ChatGPT Images 2.0: Was das neue Bildmodell kann

Dieser Artikel wurde mit Künstlicher Intelligenz erstellt und redaktionell kuratiert.

Noch vor zwei Jahren war es ein zuverlässiger Erkennungstest für KI-generierte Bilder: Texte darin waren unleserlich, Buchstaben verformt, Wörter erfunden. OpenAIs neues Bildmodell ChatGPT Images 2.0 soll dieses Kapitel schließen. Laut OpenAI markiert das am 21. April 2026 veröffentlichte Modell einen Qualitätssprung in der Textwiedergabe innerhalb von Bildern. Was steckt dahinter – und was bedeutet das für Teams, die KI-Bildgenerierung produktiv einsetzen wollen?

Was ist ChatGPT Images 2.0?

ChatGPT Images 2.0 ist OpenAIs zweite Generation des nativen Bildgenerierungsmodells, direkt in ChatGPT integriert – nicht als separates Tool wie früher DALL-E. Das zugrundeliegende Modell heißt gpt-image-2 und ist laut OpenAI von Grund auf neu entwickelt. Forschungsleiter Boyuan Chen beschrieb es als ein generalistisches Modell, das komplexes räumliches Denken und 3D-Perspektiven per Textprompt beherrscht.

Die genaue Architektur hat OpenAI nicht offengelegt. Angesichts der engen Integration in das GPT-4o-Ökosystem und der Beschreibung als „generalistisches Modell“ liegt ein autoregressive Ansatz ähnlich GPT-4o nahe – im Gegensatz zu klassischen Diffusionsmodellen wie Stable Diffusion. Unabhängige Experten haben bislang keine Bestätigung, dies bleibt Spekulation bis zu einer offiziellen Architekturveröffentlichung.

Der Vorgänger GPT-Image-1.5 erschien im Dezember 2025. Images 2.0 ergänzt ihn um Thinking Capabilities: Das Modell kann das Web durchsuchen, mehrere Bilder aus einem Prompt generieren und die eigenen Ausgaben vor der Ausgabe prüfen. Das Wissens-Cutoff-Datum liegt bei Dezember 2025.

Die drei zentralen Verbesserungen

1. Typografie: Das lange überfällige Update

Das auffälligste Upgrade ist die Textwiedergabe innerhalb von Bildern. Laut OpenAI rendert Images 2.0 kleine Texte, UI-Elemente, dichte Kompositionen und subtile Stilanforderungen in bis zu 2K Auflösung zuverlässig. In der Praxis bedeutet das: Speisekarten, Infografiken, Poster mit mehreren Textebenen, Präsentationsfolien und wissenschaftliche Diagramme lassen sich generieren, ohne dass Buchstaben fehlen oder Wörter erfunden werden. TechCrunch beschreibt, dass ein generiertes Restaurantmenü ohne erkennbare KI-Fehler sofort einsetzbar wirke – ein klarer Kontrast zu DALL-E-3-Ausgaben von 2024 für denselben Prompt.

2. Mehrsprachiges Rendering

Images 2.0 hat laut OpenAI ein deutlich verbessertes Verständnis für nicht-lateinische Schriftsysteme: Japanisch, Koreanisch, Hindi und Bengali werden korrekt in Szenen integriert – als Beschilderung, handschriftliche Notizen, UI-Labels oder Poster. Deutsche und andere lateinische Schriften profitieren ebenfalls: Umlaute, diakritische Zeichen und lange deutsche Komposita werden zuverlässig gerendert, was frühere Modelle regelmäßig scheitern ließ. Für DACH-Marketing-Teams bedeutet das: deutschsprachige Bildtexte ohne manuelle Nachkorrektur.

3. Thinking-Modus: Planung vor dem Pixel

Der Thinking-Modus ermöglicht Websuche, konsistente Multi-Bild-Ausgaben und Selbstüberprüfung der Ergebnisse. Laut The Decoder erstellt das Modell im Thinking-Modus bis zu 8 konsistente Bilder gleichzeitig aus einem einzigen Prompt, wobei Charaktere, Objekte und Stile über alle Szenen hinweg stimmig bleiben sollen. Damit lassen sich vollständige Comic-Strips, mehrseitige Kampagnen-Assets oder konsistente Produktbildserien direkt aus einem Auftrag erzeugen.

Zwei Modi im Überblick

API-Zugang und Preise

Das Modell ist über die OpenAI API unter gpt-image-2 verfügbar. Die tokenbasierte Preisgestaltung laut OpenAI-Preisseite (Stand: April 2026): 5 USD pro 1M Input-Text-Token, 10 USD pro 1M Output-Text-Token, 8 USD pro 1M Bild-Input-Token und 30 USD pro 1M Bild-Output-Token.

Bei Standardauflösung 1024×1024 in hoher Qualität liegt der Einzelbildpreis bei rund 0,211 USD (ca. 0,19 €) – laut The Decoder teurer als GPT Image 1.5 mit 0,133 USD (ca. 0,12 €) auf dieser Auflösung. Bei größeren Formaten (1024×1536, hohe Qualität) dreht sich das Verhältnis um: gpt-image-2 kostet dann rund 0,165 USD (ca. 0,15 €), günstiger als der Vorgänger mit 0,20 USD (ca. 0,18 €). Alle EUR-Angaben sind Näherungswerte zum Wechselkurs April 2026; für Budgetplanung tagesaktuellen Kurs prüfen. API-Ausgaben über 2K befinden sich laut OpenAI noch in der Beta-Phase.

Stärken und aktuelle Grenzen

Wettbewerbseinordnung

Der Vergleich konzentriert sich auf die drei wichtigsten API-basierten Unternehmensmodelle, die direkt in bestehende Workflows eingebettet werden können. Reine Consumer-Tools wie Midjourney (kein stabiler API-Zugang, Abo-only) oder lokale Open-Source-Lösungen wie Stable Diffusion (eigene Infrastruktur erforderlich) folgen einer anderen Einsatzlogik und sind daher separat zu bewerten.

Der wichtigste Wettbewerbsvorteil gegenüber MAI-Image-2 liegt in der öffentlichen API und dem Thinking-Modus. Gegenüber Googles Nano Banana hat OpenAI aufgeholt, fehlen aber noch C2PA-Wasserzeichen als Standard und eine stabile 4K-Ausgabe.

DACH-Compliance: Was zu prüfen ist

Häufige Fragen (FAQ)

Funktioniert ChatGPT Images 2.0 auch auf Deutsch?

Ja. Images 2.0 rendert deutsche Texte inkl. Umlaute und langer Komposita zuverlässig innerhalb von Bildern – ein bekanntes Problem früherer Modelle. Auch Prompts auf Deutsch werden direkt verstanden; ein Übersetzen ins Englische ist nicht notwendig, kann aber bei komplexen Stilanweisungen die Präzision leicht erhöhen.

Wie aktiviere ich den Thinking-Modus?

In ChatGPT (Plus/Pro/Business) erscheint beim Bildgenerierungs-Interface ein Umschalter zwischen „Instant“ und „Thinking“. Wer die API nutzt, setzt den Parameter reasoning_effort auf high im Request-Body. Im Thinking-Modus dauert die Generierung länger (Minuten statt Sekunden), da das Modell zusätzliche Planungsschritte ausführt.

Wie unterscheidet sich gpt-image-2 von DALL-E 3?

DALL-E 3 war ein separat integriertes Modell in ChatGPT. gpt-image-2 ist nativ eingebettet, verfügt über Thinking-Fähigkeiten, Websuche und deutlich bessere Textwiedergabe. Die Architektur hat OpenAI nicht offengelegt; ein autoregressive Ansatz wird von Experten als wahrscheinlich eingeschätzt.

Kann ich Images 2.0 ohne Abo nutzen?

Ja, der Instant-Modus ist für alle Nutzer verfügbar inkl. Free-Tier. Der Thinking-Modus mit Websuche und Multi-Bild-Ausgabe ist auf zahlende Pläne (Plus ab ca. 20 EUR/Monat) beschränkt. Über die API ist das Modell unabhängig vom ChatGPT-Plan zugänglich.

Ist gpt-image-2 für kommerzielle Projekte nutzbar?

Grundsätzlich ja, unter den OpenAI-Nutzungsbedingungen. Für DACH-Unternehmen gelten die genannten Compliance-Punkte: Kennzeichnungspflichten nach EU AI Act, DSGVO-konforme Verarbeitung und markenrechtliche Fragen bei der Darstellung von Personen oder Logos.

Fazit

ChatGPT Images 2.0 ist das bisher überzeugendste Release im Bereich KI-Bildgenerierung für textintensive Anwendungsfälle. Für Content-Teams in der ChatGPT-Infrastruktur ist der Thinking-Modus eine naheliegende Erweiterung. Wer hingegen produktionsreife Compliance-Dokumentation und stabile 4K-Ausgabe braucht, sollte parallel Googles Nano Banana über Vertex AI evaluieren.

Quellen

• OpenAI: Introducing ChatGPT Images 2.0 (21. April 2026)
• TechCrunch: ChatGPT's new Images 2.0 model is surprisingly good at generating text (21. April 2026)
• The Decoder: OpenAI bringt ChatGPT Images 2.0 mit neuem Denkmodus (22. April 2026)
• OpenAI API Docs: GPT Image 2 Model Reference