OpenRouterが画像生成・理解APIを統合、同一 of APIキーと請求で多様な画像AIモデルが利用可能に

要点

• AIモデルの仲介サービスを提供するOpenRouterが、画像生成および画像認識のAPIを同一のAPIキーと請求アカウントで統合運用できる仕様を明らかにした。

• 画像生成タスクには専用エンドポイントが用意され、プロンプトの送信によりbase64形式でエンコードされた画像データが返却される。

• 画像認識（ビジョン）タスクは標準のチャットAPIエンドポイントを通じて処理され、URLまたはbase64形式の画像データを解析できる。

• カタログにはGoogle、OpenAI、Black Forest Labs、xAIなど主要なAI開発元の画像モデルが網羅されており、最新情報はコードやウェブUIから取得できる。

• チャットAPIと同様にプロバイダの優先順位設定や自動代替切り替えに対応し、失敗したリクエストには課金されない仕組みも適用される。

• LLM（大規模言語モデル）のAPIルーティングサービスを運営するOpenRouterは2026年7月27日、同社プラットフォームにおける画像生成APIおよび画像認識APIの統合的な利用方法と、サポートされている画像モデルのラインナップを公式ブログで公開した。これまで開発者が画像生成と画像認識を個別にシステムに組み込む際には、別々のSDK（ソフトウェア開発キット。特定のサービスを利用するプログラムを開発するためのツール一式）の導入や、複数のAPIキーの管理、支払窓口の分散といった手続き上の不便が伴っていたが、これらを一つの仕組みに一本化することで開発効率の向上が期待されるという。

• 今回の解説によれば、画像に関する処理はすべて共通のベースURL（https://openrouter.ai/api/v1）と、単一 of APIキー、そして統一された請求口座を通じて提供される。具体的には、プロンプト（AIへの指示テキスト）から画像を生成するタスクは POST /api/v1/images エンドポイントが担い、画像から情報を読み取るタスクは標準のチャット用エンドポイントである POST /api/v1/chat/completions にビジョンモデルを指定してリクエストを送信する仕組みとなっている。

• 対応するモデルのカタログには、業界をリードする多様なAIラボの画像モデルが含まれている。具体的には、GoogleのGemini画像ファミリー、OpenAIのGPT Image、Black Forest LabsのFLUX、xAIのGrok Imagine、ByteDanceのSeedream、MicrosoftのMAI-Imageのほか、Recraft、Krea、Sourceful（Riverflow）といった画像生成モデルが利用できる。モデルのラインナップや価格情報は常に変動するため、開発者はAPI経由の問い合わせ（GET /api/v1/images/models など）や、公式サイトのモデル一覧ページでのフィルタリング機能、あるいはコードを書かずにテストできる「チャットルーム」の画像ボタンから最新の対応状況を確認できるとしている。

• 画像生成API（POST /api/v1/images）の利用時には、リクエストボディにモデル名とプロンプトを含めて送信すると、生成された画像がbase64（データを文字列に変換する符号化方式）の文字列としてレスポンスの data 配列内に返却される。このAPIでは、解像度を512、1K、2K、4Kなどの規格化された階層から選ぶ resolution や、1:1から21:9までのアスペクト比（縦横の比率）を指定する aspect_ratio、画像の品質を制御する quality、出力形式（png、jpeg、webp、svgなど）を指定する output_format といった詳細なパラメータを設定可能だ。また、Image-to-Image（既存の画像をもとに新しい画像を生成する技術）を行うために、参照画像をURLまたはbase64形式で指定する input_references パラメータも用意されている。

• 一方、画像の解析や読み取りを行う場合は、チャットAPIにメッセージ配列を送信する際、テキスト部分とあわせて image_url 形式で画像データ（公開URLまたはbase64のデータURL）をビジョンモデルに送信する。これにより、OCR（画像内の文字を読み取ってテキストデータに変換する技術）や画像の自動説明文生成、オブジェクト検出といった処理結果をテキストとして受け取ることができる。

• さらに、OpenRouterの特徴であるプロバイダのルーティング制御が画像APIにも適用されている。リクエストの送信時にプロバイダの優先順位や除外を設定するパラメータ（order、only、ignore、sort、allow_fallbacks）を利用できるため、障害発生時に自動的に別の提供元に切り替える堅牢なシステムを構築可能だ。また、プロバイダ側による手数料の上乗せはなく、接続エラーなどで画像リクエストが失敗した場合には料金が請求されない「Zero Completion Insurance（ゼロ完了保証）」が適用されるため、開発者はコストの無駄を懸念することなく利用できる。

• なお、画像認識の実行時に「no endpoints found that support image input（画像入力をサポートするエンドポイントが見つかりません）」というエラーが発生するケースについて、OpenRouterは画像認識に対応していないテキスト専用モデルに画像データを送信してしまっていることが原因だと説明している。この場合は、入力モダリティ（AIモデルが処理できる情報の種類）に画像が含まれている適切なモデルに切り替えることで解決できるとしている。

• OpenRouterは、多数 of AIモデルを一つのインターフェースで柔軟に切り替えて利用できる環境を提供してきた。今回の画像処理APIの仕様公開と機能統合により、テキストのみならず画像生成やマルチモーダルな処理においても、開発者が複数の外部サービスを使い分ける際のインフラ構築コストが大幅に削減されるとみられる。