画像生成ではなく、ペイントツールの操作競争
GPT-5.6 Sol、Claude Fable 5、Grok 4.5、Gemini 3.6 Flashは、参照画像2点と文章指示5件を一筆ずつ描きました。評価には視覚理解、操作計画、自己修正、停止判断が混ざっています。
画像生成モデルの性能比較ではありません。汎用AIが同じペイントアプリで色、太さ、筆圧、線、ぼかし、消しゴムを操作した実験です。TryAI自身も、曖昧で正解のない課題であり、客観的な総合ランキングではないと説明しています。
7枚ずつ描いた実行結果
| モデル | 平均ステップ | 平均時間 | 合計トークン | 推定コスト | 自己評価 | 描画呼び出し |
|---|---|---|---|---|---|---|
| GPT-5.6 Sol | 29 | 6.2分 | 340万 | 7.74ドル | 6.0 | 116 |
| Claude Fable 5 | 54 | 12.5分 | 1460万 | 160.58ドル | 15.6 | 207 |
| Grok 4.5 | 99 | 4.8分 | 3400万 | 9.21ドル | 4.3 | 354 |
| Gemini 3.6 Flash | 73 | 6.9分 | 2770万 | 12.87ドル | 22.6 | 190 |
TryAIの主観評価はGPT首位、Grok最下位
GPT-5.6 Sol多くの絵で細部が優れ、星月夜とバラを高評価。
Claude Fable 5品質2位だが、時間と費用が突出。
Gemini / GrokGeminiは低価格帯として健闘。Grokは視覚判断に苦戦。
トークン数だけでは費用を説明できない
Grok 4.5は3400万トークンと最多でしたが、約98％が安価なキャッシュ読み取りだったため推定9.21ドルでした。Fable 5は1460万トークンでも160.58ドルです。モデル単価、入力・出力、キャッシュ、実行回数を分けて見る必要があります。
比較から直接は言えないこと
- 一般的な画像生成能力の順位ではない。
- 28枚だけで視覚能力全体を断定できない。
- 品質順位はTryAIの主観評価を含む。
- 価格は実験時のモデル料金とキャッシュ条件に依存する。
- プロンプト、ハーネス、停止条件が変われば結果も変わる。