Image benchmarksで比較できること
Image benchmarksは、画像生成AIへ出すプロンプトを同じにして、モデルごとの出来ばえを比較できるようにしたOpenRouterのページです。また、説明文の「Compare generation quality across media models」はメディア生成モデルの品質を比較するという意味で、ページの題名は「Media benchmarks」です。
上部のタブには、Image・Video・Speech・Memesが表示されます。本稿では、Imageの中にあるFull wine glassの画面を見ます。2026年10月14日時点で、この画面の一覧は44行でした。
作者にはGoogle・OpenAI・Alibaba・Black Forest Labs・Recraft・Sourceful・xAIなどの名前があり、各行には料金と生成時間も表示されます。OpenRouterのStripeによる買収は、関連記事の「StripeがOpenRouterの買収を正式発表、買収額は明らかにせず」が伝えています。
"Compare generation quality across media models"／"Image Video Speech Memes"（Media benchmarks 見出し部）— OpenRouter より公式情報を見る →
検証課題はワイングラスや文字・画像編集など
検証課題（画面の表記はEvaluations）は、課題名を分類ごとにまとめた一覧です。 2026年10月14日時点の分類と課題は次のとおりです。
Image benchmarksの検証課題（2026年10月14日時点）
| 分類 | 課題 |
|---|---|
| Improbable scenes | Full wine glass／Closed umbrellas |
| Count | Three fingers／Cards & dice |
| Text | Long exact string／Multiple languages |
| Spatial relations | Occlusion／Mirror |
| Negation | Plain zebra／Times Square |
| Editing | Minimal diff／Object removal／Person removal |
| Consistency | Product placement／Four references |
画像生成AIの文字や画像編集の出来を知りたいときは、TextとEditingの分類を見ます。課題名だけで中身が分かる例は、次の3つです。
- 数の課題は、Three fingersとCards & diceです
- 文字の課題は、Long exact stringとMultiple languagesです
- 編集の課題は、Minimal diff・Object removal・Person removalです
Full wine glassは、白ワインを縁まで満たしたグラスを描かせる課題です。画面には、この課題を選んだ理由も書かれています。
学習データに含まれるワインの写真は、ほとんどがグラスに1/3ほど注いだ姿を写したものなので、モデルは1/3ほどの量で描きがちです。縁いっぱいまで注ぐよう指示すると、モデルがプロンプトと学習で身についた傾向のどちらに従うかが分かる、と画面に書かれています。
プロンプトの全文も画面に出ます。内容は飾りのない木製テーブルに白ワインを縁いっぱいまで注いだグラスを立てて、目の高さから正面で撮るというものです。グラスは傾けず、他の物はフレームに入れません。
"Improbable scenes Full wine glass Closed umbrellas Count Three fingers Cards & dice Text Long exact string Multiple languages Spatial relations Occlusion Mirror Negation Plain zebra Times Square Editing Minimal diff Object removal Person removal Consistency Product placement Four references"／"Almost every wine photo in training data shows a glass a third full, so models default to it. Filling the glass to the rim tests whether a model follows the prompt or the prior."／"A wine glass filled to the brim with white wine, the surface level with the rim of the glass, standing upright on a plain wooden table. Straight-on eye-level shot, glass upright and not tilted, no other objects in the frame."（検証項目の一覧 ／ Full wine glass の選定理由とプロンプト）— OpenRouter より公式情報を見る →
正確さ・料金・生成時間で並べ替えられる
並べ替えの基準は「Sort by」のメニューで切り替えられ、Correctness（正確さ）・Cost（料金）・Generation time（生成時間）の3つから選ぶことができます。 たとえば料金で並べたいときはCostを、生成時間で並べたいときはGeneration timeを選びます。作者を限定したいときに使うのは、Authorです。
各行には、料金と生成時間に加えて「4/4」「3/4」といった点数も表示されます。ページには「Try in chat」のリンクもあります。
4/4などの意味や採点の方法は、画面に説明がありません。本稿では、表示されている点数をそのまま書きます。
"Sort by Correctness Cost Generation time"／"Author All Try in chat"（Full wine glass 画面の一覧上部）— OpenRouter より公式情報を見る →
Full wine glassで4/4のモデルは6つ
2026年10月14日時点で、Full wine glassの一覧に掲載された44行のうち、4/4と表示されるのは6行です。 残る38行には次の4種類があります。
- 3/4が29行
- 2/4が6行
- 1/4が1行
- 点数の表示が無い行は、FLUX.3 ImageとRecraft V4.1 Flashの2つ
表示名が同じ行は2組あり、そのうちNano Banana 2には、表に掲載した4/4の行とは別に3/4の行（9.0秒）もあります。4/4の6行は、次のとおりです。
4/4と表示された6モデル（2026年10月14日時点）
| モデル | 作者 | 料金 | 生成時間 |
|---|---|---|---|
| Nano Banana 2 | Google AI Studio | 0.069ドル（約11円） | 8.5秒 |
| GPT-5.4 Image 2 | OpenAI | 0.006ドル（約0.96円） | 20.5秒 |
| GPT-5 Image | OpenAI | 0.17ドル（約27.1円） | 42.9秒 |
| GPT Image 2 | OpenAI | 0.006ドル（約0.96円） | 16.3秒 |
| Qwen Image 3 | Alibaba | 0.030ドル（約4.8円） | 59.6秒 |
| Riverflow V2.5 Pro | Sourceful | 0.25ドル（約39.9円） | 152.0秒 |
"Nano Banana 2 $0.069 8.5s 4/4 Google AI Studio"／"GPT-5.4 Image 2 $0.006 20.5s 4/4 OpenAI"／"GPT-5 Image $0.17 42.9s 4/4 OpenAI"／"GPT Image 2 $0.006 16.3s 4/4 OpenAI"／"Qwen Image 3 $0.030 59.6s 4/4 Alibaba"／"Riverflow V2.5 Pro $0.25 152.0s 4/4 Sourceful"（Full wine glass 一覧の各行）— OpenRouter より公式情報を見る →
料金は0.006ドルから0.25ドルまで差がある
一覧のなかで最も安いのは0.006ドル（約0.96円）で、GPT-5.4 Image 2とGPT Image 2の2行です。 最も高いのは0.25ドル（約39.9円）で、Riverflow V2.5 ProとRecraft V4 Proです。差は約42倍になります。
0.006ドル（約0.96円）の2行は、どちらも4/4と表示されています。0.25ドル（約39.9円）の2行は、Riverflow V2.5 Proが4/4、Recraft V4 Proが3/4です。
ここまでの料金はFull wine glassの画面に出ている値です。他の検証課題では、表示順も値も変わる場合があります。
"GPT-5.4 Image 2 $0.006 20.5s 4/4 OpenAI"／"GPT Image 2 $0.006 16.3s 4/4 OpenAI"／"Riverflow V2.5 Pro $0.25 152.0s 4/4 Sourceful"／"Recraft V4 Pro $0.25 19.1s 3/4 Recraft"（Full wine glass 一覧の各行）— OpenRouter より公式情報を見る →
同じ0.25ドルでも生成時間は19.1秒と152.0秒
同じ0.25ドル（約39.9円）でも、生成時間はRecraft V4 Proが19.1秒、Riverflow V2.5 Proが152.0秒と、約8倍の差があります。点数はRecraft V4 Proが3/4、Riverflow V2.5 Proが4/4です。
また、最短の生成時間は1.2秒のRecraft V4.1 Flashです。 料金は0.007ドル（約1.12円）で、点数は表示されていません。
最も長い生成時間は208.2秒のRiverflow V2 Proで、料金は0.15ドル（約24円）、点数は3/4です。最短と最長の差は約174倍になります。
"Recraft V4 Pro $0.25 19.1s 3/4 Recraft"／"Riverflow V2.5 Pro $0.25 152.0s 4/4 Sourceful"／"Riverflow V2 Pro $0.15 208.2s 3/4 Sourceful"／"Recraft V4.1 Flash $0.007 1.2s"（Full wine glass 一覧の各行）— OpenRouter より公式情報を見る →
まとめ：数値は2026年10月14日時点の表示
Image benchmarksは、同じプロンプトで生成した結果をモデルごとに並べて表示する、OpenRouterの画像生成AI比較ページです。 並べ替えはCorrectness・Cost・Generation timeの3つで、検証課題にはワイングラスや文字、画像編集などがあります。
Full wine glassの一覧は44件で、4/4と表示されるのは6件でした。料金は0.006〜0.25ドル（約39.9円）、生成時間は1.2〜208.2秒の幅があります。
ただし、ここまでの数値は2026年10月14日時点でFull wine glassの画面に出ていたものです。モデルの追加や価格の変更があれば、表示順も値も変わります。最新の表示は、OpenRouterのImage benchmarksで見ることができます。
2026年11月6日にsakutto.ai編集部が同じ画面を取得し直すと、Full wine glassの一覧は55件に増加し、4/4は9件になっていました。 10月14日の時点から、件数は次のように変化しています。
Full wine glassにおける点数別の件数（10月14日と11月6日の比較、sakutto.ai編集部による集計）
| 点数 | 2026年10月14日 | 2026年11月6日 |
|---|---|---|
| 4/4 | 6件 | 9件 |
| 3/4 | 29件 | 37件 |
| 2/4 | 6件 | 6件 |
| 1/4 | 1件 | 1件 |
| 点数の表示なし | 2件 | 2件 |
| 合計 | 44件 | 55件 |
新たに4/4へ加わったのは次の3モデルです。3モデルのうち2つは、名前にGPT Image 2.5が付くOpenAIのモデルでした。
- Nano Banana 2.1：0.035ドル（約5.6円）、12.8秒
- GPT Image 2.5 Flare：0.006ドル（約0.96円）、9.4秒
- GPT Image 2.5 Sunburst：0.006ドル（約0.96円）、12.3秒
0.006ドル（約0.96円）で4/4のモデルは2つから4つになり、その中で最も速いのは9.4秒のGPT Image 2.5 Flareでした。10月14日に点数の表示が無かったRecraft V4.1 Flashは、3/4（1.2秒）と表示されるようになりました。
"Nano Banana 2.1 $0.035 12.8s 4/4 Google AI Studio"／"GPT Image 2.5 Flare $0.006 9.4s 4/4 OpenAI"／"GPT Image 2.5 Sunburst $0.006 12.3s 4/4 OpenAI"／"Recraft V4.1 Flash $0.007 1.2s 3/4 Recraft"（Full wine glass 一覧の各行）— OpenRouter より公式情報を見る →
FAQ
- OpenRouterのImage benchmarksでは何を比較できますか？
- 同じプロンプトで生成した画像を、モデルごとに並べて見比べられます。各行には料金と生成時間が付き、正確さ・料金・生成時間の3つで並べ替えられます。
- Full wine glassはどんな課題ですか？
- 縁まで白ワインを注いだグラスを、目の高さから正面で描かせる課題です。学習データに含まれるワインの写真はほとんどがグラスに1/3ほど注いだ姿を写したものなので、縁まで満たす指示は、モデルがプロンプトに従うかを試す目的を持つと画面に書かれています。
- 画像以外の比較もありますか？
- ページ上部のタブには、Image・Video・Speech・Memesが表示されています。確認した範囲はImageタブにあるFull wine glassの画面だけで、他のタブに出る内容には触れていません。
関連する記事
証明写真のスーツ合成で顔は変わる？AI6種56枚を顔認識で実測私服の写真をAIでスーツ姿に合成すると、顔はどこまで変わるのか。架空の8人を6種類の画像AIで延べ56枚合成し、顔認識AIで照合しました。全枚が同一人物と判定されたものの、9割は顔がわずかに描き直されており、履歴書なら問題ありませんがパスポートには適していません。
画像生成AIの安全対策を破るRISE、新しいモデルほど成功率が上昇White Circleが、画像生成AIの安全対策を破る攻撃手法「RISE」を公表しました。DALL-E 3では攻撃の13.3%で性的な画像が生成され、新しいNano Banana 2.1では20.7%と旧モデルの2倍を超えています。OpenAIとGoogleは取材に回答していません。
AIエージェントのハーネスとは？NVIDIAのAVOによる検証結果AIエージェントのハーネスとは、モデルの外側の仕組みです。NVIDIAによると、Claude Opus 5で動作させたAVOはARC-AGI-3の公開セット全25環境でRHAE 100.00を記録し、183レベルをクリアしたとのこと。非公開セットの値でなく、別条件の約30%との差もAVOの効果とはいえません。
Pipetteとは？スマホのAI性能を実機で測定する新しいベンチマークPipetteは、スマホのAIを測る実機ベンチマークです。Liquid AIとArtificial Analysisが、2026年8月24日に公開しました。iPhone 17 Proで待ち時間を1分までにすると、63点で同点の2モデルは38点と18点に下がり、47点のLFM2.5-8B-A1Bがトップに立ちます。