# 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 の safest default は Images API です。generate 用、edit 用、そして multi-turn workflow 用の Responses を順番に整理します。

- Source: https://www.aifreeapi.com/ja/posts/gpt-image-1-mini-examples
- Language: ja
- Published: 2026-03-29
- Updated: 2026-03-29
- Publisher: AI Free API (https://www.aifreeapi.com)

**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](https://developers.openai.com/api/docs/guides/image-generation) 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](https://developers.openai.com/api/docs/models/gpt-image-1-mini) 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。

![GPT Image 1 Mini の3つの example route を示す図。generate、direct edit、multi-turn Responses workflow を整理している](https://www.aifreeapi.com/posts/ja/gpt-image-1-mini-examples/img/cover.webp)

## 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

![どの GPT Image 1 Mini example を最初にコピーするべきかを示すルーティング図。generation、direct edit、Responses workflow を分けている](https://www.aifreeapi.com/posts/ja/gpt-image-1-mini-examples/img/example-picker-board.png)

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。

| したいこと | 最初にコピーする example | API surface | ここから始める理由 |
| --- | --- | --- | --- |
| 1つの prompt で 1枚の画像を生成する | **Example 1** | **Images API** | もっとも小さい official route で、first success を作りやすい |
| 既存画像を直接編集する | **Example 2** | **Images API** | current docs でも one-shot edit はこの route が自然で、mini 特有の fidelity rule もここで効く |
| 会話の中で何度も画像を作り直す | **Example 3** | **Responses API** | workflow state や follow-up turns が必要なときだけ、大きい抽象化が意味を持つ |

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](/ja/posts/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。

| Parameter | Safe first value | 変更するタイミング |
| --- | --- | --- |
| `size` | `1024x1024` | 実際に別の縦横比が必要だと分かったとき |
| `quality` | `medium` | `low` では足りない、または `high` が本当に回収できると判断できたとき |
| `output_format` | `jpeg` | downstream 側で別の file type が必要なとき |
| `output_compression` | `80` | file size か圧縮 artifact が問題になったとき |

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](https://developers.openai.com/api/docs/guides/image-generation#input-fidelity) 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](/ja/posts/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](https://help.openai.com/en/articles/10362446-api-model-availability-by-usage-tier-and-verification-status) 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](https://help.openai.com/en/articles/10910291-api-organization-verification) 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](/ja/posts/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

![GPT Image 1 Mini example failure を切り分ける順番を示す図。access、request shape、image order、response handling、rate limits を順に確認する](https://www.aifreeapi.com/posts/ja/gpt-image-1-mini-examples/img/failure-triage-board.png)

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。

| 症状 | ありがちな原因 | 最初に確認すること |
| --- | --- | --- |
| generation example が access / availability error を返す | project、tier、verification が未準備 | org と tier と verification state、そして key を作ったタイミング |
| edit example は動くが reference asset を無視する | 重要な image が first ではない、または prompt が曖昧 | preserve したい image を first にし、prompt を “change + keep” に書き直す |
| SDK を外したら edit request が壊れた | multipart file upload を正しく送れていない | multipart form-data と real file parts を再確認する |
| Responses example が text だけ返して image がない | response parsing が違う、または workflow がまだ複雑すぎる | `response.output` の `image_generation_call` を確認し、本当に Responses が必要か見直す |
| rate limit にすぐ当たる | image endpoint の cadence を text endpoint と同じ感覚で叩いている | current IPM を見直し、burst retry を止める |

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

![GPT Image 1 Mini と GPT Image 1.5 の使い分けを示す比較図。Mini は cost first、GPT Image 1.5 は quality first の判断になる](https://www.aifreeapi.com/posts/ja/gpt-image-1-mini-examples/img/model-fit-board.png)

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](https://openai.com/api/pricing/) 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](/ja/posts/gpt-image-1-mini-pricing)、より広い qualitative judgment が必要なら [GPT Image 1 Mini review](/ja/posts/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。