モデル

OpenAI の GPT Image 2 画像生成 API - 最大 4K、ネイティブ推論、多言語テキストレンダリング、参照画像ガイド付き編集。

OpenAI の GPT Image 1.5 画像生成 API — v1 比 4 倍高速、優れたテキストレンダリング、3 種のアスペクト比、medium/high 品質モード。

OpenAI の GPT Image 1 画像生成 API — GPT-4o ネイティブの初の画像モデル、優れたプロンプト追従性、最大 5 枚の参照画像対応。

Google の Nano Banana 2 画像生成 API - Gemini 3.1 Flash ベースで 4K 出力、15 種のアスペクト比、最大 5 キャラクターのキャラクター一貫性維持に対応。

Google の Nano Banana Pro 画像生成 API - Gemini 3 Pro ベースでファミリー最高のテキストレンダリング精度、4K 出力、最高画質。

Google の Nano Banana 画像生成 API - Gemini 2.5 Flash ベースの低コストモデル、11 種のアスペクト比、最大 10 枚の参照画像対応。

ByteDance の Seedream 5.0 Lite 画像生成 API — 最新世代の高速処理と視覚的一貫性、2K/3K 出力、参照画像 14 枚対応。

ByteDance の Seedream 4.5 画像生成 API — 最大 4K 出力・参照画像 14 枚対応で、生成と編集を 1 つのモデルで統合。

ByteDance の Seedance 2.0 動画生成 API — ネイティブ音声・対話・画像から動画に対応し、最大 1080p で 4〜15 秒のクリップを生成。

ByteDance の Seedance 2.0 Fast 動画生成 API — 音声生成・アダプティブアスペクト比・最大 15 秒に対応した高速バリアント。

ByteDance の Seedance 1.5 Pro 動画生成 API — 同期音声・多言語対話・最大 1080p に対応したシネマ品質の動画生成。

ByteDance の Seedance 1.0 Pro 動画生成 API — 720p・1080p でマルチショット切り替えに対応した高画質シネマティック動画。

ByteDance の Seedance 1.0 Lite 動画生成 API — テキストから動画・画像から動画に対応し、最大 1080p のクリップを低コストで生成。

Kuaishou の Kling 3.0 動画生成 API — ネイティブ 4K・60fps、マルチショット絵コンテ、5 言語の音声、3 つの品質モード。

Veo 3.1 Fast — Google DeepMind の高速・低コスト Veo 3.1 動画モデル。ネイティブ音声（対話・効果音）、画像から動画、最大 1080p に対応。

MiniMax の Hailuo Pro 動画生成 API — 高品質なモーションとキャラクター一貫性を備えた高速テキスト/画像から動画生成。

MiniMax H3（Hailuo 03）は、テキスト・画像・動画・音声リファレンスを洗練されたネイティブステレオサウンド付きの 2K 動画に変換する、統合マルチモーダル動画生成モデルです。オリジナルシーンの構築、静止画のアニメーション化、既存 footage の編集まで、1 つの MiniMax H3 API で完結します。

Qwen Image 3.0（Qwen-Image-3.0-Pro）は、Alibaba の先進的な画像生成モデルで、リアルなビジュアル、構造化されたレイアウト、豊かなディテール、高品質なタイポグラフィを実現します。正確な小さなテキスト、多言語レンダリング、複雑な構図の画像を、1 つの Qwen Image 3.0 API で生成・編集できます。

FLUX 3 は Black Forest Labs が発表した統合マルチモーダル基盤で、画像・動画・音声・言語・アクション予測を 1 つのモデルに統合します。Flux 3 API は、ネイティブ音声付きテキストから動画、画像合成と編集、フィジカル AI 機能を、順次提供していく予定です。