2026年3月27日時点で、gpt-image-1-mini の価格は 1024x1024 の low / medium / high で $0.005 / $0.011 / $0.036、1024x1536 と 1536x1024 で $0.006 / $0.015 / $0.052 です。 「今のOpenAI公式画像APIで最安のルートは何か」という問いへの短い答えは Mini です。
ただし、このキーワードの本当の価値はそこで終わりません。OpenAIの現在のmodel catalogでは GPT Image 1.5 が flagship、GPT Image 1 が previous model、gpt-image-1-mini が GPT Image 1 の cost-efficient route として並んでいます。つまり本当に知りたいのは「Miniはいくらか」だけでなく、いつMiniを選ぶべきで、いつ安いprice tagだけで決めると間違えるかです。
実務的な rule を先に言うと、重視するのが output image の安さで、workflow が generation-heavy ならまず Mini です。逆に、edit-heavy な作業、失敗の手戻りコスト、premium output の価値、prompt following の安定性が重要なら、GPT Image 1.5 をちゃんと比較するべきです。
要点まとめ
- Square pricing: 1024x1024 の low / medium / high は $0.005 / $0.011 / $0.036
- Portrait / landscape pricing: $0.006 / $0.015 / $0.052
- Miniのtoken rates: text input $2.00、cached text input $0.20、image input $2.50、cached image input $0.25、image output $8.00 / 1M tokens
- 現在の入口: Free not supported、Tier 1 は 100,000 TPM と 5 IPM から
- 向いている用途: prototype、大量draft、cost-first workloads
- 最大の注意点: 一番安いimage lane が一番安いworkflow になるとは限らない
GPT Image 1 Miniの料金をまず一枚でつかむ
このテーマは、見えている1枚あたり価格 と 下にある token billing を分けて読むと整理しやすいです。前者がまず知りたい数字で、現在の gpt-image-1-mini モデルページ がその部分を一番ストレートに出しています。
| Quality | 1024x1024 | 1024x1536 | 1536x1024 |
|---|---|---|---|
| Low | $0.005 | $0.006 | $0.006 |
| Medium | $0.011 | $0.015 | $0.015 |
| High | $0.036 | $0.052 | $0.052 |
さらにOpenAIは次の token rates を公開しています。
- Text input: $2.00 / 1M tokens
- Cached text input: $0.20 / 1M
- Image input: $2.50 / 1M
- Cached image input: $0.25 / 1M
- Image output: $8.00 / 1M
なぜここが大事かというと、SERP の多くのページは output image の表だけで話を終えてしまうからです。単純な generation ならその shortcut でも rough estimate にはなりますが、text と image input の token price が別にある時点で、このクエリは単なる price lookup ではなく budget routing の話になります。
より広いOpenAI image family全体の価格が知りたいなら、次は OpenAI画像生成API料金 を読む方が自然です。ここは Mini に絞って、選び方まで含めて整理します。
いつMiniを選び、いつGPT Image 1.5やGPT Image 1を見るべきか
価格表は、それがモデル選択に変わって初めて役立ちます。Mini は現時点で OpenAI の公式 image lane の中で最安ですが、最安のlane と 最安のworkflow は同じではありません。
| モデル | 現在の位置づけ | 1024x1024 low | 1024x1024 medium | 1024x1024 high | 向いているケース |
|---|---|---|---|---|---|
gpt-image-1-mini | 現在のbudget lane | $0.005 | $0.011 | $0.036 | コスト最優先、生成中心 |
| GPT Image 1.5 | 現在のflagship | $0.009 | $0.034 | $0.133 | 品質、編集、安定性が重要 |
| GPT Image 1 | previous model | $0.011 | $0.042 | $0.167 | legacy reference |
Mini が強いのは主に三つです。
一つ目は、本当にflagshipが必要かを安く試したい時。内部向け concept image や大量の rough draft を回すなら、まず Mini で十分なことが多いです。
二つ目は、volume-first の workload。たとえば medium square で見ると $0.011 と $0.034 の差は、10枚では小さく見えても、1万枚では無視できません。
三つ目は、OpenAI公式の最安ルートを知りたい時。ここで GPT Image 1 を default として考え続けるのは、もう current catalog の読み方としてズレています。
一方、GPT Image 1.5 が勝ちやすいのは、premium output や edit-heavy task、あるいは retry が高くつく workflow です。安い lane が数回余計に失敗するだけで、その差額は簡単に消えます。つまり、正しい question は「どっちの list price が安いか」ではなく、どっちが成功した workflow をより安くするかです。
GPT Image 1 は今では主に legacy baseline です。新しい build なのに Mini と GPT Image 1 を中心に比較しているなら、すでに GPT Image 1 vs GPT Image 1.5 を見直す段階です。
この比較で特に重要なのは、安いモデルを選ぶこと と 安く成果を出す運用を作ること は同義ではない、という点です。社内向けの rough visual、初期コンセプト、量産テストのように「まず数を回したい」仕事では Mini の価格優位は非常に強いです。ですが、1回の失敗でレビュー待ちが発生したり、複数人の確認が止まったりする workflow では、1枚あたりの差額よりも retry の少なさの方がはるかに効いてくることがあります。
そのため、Mini を default にするかどうかは、価格表だけでなく失敗コストまで含めて判断した方が安全です。実務では、まず Mini で benchmark し、次に GPT Image 1.5 を同じ prompt 群で比べ、採用率と手戻りコストがどちらで下がるかを見るのが最短ルートです。OpenAI が current catalog 上で Mini を budget lane、1.5 を flagship として分けているのも、この運用差を前提にしていると考えると筋が通ります。
SERP がまだ少し散らかって見える理由もここにあります。あるページは exact price table だけで終わり、あるページは model-family の位置づけだけで語り、別のページは古い GPT Image 1 の前提を引きずっています。だからこのキーワードでは、単なる価格一覧よりも、どの条件なら Mini を標準ルートにしてよいか まで示す記事の方が実務価値が高くなります。
もし次の悩みが Mini と flagship ではなく、stable model ID と ChatGPT alias の違いなら、自然な次のページは chatgpt-image-latest vs gpt-image-1.5 です。
「画像1枚の価格」以外に何で請求が変わるのか
ここが、価格系のページが一番弱くなりやすいところです。
最初の ladder は headline answer として必要です。ただし、Mini の model page は text と image input の token price も載せています。つまり GPT Image の請求は、常に output image の数字だけでは終わらない ということです。
実務では次のように考えるのが安全です。
- prompt text
- image inputs（edit や reference image）
- output image
- retry cost
短い prompt の simple generation なら、output image が invoice の中心になることは多いです。だから “1枚いくら” の感覚が完全に間違いとは言えません。ですが、edit-heavy、reference-heavy、あるいは失敗が高くつく場面では、その shortcut は弱くなります。
正しい budgeting question は、どのモデルが一番安いか ではなく、どのモデルが一番安い成功workflowを作るか です。
ここが page one の欠けている部分です。$0.011 と $0.034 は見せてくれても、それが retry や edit の現実にどう影響するかまで教えてくれない。なので safest rule は以下です。
- まずは per-image ladder で first-pass budgeting。
- edit や references があるなら token billing を足す。
- production では retry と downstream cleanup も含めて見る。
さらに言えば、Mini の強みは「まず試すコストが低い」ことにもあります。prompt の方向性がまだ固まっていない段階では、安く回数を確保できること自体が価値になります。prototype フェーズでは最高品質よりも、仮説を早く多く検証できることの方が重要な場合が多いからです。
逆に production に近づくほど、請求の見方は変わります。reference image が増える、編集ループが長くなる、複数チームの確認が入る、出力失敗の代償が上がる。そうなると、安い lane で回数を打つより、1回で通る確率が高い lane の方が総額で安くなることがあります。Mini の価格表は優秀な出発点ですが、最終判断を自動で保証してくれるものではありません。
このキーワードで本当に欲しいのは「1枚いくらか」だけでなく、どの請求要素が増えたら Mini の優位が薄れるのか という判断軸です。短い text prompt の単発 generation なら per-image number はかなり信頼できます。しかし image inputs、cached tokens、retry、レビュー工数まで入ると、flat price だけで budget を組むのは危うくなります。
もしまだ API surface 自体を選んでいないなら、先に OpenAI image API tutorial を読む方が整理しやすいです。
Rate limits、tier access、Batch discount
安い price だけでは usable route かどうかは決まりません。tier access と throughput も同じくらい重要です。
現在の mini model page にある数字は次の通りです。
- Free: not supported
- Tier 1: 100,000 TPM と 5 IPM
- Tier 2: 250,000 TPM と 20 IPM
- Tier 3: 800,000 TPM と 50 IPM
- Tier 4: 3,000,000 TPM と 150 IPM
- Tier 5: 8,000,000 TPM と 250 IPM
さらに help page には、GPT-image-1 と GPT-image-1-mini は tiers 1 through 5 の API users に開かれているが、一部アクセスは organization verification に依存する とあります。
実務的には、本当に free のままで Mini を使えると思っているなら、すでに framing を間違えている ということです。throughput が重要な場合は、IPM table が price table と同じくらい重要になります。
Batch も答えを変える大きな要素です。現在の OpenAI pricing page は Batch API で inputs / outputs が 50% 安くなる と明記しています。offline jobs なら、これだけで Mini と GPT Image 1.5 の差がかなり縮まります。
だから正しい読み方は「Batch があれば Mini は不要」ではなく、workflow が asynchronous なら、sticker price だけで判断するのは危険 です。
もし blocker が price ではなく access や verification なら、次に見るべきは OpenAI image generation API verification です。
仕事の形ごとの月間予算イメージ
価格を workload math に直すと、モデル選択はかなり見えやすくなります。
1,000枚の square output を作るなら、おおよその current numbers は次の通りです。
- Mini low: $5
- Mini medium: $11
- Mini high: $36
- GPT Image 1.5 low: $9
- GPT Image 1.5 medium: $34
- GPT Image 1.5 high: $133
10,000枚 なら単純に10倍です。
- Mini low: $50
- Mini medium: $110
- Mini high: $360
- GPT Image 1.5 low: $90
- GPT Image 1.5 medium: $340
- GPT Image 1.5 high: $1,330
ここから導ける operator rule は三つです。
prototype や internal exploration なら Mini が最初の選択になりやすい。
steady production なら、失敗1回のコストを入れないと比較を誤りやすい。
Batch-friendly jobs なら、flagship を price table だけで外すべきではない。
ここで見逃しやすいのが、Batch discount を入れるかどうかで意思決定の境界がかなり動く という点です。OpenAI の pricing page は現在、Batch API で inputs と outputs が 50% 安くなると案内しています。つまり夜間処理や非同期ジョブなら、標準価格で広く見えた差がかなり縮まる可能性があります。Mini が依然として有力でも、1.5 を「高いから無理」と最初に除外するのは雑な判断になりやすいです。
また、calculator 的な見方だけでは routing judgment が不足します。1,000枚や10,000枚の掛け算は便利ですが、現場では「社内ドラフトは Mini」「公開候補は 1.5」「夜間バッチだけは再比較」といった運用ルールに落として初めて価格表が意思決定に変わります。価格の数字を routing policy に変換するところまで行って、初めてこのキーワードは役に立ちます。
その意味で、Mini の listed price は魅力的でも、ゴールは単なる最安確認ではありません。どの場面で Mini に stick し、どの場面で upgrade するかを先に決めること が、あとから高くつく試行錯誤を減らします。
FAQ
今のOpenAI公式で最安のimage priceは？
2026年3月27日時点では gpt-image-1-mini low の $0.005 が最安です。
MiniはいつもGPT Image 1.5より得ですか？
list price では安いですが、workflow cost 全体では必ずしもそうではありません。
Miniは GPT Image 1.5 の小型版ですか？
違います。current catalog では Mini は GPT Image 1 の cost-efficient route、GPT Image 1.5 は flagship です。
価格表の数字がそのまま最終請求ですか？
simple generation の first-pass estimate には使えますが、edit、references、retry が増えるとずれます。
Miniを使うには有料tierが必要ですか？
はい。Free は not supported で、現在の access は Tier 1 から Tier 5 が前提です。
Mini は prototype 専用で、本番では避けるべきですか？
いいえ。prototype で特に扱いやすいのは事実ですが、本番でも generation-heavy で retry cost が低い workflow なら十分に合理的です。重要なのは production かどうかではなく、失敗1回のコストと求める品質の水準です。
比較を最短で進めるなら何を測るべきですか？
同じ prompt 群で Mini と GPT Image 1.5 の採用率、retry 回数、レビュー時間を並べるのが最も速いです。list price と成功率を一緒に見ると、routing 判断がかなり安定します。
最後の判断
gpt-image-1-mini は current budget answer ですが、universal answer ではありません。 generation-heavy で cost-first なら Mini から始めるのが自然です。premium、edit-heavy、retry-sensitive な workflows では GPT Image 1.5 が still the smarter spend になることがあります。