GPT Image 2のAPIでバリエーション画像を量産するパイプラインを組んだことがある人なら、この現象に遭遇しているはずです。ベース画像を生成し、背景色の変更→商品の差し替え→ライティングの調整、と順にreference-guided editingを重ねていくと、4〜5回目あたりで触っていない領域にうっすらとグレインが乗り始める。

本記事ではこのノイズ蓄積問題の技術的な原因を整理し、Arenaテストから推測される次世代（コミュニティ呼称：GPT Image 2.5）での解決アプローチを考察します。

問題の再現手順

以下のステップで安定的に再現できます。

テキストを含む商品カードをベースとして1枚生成（例：白背景、中央に商品、下部に価格テキスト）
同一画像に対して背景色をグレーに変更するedit指示を送信
続けて商品画像を別のものに差し替える指示
さらにライティングを昼光色から電球色に変更
最後にテキストのフォントサイズを微調整

ステップ2〜3まではベース画像とほぼ同等のクリーンさを維持します。ステップ4あたりからグラデーション背景領域に微細なノイズが視認でき、ステップ5完了後には全体的なシャープネス低下が確認できます。

この問題に対する修正がArenaチェックポイントで確認されており、コミュニティではGPT Image 2.5と呼ばれるモデルに該当すると見られています。以下、原因と解決アプローチを技術的に整理します。

技術的な原因の推定

GPT Image 2は推論→描画の2段階パイプラインを採用しています。推論段階でレイアウトやテキスト配置を計画し、描画段階で拡散モデルベースのピクセル合成を実行します。

reference-guided editingでは、編集対象外の領域は理論上ピクセルレベルで保存されるべきですが、実際には描画段階で全画像が再合成されるため、未変更領域にも拡散プロセスの残余分散が注入されます。1回あたりの分散は微小でも、複数パスにわたって累積すると視覚的に認識可能なレベルに達します。

式で表現すると、n回目の編集後のノイズレベル N(n) は概ね：

N(n) ≈ N(1) + (n-1) × σ_residual

σ_residualが各パスで追加される残余ノイズの標準偏差です。GPT Image 2の場合、σ_residualは十分小さいため3パスまでは気にならないものの、4パス以降で閾値を超えます。

GPT Image 2.5での改善：Arenaデータからの推測

8月9日にmona-lisa-1、8月20日にluna-lisa-alphaという2つの匿名チェックポイントがArtificial Analysis Arenaに登場しました。CodexソースからはimageGen25という文字列も発見されており、画像ノイズの修正に言及しています。

テスターからの報告によると、2.5世代のチェックポイントでは10回以上の連続編集を経ても未変更領域のノイズ増加が観測されないとのことです。これを実現するアーキテクチャ上のアプローチとしては、以下が考えられます。

仮説A：パス間ノイズフロアリセット。 各編集パスの完了後に未変更領域のピクセル値を前回の出力にリセットし、拡散プロセスの残余分散を編集対象領域にのみ閉じ込める。実装としてはマスクベースの選択的再合成が想定されます。

仮説B：分散累積抑制型サンプリング。 拡散サンプリングステップの設計変更により、各パスで追加されるσ_residualを数桁低減。仮にσ_residualが1/100に圧縮されれば、100パス以上編集しても視覚的閾値に達しません。

仮説C：ハイブリッドアプローチ。 編集マスク内は通常の拡散合成、マスク外は確定的なピクセル転写。計算コストとのトレードオフで、マスク境界のブレンディング品質が課題になりますが、テスト結果がクリーンであることから境界処理も改善されている可能性があります。

パイプライン設計への実務的影響

ノイズ蓄積上限の事実上の撤廃は、バリエーション量産パイプラインの設計を変えます。

現状（Image 2）： ベース画像生成→3〜4回の編集→品質低下→ベース再生成→繰り返し、というサイクル。1つのベースから作れるバリエーション数に実質的な上限がある。

2.5以降（推定）： ベース画像生成→任意回数の編集、という直線的なフロー。1つのベースから数十パターンのバリエーションを連続生成可能。再生成コスト（APIコール数・クレジット消費）が大幅に削減されます。

現時点で可能な検証

正式リリース前に、現行モデルでの再現テストを標準化しておくことをおすすめします。上記の5ステップ再現手順で各ステップ後のPSNR/SSIMを計測し、ノイズ増加の定量ベースラインを取得しておけば、2.5リリース後に同一条件で比較できます。

APIキーなしで手動テストを行う場合、gptimage25.ioがクレジット制・登録不要で利用でき、4K出力にも対応しています。2.5がAPI投入された時点で自動的にデフォルトモデルが更新される設計です。

GPT Image 2からのリリース間隔（Arena登場後約15日）を踏まえると、luna-lisa-alphaの登場日8月20日から最速9月初旬、遅くとも9月29日DevDayまでの公開が予想されます。パイプラインの設計変更は今から準備を始めて損はないでしょう。