GPT Image 2 im Test: 12 echte Beispiele für alle wichtigen Anwendungsfälle
GPT Image 2 – auch als ChatGPT Images 2.0 veröffentlicht – ging am 21. April 2026 live. Es ist OpenAIs erstes eigenständiges Bildgenerierungsmodell: vom GPT-4o-Pipeline entkoppelt, mit Single-Pass-Inferenz neu entwickelt und das erste Bildmodell in OpenAIs Lineup mit nativ integriertem Reasoning.
Die wichtigsten Zahlen: Textrendering-Genauigkeit 99 %+, native 2K-Auflösung (bis zu 4K Querformat), Seitenverhältnisse von 3:1 Ultra-Wide bis 1:3 Ultra-Hochformat und – im Thinking-Modus – bis zu acht konsistente Bilder aus einem einzigen Prompt.
Wir haben 12 produktionsrelevante Anwendungsfälle getestet. Jedes Beispiel unten wurde mit GPT Image 2 und dem gezeigten Prompt generiert.
Was sich gegenüber GPT Image 1.5 geändert hat
| Funktion | GPT Image 1.5 | GPT Image 2 |
|---|---|---|
| Architektur | GPT-4o-Bildpipeline (zweistufig) | Eigenständiges Modell, Single-Pass-Inferenz |
| Max. Auflösung | 1536×1024 (Querformat) | 3840×2160 (4K Querformat) |
| Textrendering-Genauigkeit | ~70 % (nur Latein) | 99 %+, mehrsprachig |
| Reasoning-Integration | Keine | Nativer Thinking-Modus (mit Websuche) |
| Multi-Image-Batch | Nicht unterstützt | Bis zu 8 Bilder pro Prompt (Thinking-Modus) |
| Natürlichsprachliche Bearbeitung | Nicht unterstützt | Änderung beschreiben – kein Masken erforderlich |
| Seitenverhältnis-Bereich | 1:1 und feste Voreinstellungen | 3:1 bis 1:3, jede Auflösung innerhalb der Grenzen |
| API-Modellstring | gpt-image-1.5 | gpt-image-2 |
GPT Image 2 ist kein GPT-4o-Bildupdate. Es wurde von Grund auf neu entwickelt: andere Metadaten in der Ausgabe-PNG, anderen Inferenzpfad, komplett andere Textrendering-Pipeline. OpenAI positioniert es als 'visuellen Denkpartner', der für Produktions-Workflows entwickelt wurde, nicht für kreatives Spielen.
1. Fotorealistisches Porträt
Porträts sind nach wie vor der schwierigste Maßstab für die Bildgenerierung: Hauttextur, Subsurface-Scattering, Schärfentiefe und Gesichtsproportionen müssen alle gleichzeitig stimmen. GPT Image 2 verarbeitet diese mit dem, was die Modelldokumentation als 'identitätssensibles' Rendering bezeichnet – feine Details bleiben über den gesamten Rahmen erhalten, nicht nur im zentralen Ausschnitt.
In unserem Test haben wir ein Nahaufnahme-Porträt mit spezifischen Beleuchtungs- und Linseneigenschaften angefordert. Keine Nachbearbeitung, kein Upscaling – direkte Ausgabe des Modells mit hoher Qualitätseinstellung, 1024×1024.
Prompt
A photorealistic close-up portrait of a South Asian woman in her late 20s, soft diffused window light from the upper left, very shallow depth of field with background completely out of focus, warm neutral background, 85mm lens perspective. Ultra-fine skin texture — visible pores, subtle smile lines near the eyes, one small birthmark on the left cheek. Dark brown eyes, natural makeup. Hair loosely pinned, a few strands falling forward. Shot on a medium format digital camera. No filters. No color grading.
Ergebnis: Die Hauttextur wird auf Porenebene gerendert. Die Beleuchtungsrichtung ist physikalisch konsistent – Schattenfüllung auf der rechten Seite, Kantenlicht an der Ohrmuschel – ohne manuelle Lichtangaben jenseits von 'Fensterlicht von oben links'. Das Muttermal und die Lachfalten sind vorhanden.
2. Mehrsprachiges Textrendering
Textrendering ist GPT Image 2s bestimmendes Merkmal und die größte Lücke zwischen ihm und allen konkurrierenden Modellen. OpenAI erreichte dies durch die Einführung eines typografischen Pfades, der Glyphen als Vektorformen schreibt, bevor sie in die Szene gerastert werden.
Das praktische Ergebnis: Englischer, japanischer, koreanischer, arabischer, chinesischer, türkischer und hebräischer Text wird in der überwältigenden Mehrheit der Fälle beim ersten Versuch korrekt gerendert.
Wir haben ein gemischt japanisch-englisches Musikfestivalplakat getestet – eines der schwierigeren Textrendering-Szenarien.
Prompt
A bold music festival poster. Headline: "音楽の未来" in large brushstroke kanji, centered at the top third. Directly below it in a clean geometric sans-serif: "FUTURE SOUNDS FESTIVAL". Venue and date in smaller white type at the bottom: "Shibuya O-EAST · Tokyo · June 14 2026". Dark background, electric teal and magenta neon glow. All text must be fully legible and correctly formed. No decorative elements that obscure the type.
Ergebnis: Alle Kanji-Striche sind korrekt geformt. Die englische Überschrift und die Veranstaltungsortzeile sind vollständig lesbar. Bekannte Einschränkung: Arabisch und Hebräisch mit vollständigen Diakritika bei sehr kleinen Schriftgrößen produzieren gelegentlich einzelne Glyphenfehler.
3. Produktfotografie
E-Commerce-Produktfotografie ist einer der kommerziell wertvollsten Anwendungsfälle für GPT Image 2. Das Modell verarbeitet Reflexionen, Oberflächenschatten, Materialtexturen – Glas, mattes Metall, Kraftpapier, Keramik – und korrekte Schärfentiefe.
Wir haben ein Premium-Skincare-Flatlayout getestet – eine Benchmark-Prompt-Kategorie, da sie korrekte Glanzlichter auf Glas, lesbaren Labeltext und überzeugende Blütenblattplatzierung erfordert.
Prompt
A high-end skincare flat lay on a smooth white marble surface. Center: a frosted glass serum bottle with a gold dropper cap. The label reads "LUMIÈRE SÉRUM — 30ml" in clean black serif type. Surrounding it: three dried white peonies, scattered rose petals, a small jade facial roller, and a cream-colored linen cloth slightly crumpled in the bottom-left corner. Soft north window light from above-left. Clean drop shadow under each object. No artificial studio look — feels like a magazine editorial. Shot from directly above. 16:9 crop.
Ergebnis: Der Labeltext 'LUMIÈRE SÉRUM — 30ml' wird korrekt gerendert, einschließlich des akzentuierten É. Mattglas-Textur und goldene Tropfverschluss-Glanzlichter sind akkurat. Die Blütenblattplatzierung sieht organisch aus, nicht algorithmisch regelmäßig.
4. Produktverpackung mit lesbaren Etiketten
Verpackungs-Mockups erfordern die schwierigste Version des Textrenderings: Zutatenlisten, Nährwerttabellen, Rechtstexte und Marken-Typografie auf einer dreidimensionalen Oberfläche mit Kurvenverzerrung und Materialtextur.
Vor GPT Image 2 war dies ohne ein Design-Tool-Komposit unmöglich. GPT Image 2 ist das erste Modell, das ein Verpackungs-Mockup mit korrektem Text durchgehend rendern kann – nicht nur die Überschrift.
Prompt
A photorealistic standing coffee bag mockup. The bag is matte black kraft paper with a natural linen texture stripe across the center. Brand name on the front: "ALTIPLANO" in a bold, wide uppercase serif, letterpressed in gold foil. Below it: "Single Origin · Ethiopian Yirgacheffe" in a smaller clean sans-serif. Bottom strip: "Notes: Blueberry · Jasmine · Brown Sugar". The bag has a tin-tie closure at the top and a circular degassing valve on the lower right. Dark studio background with a single dramatic spotlight from above. Realistic paper texture, no plastic sheen.
Ergebnis: Alle Textelemente werden korrekt gerendert, einschließlich Untertitel und Tasting Notes. Papiertextur, Tin-Tie-Verschluss und Entgasungsventil sind physikalisch plausibel. Direkt in einem Pitch-Deck oder E-Commerce-Listing verwendbar ohne Retusche.
5. Marketing-Werbemittel mit Text im Bild
Marketing-Teams legten Text früher in Figma oder Photoshop über KI-generierte Bilder, weil der Modelltext unzuverlässig war. GPT Image 2 eliminiert diesen Schritt: Überschriften, CTAs und Fließtext können im Prompt angegeben werden und werden korrekt im Bild gerendert, bereit für den Einsatz ohne separaten Design-Durchgang.
Wir haben ein Social-Media-Anzeigenformat getestet – die schwierigste Variante dieses Workflows, da korrekter CTA-Text, Produktbild und Layout-Hierarchie in einer einzigen Generation erforderlich sind.
Prompt
A clean social media ad for a premium running shoe brand. Split layout: left half shows a dramatic close-up of a white and electric blue running shoe on a wet asphalt surface reflecting city lights. Right half is a solid dark navy panel. On the navy panel, stacked vertically: bold white headline "RUN FASTER." then a small white separator line, then secondary copy in light grey "Engineered for your fastest 5K." then below that a solid lime green CTA button with the text "SHOP NOW" in black. All text must be perfectly legible. Modern, premium athletic aesthetic.
6. Infografik und Schritt-für-Schritt-Diagramm
Infografiken erfordern, dass das Modell Layout, typografische Hierarchie, Symbole, Richtungspfeile und Informationsgenauigkeit gleichzeitig verwaltet – eine Kombination, die die meisten Bildmodelle scheitern lässt. GPT Image 2 verarbeitet diese Kategorie gut für stilisierte und lehrreiche Diagramme.
Wir haben ein Schritt-für-Schritt-Lehrdiagramm mit nummerierten Etiketten und Pfeilverbindern getestet.
Prompt
A clean, modern educational infographic titled "How AI Image Generation Works" showing 5 steps in a left-to-right horizontal flow. Step 1: "Text Prompt" — icon of a person typing. Step 2: "Tokenization" — text being split into tokens. Step 3: "Noise Injection" — abstract Gaussian noise cloud. Step 4: "Denoising Diffusion" — blurry image sharpening. Step 5: "Final Image" — glowing completed photograph. Each step has: a bold number in a lime green circle, a simple flat icon above, the step title in bold dark text, and a one-line description in lighter grey below. Steps connected by clean horizontal arrows. White background. Clear typographic hierarchy. No decorative clutter.
7. UI-Mockup und App-Interface-Design
UI-Mockup-Generierung ist ein neuer Anwendungsfall, den GPT Image 2 besser als alle früheren Modelle verarbeitet. Die Kombination aus genauem Textrendering, Layout-Reasoning und detaillierten Icons ermöglicht es, einen glaubwürdigen App-Screen oder ein Dashboard ohne Design-Tool zu generieren.
Wir haben ein Mobile-Banking-App-Dashboard getestet: ein layoutintensiver Prompt mit Navigationsbezeichnungen, Kontoständen, Transaktionshistorie-Zeilen und einem Kartenelement.
Prompt
A photorealistic mobile app UI mockup for a premium digital bank. Dark charcoal background. Top section: user greeting "Good morning, Maya" in white. Below: a frosted glass card element showing "Total Balance: $12,480.50" in a large white serif, with a small visa logo in the bottom right. Below the card: a section titled "Recent Transactions" with three rows — each row has a category icon on the left, merchant name and date in the center, and amount on the right (e.g. "Whole Foods Market · Apr 23 · -$84.20"). Bottom navigation bar with five icons: Home, Cards, Transfer, Invest, Profile. All labels must be legible. Clean, minimal, premium fintech aesthetic.
Ergebnis: Kontostand, Transaktionszeilen und Navigationsbezeichnungen werden alle korrekt gerendert. Das Mattglas-Kartenelement hat genaue Transluzenz. Nützlich als Mood Board oder Stakeholder-Prototyp – nicht produktionsreifer Code, aber ausreichend, um die Designrichtung ohne Figma-Datei zu kommunizieren.
8. Thinking-Modus: Multi-Image-Konsistenz
Der Thinking-Modus ist GPT Image 2s differenzierteste Fähigkeit und sein größter Abstand zu anderen aktuellen Bildgenerierungsmodellen. Wenn aktiviert, denkt das Modell über den Prompt nach, bevor es generiert, und kann während der Denkphase das Web durchsuchen. Mit aktivem Thinking-Modus können bis zu 8 kohärente Bilder aus einem einzigen Prompt generiert werden, wobei Charaktere, Objekte und visueller Stil über alle Ausgaben hinweg konsistent bleiben.
Zugang zum Thinking-Modus erfordert ein ChatGPT Plus-, Pro-, Business- oder Enterprise-Abonnement.
Prompt
Generate 4 scenes featuring the same character: Chef Milo, a cheerful stocky man in his 40s with a thick red-orange beard, round wire-rimmed glasses, and a white double-breasted chef coat with a small anchovy embroidered on the chest pocket. Scene 1: Milo in a busy open kitchen, plating a dish with tweezers, intense concentration. Scene 2: Milo at a morning market, selecting vegetables, smiling at a vendor. Scene 3: Milo eating a street taco by a food cart, genuine delight on his face. Scene 4: Milo teaching a cooking class, holding a carbon steel wok, students visible in the background. Keep Milo's face, beard, glasses, and coat identical across all four scenes. Cinematic photography style.
Das ist wirklich neu: Kein anderes Bildgenerierungs-API bietet Multi-Image-Batch-Ausgabe mit Charakterkontinuität in einem einzigen Aufruf. Für sequenzielle Inhalte – Storyboards, illustrierte Geschichten, Multi-Szenen-Kampagnen – verändert dies die Produktionsrechnung grundlegend.
9. Natürlichsprachliche Bildbearbeitung
GPT Image 2 unterstützt Bildbearbeitung über den /v1/images/edits-Endpunkt. Sie laden ein vorhandenes Bild hoch und beschreiben die Änderung in einfacher Sprache. Das Modell wendet gezielte Bearbeitungen an, ohne das vollständige Bild neu zu generieren.
Hintergrundtausch, Objekthinzufügungen, Beleuchtungsänderungen, Farbkorrekturen bei Kleidung und Stilübertragungen funktionieren alle über reine Textbeschreibung. Kein Masken-Zeichnen, keine Auswahlwerkzeuge, kein Layer-Management.
Prompt
[Edit instruction applied to an existing studio product shot of a glass perfume bottle on white background] Change the background from the plain white studio background to a warm, rustic wooden table surface with soft dappled sunlight coming from the left. Keep the bottle, its reflections, and its shadow exactly as they are. The new background should feel like a high-end lifestyle photograph taken in a sunlit Parisian apartment.
10. Künstlerische Stil-Steuerung und filmisches Rendering
GPT Image 2 deckt mehr als 50 anerkannte Kunststile ab, vom Fotorealismus bis zu Ölgemälde, Aquarell, Anime, Pixel Art, Halbton-Druck und Neon-Cyberpunk. Das Modell folgt Stilbeschreibungen im Prompt genau, ohne zu einer generischen KI-Ästhetik abzudriften.
Wir haben ein kontrastreichen Filmstill getestet: ein spezifisches Genre, Beleuchtungs-Setup und Farbkorrektur alle zusammen angegeben.
Prompt
A cinematic still in the style of contemporary neo-noir. A lone figure in a dark trench coat walks down a rain-slicked urban alley at 2am. Reflections of neon signs — one red kanji, one amber "HOTEL" in script — pool on the wet pavement. Shallow depth of field keeps the background signage slightly soft. Color grade: deep teal shadows, warm amber highlights — classic film noir color separation. Low-key side lighting from a practical wall sconce off screen right. The figure's face is partially in shadow. No dialogue. No motion blur. Shot on 35mm Kodak Vision3 500T. Aspect ratio 3:2.
11. Fashion-Editorial und Lifestyle-Fotografie
Fashion- und Lifestyle-Fotografie ist eine der wertvollsten Kategorien für GPT Image 2 in der Produktion. Das Modell rendert Stofftexturen – Leinen-Webung, Lederkörnung, Satin-Glanz – mit ausreichender Genauigkeit, um Styling-Details klar an ein Designteam zu kommunizieren.
Schlüssel-Fähigkeit: GPT Image 2 kann Markenetiketten auf Kleidungsstücken korrekt rendern. Ein Prompt, der ein Etikett mit der Aufschrift 'ÉLISE PARIS' angibt, wird ein Kleidungsstück mit diesem lesbaren Etikett im Bild erzeugen.
Prompt
An editorial fashion photograph. Subject: a tall woman in an oversized cream linen suit — wide-leg trousers with sharp creases and a boxy double-breasted blazer. The blazer has a small chest pocket with a folded white pocket square and a brand label visible on the inner lapel reading "ÉTAT LIBRE". She stands on a sun-bleached stone terrace overlooking the Mediterranean Sea, golden hour light behind her creating a natural rim light on her silhouette. Shot on medium format, 80mm equivalent. The linen fabric texture and stitching are clearly visible. Expression: composed, distant, slightly downward gaze.
12. Realweltliche Szenengenauigkeit mit Websuche-Grounding
Im Thinking-Modus kann GPT Image 2 vor der Generierung das Web durchsuchen. Dies ist am wichtigsten für Prompts, die sich auf reale Motive beziehen: spezifische Gebäude, Markenlogos, kulturelle Wahrzeichen oder aktuelle Produktdesigns. Anstatt eine plausible Annäherung aus Trainingsdaten zu generieren, fragt das Modell Live-Web-Bilder ab.
GPT Image 2s Wissensschnitt ist Dezember 2025. Für Motive, die nach diesem Datum geändert wurden oder erschienen, mildert die Websuche des Thinking-Modus die Lücke teilweise.
Wir haben ein reales Wahrzeichen in einem bestimmten Kunststil gerendert – ein Prompt, der sowohl sachliche Genauigkeit über das Aussehen des Gebäudes als auch Stilausführung erfordert.
Prompt
Search the web for visual references of the Pantheon in Rome, then generate an image of it in loose architectural watercolor style. The painting should accurately reflect the real building's proportions: the massive Corinthian portico with sixteen granite columns in three rows, the triangular pediment, and the cylindrical drum behind it. Medium: loose warm-toned watercolor with deliberate wet-on-wet washes, visible paper texture, and dry brush strokes on the column edges. A small crowd of tourists in simple gestural marks at street level. Overcast soft Roman morning light. No text. Aspect ratio 3:2.
Ergebnis: Die Säulenzahl und Portikusproportionen im generierten Bild stimmen mit dem tatsächlichen Pantheon überein – 16 Säulen, korrekter dreieckiger Giebel, korrekte Tiefenbeziehung zwischen Portikus und Rotundatrommel.
Bekannte Einschränkungen
- Wissensschnitt: Dezember 2025. Ereignisse, Produktdesigns und Personen des öffentlichen Lebens, die nach diesem Datum erschienen, können falsche oder abgelehnte Ausgaben erzeugen.
- Transparenter Hintergrund nicht unterstützt: Für gpt-image-2 wird transparenter Hintergrund derzeit nicht unterstützt. Verwenden Sie PNG-Exporte aus anderen Modellen oder bearbeiten Sie nachträglich.
- Arabisch und Hebräisch mit vollständigen Diakritika bei kleinen Schriftgrößen: Etwa ein Glyphenfehler pro 20 Zeichen in dichten Absätzen. Grundlegende Schilder und Überschriften funktionieren zuverlässig.
- Dichte Fließtexte bei sehr kleinen Schriftgrößen: ~95 % Genauigkeit pro Absatz — für die meisten Zwecke ausreichend, aber bei typografisch präzisen Druckerzeugnissen ist eine Überprüfung erforderlich.
- Komplexe Multi-Bereichs-Bearbeitungen: Bearbeitungen, die gleichzeitige Änderungen über drei oder mehr verschiedene Raumbereiche hinweg erfordern, können 2–3 Iterationen für ein sauberes Ergebnis benötigen.
- Thinking-Modus-Latenz: Komplexe Multi-Image-Generierungen können bis zu 2 Minuten pro Batch dauern. Nicht geeignet für Echtzeit- oder Unter-5-Sekunden-Anforderungen.
- Ratenbegrenzungen unter Burst-Last: Hohe API-Burst-Lasten können Ratenbegrenzungen bei Tier-1-2-Konten auslösen. Planen Sie exponentiellen Backoff in Produktionsintegrationen.
Zusammenfassung: Wann sollte man GPT Image 2 verwenden?
| Anwendungsfall | Qualitätsmaßstab | Verwendete Kernfähigkeit | Beste Qualitätseinstellung |
|---|---|---|---|
| Marketing-Werbemittel mit Text im Bild | Produktionsreif | Textrendering | Hoch |
| Produktfotografie | Produktionsreif | Fotorealismus, Materialtextur | Hoch |
| Verpackungs-Mockup | Pitch/Prototyp | Textrendering auf 3D-Oberfläche | Hoch |
| UI-Mockup / App-Prototyp | Stakeholder-Abstimmung | Layout-Reasoning, Textgenauigkeit | Mittel |
| Infografik / Diagramm | Produktionsreif | Text + Layout | Mittel oder Hoch |
| Porträtfotografie | Produktionsreif | Identitätssensibles Rendering | Hoch |
| Fashion-Editorial | Prototyp / Kampagne | Stilsteuerung, Stofftextur | Hoch |
| Kinderbuch / Storyboard | Produktionsreif | Multi-Image-Konsistenz (Thinking-Modus) | Mittel |
| Reale Wahrzeichen-Szene | Genaue Darstellung | Websuche-Grounding (Thinking-Modus) | Hoch |
| Social-Media-Thumbnail | Produktionsreif | Komposition + Text im Bild | Niedrig oder Mittel |
| Konzeptkunst / Filmstill | Kreative Erkundung | Künstlerische Stilsteuerung | Mittel |
| Schnelle Iteration / Entwurfs-Batch | Interne Überprüfung | Geschwindigkeit und Kosten | Niedrig |
GPT Image 2 ist die stärkste Wahl für jeden Workflow, bei dem Textrendering-Genauigkeit eine Anforderung ist – Verpackung, Marketing-Werbemittel, Infografiken, UI-Mockups, Editorial-Layouts. Es ist auch das einzige Modell, das Multi-Image-Batch-Generierung mit Charakterkontinuität in einem einzigen API-Aufruf bietet.
Für Workflows, die abstrakte künstlerische Stilerkundung, maximale Geschwindigkeit oder die niedrigsten Kosten pro Bild in großem Maßstab priorisieren, evaluieren Sie Alternativen neben GPT Image 2 an Ihrem spezifischen Prompt-Set, bevor Sie sich für einen Stack entscheiden.