［AIツール利用者向け］OpenAIが「ChatGPT Images 2.0」発表——Thinking機能搭載で画像生成は新局面へ

2026-04-23

はじめに

　OpenAIが2026年4月21日、新世代の画像生成モデル「ChatGPT Images 2.0」（API名: gpt-image-2）を発表しました。精度・多言語対応・テキストレンダリングが前バージョンから大幅に強化され、Thinking機能との統合によって複数画像の一括生成も可能になっています。本稿では、発表内容とSystem Cardをもとに、主要な機能強化と安全性の取り組みを解説します。

参考記事

メイン記事:

タイトル: Introducing ChatGPT Images 2.0
著者: OpenAI
発行元: OpenAI
発行日: 2026年4月21日
URL: https://openai.com/ja-JP/index/introducing-chatgpt-images-2-0/

要点

ChatGPT Images 2.0（API名: gpt-image-2）は、精度・指示追従・多言語テキストレンダリング・アスペクト比の柔軟性を大幅に強化した新世代の画像生成モデルである
Thinking機能との統合により、ウェブ検索による最新情報の反映や、1プロンプトからの複数画像（最大8枚）の一括生成が可能になった
日本語・韓国語・中国語・ヒンディー語・ベンガル語など非ラテン文字言語への対応が特に改善され、言語をデザインの一部として自然に組み込んだビジュアルを生成できる
安全性評価では、悪意あるプロンプトに対する安全出力率が通常モードで99.1%、Thinkingモードで99.2%を記録した
本日より全ChatGPTユーザーおよびCodexユーザーが利用可能で、APIでも gpt-image-2 として提供が始まった

詳細解説

前バージョンからの進化と概要

　OpenAIは1年前にChatGPT Imagesをリリースし、AI生成画像が美しさと実用性を両立できることを示しました。今回発表されたImages 2.0はその次のステップとして位置づけられており、複雑な画像生成への対応と、そのまま使えるクオリティの出力を目標に開発されています。昨年12月に発表されたGPT Image 1.5では画像編集の精度改善が主な強化点でしたが（OpenAI、画像編集の精度を大幅改善した「GPT Image 1.5」を発表）、Images 2.0はモデルの根本的な能力を引き上げる大規模なアップデートとなっています。

　OpenAIによれば、このモデルはOpenAIのリーズニングモデルの知性と視覚世界への深い理解を組み合わせており、画像生成を「単なる描画から戦略的なデザインへ、ツールからビジュアルシステムへ」と進化させることを目指しています。

精度・テキストレンダリング・アスペクト比の向上

　Images 2.0は、これまでのバージョンでは再現が難しかった細かな要素——小さな文字、アイコン、UI要素、密度の高い構図、繊細なスタイル指定——を的確に反映できるようになっています。最大2Kの解像度に対応し、「なんとなく近い仕上がり」ではなく、実務でそのまま使えるクオリティを目指した設計だと説明されています。

　アスペクト比については、横長の3:1から縦長の1:3まで幅広い比率に対応しており、横長バナー、SNSグラフィック、ポスター、モバイル画面向けなど、用途に合わせた形式で生成できます。プロンプトで希望のアスペクト比を指定するか、あらかじめ用意されたプリセットから選ぶことで、生成後に別サイズで再生成することも可能です。

　また、2025年12月までの世界知識をもとに、文脈に即した正確な画像生成が可能です。解説資料や教育用の図、視覚的な要約など、見た目の質と同時に正確さが求められる用途で特に有用だと考えられます。

多言語対応の大幅改善

　従来の画像生成モデルは英語などのラテン文字では安定していたものの、それ以外の言語ではテキストが複雑だったり量が多い場合に精度が落ちる傾向がありました。OpenAIによれば、Images 2.0は多言語理解の強化と非ラテン文字の表現精度向上により、この課題を大きく改善しています。

　特に改善が顕著な言語として、日本語・韓国語・中国語・ヒンディー語・ベンガル語が挙げられています。英語以外のテキストでも正しく表示できるだけでなく、ポスター・解説資料・図・コミックなどで言語そのものをデザインの一部として組み込んだ、統一感のあるビジュアルを生成できるようになっています。日本語ユーザーにとって実用性が上がる点は、注目に値すると思います。

Thinking機能との統合——複数画像の一括生成も可能に

　Images 2.0は、OpenAIの画像モデルとして初めてThinking機能を搭載しています。ChatGPTでThinkingまたはProモデルを選択すると、以下の機能が有効になります。

ウェブ検索による最新情報の反映: リアルタイムでウェブから情報を取得し、画像に反映できる
複数画像の一括生成: 1つのプロンプトから複数の異なる画像を生成（ChatGPT画像生成では初の機能）
最大8枚の連続生成: キャラクターやオブジェクトの一貫性を保ちながら、前の内容を引き継いで展開する最大8枚の画像をまとめて生成できる

　具体的なユースケースとして、漫画の連続ページ作成・各部屋ごとのデザイン案・ポスターの複数案・異なるサイズや言語のSNS用画像などが挙げられています。なお、Thinking機能を活用した高度な出力はChatGPT Plus・Pro・Businessユーザーが利用できます。

　Thinking機能搭載により、モデルは自律的にアップロードされた資料をわかりやすい解説図に変換したり、生成前に画像の構成を整理したりすることも可能です。OpenAIはこの機能を「視覚的な発想を支えるパートナー」と表現しており、ラフなアイデアから完成まで作業の手間を大幅に減らすことを目指しています。

CodexおよびAPIでの活用

　Images 2.0はChatGPTだけでなく、コーディングエージェントのCodexにも統合されています。Codex上でビジュアル制作を一つのワークスペースに集約し、アプリやスライド資料の作成・改善・公開までを一貫して行えます。ChatGPTのサブスクリプションがあれば、別途APIキーを作成することなくCodexで画像を生成できる点も特徴です。

　開発者向けには、APIを通じて gpt-image-2 として提供されています。テキストレンダリングの強化・多言語生成・指示追従の改善・出力形式の拡充により、実務で使える画像ワークフローを構築しやすくなっています。ローカライズ広告・図解・教育コンテンツ・デザインツール・Web制作など幅広い用途に対応できます。なお、APIでの2Kを超える出力は現在ベータ版のため、場合によっては結果にばらつきが生じることがある点には注意が必要です。

安全性への取り組み（System Cardより）

　公開されたSystem Cardによれば、ChatGPT Images 2.0には複数層の安全スタックが実装されています。具体的には、生成前の 上流での拒否（プロンプト層分類器）、生成後の 下流でのブロック（安全性推論モデルによる入出力チェック） という2段階の仕組みです。

　OpenAIが実施した自動評価では、悪意あるプロンプトに対して通常モード（Images 2.0）は3,112件中 99.1%が安全な出力、Thinkingモードは6,944件中 99.2%が安全な出力 という結果が示されています。Thinkingモードでは、そもそも違反コンテンツを生成するケースが大幅に少ないことが特徴で、これはモデルが悪意ある要求を安全な方向に変換するよう訓練されているためだと説明されています（Safe Completions）。

　また、画像の出所（プロベナンス）を示す取り組みとして、業界標準フレームワーク C2PA によるメタデータの埋め込みと、知覚しにくいウォーターマーク技術の統合が継続されています。生物・化学リスクについては、専門家レビューを経た上で画像固有の安全ポリシーを策定し、安全性推論モデルによる全入出力チェックを実施しているとされています。

制限事項

　OpenAIは現バージョンの制限事項についても率直に開示しています。折り紙の手順やルービックキューブのような物理的構造を正確に理解するタスク、砂粒のように非常に細かく密度の高い繰り返し表現、見えにくい角度や裏返しの部分の細部再現などは、まだ対応が難しい場合があるとされています。図中の矢印の位置や各部の表記の正確さが求められる場面でも、確認が必要なケースがあります。

まとめ

　ChatGPT Images 2.0は、精度・多言語対応・Thinking機能の統合など、複数の軸で前バージョンから大きく進化した画像生成モデルです。1プロンプトからの複数画像一括生成や日本語を含む多言語テキストの高精度レンダリングは、実務での活用範囲を広げると思います。APIでの提供も始まっており、今後の開発者向け活用事例にも注目したいところです。