seedream 5.5 公式API価格発表：画像生成は0.13元から、連続画像編集とレイヤー分解はそれぞれいくら？

著者注：火山方舟の2026-11-12人民元標準価格に基づき、Seedream 5.5の画像生成・連続画像編集・レイヤー分割という3種類のタスクの実際コストを分解し、5.0 Pro、Flashと項目ごとに比較します。

ByteDanceのSeedは2026年11月9日にSeedream 5.5を発表しました。火山方舟が11月12日に更新した「モデル価格」では、人民元の標準料金が示されています：入力画像 0.05元/枚、低画素帯出力 0.13元/枚、高画素帯出力 0.23元/枚。2K正方形画像を参照画像1枚で編集する場合、約0.28元。前世代の5.0 Proでは同種タスクが0.60元でした。

これは単価だけを紹介する価格の引用ではありません。100ターン連続で編集する、一度に99レイヤーを分割する——こうした新機能の請求額はすべて画像1枚ごとに積み上がります。「1枚0.23元」だけを覚えておくと、予算を大幅に過小評価しがちです。本記事では3種類の代表的な操作を分けて計算し、各ケースで入力枚数、出力枚数、画素帯、課金式を明記します。

本記事の価値：読み終えれば、自分の業務フローに沿ってSeedream 5.5のタスク全体コストを見積もり、どのシーンで5.5を使うべきか、どのシーンで5.0 ProやFlashを使うほうがお得かを判断できます。

一言まとめ：Seedream 5.5の費用は、入力画像の枚数、実際の出力画像枚数、各出力画像の画素帯によって決まります。連続編集はターンごとに累積し、レイヤー分割はベース画像と全レイヤーを1枚ずつ計算します。

To know：本記事を読むために必要な5つの用語

• 画素帯：出力画像1枚の「幅 × 高さ」の総画素数で区分される課金区間です。261万画素以下が低画素帯、261万画素超かつ463万画素以下が高画素帯です。
• マルチターン編集：前のターンで生成した画像を次のターンの入力画像として、順次修正することです。各ターンは新たな課金対象の呼び出しになります。
• レイヤー分割：1枚の完成画像を、ベース画像1枚と、人物・オブジェクト・文字など個別に使える複数の要素レイヤーに分けることです。
• IPM：Images Per Minute。1分あたりの出力画像枚数を示すレート制限指標で、人民元での課金とは別物です。
• API：プログラムからサービスを呼び出すためのインターフェースです。本記事の価格はすべて火山方舟 API の従量制標準価格を指し、BytePlus のキャンペーンパッケージやサードパーティプラットフォームの米ドル建て料金は含みません。

Seedream 5.5 公式APIの価格：1枚の画像はいったい何円？

火山方舟の公式価格表（2026-11-12更新、モデル doubao-seedream-5-5）によると、Seedream 5.5 は「入力画像＋出力画像」という画像単位の課金方式を採用しています。公開されているルールでは、テキストプロンプトのトークンは個別に課金されません。

1回のリクエストにかかる費用の汎用計算式は次のとおりです。

1回の費用 = 入力画像の枚数 × 0.05 + 実際に出力された各画像の対応ティア単価の合計

ここで特に注意したい点があります。「2K」はサイズティアの名称であり、固定の 2048×2048 を意味するわけではありません。幅と高さを指定する場合、総画素数の下限は 921600、上限は約 4624220 で、アスペクト比は 1:16 から 16:1 の範囲に制限されます。課金ティアの判定は、リクエストに書かれたティア名ではなく、実際に出力された画素数の合計で行います。

Seedream 5.5 の画像生成コスト：1枚から一括生成まで

一般的な画像生成は3つのケースに分かれます。純粋なテキストから画像生成、単一の参照画像による編集、複数の参照画像の融合（最大10枚の参照画像）です。3つの違いは入力費用だけにあり、出力費用は画素グレードによって決まります。

上記はすべて、1回のリクエストで1枚の画像が正常に出力された場合を想定しています。参照画像が増えるほど、入力費用の比率が高まることがわかります。10枚の参照画像を使う2Kタスクでは、入力費用0.50元がすでに出力費用0.23元の2倍を超えています。

一括生成のケースも簡単に計算できます。参照画像なしの2Kテキストから画像生成を100回行う場合、理論費用は100 × 0.23 = 23元です。単一参照画像の2K編集を100回行う場合、理論費用は100 × 0.28 = 28元です。どちらの数値にも、失敗時のリトライ費用やサードパーティプラットフォームの追加費用は含まれていません。

Seedream 5.5 の画像生成コストの実測参照

サードパーティプラットフォームの Segmind は11月11日に、36回の課金生成の請求額を公開しました。総額は約1.70ドルです。ただしこれは Segmind プラットフォームのドル建て価格であり、Volcengine Ark（火山方舟）の人民元建て標準価格と直接換算して比較することはできません。あくまで「参照画像が多いほど、サイズが大きいほど、1回あたりのコストが高くなる」という傾向を理解するための参考値です。

Seedream 5.5 連続改図のコスト：1ラウンド追加するごとにいくらかかる？

Seedream 5.5 の大きな売りの一つは、同じ画像を 100 ラウンドにわたって連続編集するデモが公式に公開されていることです。ここで明確にしておきたいのは、100 ラウンドとは「1 回の API リクエストで 100 回の修正を実行する」という意味ではないという点です。実際の方法は、前のラウンドの出力を次のラウンドの入力として使い、各ラウンドがそれぞれ独立した課金対象の呼び出しになります。

計算の前提：各ラウンドで画像 1 枚を入力し、2K スクエア画像（高画質）を 1 枚出力する場合、1 ラウンドあたりの費用は 0.05 + 0.23 = 0.28 元です。

2 列の違いは「最初の画像を 5.5 で生成する必要があるかどうか」だけに由来します。出力を 1.5K の低画質に切り替えると、1 ラウンドあたりの費用は 0.18 元に下がり、10 ラウンドの累計は 1.80 元になります。

長期間の編集による品質面のメリットは、累計コストとあわせて評価する必要があります。Segmind が商品画像 1 枚に対して 12 ラウンドの連続編集を行ったところ、背景領域には明らかなピクセル変化は現れませんでしたが、画面全体が次第に暗くなり、第 12 ラウンドは第 2 ラウンドと比べて平均で約 5.1 色階ずれていました。つまり、ラウンド数は多ければ多いほど良いわけではなく、ある段階でベース画像を再生成したほうが、修正を重ね続けるよりも安くて安定する可能性があるということです。

Seedream 5.5 レイヤー分割のコスト：なぜ1枚の画像の価格ではないのか？

レイヤー分割は最も見落とされやすい項目です。Seedream 5.5 でレイヤー分割を行う場合、ベース画像と各レイヤーはそれぞれ1枚ごとに課金され、入力した元画像には別途0.05元がかかります。「最大99レイヤー」は決して「0.23元で99レイヤーに分割」という意味ではありません。

計算式：分割費用 = 0.05 × 1 + 実際に出力される各画像（ベース画像を含む）の料金帯単価の合計。

この2列は「すべての出力が同じ料金帯に該当する」場合の境界ケースです。公式は、同一の分割リクエスト内の各レイヤーが異なるピクセル料金帯に該当し得ると明記しているため、実際の請求額は1枚ずつ合算する必要があります。

max_images と実際の課金枚数の違い

layer_decomposition_options.max_images は出力枚数の上限で、値は2から100、デフォルトは30（ベース画像を含む）。モデルが必ずその枚数を返すという意味ではなく、課金は実際に正常生成された画像の枚数に基づいて精算されます。

公式が示した2つの事例から、この違いは明確にわかります：

• 山林の動物イラスト：max_images を40に設定し、実際にはベース画像1枚 + 動物の透過レイヤー32枚、合計33枚を返却。
• ポスターのレイヤー分割：max_images を15に設定し、実際には13枚（ベース画像1枚 + レイヤー12枚）を返却。うち9つのテキストレイヤーではOCR結果が返されました。

ポスター事例で混合料金帯の試算をしてみましょう。13枚のうち8枚が低価格帯、5枚が高価格帯だと仮定すると、費用は 0.05 + 8 × 0.13 + 5 × 0.23 = 2.24元 です。これは編集者が公式の返却枚数をもとに構成した計算例であり、各レイヤーの実際のサイズ配分は公式の請求データではありません。

また、max_images はIPMレート制限の事前確保枠に影響し、リクエスト完了後、実際の生成枚数に応じて余分に差し引かれた分が返還されます。レート制限の枠と人民元の費用は別個の概念であり、混同しないでください。

Seedream 5.5 と 5.0 Pro・Flash の比較：どのバージョンがお得か？

Volcano Ark（火山方舟）の価格表によると、5.0 Pro は通常の画像生成とレイヤー分割で異なる出力価格を採用しており、5.0 Flash は出力画像の単価が統一されています。次の表では2種類のタスクをまとめて比較します。

5.0 Pro との比較分析：通常の単一画像生成では、5.5 の優位性は明らかです。2K単参照画像編集は 0.60 元から 0.28 元へ下がり、約53.3%の削減となります。ただし世代によって入力課金ルールが異なり、参照画像が増えるほど差は縮まります。参照画像10枚の2Kタスクでは、Pro が 0.18 + 0.60 = 0.78 元、5.5 が 0.73 元でほぼ同等です。注目すべきは、Pro のレイヤー分割単価（0.15/0.30）が自身の通常画像生成価格より安いものの、5.5 よりは高い点です。

5.0 Flash との比較分析：Flash は17枚以内のレイヤー分割タスクでコストが最も低く、特に高画素レイヤーはすべて 0.12 元で計算されます。ただし分割できるのは最大16レイヤーまでで、OCR もありません。ポスターでテキスト内容、色、類似フォントを認識する必要がある場合、あるいは画面要素が16個を超える場合は、5.5 を選ぶしかありません。

💡 選択のヒント：シンプルなレイヤー分割で要素が16個未満なら Flash、通常の画像生成と編集なら 5.5、複雑なレイヤー分割や OCR が必要なら 5.5 を選んでください。ほかの画像モデルも同時に評価している場合は、APIYI apiyi.com のようなアグリゲーションプラットフォームを使い、同じインターフェースで横断テストができます。利用可能なモデルと価格はプラットフォームのコンソールで確認してください。

Seedream 5.5 のバッチ生成で予算をどう管理するか？

統一コスト計算式

5.5 の公式な従量課金価格に適用されます。ストレージ、人件費、第三者サービス費用は含まれません：

C = 0.05 × N_in + 0.13 × N_low + 0.23 × N_high

ここで N_in は入力画像の課金枚数、N_low と N_high はそれぞれ低グレード、高グレードの成功出力枚数です。例えば、100 個の商品それぞれに 3 回の成功した 2K 単一参照画像編集が必要な場合、合計 300 回の課金呼び出しとなり、費用は 300 × 0.28 = 84 元になります。

usage フィールドで正確なコスト計算を行う

Volcano Ark（火山方舟）では、正常に生成された画像のみ課金されると説明しています。API レスポンスには、コスト計算に直接利用できるフィールドがいくつかあります。

• usage.input_images：今回のリクエストに含まれる入力画像の枚数。
• usage.generated_images：正常に生成された画像の枚数。
• data[].size：各出力画像の実際のサイズ。ピクセル区分の判定に使用します。
• data[].z_index：レイヤー分割でベース画像と各レイヤーを区別するために使用します。
• usage.output_tokens：画像に対応するトークン統計。テキストモデルの単価を掛けて計算しないでください。

以下は、OpenAI 互換インターフェース経由でリクエストを送信し、usage を読み取る最小限の呼び出し例です。

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI の統合インターフェース
)

resp = client.images.generate(
    model="YOUR_IMAGE_MODEL",  # コンソールで実際に提供されているモデル名に従います
    prompt="一只坐在窗边的橘猫，柔和午后光线",
    size="2048x2048"
)
print(getattr(resp, "usage", None))

from openai import OpenAI

INPUT_PRICE = 0.05
LOW_PRICE, HIGH_PRICE = 0.13, 0.23
LOW_LIMIT, HIGH_LIMIT = 2_610_000, 4_630_000

def tier_price(width: int, height: int) -> float:
    """1枚あたりの出力総ピクセル数に応じて、Seedream 5.5 の公式料金区分単価（元）を返します"""
    pixels = width * height
    if pixels <= LOW_LIMIT:
        return LOW_PRICE
    if pixels <= HIGH_LIMIT:
        return HIGH_PRICE
    raise ValueError("超出 Seedream 5.5 支持的输出像素范围")

def estimate_cost(input_images: int, output_sizes: list[str]) -> float:
    """input_images: 入力画像の枚数; output_sizes: 例 ["2048x2048", "1024x768"]"""
    cost = input_images * INPUT_PRICE
    for s in output_sizes:
        w, h = map(int, s.lower().split("x"))
        cost += tier_price(w, h)
    return round(cost, 2)

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI の OpenAI 互換インターフェース
)

resp = client.images.generate(
    model="YOUR_IMAGE_MODEL",
    prompt="电商白底商品图,一双白色运动鞋",
    size="2048x2048"
)

sizes = [getattr(d, "size", "2048x2048") for d in resp.data]
print("本次估算费用(元):", estimate_cost(0, sizes))

# ポスターのレイヤー分割で料金区分を混ぜた例: 入力1枚、低区分8枚 + 高区分5枚
demo = ["1024x1024"] * 8 + ["2048x2048"] * 5
print("拆层示例(元):", estimate_cost(1, demo))  # 2.24

🚀 クイックスタート：本番環境へ接続する前に課金ロジックを一通り動作確認したい場合は、APIYI apiyi.com で登録して無料のテスト利用枠を取得し、上記の推定関数と実際に返されるサイズを照合して請求額を確認できます。チャネルによってモデル名や単価が火山方舟と異なる場合があるため、プラットフォームの表示を基準にしてください。

コストを節約する4つのアクション

1. max_images を必要に応じて設定：レイヤー分割の前に画面の実際の要素数を判断し、デフォルトの30枚上限によって生まれる過剰な細かいレイヤーを避けます。
2. 不要な場面では高グレードを使わない：SNS用画像や下書きには1.5Kの低グレードを使えば、1枚あたり0.10元を節約できます。
3. 無効なリトライを減らす：「必ず保持すべき内容」をプロンプトに書き込みます。Segmindの実測では、モデルが新しい要求を満たすために商品の構造を変更する可能性があることがわかり、手戻りはコストになります。
4. 納品可能なコストを追跡：「呼び出しごとのコスト」と「最終的に納品できる1枚あたりのコスト」を同時に集計します。後者にはリトライと手作業の修正を計上する必要があります。

よくある質問（FAQ）

Seedream 5.5 価格の要点

• 基本単価：入力は ¥0.05/枚、出力は低ティアが ¥0.13、高ティアが ¥0.23/枚です。
• 画像生成コスト：2K のテキストから画像生成は ¥0.23、参照画像1枚での編集は ¥0.28、参照画像10枚では ¥0.73です。
• 連続画像編集：2K は1ラウンド ¥0.28、ゼロから生成してさらに10ラウンド編集すると合計 ¥3.03です。
• レイヤー分割：ベース画像と各レイヤーを1枚ずつ課金し、100枚まで分割した場合の最大コストは約 ¥23.05です。
• max_images：上限とレート制限時の事前引き当ての根拠にすぎず、実際の出力枚数に応じて課金されます。
• バージョン選択：レイヤーが少ない場合は Flash、複雑なレイヤー分割や OCR が必要な場合は 5.5 を選びます。
• テストのすすめ：APIYI apiyi.com の無料枠でまず小ロットの請求を確認してから、利用規模を上げましょう。

まとめ：Seedream 5.5 の1枚あたり価格をタスク別コストに換算する

Seedream 5.5 の価格に関する結論は、次の3つに集約できます。

1. 通常の画像生成は計算しやすい：入力枚数 × 0.05 に、出力ティアの単価を足すだけです。
2. 連続画像編集はラウンド数で決まる：各ラウンドで入力と出力が発生し、100ラウンドなら28元です。
3. レイヤー分割は実際の出力枚数とティアで決まる：ベース画像と全レイヤーを1枚ずつ合計するため、予算超過が最も起こりやすいです。

開発者にとって、モデルを比較するときは1枚あたりの提示価格だけを見るのではなく、ワークフロー全体で予算を立てることが重要です。商品画像1枚を生成し、3ラウンド編集してからレイヤー分割して納品するまでに、合計でいくらかかるのか。この基準で 5.5、5.0 Pro、Flash を比較すると、選択肢がはるかに明確になります。

APIYI apiyi.com の無料枠で自社の業務サンプルを一式実行し、試算式と実際の usage データを突き合わせたうえで、本番環境のモデル構成を決めることをおすすめします。

📚 参考資料

1. 火山方舟モデル価格：Seedream 5.5 および前世代モデルの人民元建て API 課金体系（2026-11-12 更新）
2. リンク： console.volcengine.com/ark/region:cn-beijing/docs/model-pricing

3. 説明： 本記事に掲載するすべての単価と料金区分の出典

4. 火山方舟 Seedream 5.5 公式チュートリアル：マルチターン編集、レイヤー分割、OCR と max_images の事例

5. リンク： console.volcengine.com/ark/region:cn-beijing/docs/seedream-5-5

6. 説明： ポスター13枚、イラスト33枚のレイヤー分割事例の出典

7. 火山方舟 画像生成 API：リクエストフィールド、サイズ制約、usage 返却フィールド

8. リンク： console.volcengine.com/ark/region:cn-beijing/docs/image-generation-api

9. 説明： コスト計算に用いるフィールドの解説

10. ByteDance Seed 発表告知：Seedream 5.5 の主要アップグレードと公式評価

11. リンク： seed.bytedance.com/zh/blog/more-realistic-images-more-stable-editing-across-100-rounds-introducing-seedream-5-5

12. 説明： 100ラウンド編集と99レイヤーという能力の公式ソース

13. Segmind 技術ブログ：36回の課金生成と12ラウンド編集の実測

14. リンク： blog.segmind.com/seedream-5-5-is-here-edit-in-rounds-transparent-pngs-and-layers
15. 説明： サードパーティプラットフォームでの米ドル建て請求と色ずれ（カラードリフト）の観察結果、あくまで傾向把握の参考として

作者：APIYI 技術チーム
技術交流：APIYI apiyi.com の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。その他の資料は docs.apiyi.com ドキュメントセンターでご覧いただけます

関連記事

• Seedream 5.5はどれほどすごい？100回の画像修正でも破綻しない3つの重要な数字:Seedream 5.5レビュー：100回の編集、ネイティブRGBAの透明素材、中国語・英語の小さな文字という3つの進化を検証。公式の自己評価、メディアによる報道、第三者の仕様情報を区別し、評価基準、使い始めるための窓口、API接続のポイントを紹介します。
• MiniMax H3-Image と Seedream 5.5 の比較、100回の画像修正ならどちらを選ぶ？2つのモデルを5つの表で徹底解説:MiniMax-H3-Imageは約16MPの直接出力と最大16枚の参照画像に強く、Seedream 5.5は公式発表の約100ラウンドの連続編集とネイティブ透明背景に強いため、本記事では「どの作業にどちらを選ぶか」という観点で結論を示し、APIYIで現在呼び出せるSeedreamの世代についても説明します。
• 画像生成で451 image_safetyが返る：ブロックされているのは生成画像であり、APIキー認証の失敗ではない（3ステップの切り分け＋5組のドキュメント再テスト結果の解説）:画像APIがHTTP 451とエラーコードimage_safetyを返した場合、フィルタリングされたのは「生成された画像」であり、APIキー、残高、レート制限の問題ではないため、本記事ではまず451、401、429を区別し、次にAPIYIのドキュメントに基づく再テストを通じて、画面の描写をどのように変更すべきかを説明します。
• Nano Banana 2.1の複数ターン編集チュートリアル：細部を失わずに2回連続で画像を編集するための3つの引き継ぎ要素:「王冠を赤い帽子に替え、さらにピンクのハートを青に変える」という一連のケースを使って、Nano Banana 2.1の複数ターン編集で、各ターンに会話履歴、前のターンの画像、思考シグネチャをどう返送すれば、前のターンの成果を維持したまま部分的に編集できるのかをわかりやすく解説します。
• MiniMax H3 はどのようにして動画モデルから画像モデルへと変わったのか？:H3-Image は H3 のマルチモーダル Transformer とテキストエンコーダーを再利用し、音声ブランチを削除して画像専用 VAE に置き換え、さらに 6 ステップ蒸留などの学習・推論の最適化を加えることで、最終的に独立した画像生成モデルとなった。