OpenAI Image API 料金: GPT Image とマルチモーダル生成コストの予算管理方法

OpenAI image API の価格は、すべての画像リクエストを1つの固定された「画像あたりのコスト」として扱うと、誤解しやすいです。GPT Image の料金はトークンベースです。つまり、テキストプロンプトのトークン、編集や参照用の画像入力トークン、利用可能な場合はキャッシュされた入力、画像出力トークン、そして一部の GPT Image の行ではテキスト出力トークンが含まれます。解像度、品質、API のパス、さらに画像を生成するのか分析するのかによっても、請求額は変わります。

2026年6月11日現在、OpenAI の料金ページには gpt-image-2、gpt-image-1.5、gpt-image-1-mini の現在の GPT image ファミリーの行が掲載されています。OpenAI の画像生成ガイドには gpt-image-1 の例がまだ含まれていますが、新しい作業の予算を立てるチームは、過去の GPT Image や DALL-E のコスト前提を流用する前に、必ず最新の料金表を確認してください。

Flatkey を使うチームにとっての実用的な答えは、まず OpenAI の料金ページで直接プロバイダーの仕組みを理解し、そのうえで Flatkey の 料金ページ と使用状況ダッシュボードを使って、アプリケーションが呼び出す正確なモデル行のルーティング済み使用量を監査することです。

クイックアンサー: OpenAI Image APIの料金に含まれるもの

OpenAI image API pricingには確認すべき4つのコスト区分がありますが、すべてのモデル行でその4つすべてが使われるわけではありません。

Cost Bucket	When It Applies	Budget Variable	What To Verify
Text input tokens	あなたのプロンプト、指示、リクエストと一緒に送信されるテキストコンテキスト。	プロンプトの長さ、テンプレート、隠れたシステム指示、繰り返しのコンテキスト。	OpenAI pricingにおける画像モデルの現在のテキスト入力レート。
Text output tokens	テキスト出力価格が記載されている行で返される、モデル生成テキスト。	ワークフローが、画像処理に加えてテキスト、構造化出力、またはキャプションの返却をモデルに求めるかどうか。	モデル固有のテキスト出力行。たとえば、gpt-image-1.5 にはテキスト出力レートが記載されています。
Image input tokens	画像編集、参照画像、マスク、マルチモーダル画像解析。	入力画像数、画像サイズ、詳細設定、忠実度要件。	モデル固有の画像入力レートと画像トークナイズ規則。
Image output tokens	生成された画像。	画像数、解像度、品質、出力モデル。	モデル固有の出力レートと、サイズおよび品質ごとの出力コスト例。

シンプルな予算計算式は次のとおりです。

estimated cost =
  text input tokens x text input rate
+ optional text output tokens x text output rate
+ image input tokens x image input rate
+ image output tokens x image output rate

この式があるため、OpenAI image API pricingは、短いテキストから画像へのプロンプト、高品質な画像編集に2つの参照画像を使うケース、そして新しい画像を生成する前にアップロードした画像を解析するマルチモーダルワークフローの間で、急速に変化します。

確認すべき現在の GPT 画像価格行

OpenAI は GPT 画像モデルを 100 万トークン単位で課金しています。下の表は、2026 年 6 月 11 日時点で表示されていた OpenAI 直販の標準 API の行を要約したものです。これは公開日のスナップショットであり、恒久的な契約ではありません。

OpenAI Model	Text Input	Cached Text Input	Text Output	Image Input	Cached Image Input	Image Output	Use In Budgeting
gpt-image-2	$5 / 1M tokens	$1.25 / 1M tokens	記載なし	$8 / 1M tokens	$2 / 1M tokens	$30 / 1M tokens	現在のフラッグシップ GPT Image の生成および編集予算。
gpt-image-1.5	$5 / 1M tokens	$1.25 / 1M tokens	$10 / 1M tokens	$8 / 1M tokens	$2 / 1M tokens	$32 / 1M tokens	アカウントまたはエンドポイントで実際にこの行が使われている場合にのみ比較してください。
gpt-image-1-mini	$2 / 1M tokens	$0.20 / 1M tokens	記載なし	$2.50 / 1M tokens	$0.25 / 1M tokens	$8 / 1M tokens	低コストの画像生成実験と大規模なドラフト向け。

OpenAI は、これらの画像行について Batch API の価格も標準トークン料金のおよそ半額で掲載しています。これは、即時応答を必要としない非同期の画像ジョブ、バックフィル、テストスイート、コンテンツパイプラインで重要になることがあります。

生成画像1枚あたりの出力コスト例

OpenAI image API pricing の出力部分は、モデル、サイズ、品質によって変わります。OpenAI の画像生成ガイドには、生成画像の出力に関する計算例が掲載されています。1024 x 1024 の正方形画像の場合、現在の例は次のとおりです:

モデル	低品質	中品質	高品質	予算上の意味
gpt-image-2	$0.006	$0.053	$0.211	出力量が多い場合、品質が最も大きな調整要素になります。
gpt-image-1.5	$0.009	$0.034	$0.133	このモデルを実際に使っているかどうかを、これで予算を組む前に確認してください。
gpt-image-1-mini	$0.005	$0.011	$0.036	最終レンダリングに上げる前の、低コストな下書きに便利です。
gpt-image-1 example	$0.011	$0.042	$0.167	旧版の GPT Image 価格情報における参照ポイントです。

ざっくりとした量の見積もりを出すには、出力の例にリクエスト数を掛け、そのうえでテキスト入力、画像入力、そして課金対象のテキスト出力コストを加えます。1024 x 1024 の gpt-image-2 中品質出力を 1,000 枚生成すると、プロンプトと入力画像のコストを除いて画像出力コストは約 $53 です。同じ 1,000 枚を高品質で生成すると、入力コストを除いて約 $211 になります。この差があるため、本格的な OpenAI image API pricing の予算では、下書き、プレビュー、最終品質のトラフィックを分けて考えるべきです。

生成、編集、ビジョンは別々の予算です

チームはしばしば、3つの異なるコストの質問を1つの OpenAI image API pricing 検索にまとめてしまいます:

ワークフロー	購入しているもの	コスト要因	予算管理メモ
テキストから画像の生成	テキストから生成された新しい画像。	テキスト入力と画像出力トークン。	まず出力例から始めて、その後プロンプトトークンを加えます。
画像編集	1つ以上の入力画像から生成された、新規または変更された画像。	テキスト入力、画像入力、画像出力トークン。	参照画像とマスクは入力コストを追加します。高忠実度の入力はより高くなる場合があります。
ビジョンまたは画像分析	テキストモデルがアップロードされた画像を読み取り、テキストまたは構造化出力を返します。	画像入力トークンと通常のモデル出力トークン。	純粋な画像分析には画像生成の出力価格を使わないでください。
分析後に生成	マルチモーダルリクエストが画像を分析し、その後別の画像を生成します。	分析トークンと画像生成トークンの両方。	製品が1つのボタンの背後に隠していても、これらは2段階として追跡してください。

古い検索フレーズである「GPT-4 Vision API pricing」は、ここでは誤解を招く可能性があります。現在の OpenAI ドキュメントでは、画像入力はマルチモーダルモデル呼び出しにおけるトークン化された入力として説明されています。詳細レベル、画像サイズ、およびモデル固有のトークン計上によって画像入力コストが決まります。これは GPT Image の出力コストとは別の予算項目です。

GPT画像機能向け予算ワークシート

OpenAI image API pricing に依存する機能をリリースする前に、このワークシートを使ってください。

Decision	Default To Start	When To Raise Cost	What To Log
Model	Pick the exact model row, such as gpt-image-2 or gpt-image-1-mini.	Use the higher-cost model for final outputs, brand-critical visuals, or quality-sensitive editing.	Model ID, endpoint, and provider path.
Quality	Use low or medium for previews and drafts.	Use high only when visual fidelity affects conversion, review, or production quality.	Quality setting and output size.
Resolution	Generate only the dimensions the product needs.	Increase size for final assets, not every intermediate attempt.	Requested size and final downloaded size.
Input images	Keep references and masks minimal.	Add references when edits need identity, layout, or style continuity.	Input image count, detail/fidelity, and retry count.
Batching	Use real-time calls for user-facing flows.	Use Batch API for delayed jobs when the workflow allows it.	Batch size, completion rate, and rejected jobs.
Retries	Cap automatic retries and show clear failure states.	Allow extra attempts only for paid workflows or internal production jobs.	Retries per output and cost per successful asset.

これにより、OpenAI image API pricing は静的な表から運用モデルへと変わります。どの設定が試作向けか、どの設定が有料のユーザーフロー向けか、そしてどの設定に承認が必要かが分かります。

Flatkeyがマルチモーダル支出の監査に役立つ理由

Flatkeyは、OpenAIの直接的な価格体系を理解する必要性を置き換えるものではありません。チームが複数のモデルファミリーにまたがる利用を1か所でルーティングし、監査できるようにします。Flatkeyの現在の公開コピーによると、チームは1つのAPIキーでClaude、GPT、Gemini、DeepSeek、Qwen、Seedance 2.0、GPT Imageなどにアクセスでき、明確な価格設定、統合請求、キー・利用状況・ルーティングのための1つのダッシュボードが用意されています。

これはOpenAI image API pricingにとって重要です。なぜなら、画像ワークロードはほとんどの場合、単独では存在しないからです。あるプロダクトはアップロードされたスクリーンショットを解析し、下書き画像を生成し、キャプション用にテキストモデルを呼び出し、フォールバックを別のプロバイダー経由でルーティングすることがあります。統合された利用ビューがあれば、別々のプロバイダーアカウントにまたがる請求書の調査をする代わりに、混合コストを確認できます。

画像またはマルチモーダルのルーティングにFlatkeyを使う場合は、次の項目を確認してください。

• Flatkey pricingを開き、公開前に正確な画像モデルの行を確認する。
• アプリが呼び出すモデルIDを確認する。特に、現在の名前とレガシーなGPT Image名の両方が表示される場合は注意する。
• 小規模なテストバッチを実行し、想定リクエスト数と利用ログを比較する。
• 出力サイズ、品質、再試行回数、編集/参照画像数を自社の製品テレメトリーで追跡する。
• 最初の実ユーザー層の後にコストを見直す。ハッピーパステスト中だけでは不十分です。

2026年6月11日の実際のFlatkey価格スナップショットでは、価格エンドポイントは653件のモデル行を返し、image-generation、openai、openai-response、openai-videoを含むエンドポイントファミリーをサポートしていました。また、gpt-image-2、openai/gpt-image-2、gpt-image-1.5、gpt-image-1-mini、およびレガシーなgpt-image-1のようなGPT画像ファミリーの行も含まれていました。これは、古いモデル名を1つ前提にするのではなく、公開日のカタログ行を確認するよう思い出させるものです。

OpenAI画像APIの料金見積もりにおけるよくある間違い

間違い	予算を狂わせる理由	より良い方法
1枚あたりの平均価格を1つだけ使う	モデル、品質、サイズ、編集入力の違いが見えなくなるため。	ワークフロー種別ごとに見積もる: 下書き、編集、最終レンダリング、分析、バッチ。
古い gpt-image-1 または DALL-E の料金を新機能にそのまま流用する	現在の料金表やモデルの提供状況は異なる場合があるため。	デプロイ日に OpenAI の料金と、ルーティング先プロバイダのカタログを確認する。
入力画像を無視する	画像編集や参照には画像入力トークンが追加されるため。	各リクエストに添付された画像の数を記録する。
リトライを無制限に実行させる	失敗した試行や低品質な試行が、見えないコスト要因になり得るため。	リトライ上限を設定し、採用された出力1件あたりのコストを確認する。
画像生成とビジョン分析を混在させる	入力トークンの予算と出力画像の予算は同じものではないため。	分析と生成を別々の段階として追跡する。

出荷前の最終チェックリスト

1. 実際に呼び出すモデル行を選び、正確なモデルIDを書き留めます。
2. テキストから画像、編集、分析、分析後の生成のワークフローを分けます。
3. 本番環境で使用する特定の品質とサイズで出力コストを見積もります。
4. プロンプト、参照、マスク、またはアップロードされた画像に対して、テキスト入力、オプションのテキスト出力、画像入力コストを加算します。
5. 遅延ジョブの一部をBatch APIの料金で実行できるかどうかを決めます。
6. 実際のトラフィックが始まる前に、再試行上限、クォータ上限、使用量アラートを設定します。
7. Flatkey pricingと使用量ログを使って、期待コストと実際のルーティングされた支出を比較します。

最適なOpenAI image API pricingプランは、単一の数値ではありません。現在のモデル行を確認し、ワークフローごとに見積もり、測定済みのテストバッチを実行し、機能をより多くのユーザーに公開する前に1つのダッシュボードで実際の使用状況を確認するという、短い運用ループです。

GPT Imageワークフローを拡張する前に、View Pricingで現在のFlatkeyの画像モデル行を確認し、マルチモーダルの使用量を比較してください。