品質は2位、時間と費用は最下位
Claude Fable 5は7枚で平均54ステップ、12.5分、合計1460万トークン、推定160.58ドルでした。TryAIは品質を2位と評価する一方、GPT-5.6 Solに届かず、今回の用途では最も魅力に欠けるトレードオフだったとしています。
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。
4モデルの実行量と費用
| 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 |
15.6回の自己評価と長い実行が費用に反映
平均12.5分他モデルの約2倍前後でした。
平均15.6回生成中の自己評価はGrokの3倍超です。
160.58ドル高い単価と大きな処理量が重なりました。
自己評価が多いこと自体は品質保証ではありません。評価後の修正が絵を改善したか、同じ判断を繰り返しただけかを軌跡で確認する必要があります。
高コストでも失敗とは限らない
TryAIはFable 5の出力品質を2位としました。丁寧な確認が必要な設計、文章、複雑な業務では長い推論が価値になる場合があります。一方、今回の反復的な描画操作では、追加の時間と費用に見合う品質差を示せませんでした。
Fable 5を使う前に決めること
- 最大ステップ数、時間、予算を設定する。
- 自己評価の回数ではなく、修正前後の改善量を測る。
- 低コストモデルで下書きし、重要部分だけFable 5へ渡す。
- キャッシュ割引を含む実請求で比較する。