2026年版 GPT Image 1 Mini examples: 最初にコピーすべき OpenAI API パターン3つ

2026年3月29日時点で、gpt-image-1-mini examples を探しているなら、最初に取るべき route はかなり明確です。one-shot generation は Images API、direct edit も Images API、Responses は multi-turn image workflow が本当に必要になったときだけ。 この順番こそが current docs から素直に読める判断ですが、exact-query の SERP はそこをあまり整理してくれません。

この順番には理由があります。OpenAI の current image generation guide は、1回の prompt で1回の生成または編集だけが必要なら Image API が向いていると説明しています。一方で Responses API は conversation や multi-step flow に image generation を組み込みたいときの route です。さらに gpt-image-1-mini の model page では mini が cost-efficient version of GPT Image 1 と位置づけられていて、best-experience default だとは書かれていません。

だから、このページで一番大事なのは prompt gallery を増やすことではなく、どの example を最初にコピーすべきか を決めることです。prompt-to-image だけなら Example 1。既存画像を編集したいなら Example 2。画像を複数ターンで育てる product なら Example 3。この順番で十分です。

要点まとめ

• one-shot generation と direct edit は、まず Images API から始めるのが安全です。
• Responses は multi-turn workflow や conversation state が本当に必要なときだけ使います。
• cost first なら mini、quality first なら GPT Image 1.5 を先にコピーする判断が基本です。

最初にコピーすべき gpt-image-1-mini の例 3つ

この query の page one には、model directory、example gallery、gateway playground が混ざっています。どれも無意味ではありませんが、共通する弱点があります。最初の一手を決める判断 をほとんど与えてくれないことです。下の表が、その不足を最短で埋めます。

追加で覚えておくと useful なのは、current tool guide が image prompt に draw や edit のような direct verb を勧めていることです。小さな差ですが、これを説明しない example page は「動く snippet」より「見た目だけ親切」になりがちです。

もっと broad に OpenAI image API example を探しているなら、次は OpenAI image generation API example の方が向いています。このページは deliberately narrow で、mini の start-here decision だけに絞っています。

Example 1: Images API で1回生成する

最初に走らせる mini example は、たいてい一番 boring なものです。1つの prompt を送り、base64 の image bytes を受け取り、保存する。conversation state も、tool orchestration もありません。だからこそ failure surface が小さく、mini が今の workload に合うかどうかを一番素直に見られます。

js
import fs from "fs";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

const result = await client.images.generate({
  model: "gpt-image-1-mini",
  prompt:
    "Draw a clean editorial illustration of a robot street photographer in bright morning light.",
  size: "1024x1024",
  quality: "medium",
  output_format: "jpeg",
  output_compression: 80,
});

const imageBase64 = result.data[0].b64_json;
fs.writeFileSync(
  "gpt-image-1-mini-generate.jpg",
  Buffer.from(imageBase64, "base64")
);

Python 版も同じ形です。

python
from openai import OpenAI
import base64

client = OpenAI()

result = client.images.generate(
    model="gpt-image-1-mini",
    prompt="Draw a clean editorial illustration of a robot street photographer in bright morning light.",
    size="1024x1024",
    quality="medium",
    output_format="jpeg",
    output_compression=80,
)

image_base64 = result.data[0].b64_json

with open("gpt-image-1-mini-generate.jpg", "wb") as f:
    f.write(base64.b64decode(image_base64))

raw cURL は次の形になります。

bash
curl https://api.openai.com/v1/images/generations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-1-mini",
    "prompt": "Draw a clean editorial illustration of a robot street photographer in bright morning light.",
    "size": "1024x1024",
    "quality": "medium",
    "output_format": "jpeg",
    "output_compression": 80
  }' \
  | jq -r '.data[0].b64_json' \
  | base64 --decode > gpt-image-1-mini-generate.jpg

この example を first default に置くべき理由は二つあります。第一に、OpenAI の current route rule と一致していること。第二に、mini が本当に今の workload に十分かどうかを、最も早く判断できることです。OpenAI は current guide で GPT Image 1.5 for the best experience を推していますが、もしあなたの優先順位が lower cost なら、まず mini を最短 route で benchmark するのが自然です。

最初の request は intentionally boring で構いません。square image、quality: "medium"、そして draw から始まる prompt。保存まで確認してから aspect ratio、transparency、streaming のような追加要素に進めば十分です。

current mini model page では 1024x1024 の price ladder が low $0.005、medium $0.011、high $0.036 です。ここまで差があるなら、high を初手にする理由は「安心そう」だけでは足りません。cheap benchmark なら medium から始める方が rational です。

Example 2: input_fidelity を使った直接編集

すでに source image があるなら、ここでも Images API に残る方が自然です。current docs は one-shot edit を Responses の必須ケースとして扱っていません。mini edit の問題は “Responses でないとできないか” ではなく、どうすれば preserving rule をちゃんと使えるか です。

js
import fs from "fs";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

const result = await client.images.edit({
  model: "gpt-image-1-mini",
  image: [
    fs.createReadStream("product-photo.jpg"),
    fs.createReadStream("brand-logo.png"),
  ],
  prompt:
    "Edit the first image by placing the logo from the second image onto the coffee cup label. Preserve the cup shape, lighting, camera angle, and table texture.",
  input_fidelity: "high",
  size: "1024x1024",
  quality: "medium",
});

const imageBase64 = result.data[0].b64_json;
fs.writeFileSync(
  "product-photo-edited.png",
  Buffer.from(imageBase64, "base64")
);

この section で重要なのは、OpenAI の current input fidelity docs が、gpt-image-1 と gpt-image-1-mini では最初の input image がより強く preserve される と書いていることです。顔、商品、logo のように最も守りたい asset があるなら、それを slot one に置くべきです。

この detail が、wrapper pages で最も抜け落ちやすい部分です。「edit ができる」と書くだけでは不十分で、何が結果を変えるか まで書いて初めて useful になります。mini edit では、次の三つを覚えておけばかなり違います。

• いちばん大事な asset を first image に置く。
• input_fidelity: "high" は detail preservation が本当に重要な場合だけ使う。
• prompt は “何を変えるか” だけでなく “何を維持するか” を明示する。

mask を使う場合も、これは still prompt-driven edit であって、Photoshop 的な deterministic patching ではありません。guide が言うように image と mask は size と format を揃え、mask には alpha channel が必要です。control は増えますが、pixel-perfect surgery を期待しすぎるべきではありません。

SDK から raw HTTP に移ったとたん edit request が壊れるケースも多いです。理由は大抵 simple で、multipart form-data を正しく送っていないからです。SDK が隠していた upload mechanics を、自分でちゃんと再現しないといけません。

edit 自体をもっと深く見たいなら、次は GPT Image 1 Mini edit が向いています。ここでは example choice にとどめています。

Example 3: Responses を使うのは multi-turn workflow のときだけ

この example は “より新しいから先に使う” ものではありません。product が本当に会話状態や follow-up refinement を必要とする場合だけ、初めて値打ちが出ます。

理由ははっきりしています。Responses API では top-level の model に gpt-image-1-mini を入れません。current docs が説明している通り、hosted image_generation tool の下で使われるのは GPT Image family ですが、model field 自体は gpt-4.1 や gpt-5 のような text-capable mainline model です。

js
import fs from "fs";
import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

const response = await client.responses.create({
  model: "gpt-5",
  input:
    "Generate an image of a gray tabby cat reading a newspaper at a cafe table.",
  tools: [{ type: "image_generation" }],
});

const firstImage = response.output
  .filter((item) => item.type === "image_generation_call")
  .map((item) => item.result)[0];

fs.writeFileSync("cat-cafe.png", Buffer.from(firstImage, "base64"));

const followUp = await client.responses.create({
  model: "gpt-5",
  previous_response_id: response.id,
  input: "Now make it look like a realistic magazine photo.",
  tools: [{ type: "image_generation" }],
});

const secondImage = followUp.output
  .filter((item) => item.type === "image_generation_call")
  .map((item) => item.result)[0];

fs.writeFileSync("cat-cafe-realistic.png", Buffer.from(secondImage, "base64"));

Responses に進むべきなのは、画像生成が single request ではなく larger assistant workflow の一部になったときです。current docs も Responses の価値として、multi-turn editing と、bytes 以外の image input handling を挙げています。逆に言えば、simple generation や direct edit だけなら、最初からこの抽象化を背負う理由はありません。

ここでありがちな mistake は、「Responses の方が modern に見えるから correct default だ」と思ってしまうことです。OpenAI の docs はそこをもっと厳密に分けています。正しい route は “新しそうな方” ではなく、job に合っている方 です。

examples を疑う前に先に済ませる setup checks

mini は cheap lane ですが、free lane ではありません。2026年3月29日時点 で current mini model page は、1024x1024 の output 価格を $0.005 / $0.011 / $0.036 とし、さらに Free not supported、Tier 1 を 100,000 TPM と 5 IPM から始まると書いています。

このキーワードで本当に多いのは、“example が悪い” のではなく account state がまだ整っていない ケースです。OpenAI の current model availability article は、gpt-image-1 と gpt-image-1-mini が API users の tiers 1 through 5 で利用可能だとしつつ、一部 access が organization verification に依存すると説明しています。さらに organization verification article は、verification の反映に up to 30 minutes かかることと、new API key が lingering error を消すことがあると補足しています。

つまり debug order は次の通りです。

1. API key が正しい project と organization に属しているか確認する。
2. current tier が mini image access を含んでいるか確認する。
3. access error が続くなら organization verification を確認する。
4. verification を終えた直後なら 30 分待つ。
5. working example を書き換える前に新しい API key を発行する。

もし本当の blocker が example ではなく access state なら、次に読むべきは OpenAI image generation API verification です。

よくある gpt-image-1-mini example failure をどう切り分けるか

copied example が失敗するとき、root cause は SERP の雰囲気よりずっと mundane です。間違った surface、間違った request shape、あるいは遅すぎる account-state check。この三つでほとんど説明できます。

最後の行は特に重要です。Tier 1 の 5 IPM は、chat や text endpoint に慣れた開発者には驚くほど小さい数字です。同じ example を短時間に何度も回すと、ランダム failure に見えても、実際には minute-level throughput が原因ということが普通にあります。

もし Example 1 は通るのに Example 2 が通らないなら、最初に疑うべきは mini 自体ではなく asset order、prompt scope、multipart shape です。Images API の例は通るのに Responses だけ不安定なら、architecture complexity を早く持ち込みすぎた可能性が高いです。

gpt-image-1-mini で十分な場面と、GPT Image 1.5 の例を先にコピーした方が安全な場面

exact examples pages が一番曖昧にしがちなのは、ここです。コードが動くこと と そのモデル選択が正しいこと は同じではありません。

OpenAI の current image guide は gpt-image-1.5 が latest and most advanced GPT Image model だとし、best experience を求めるなら GPT Image 1.5 を勧めています。そのうえで gpt-image-1-mini は、より cost-effective で、image quality が最優先ではない場合の選択肢だと説明しています。

だから honest rule はシンプルです。

• cost が first constraint なら mini examples から始める。
• output quality、harder edits、retry cost が重要なら GPT Image 1.5 の同じ route を先にコピーする。

mini が向くのは、internal concepts、low-stakes variants、cheap prompt benchmarking、volume-first batch generation のような仕事です。逆に GPT Image 1.5 が safer default になるのは、higher-value output、edit failure の代償が大きい仕事、品質そのものがコストに直結する仕事です。

さらに current API pricing page は Batch API が input と output を 50% 割引する と書いています。これは mini の優位を消しはしませんが、asynchronous job では “単価だけで即決する” 危険を増やします。結局のところ、最も安い model が最も安い workflow になるとは限りません。

価格だけを深掘りしたいなら GPT Image 1 Mini pricing、より広い qualitative judgment が必要なら GPT Image 1 Mini review が次に向いています。

wrapper page が今も広げている誤解

一つ目は、wrong abstraction をコピーしてしまうこと。1つの prompt と1枚の output image だけが欲しいのに、Responses から始める必要はありません。current docs はそこをまだはっきり分けています。

二つ目は、Responses の model field に wrong model を入れること。hosted image_generation tool を使うなら、top-level model は gpt-5 や gpt-4.1 のような mainline model であって、gpt-image-1-mini ではありません。

三つ目は、mini edit の first-image rule を忘れること。顔、商品、logo のように最も守りたいものを first input に置かないと、結果の読みがズレます。

四つ目は、“最安 = best default” と考えること。OpenAI が mini に与えている role は budget lane であって、quality-first default ではありません。

五つ目は、account state より先に code を疑うこと。tier、verification、propagation window がずれていれば、正しい example でも failure に見えます。

六つ目は、gateway product の vocabulary をそのまま official API に持ち込むこと。third-party page の abstraction は、その product の中では有効でも、OpenAI-native code と一対一対応するとは限りません。

結論

gpt-image-1-mini examples を探しているなら、今コピーする価値が高いのはこの三つです。one-shot generation には Images API。direct edit にも Images API。そして multi-turn image workflow が必要になったときだけ Responses。

最後に残すべき判断は一つだけです。mini は cheaper lane であって universal lane ではない。 examples が動いて quality も足りるなら mini に残ればいいし、retry や cleanup が増え始めたら、同じ route を GPT Image 1.5 でコピーし直す方がむしろ安い判断になります。