GPT Image 2 Thinking Mode：推論 + web search ガイド

描く前に考える画像モデル

gpt-image-2——コンシューマー向けのブランド名は ChatGPT Images 2.0、2026 年 4 月 21 日に公開——は、OpenAI が初めて投入したネイティブ推論を備えた画像モデルです。何かをレンダリングする前に、まず思考の連鎖を一度走らせます。構図を計画し、オブジェクト間の空間的な関係をチェックし、画像内のあらゆるテキストのスペルが正しく綴られるかを検証し、ピクセルに確定する前に自己修正します。実用上の見返りは、初回試行の失敗率が下がること、そして初期のモデルを悩ませた「ひと目で AI と分かる」感じが減ることです。

ほとんどのユーザーが見落とす要点は、これが 2 段階の機能だということです。無料の ChatGPT ユーザーが手にするのは Instant モード——速く、推論パスはありません。計画ステップと web search による接地を備えた thinking mode は、Plus・Pro・Business の購読者だけに用意されています。結果が公開デモとまるで違うなら、prompt を責める前に、自分が実際にどの段階で生成しているのかを確認してください。

Thinking Mode をトリガーする方法

入り口は 2 つあります。明示的なやり方は ChatGPT の推論トグルです。オンにすれば、すべての画像リクエストが計画パスを通ります。prompt レベルのやり方は言い回しです——画像リクエストに「think through this carefully」のような一行を加えると、モデルを推論の経路へ押しやります。このフレーズはコストゼロなので、重要な prompt にはどれでも入れておきましょう。

このモードは本当に出力を変えるのか？ The Decoder のハンズオンテストでは、「DSLR-quality photorealistic portrait」のような要求の高い prompt について、Thinking 版が Instant で同じ prompt を走らせた場合よりも目に見えて良いディテールを生み出しました。簡単な prompt では差は縮まり、難しい prompt では、使える 1 枚と 3 回のやり直しの差になります。

Think through this carefully before generating: a DSLR-quality photorealistic portrait of a ceramicist in her studio, soft window light from the left, shallow depth of field, hands dusted with dried clay, honest skin texture — no beauty-filter smoothing.

どの prompt が測定可能なほど恩恵を受けるか

推論はオーバーヘッドであり、そのオーバーヘッドは計画が効く場面でしか元が取れません。測定可能なほど恩恵を受ける prompt は 3 系統あります。

• テキストの多い画像——ポスター、ラベル、UI モックアップ。モデルは推論パスの最中にスペルとレイアウトを検証するので、レンダリング後に文字化けを見つけることがありません。
• 空間的に複雑なシーン——明確な関係を持つ多数のオブジェクト。初期のモデルは要素を黙って落としたり統合したりしていました。
• マルチフレームのシーケンス——同じキャラクター・ライティング・スタイルを複数の画像にわたって必要とするもの（詳しくは後述）。

コミュニティの数字もこれを裏付けます。Simon Willison のウォーリーを探せ式テスト——「where is the raccoon holding a ham radio」——は最高の 3840x2160 解像度で通過しました（1 枚あたり約 0.40 ドル、13,342 出力 token と報告）。前世代のモデルはここで失敗していました。彼の結論は「takes the crown from Gemini, at least for the moment（少なくとも今は Gemini から王座を奪った）」です。GenAI Showdown のコミュニティベンチマークは、厳格な指示遵守の prompt で gpt-image-2 に 12/15 を付け、これまでの首位を上回りました。OpenAI 自身は、すべての Image Arena リーダーボードでトップに立ち、Text-to-Image で +242 ポイントのリード、これはそのリーダーボード史上最大だと述べています——ベンダー側の主張ですが、独立した結果とは方向性として一致します。

Hacker News の公開スレッドからの正直な但し書きが一つ。あるユーザーの条件付きスタイルルールを伴う 8x8 ポケモングリッドのテストでは、GPT Image 2 は視覚的品質で勝ちましたが、条件ロジックの遵守では Nano Banana Pro の方がうまくこなしました。あなたの prompt が本質的にルールブック——「every third cell in grayscale, water types get a blue border」——なら、どちらかにパイプラインを固定する前に両方をテストしてください。

web search で接地した生成

Thinking Mode 内のより大きなアンロックは検索です。推論パスの最中に、モデルはリアルタイムで web search を行って視覚的な参照を探せるので、数か月前に凍結された訓練データから近似する代わりに、今まさにトレンドのスタイルや最近の現実世界の事実を狙えます。RAG 風の検索が画像生成パイプラインに入ったのはこれが初めてで——Nano Banana Pro での Google のアプローチと並行しており——The Decoder はこれをグラフィック生成を根本的に作り替えうるブレークスルーと呼んでいます。推論そのものと同様、これも有料購読者に限定されています。

接地した prompt を書くとは、モデルが想像するのではなく調べに行くべき何かにそれを固定するということです。パターンはこうです。いま現に存在し観察可能な視覚的参照を名指しし、それから対象を描写する。

• 「A product shot in the style currently trending on Instagram for skincare brands」——モデルはまず検索し、それから生成します。
• 「A UI mockup that matches the visual language of modern fintech apps」——それらの app が今まさにどう見えるかに接地しています。

曖昧な身振り（「a modern-looking website」）は有用な検索をトリガーしません。確認できる参照（「currently trending」「this season's campaign look」）ならトリガーします。

マルチフレームの一貫性：prompt あたり最大 8 枚

Thinking Mode は 1 つの prompt から最大 8 枚の画像を生成でき、その間キャラクター・オブジェクト・ライティング・スタイルをフレーム間で一貫させます。推論パスがそのコストを最も目に見える形で正当化するのはここです。モデルは 1 フレーム目をレンダリングする前にシーケンス全体を計画するので、各コマを独立したサイコロの一振りとして扱いません。

Generate an 8-panel manga sequence of the same silver-haired detective walking through a rainy Tokyo street at night. Keep the character design, trench coat, facial features and umbrella identical in every panel. Maintain the same neon-reflection lighting and ink-wash style across all 8 frames. Panel flow: wide establishing shot, medium follow, close-up on the eyes, reflection in a puddle, turning into an alley, noticing a clue, picking it up, final wide shot from behind.

一貫性の要件は明示的に述べましょう——「keeping the character design, outfit and lighting consistent across all panels」——モデルが推論してくれると当てにするのではなく。推論パスはそれを検証すべき制約として扱い、それがまさにあなたの望むものです。

Instant か Thinking か：シンプルな判断ルール

Instant はムードボード、使い捨てのコンセプト、テキストのない単一被写体の画像には十分です。画像に文字が含まれた瞬間、明確な関係を持つオブジェクトが 3〜4 個を超えた瞬間、あるいはフレーム間の一貫性が求められた瞬間に、Thinking に切り替える——もしくはそれをトリガーするように prompt を言い回す。そこが、計画パスがオーバーヘッドであることをやめ、成果物そのものになる境界線です。

購読を決める前に違いを体感したいなら、GPT Image 2 は無料で始められます——サインアップで 20 credit がもらえ、クレジットカードは不要です。上の prompt のどれかを貼り付けるか、自分のテキストの多いポスターテストを走らせてください、https://gpt-img2.com で。