ChatGPT-Bilder 2.5 ist da: Diesmal müssen andere reine Bildmodelle wirklich nervös sein

Autor: Xiao Jing, Tencent Technology

Redaktion: Xu Qingyang, Tencent Technology

Am 8. September Ortszeit USA veröffentlichte OpenAI das neueste Bildgenerierungsmodell ChatGPT-Bilder 2.5.

Die neue Version verbessert gezielt die Bildbearbeitung, Treue zu Referenzbildern und Konsistenz bei mehrfachen Änderungen. Bei fortlaufender Bildanpassung bleibt zuvor Geändertes besser erhalten. Bei Anpassungen von Figuren, Produkten oder Hintergründen lässt sich zudem gezielter nur der gewünschte Bereich verändern. Die Generierungsgeschwindigkeit ist bis zu 50 % höher als bei Bilder 2.0.

Zudem fügte ChatGPT Skizzen-, Vorlagen- und Kommentarfunktionen für Bilder hinzu. Nutzer können direkt Skizzen als Referenz zeichnen oder Bereiche auf Bildern markieren, die geändert werden sollen. Entwickler können über die API die Modelle GPT-Image-2.5 Flare und GPT-Image-2.5 Sunburst nutzen.

OpenAI zufolge generieren Nutzer derzeit wöchentlich über drei Milliarden Bilder über ChatGPT-Bilder und das GPT-Image-Modell in der API. Bilder 2.5 steht bereits ChatGPT-, ChatGPT-Work- und Codex-Nutzern zur Verfügung – plattformübergreifend im Web, auf dem Desktop und mobil.

01 Nur einen Teil ändern, nicht das ganze Bild

Echte Probleme mit KI-generierten Bildern treten oft erst nach der ersten Generierung auf – etwa wenn eine Figur passt, aber nur die Kleidung geändert werden soll; ein Produkt feststeht, doch nur der Hintergrund ausgetauscht werden muss; oder ein Poster fertig ist, aber nur eine Textzeile angepasst werden soll. Früher führten weitere Anpassungen oft zu ungewollten Veränderungen anderer Bildbereiche.

Bilder 2.5 stellt präzise Bearbeitung in den Vordergrund. OpenAI zeigt Beispiele wie „Ganzkörper-Bearbeitung“ und „Mehrstädte-Reiseticket“. Diese Demonstrationen nutzen Serienbilder, um den Änderungsprozess zu veranschaulichen – mit Fokus darauf, ob das Modell gezielte Anpassungen vornimmt, ohne Motiv, Komposition und sonstige Details zu beeinträchtigen.

Das Beispiel „Mehrstädte-Reiseticket“ ist leicht verständlich: Muss nur eine Information im Bild geändert werden, muss das Modell das betreffende Objekt exakt identifizieren und dabei die Gesamtgestaltung des Tickets bewahren. Diese Fähigkeit ist für Produktbilder, Werbematerialien und Markenposter praktischer als bloß ein schönes Bild zu erzeugen.

Ein weiterer Schwerpunkt liegt auf mehrfachen Bearbeitungsschritten. OpenAI präsentiert drei Fälle: „Würfel-Drehung“, „Reise-Infografik“ und „Geburtstagskerzen“. Hier geht es nicht um Einzelgenerierungen, sondern um mehrere aufeinanderfolgende Anpassungen. Ziel ist zu zeigen, dass bereits vorgenommene Änderungen erhalten bleiben und spätere Eingriffe bestehende Inhalte nicht laufend stören.

Dies ist zudem der bemerkenswerteste Aspekt des Bilder-2.5-Updates.

Die Nutzerin @thesoragirls führte einen einfachen Test durch: Sie zeichnete eine Kerze ins Bild und gab vor, dass eine Blütenblüte unverändert bleiben solle – dann prüfte sie, ob das Modell beim Bearbeiten anderer Bereiche den festgelegten Teil beeinträchtigte. Ihr Ergebnis: Die Blütenblüte blieb erhalten, während andere Bereiche wie gewünscht verändert wurden.

Allerdings hat die fortlaufende Bearbeitung Detailprobleme nicht vollständig gelöst. Der japanische Animator @genel_ai stellte in praktischen Tests fest, dass trotz der offiziellen Betonung einer erhaltenen Bildqualität nach mehrfachen Bearbeitungen weiterhin Artefakte und Texturveränderungen bei wiederholten Überlagerungen auftreten können.

Mit anderen Worten: Zwar verbessert Version 2.5 die Stabilität, doch Qualitätsverluste können bei komplexen Szenen immer noch auftreten.

02 Referenzbilder, stabiler

Die zweite Änderung bei Images 2.5 betrifft den Umgang mit Referenzbildern.

Nutzer können Fotos von Charakteren, Haustieren oder anderen Motiven bereitstellen und dann anfordern, dass diese in eine neue Szene eingefügt, ihr visueller Stil geändert oder ihre Komposition angepasst wird. OpenAI erklärt, dass die neue Version besser in der Lage ist, charakteristische Merkmale zu bewahren und gleichzeitig Licht- sowie Texturqualität zu verbessern.

Zu den offiziellen Beispielen zählen fünf Fälle: „Neugestaltetes Babyporträt“, „Hund im Kostüm“, „Fotokabinenporträt“, „Gruppenfeier-Kompositfoto“ und „Das Bett machen“.

Diese Fälle decken unterschiedliche Anwendungsszenarien ab: Das Baby- und das Fotokabinenporträt prüfen vor allem die Erhaltung charakteristischer Merkmale; beim Hund wird getestet, ob das Motiv nach Outfitwechsel erkennbar bleibt; das Gruppenfeier-Kompositfoto zeigt mehrere Personen in einem Bild; „Das Bett machen“ steht für alltägliche Bildbearbeitung mit gezielten Anpassungen der Ausgangsszene.

Diese Funktion ist besonders wichtig für Arbeiten, bei denen derselbe Charakter, dasselbe Produkt oder dieselbe Markenmaterialien kontinuierlich genutzt werden müssen. API-Nutzer können verschiedene Versionen basierend auf demselben Referenzbild generieren und so signifikante Unterschiede bei jeder Neugenerierung reduzieren.

Komplexe Bilder stehen diesmal ebenfalls im Fokus der offiziellen Beispiele. OpenAI präsentierte eine familienhafte Illustration im Stil der 1950er-Jahre: Eine Familie vor einer riesigen zylindrischen Raumkolonie mit grünen Landschaften, Seen und futuristischen Gebäuden.

Auf OpenAIs offizieller Einführungsseite war eine Reise-Seite für Yichang zu sehen: Reiseziele, Sehenswürdigkeiten, Bilder und Textinhalte auf einer Seite – ein kompletter Reiseführer. Dazu sind gleichzeitige Verarbeitung mehrerer Bilder, verschiedener Textebenen und Seitenaufbauten nötig, nicht nur die Fokussierung einzelner Elemente.

Weiterhin gab es eine Serie neunfeldriger modernistischer Plakate aus mittelalterlichem Kontext mit unterschiedlichen geometrischen Formen und Texten wie „Erstellen“, „Gemeinsam wachsen“ und „Freundlichkeit wählen“.

Ein weiteres Bild zeigt eine impressionistische Darstellung der Straßen San Franciscos: Die Straße führt zwischen bunten Häusern hindurch bis zur Bucht und zur Golden Gate Bridge.

Zusätzlich gibt es cremefarbene goldfarbene Hochzeits-Einladungen für den Comer See, umgekehrte futuristische Städte, acht retro-Stempel aus US-Nationalparks, Wissenschaftsfolien zu Sonneneruptionen, blau-goldene Erdmosaiken, ChatGPT-Aufkleberplakate sowie regnerische futuristische Städte.

Diese Beispiele umfassen verschiedene Typen wie Illustrationen, Plakate, Einladungen, Infografiken, wissenschaftliche Abbildungen und Produktwerbebilder. OpenAIs Fokus ist klar: Sobald die Anfrage Struktur, Text, visuellen Stil und konkrete Elemente gleichzeitig vorgibt, erfüllt Images 2.5 diese Anforderungen vollständiger.

Die Modeunternehmerin Yana Welinder sieht bei Images 2.5 deutliche Fortschritte im Modedesign. Früher ließen sich Referenzentwürfe zwar bewahren, doch das Endergebnis wirkte manchmal relativ flach; sie glaubt, dass 2.5 den Originalentwurf nun visuell vollständiger umsetzt.

Einige Nutzer berichteten jedoch gegenteilige Testergebnisse. Der KI- und Softwareingenieur Mark Kretschmann führte gezielt Rausch- und Artefakttests in Waldszenen durch.

Er hält 2.5 zwar für vielfach verbessert, doch seien die Testergebnisse instabil. Im Vergleich mit Images 2.0 schnitt letzteres in mehreren von ihm getesteten Fällen realistischer ab.

Daher lässt sich aktuell genauer sagen: Images 2.5 verbessert vor allem die Bearbeitungssteuerung und die Verarbeitung komplexer Anweisungen – die Ergebnisse variieren aber je nach Bildtyp.

03 Ein paar Striche – und es versteht

Neben dem Modell selbst hat OpenAI mehrere neue Funktionen in ChatGPT integriert.

Am direktesten ist Sketch: Nutzer können direkt in ChatGPT Skizzen zeichnen und das Modell dann basierend darauf das fertige Bild generieren lassen. Möchte man etwa einen Raum entwerfen, skizziert man zunächst den Grundriss; für ein Kleidungsstück zeichnet man die Umrisse – oder einfach nur eine grobe Komposition, die ChatGPT dann vervollständigt. Danach kann man noch visuelle Stile und weitere Anforderungen ergänzen.

Zur Nutzung gibt man einfach „@Sketch.“ ein. Damit sinkt die Abhängigkeit von Textprompts. Manche Kompositionen sind sprachlich schwer zu beschreiben – besonders Positionen, Proportionen und grobe Umrisse. Nun zeichnet man erst und überlässt dem Modell die Detailausgestaltung.

Der Nutzer @fquolodasha testete die Handzeichnungsfunktion von GPT-Image2.5 und bewertete sie sehr hoch – das Ergebnis sei diesmal „ziemlich beeindruckend“, und er bewunderte OpenAIs rasche Updates und Leistungssteigerungen.

Vorlagen lösen ein weiteres Problem: ChatGPT bietet nun gängige Gestaltungsformate wie Poster und Merch an. Nutzer wählen zunächst eine Vorlage aus und ergänzen dann gewünschte Inhalte, Gestaltungselemente und visuellen Stil – ohne jedes Mal bei null anzufangen.

Beim Teilen von Bildern wurde zudem eine Prompt-Option hinzugefügt: Nutzer können beim Bild jetzt auch den verwendeten Prompt teilen. Andere können diesen dann mit eigenen Fotos und Details ersetzen, um weiterzuarbeiten.

Ein Beispiel von OpenAI zeigt ein Porträt im Stil der 1980er: lockiges Haar, bunte Jacke, Goldkette, Neonlichter und ein Musikplayer. Andere Nutzer können diese Idee aufgreifen und ihr eigenes Foto einsetzen.

04 Zwei API-Versionen

Images 2.5 wurde auch in die API integriert. OpenAI lancierte GPT-Image-2.5 Flare und GPT-Image-2.5 Sunburst.

Flare ist die Standardversion und konzentriert sich auf Geschwindigkeit, Qualität und Bearbeitungsfunktionen. OpenAI behauptet, sie erzeuge eine höhere Bildqualität als GPT-Image-2 und reduziere die Latenz um 50 % – ideal für Social-Content, Produkt-Erlebnisse, visuelle Suche, schnelles Prototyping und großflächige Bildgenerierung.

Sunburst hingegen richtet sich stärker an Aufgaben mit feiner Kontrolle, etwa formale Werbematerialien oder hochwertige Produktabbildungen. Sie ermöglicht längere Generierungszeiten zugunsten präziserer Bearbeitung.

Frühes Nutzerfeedback von OpenAI betont zudem die Bearbeitungskontrolle.

Axultan Alimkulov, AI-Produktleiter bei Higgsfield, betont speziell, dass Flare besser versteht, welche Elemente unverändert bleiben sollen. Für Film-, UGC- und Werbetools bedeutet dies: Bei der Anpassung eines Elements bleiben Charakter, Komposition und visuelle Erkennung des Originals weitgehend erhalten.

Der Serial Entrepreneur @gkxspace beobachtete dieses Update innerhalb kommerzieller Bild-Workflows. Er sieht in der Unfähigkeit früherer KI-Bilder, konsistent stabile zweite oder dritte Varianten zu liefern, eine zentrale Einschränkung. Die Verbesserungen von Images 2.5 bei kontinuierlicher Bearbeitung, Geschwindigkeit und Treue zu Referenzbildern eröffnen praktische Anwendungsmöglichkeiten – etwa für E-Commerce-Outfitwechsel, Markenmaterial-Erweiterungen oder fortlaufende Illustrationen.

Derzeit steht Images 2.5 Nutzern von ChatGPT, ChatGPT Work und Codex zur Verfügung; auch die API-Versionen von Flare und Sunburst sind freigegeben. OpenAI behält Sicherheitsmechanismen wie Prompt- und Bildprüfungen, C2PA-Metadaten sowie unsichtbare Wasserzeichen zur Identifizierung eigener KI-Bilder bei.

Offizielle Beispiele und aktuelle Nutzertests zeigen einen klaren Fokus: einfachere, präzisere Nachbearbeitung, stabilere Referenzbilder bei wiederholter Nutzung sowie Integration von Funktionen wie Skizzen, Vorlagen und Bildanmerkungen in den Workflow.

Zur Realistik, Detailtreue und Bildqualität nach mehrfacher Bearbeitung zeigen bisherige Tests unterschiedliche Ergebnisse. Inwieweit diese Aspekte in Images 2.5 verbessert wurden, bedarf noch weiterer praktischer Validierung.