GPT Image 2 API zur Bildgenerierung und -bearbeitung

Was ist GPT Image 2?

Ein OpenAI-Modell zur Bilderzeugung und Bildbearbeitung

Wir ordnen GPT Image 2 als Modell zur Erzeugung und Bearbeitung von Bildern ein. Es kann aus Textbeschreibungen neue Bilder erstellen oder Referenzbilder entgegennehmen und die Szene wie gewünscht anpassen.

In der Praxis achten wir darauf, ob es aus einem Briefing ein weiter verfeinerbares Bild machen kann, etwa ein Plakat mit Veranstaltungstext, eine Produktszene oder einen visuellen Entwurf für den Startbildschirm einer App.

Visuelle Anforderungen durch Text und originalgetreue Referenzbilder verstehen

Eine wichtige Eigenschaft von GPT Image 2 ist die gemeinsame Verarbeitung von Referenzbildern und schriftlichen Anweisungen. Laut offizieller OpenAI-Anleitung werden Eingabebilder automatisch mit hoher Wiedergabetreue verarbeitet; bei der nativen API soll der Parameter input_fidelity entfallen. So kann das Modell Informationen über Personen, Produkte und Stile aus dem Originalbild nutzen.

Wir empfehlen, den Zweck jedes Referenzbilds zu erklären. Beispielsweise liefert das erste Bild das Aussehen des Produkts, das zweite den Hintergrundstil und der Text legt fest, was geändert werden darf. Gegenüber der bloßen Bitte, es „schöner zu machen“, lässt sich das Ergebnis so leichter prüfen und verfeinern.

Flexible Abmessungen und mehrere Qualitätsstufen

GPT Image 2 unterstützt verschiedene Ausgabeabmessungen für quadratische Produktbilder, hochformatige Titelbilder und querformatige Plakate. Die offizielle API unterstützt Querformate bis 3840×2160 sowie entsprechende Hochformate mit den Qualitätsstufen low, medium, high und auto.

Wählen Sie die Abmessungen passend zum späteren Anzeigeort und die Qualität anhand von Detailanforderungen und Kosten. Bei Entwürfen, deren Komposition sich noch verändert, empfehlen wir zunächst eine niedrigere Auflösung, um die Richtung zu bestätigen. Sobald Motiv, Text und Layout stimmen, erzeugen Sie eine hochauflösende Endfassung.

Das Online-Werkzeug und die API für GPT Image 2 von RequestBeam

Mit RequestBeam möchten wir Ihnen helfen, früher herauszufinden, wie GPT Image 2 bei Ihren eigenen Aufgaben abschneidet. Nach der Anmeldung und einer kleinen Guthabenaufladung können Sie mit dem Online-Werkzeug Bilder erzeugen oder bearbeiten, ohne zuerst API-Integrationscode zu schreiben oder für eine kurze Bewertung ein festes Abonnement abzuschließen. Sobald die Ergebnisse Ihren Anforderungen entsprechen, können Sie einen API Key erstellen und das Modell in Ihre Anwendung integrieren. Gleichzeitig verringert sich der Aufwand für die Verwaltung von Konten auf mehreren Modellplattformen.

Zentrale Funktionen und Stärken von GPT Image 2

Chinesischer und mehrsprachiger Text: Plakattext und Bild gemeinsam erzeugen

Wir schätzen die Fähigkeit von GPT Image 2, Text direkt in Bilder einzufügen. In echten Anwendungsfällen unserer Kunden hat sich die Darstellung chinesischer Schriftzeichen durch GPT Image 2 gegenüber der vorherigen gpt-image-Version deutlich verbessert. Sie berichteten jedoch auch von verbleibenden Fehlern beim Zeichen „笼“ in „小笼包“ (Xiaolongbao) und bei einigen kleineren Texten.

Für Veranstaltungsplakate, Produktbilder mit Verkaufsargumenten oder mehrsprachige Titelbilder empfehlen wir, den endgültigen Text vorzugeben und für jeden Abschnitt Position, relative Größe und Sprache festzulegen. Kurze Überschriften können Sie als Bestandteil des erzeugten Bilds ausprobieren. Bei Preisen, Datumsangaben, längeren Passagen und Texten, die vollständig korrekt sein müssen, empfehlen wir, jedes Zeichen zu prüfen und bei Bedarf anschließend manuell zu setzen oder zu korrigieren.

Komplexe Komposition: Motive, Layout und detaillierte Vorgaben gemeinsam umsetzen

Unserer Einschätzung nach bewältigt GPT Image 2 Aufgaben mit mehreren ausdrücklichen Anforderungen innerhalb eines Bilds gut. Ein Kunde teilte eine Desktop-Szene mit mehreren Fenstern, Text und ASCII-Grafiken und änderte anschließend weiter den Inhalt des Browserfensters und die darin enthaltene Hundegrafik.

Bei Produktwerbebildern empfehlen wir, Motiv, Hintergrund, Textplatzierung und Freiräume gemeinsam festzulegen, etwa: „Das Produkt rechts platzieren, links Platz für eine Überschrift lassen und unten drei Verkaufsargumente anordnen.“ Nach unserer Erfahrung mit GPT Image 2 können Sie Ihre Anforderungen möglichst detailliert beschreiben, und das Modell kann die Aufgabe gut ausführen.

Bearbeitung mit Referenzbildern: vorhandenes Material weiter verfeinern

Wir empfehlen GPT Image 2 zum Ändern vorhandenen Bildmaterials, etwa zum Austauschen von Hintergründen, Ausprobieren von Farbschemata oder Erkunden eines anderen visuellen Stils. In öffentlichen Diskussionen erstellte ein Nutzer aus Referenzbildern visuelle Entwürfe und hielt den Realismus für ausreichend für professionelle Arbeit. Ein anderer bat darum, Farbe und Form bestimmter Schuppen einer Schlange zu ändern, und war vom Ergebnis enttäuscht. Rückmeldung zu Referenzbildern · Fehlgeschlagene präzise lokale Bearbeitung

Auf Grundlage dieser Rückmeldungen empfehlen wir zunächst Aufgaben mit klaren Zielen und leicht überprüfbaren Änderungen. Beim Austauschen eines Produkthintergrunds sollten Sie beispielsweise festlegen, dass Flaschenproportionen, Etikettentext und Platzierung unverändert bleiben müssen. Vergleichen Sie nach der Erzeugung Original und Ergebnis nebeneinander, insbesondere Logos, Kanten und Reflexionen. Muss ein Bereich exakt erhalten bleiben, können Sie anschließend nur die benötigten Änderungen in das Original montieren.

UI-Skizzen und visuelle Vorschläge: Produktideen früher besprechen

Viele unserer Kunden erstellen mit Images 2.0 UI-Skizzen für Produktideen und haben die Ergebnisse positiv bewertet.

Wenn Sie eine Verwaltungsoberfläche, einen App-Startbildschirm oder ein Spielmenü planen, empfehlen wir, GPT Image 2 zunächst mehrere Layouts erstellen zu lassen und anhand der Bilder Informationshierarchie, Farben und visuelle Schwerpunkte zu besprechen. Für unabhängige Entwickler kann dies die Vermittlung einer Idee erleichtern. Sobald die Richtung feststeht, setzen Sie sie mit echten Komponenten, Interaktionen und responsiven Layouts um; das erzeugte Bild selbst enthält diese Entwicklungsarbeit nicht.

Figuren und Storyboards: eine Bildfolge mit demselben Motiv erstellen

Unserer Einschätzung nach lohnt sich GPT Image 2 für Figurendesign und kleine Storyboard-Experimente. Einer unserer Kunden erzeugte zunächst ein vermenschlichtes Porträt und danach Seitenansichten und Aktionsbilder. Er war damit zufrieden, wie gut das Erscheinungsbild der Figur erhalten blieb.

Wir empfehlen, zunächst ein Referenzbild der Figur festzulegen und dann eine Vorderansicht, eine Seitenansicht und eine wichtige Aktion auszuprobieren. Prüfen Sie in jedem Bild Gesicht, Kleidung, Farben und Hintergrundtextur. Erweitern Sie erst dann zur vollständigen Bildfolge, wenn diese wichtigen Einstellungen überzeugen. Bei Geschichten mit mehreren Bildern empfehlen wir außerdem, das ursprüngliche Figurenreferenzbild beizubehalten, statt fortlaufend Ergebnisse weiterzubearbeiten, die bereits vom Original abgewichen sind.

Benchmarks und Leistung von GPT Image 2

Wir behalten Ranglistenversionen und Qualitätsstufen bei und unterscheiden formelle Blindbewertungen, kleine persönliche Tests und Nutzungserfahrungen.

Text-zu-Bild-Blindbewertung: AA High erreicht 1172 Elo

Auf der Rangliste AA-Image-T2I v2.0 von Artificial Analysis erreicht GPT Image 2 bei high 1172±8 Elo und liegt derzeit auf Platz drei. Auf derselben Rangliste erzielt GPT Image 1.5 bei high 1107±8 und Nano Banana 2 1126±7. Dies zeigt, dass GPT Image 2 unter den Prompts und Kriterien menschlicher Präferenz dieser Bewertung weiterhin konkurrenzfähig ist. AA-Text-zu-Bild-Rangliste

Für Produktplakate, Titelbilder und Bilder mit klarer Komposition empfehlen wir, es zu den zuerst ausprobierten Modellen zu zählen. Teams, die bereits Image 1.5 nutzen, können zunächst Briefings vergleichen, die zuvor besonders viel Nacharbeit erforderten, und prüfen, ob sich Text, Layout und Motivdetails verbessern. Dieses Ergebnis stammt aus high; wir übertragen es nicht unmittelbar auf niedrigere Qualitätsstufen.

Bearbeitung einzelner Bilder: Arena Medium erreicht 1462 Punkte

Die Arena-Rangliste zur Bearbeitung einzelner Bilder verzeichnet am 2026-10-06 für GPT Image 2 bei medium 1462±3 und damit Platz drei. AA-Image-Editing v2.0 bewertet dagegen die Stufe high mit 1125±8 Elo, Platz sechs bei einem Rangintervall vom fünften bis zum siebten Platz. Die beiden Bewertungen verwenden unterschiedliche Aufgaben, Qualitätsstufen und Bewertungsskalen. Ihre unterschiedlichen Rangfolgen erinnern daran, konkrete Bearbeitungsanforderungen gesondert zu prüfen. Arena-Rangliste zur Bearbeitung einzelner Bilder · AA-Rangliste zur Bildbearbeitung

Wir empfehlen, zwei Dinge gemeinsam zu prüfen: Wurden die gewünschten Änderungen korrekt vorgenommen, und wurden zugleich Inhalte verändert, die unverändert bleiben sollten? Prüfen Sie beim Austauschen eines Produkthintergrunds nicht nur, ob der neue Hintergrund natürlich wirkt, sondern auch Verpackungstext, Produktform und Farben. Bei Arbeiten, die Originaldetails strikt bewahren müssen, beginnen Sie mit einem kleinen Test, bevor Sie eine Stapelverarbeitung einplanen.

Erzeugungsgeschwindigkeit: Wartezeiten anhand von Qualität und Seitenverhältnis planen

Einige unserer Kunden haben bei einem komplexen, über die API mit high erzeugten Bild etwa zwei Minuten gewartet. Auch die OpenAI-Anleitung zu GPT Image 2 weist darauf hin, dass quadratische Bilder in der Regel am schnellsten erzeugt werden; die tatsächliche Dauer hängt von Abmessungen und Anfragebedingungen ab. Nutzungserfahrung mit API High · Offizielle Modelleinstellungen

Wir empfehlen, zunächst Abmessungen und Qualität festzulegen und dann für Ihre üblichen Aufgaben die Zeit vom Absenden bis zum Empfang des vollständigen Bilds zu erfassen. Bei Funktionen mit wiederholter Bildbearbeitung durch Nutzer bewerten Sie zuerst medium. Für komplexe Endergebnisse prüfen Sie, ob high die Wartezeit rechtfertigt. Falls das Warten die Nutzung deutlich beeinträchtigt, empfehlen wir auch einen Versuch mit dem weiter unten besprochenen GPT Image 2.5 Flare.

Erzeugungskosten: Qualitätsstufen desselben Modells haben stark unterschiedliche Preise

OpenAI nennt für GPT Image 2 die folgenden Beispiele für Ausgabekosten je Bild. Darin sind Eingabekosten für Text und Referenzbilder nicht enthalten; es handelt sich nicht um die tatsächlichen Preise von RequestBeam. Offizielle Kostenbeispiele von OpenAI

Wir achten besonders auf den Wechsel von medium zu high bei 1024×1024: Die beispielhaften Ausgabekosten sind fast viermal so hoch, doch das bedeutet nicht, dass sich die Bildqualität im gleichen Verhältnis verbessert. Wir empfehlen, zunächst mit medium eine Ausgangsbasis zu schaffen und dann high bei konkreten Problemen wie kleinem Text oder komplexen Materialien zu vergleichen. Beziehen Sie Bearbeitungen und Wiederholungsversuche in die Gesamtkosten jedes endgültigen verwendbaren Bilds ein.

GPT Image 2 im Vergleich mit GPT Image 1.5, Nano Banana 2, GPT Image 2.5 Flare und GPT Image 2.5 Sunburst

Vergleich mit GPT Image 1.5: zuerst Aufgaben mit besonders viel Nacharbeit umstellen

Im high-Vergleich derselben AA-Rangliste erzielt GPT Image 2 bei der Text-zu-Bild-Erzeugung höhere Werte als Image 1.5, doch der Kostenunterschied hängt von den Abmessungen ab. In den offiziellen Beispielen von OpenAI betragen die Ausgabekosten bei 1024×1024 und high jeweils USD 0.211 und USD 0.133; bei 1536×1024 und high sind es USD 0.165 und USD 0.200. AA-Text-zu-Bild-Vergleich · Offizielle Kostentabelle bei gleichen Abmessungen

Wenn Sie wegen Verpackungstexten, Plakatlayouts oder komplexer Komposition häufig Bilder erneut erzeugen, empfehlen wir, zuerst Image 2 auszuprobieren. Bei einfachen Aufgaben, die schon zuverlässig akzeptable Bilder liefern, können Sie Ihren bisherigen Ablauf vorerst beibehalten.

Vergleich mit Nano Banana 2: Qualitätsstufen gemeinsam mit Stapelbudgets betrachten

Nano Banana 2 entspricht Googles gemini-3.1-flash-image, das offiziell auf Geschwindigkeit, Effizienz und hohen Durchsatz ausgerichtet ist. Bei Standardabrechnung kostet die Ausgabe eines 1K-Bilds etwa USD 0.067. Verglichen mit den oben genannten offiziellen Beispielen für Image 2 liegt dies unter high mit USD 0.211, aber über medium mit USD 0.053. Daher muss jeder Kostenvergleich die Qualitätsstufe angeben. Offizielle Modellbeschreibung und Preise von Google

Für große Mengen an Social-Media-Bildern, Vorschaubildvarianten und schnell zu erprobenden Ideen empfehlen wir, Nano Banana 2 in den Vergleich einzubeziehen. Bei zentralen Veranstaltungsmotiven, komplexen Layouts und textreichen Bildern empfehlen wir, zunächst GPT Image 2 zu testen.

Vergleich mit GPT Image 2.5 Flare: für Produkte mit wiederholter Bildbearbeitung neu bewerten

Bei der Veröffentlichung von Image 2.5 am 2026-09-08 erklärte OpenAI, Flare liefere eine höhere Bildqualität als GPT Image 2 und reduziere zugleich die API-Erzeugungslatenz um 50 %. Dieser Vergleich stammt vom Anbieter; die Ankündigung nennt nicht alle Testbedingungen. Messen Sie bei Ihren eigenen Aufgaben erneut mit Ihren Abmessungen und Qualitätseinstellungen. OpenAI-Ankündigung zur Veröffentlichung von Image 2.5

Wenn Sie ein Online-Bildwerkzeug entwickeln, in dem Nutzer wiederholt Hintergründe austauschen, Farben ändern und Alternativen ausprobieren, empfehlen wir, denselben Aufgabensatz mit GPT Image 2.5 Flare und GPT Image 2 auszuführen. Achten Sie auf Wartezeiten und darauf, ob sich das Motiv nach jeder Bearbeitung verändert. Für Teams, die Image 2 bereits integriert haben, halten wir einen frühen Vergleichstest von Image 2.5 Flare in kleinem Umfang für sinnvoll.

Vergleich mit GPT Image 2.5 Sunburst: bei feinen Bearbeitungen zählt die Detailerhaltung stärker

OpenAI positioniert Sunburst für Aufgaben mit genauerer Bearbeitungssteuerung, etwa fertiges Marketingmaterial und retuschierte Produktbilder, und weist darauf hin, dass die Erzeugung länger dauert als mit Flare. Auf der aktuellen AA-Bearbeitungsrangliste erreicht Sunburst bei max 1183±8 Elo, während Image 2 bei high 1125±8 Elo erzielt. Modellpositionierung von OpenAI · AA-Bearbeitungsbewertung

Nach Rückmeldungen unserer Kunden sind Anwendungsfälle für GPT Image 2.5 Sunburst meist komplexer als solche für Image 2. Bei Markenmaterial, das mehrere Runden feiner Bearbeitung erfordert, schneidet Image 2.5 Sunburst besser ab. Wenn Ihre Aufgabe komplexere Details umfasst, empfehlen wir, für einen Test auf GPT Image 2.5 Sunburst umzusteigen.

Häufige Fragen zur GPT Image 2 API

Wie rufe ich die GPT Image 2 API über RequestBeam auf?

Wir empfehlen, sich zunächst bei RequestBeam anzumelden und einen API Key zu erstellen. Lesen Sie anschließend unsere Dokumentation oder bitten Sie eine KI um Hilfe bei der Verbindungskonfiguration.

Wir empfehlen, zuerst mit dem Online-Werkzeug einen minimalen Erzeugungstest abzuschließen und dann gemäß der aktuellen GPT Image 2 API-Dokumentation von RequestBeam zu integrieren. So prüfen Sie vor der Integration, ob das Modell Ihre geschäftlichen Anforderungen erfüllt, und vermeiden es, versehentlich Endpunktpfade und Parameter anderer Anbieter nach RequestBeam zu übernehmen.

Warum führen Einstellungen für Bildanzahl, Maske oder Größe zu einem 400-Fehler?

Wir empfehlen, zuerst zu prüfen, ob alter Code Parameter einer anderen API übermittelt. GPT Image 2 von RequestBeam unterstützt derzeit nur n: 1, besitzt keine separate Route /images/edits und akzeptiert kein multipart/form-data. Die Übergabe von mask, mask_url oder maskUrl führt zu 400. Zum Bearbeiten eines Bilds verwenden Sie wie oben beschrieben image_urls und schriftliche Anweisungen. Parametergrenzen von RequestBeam

Für die Abmessungen können Sie size: "16:9" mit resolution: "2k" kombinieren. Wenn Sie Pixelabmessungen direkt angeben, haben diese Vorrang vor der Auflösungsstufe. Wählen Sie als Qualität auto, low, medium oder high, nicht die Optionen xhigh oder max von Image 2.5. Wir empfehlen, mit einer dokumentierten Kombination zu beginnen und jeweils nur einen Parameter anzupassen, statt mehrere gleichzeitig zu ändern und dadurch die Fehlersuche zu erschweren. Größen- und Qualitätseinstellungen von RequestBeam

Warum fehlt b64_json im Ergebnis, und wie lese ich Bilder aus einer Streaming-Anfrage?

Mit stream: false wartet dieser RequestBeam-Endpunkt, bis die Erzeugung abgeschlossen ist, und gibt eine Bild-URL zurück; lesen Sie data[0].url. Wir empfehlen, vor dem Herunterladen und Speichern zu prüfen, ob die URL vorhanden ist. Die native OpenAI Images API liefert eine andere Base64-Bildstruktur, weshalb ihr Auswertungscode nicht unmittelbar übernommen werden kann. Antwortstruktur von RequestBeam · Native Antwortstruktur von OpenAI

Verarbeiten Sie bei stream: true weiterhin SSE, warten Sie auf das Ereignis image_generation.completed und lesen Sie dessen Bild-URL; fahren Sie bis [DONE] fort. Dieser Endpunkt gibt nicht zuerst eine jobId zurück. Fragen Sie daher Bildergebnisse nicht über /v1/jobs/{id} ab. Wir empfehlen, „verbunden“ und „Bild erzeugt“ als getrennte Zustände zu behandeln. Ergebnisverarbeitung von RequestBeam

Warum sollte ich nach einer Zeitüberschreitung nicht sofort erneut versuchen, und wie suche ich den Fehler?

Eine Zeitüberschreitung oder das Abbrechen des Wartens bedeutet nur, dass der Client nicht weiter auf das Ergebnis gewartet hat. Es beweist nicht, dass der Server die Erzeugung abgebrochen hat. Wir empfehlen, vor einer erneuten Übermittlung verfügbare Verlaufsdaten und die Kontonutzung zu prüfen, damit bei unklarem Ergebnis nicht wiederholt kostenpflichtige Anfragen ausgelöst werden. Laden Sie nach erfolgreicher Erzeugung das Bild in Ihren eigenen Speicher herunter, statt die zurückgegebene URL als dauerhaften Speicherort zu betrachten. Zeitüberschreitungen und Bildspeicherung bei RequestBeam

Beginnen Sie bei ausdrücklichen Fehlern mit dem Statuscode: Prüfen Sie bei 401 den API Key, bei 402 das Guthaben, bei 404, ob das Modell existiert oder aktiviert ist, und bei 429 die Anfragehäufigkeit. Bei 5xx beurteilen Sie anhand des konkreten Fehlers mögliche Dienst- oder Erzeugungsprobleme. Wir empfehlen, Anfragezeitpunkt, Modell, Parameter und Fehlerdetails festzuhalten. Erhöhen Sie nicht einfach nur das Zeitlimit und behandeln Sie nicht jeden Fehler mit demselben Wiederholungsverfahren. Fehlercodes von RequestBeam