GPT Image 2.5-Testbericht: Was hat sich geändert und lohnt sich die Nutzung?

ChatGPT Images 2.5 erschien am 8. September 2026 mit einem praktischen Versprechen: schärfere Bilder schneller erstellen und gezielte Nachbearbeitungen vornehmen, ohne bereits genehmigte Details zu zerstören. Das ist wichtiger als eine spektakuläre Demo. Reale kreative Arbeit besteht selten aus einer perfekten Eingabeaufforderung; vielmehr handelt es sich um eine Abfolge von Referenzen, Korrekturen, Zuschneiden, Textänderungen und Entscheidungen zum Endformat.

Dieser GPT Image 2.5-Test trennt die Ankündigungsforderungen von OpenAI von dem, was Sie anhand der neuen Ausgaben auf dieser Seite selbst überprüfen können. Er erläutert zudem, wo das neue Bildmodell in der Kette zwischen statischem Bild und Bewegtbild positioniert ist. Wenn Ihr Ziel ein fertiges Video und nicht ein einzelner Frame ist, lautet die entscheidende Frage nicht nur „Ist dieses Bild schön?“, sondern „Kann dieser Frame einer Animation standhalten?“

AI Overview

Was ist GPT Image 2.5?

ChatGPT Images 2.5 ist OpenAIs Veröffentlichung für Bildgenerierung und -bearbeitung vom 8. September 2026. Sie ist in ChatGPT und Codex verfügbar; über die API werden die Varianten Flare und Sunburst angeboten.

Ist GPT Image 2.5 besser als Images 2.0?

OpenAI berichtet über schärfere Details, natürlichere Beleuchtung, höhere Treue gegenüber Referenzen, präzisere Bearbeitungen und bis zu 50 % geringere Latenz. Die größte Verbesserung im Arbeitsablauf besteht darin, bereits genehmigte Elemente stabil zu halten, während nur eine gewünschte Detailänderung vorgenommen wird.

Was unterscheidet Flare von Sunburst?

Flare ist die schnellere Standardvariante für alltägliche und hochvolumige Generierungsaufgaben. Sunburst richtet sich an Premium-Kreativarbeiten, bei denen feinere Kontrolle über detaillierte Bearbeitungen wichtiger ist als Generierungsgeschwindigkeit.

Kann GPT Image 2.5 Videos generieren?

Nein. Flare und Sunburst erzeugen ausschließlich Bilder – weder Video noch Audio. Verwenden Sie den fertigen Frame als Referenz in einem Bild-zu-Video-Arbeitsablauf, wenn Sie Kamerabewegung, Motionsdarstellung, Timing oder Ton benötigen.

Was hat sich in ChatGPT Images 2.5 geändert

Die wichtigsten Änderungen betreffen keine neue Filteroption für den Kunststil. Stattdessen zielen sie auf kostenintensive Produktionsaspekte ab: Treue zur Vorlage, Begrenzung von Bearbeitungseffekten auf den gewünschten Bereich, Geschwindigkeit der Iterationen sowie Zuverlässigkeit der Befehlsausführung. OpenAI verspricht, dass Referenzen erkennbare Motive zuverlässiger über neue Szenarien und Kompositionen hinweg bewahren. Zudem sollen gezielte Bearbeitungen weniger wahrscheinlich andere Bildbereiche verändern, während längere Bearbeitungsdialoge mit geringerem Qualitätsverlust kumulierte Änderungen ermöglichen.

Diese Kombination ist besonders wertvoll für Marketingteams. Ein Produktbild könnte beispielsweise einen neuen Hintergrund, eine korrigierte Überschrift und regionale Prop-Änderungen benötigen – ohne dass das gesamte Verpackungsdesign neu gestaltet werden muss. Eine Charakterreferenz könnte einen anderen Mantel erfordern, während Gesicht, Körperhaltung, Bildausschnitt und Beleuchtung unverändert bleiben. Das Modell unterstützt zudem komplexere Layouts und Arbeiten mit transparentem Hintergrund.

ChatGPT integriert das Modell nun in mehrere Erstellungswerkzeuge: Sketch ermöglicht das manuelle Skizzieren eines groben Layouts; Vorlagen bieten eine Startstruktur für Formate wie Poster oder Produktfotos; Bildkommentare erlauben gezieltes Feedback; geteilte Eingabeaufforderungen ermöglichen es einer anderen Person, eine Idee mit eigenen Details wiederzuverwenden. Diese Oberflächenfunktionen sind unabhängig von der Modellqualität, verringern aber die Lücke zwischen der Beschreibung einer Idee und der konkreten Anweisung einer Revision.

Ein praktischer Vier-Ausgabe-Test

Wir haben nach dem Rollout vier neue Prompt-Familien für diese Seite erstellt: Referenzkontinuität, natürliche dokumentarische Textur, fiktive Produkttypografie sowie ein Stillleben mit strenger Objektanzahlbeschränkung. Es handelt sich nicht um einen Labor-Benchmark und erfolgt nicht im Vergleich zu einer verborgenen Referenz. Stattdessen ermöglichen diese Beispiele, die typischen Fehlerstellen zu identifizieren, an denen meist entschieden wird, ob ein Bild nutzbar ist.

Natürliches Licht, Haut, Stoff und Ton

Prüfen Sie lieber die Hautstruktur, abstehende Haare, staubige Hände, abgenutztes Leinen, Glasur der Schüssel und unebene Werkstattflächen – statt allein das Gesicht zu bewerten.

Die Tonszene wirkt bodenständig, weil die Materialien glaubwürdig miteinander interagieren: glasierte Keramik reflektiert Licht, trockener Ton bleibt matt, Leinen absorbiert es, und Haut weist feine Tonwertunterschiede auf. Der Hintergrund ist lebendig, ohne zu einem zufälligen Gegenstandschaos zu werden. Damit stellt diese Szene einen besseren Realismustest dar als die bloße Frage, ob das Bild im Thumbnail-Format „kinoreif“ wirkt.

Produktgeometrie und angeforderte Texte

Überprüfen Sie die zylindrische Dose, den metallischen Rand, die Beschlagbildung, die Lichtbrechung im Glas sowie die beiden angeforderten Etikettentextzeilen.

Der fiktive Teeshot bietet dem Modell weniger Möglichkeiten, Schwächen zu verbergen. Verpackungen weisen scharfe Kanten, wiederholte Geometrien, Reflexionen und exakten Text auf. Die angeforderten Wörter sind lesbar, und die Dose behält eine stimmige Silhouette. Ein Produktionsreviewer sollte dennoch hineinzoomen: Buchstabenabstände, kleinste dekorative Elemente, Nährwertangaben und rechtliche Hinweise bleiben Aufgaben für ein Design-Tool – es sei denn, jedes einzelne Zeichen wurde verifiziert.

Objektanzahl in einem komplexen Briefing

*Die Eingabeaufforderung forderte explizit eine Karte, zwei Tickets, eine Kamera, drei Muscheln, eine leere Postkarte und ein Notizbuch – zählen Sie vor der Freigabe der Komposition.*Komplexe Prompts wirken oft überzeugend, während sie stillschweigend ein Objekt „verlieren“. Hier bleiben die geforderten Gruppen klar voneinander getrennt und sind physisch auf dem Tisch platziert. Die Szene bewahrt zudem kohärente Nachmittagsschatten über Papier, Metall, Muschel und Stoff. Dies ist genau die Art von Abnahmetest, die Testteams wiederholt durchführen können: Listen Sie vor der Generierung alle nicht verhandelbaren Substantive auf – und prüfen Sie danach jedes einzelne.

Wo Images 2.5 am stärksten ist

Images 2.5 überzeugt besonders dann, wenn die erste Generierung erst der Anfang ist. Referenzgeführte Porträtvariationen, Produktkompositionen, redaktionelle Story-Frames, Werbekonzepte, Präsentationsvisuals und UI-Bilder profitieren alle davon, ein einzelnes Element zu ändern, ohne dabei den gesamten Kontext neu zu setzen. Für schnelle Explorationen ist die geringere Latenz von Flare besonders relevant, da der Ersteller so mehr Richtungen bewerten kann, bevor er sich endgültig festlegt.

Das neue Modell eignet sich zudem gut als solide Quell-Frame für Motion. Ein Bild mit stabiler Identität, lesbarer Produktgeometrie, klaren Tiefenschichten und einer plausiblen Pose liefert einem Videomodell deutlich nützlichere Informationen als ein visuell lautes Bild mit verhedderten Gliedmaßen oder zweideutigen Oberflächen. Sie können mit einem Standbild beginnen, die verfügbaren Seedance-Videoeffekte erkunden, die gewünschte Richtung freigeben und anschließend entscheiden, welche Teile sich bewegen sollen.

Auch bei imaginativer Arbeit gilt dieselbe Disziplin. Ein surreales Bild lässt sich leichter animieren, wenn Vordergrund, Motiv und Hintergrund weiterhin gut lesbar bleiben. Starke Prompt-Muster spezifizieren kontrollierte Transformationen – statt nach chaotischer Unbestimmtheit zu fragen.

Wo das neue Modell weiterhin menschliche Überprüfung benötigt

„Besser“ bedeutet nicht „sicher versandfertig ohne Prüfung.“ Text kann auf den ersten Blick korrekt wirken, obwohl Interpunktion, Abstände oder Kleingedrucktes fehlerhaft sind. Hände mögen in einer Pose plausibel erscheinen, versagen aber nach einer gezielten Bearbeitung. Ein Markenobjekt kann zwischen Varianten in seiner Proportion abweichen. Eine transparente Aussparung kann Halo-Effekte aufweisen. Realitätsnahe Informationen können zwar genauer sein – bedürfen aber dennoch einer Verifikation.

Auch bei mehrstufiger Bearbeitung ist ein Änderungsprotokoll erforderlich. Sobald ein Dialog acht bis zehn Revisionen erreicht hat, vergleichen Sie das aktuelle Bild nicht nur mit dem Original, sondern mit der zuletzt freigegebenen Version. Fragen Sie: Was hat sich unbeabsichtigt verändert? Beschnitt, Blickrichtung, Produktgröße, Farbtemperatur, Hintergrundrequisiten, Typografie oder negativer Raum? Speichern Sie Checkpoints vor umfangreichen Bearbeitungen, damit eine gute Richtung jederzeit wiederhergestellt werden kann.

Schließlich bleiben Moderation und Herkunftsnachweis Teil des Workflows. OpenAI bestätigt, dass die Veröffentlichung weiterhin Prompt- und Bild-Sicherungen, C2PA-Metadaten sowie unsichtbare Wasserzeichen enthält. Teams, die Referenzfotos verwenden, sollten zudem selbst prüfen, ob sie das Recht haben, die abgebildete Person, das Produkt, den Ort und die visuelle Identität im Input zu nutzen.

Flare oder Sunburst: Welches Modell passt zur Aufgabe?

Wählen Sie Flare, wenn Geschwindigkeit und Durchsatz die Hauptbeschränkung sind: Social-Varianten, Ideenexploration, visuelle Suche, schnelle Prototypen und hochvolumige kreative Tests. Wählen Sie Sunburst, wenn das Asset bereits wertvoll ist und die Überarbeitung präzise begrenzt bleiben muss: ein ausgereifter Kampagnen-Frame, ein Produkt-Hero, eine komplexe Kompositaufnahme oder eine späte Bearbeitung, bei der Abweichungen teure Nacharbeiten verursachen würden.

Beide offiziellen Modellseiten listen derzeit identische Token-Preise: 5 USD pro Million Text-Input-Tokens, 8 USD pro Million Bild-Input-Tokens, 2 USD pro Million zwischengespeicherter Bild-Input-Tokens und 30 USD pro Million Bild-Output-Tokens. Das ergibt jedoch keinen festen Preis pro Bild, da Ausgabemaße, Qualität und Token-Verbrauch variieren. Der praktische Kosten-Test lautet: genehmigte Assets pro Dollar – nicht Generierungen pro Dollar.

Für Teams empfiehlt sich folgender Ansatz: Starten Sie einen repräsentativen Batch auf Flare und eskalieren Sie ausschließlich die schwierigen oder hochwertigen Frames zu Sunburst. Dokumentieren Sie Prompt, Inputs, Qualitätsstufe, Anzahl der Revisionen, Laufzeit und Freigabeergebnis. Ein Fünf-Spalten-Log liefert mehr Erkenntnis als eine einzige „bestes Modell“-Bewertung – denn es misst die tatsächliche Arbeit Ihres Teams.

Wandeln Sie ein starkes Standbild in ein Seedance-Video um

GPT Image 2.5 generiert keine Videos – behandeln Sie das Endbild daher als Produktionsreferenz. Vor der Animation prüfen Sie das Gesicht in voller Größe, trennen Sie die Motivkonturen vom Hintergrund, identifizieren Sie starre Objekte, die sich nicht verbiegen dürfen, und formulieren Sie einen klaren Bewegungsimpuls. „Die Kamera fährt vor, während die Künstlerin die Schale einmal dreht“ ist einfacher zu steuern als ein Absatz mit fünf Aktionen.

Bringen Sie dann den freigegebenen Frame in Seedance ein, stellen Sie das Seitenverhältnis und die Dauer ein und beschreiben Sie die Motionsbewegung separat von der Kamerabewegung. Die schrittweise Anleitung zum promptgesteuerten Bild-zu-Video erklärt, wie Sie die Anweisung handhabbar halten. Falls das Projekt mehrere Shots oder Modell-Wechsel umfasst, nutzen Sie einen Multi-Modell-Videoworkflow, um Referenzen und Prüfkriterien zu bewahren.

Für Kampagnenarbeiten kann Seedance Agent Quellbilder, Shot-Intentionen, Freigaben und teilweise Neuberechnungen organisieren. Genau hier entsteht der Mehrwert eines besseren Still-Modells: nicht durch Ersatz der Videogenerierung, sondern durch Lieferung eines saubereren, konsistenteren Startframes, der weniger Notkorrekturen im weiteren Verlauf erfordert.

Fazit

GPT Image 2.5 ist ein bedeutender Produktionsfortschritt, weil es sich auf die Arbeit zwischen erstem Prompt und finaler Freigabe konzentriert: Referenztreue, lokale Bearbeitungen, natürliche Details, komplexe Anweisungen und schnellere Iterationen. Flare deckt die meisten alltäglichen Explorationsaufgaben ab, während Sunburst sinnvoll wird, sobald Präzision mehr wert ist als Wartezeit. Die neuen Ergebnisse zeigen vielversprechende Realismus-, Beschriftungs-, Geometrie- und Objektkompatibilität – unterstreichen aber zugleich die Notwendigkeit, jedes fertige Bild in voller Größe zu prüfen. Sobald das Bild freigegeben ist und die Geschichte Bewegung benötigt, wandeln Sie Ihren GPT Image 2.5-Frame mit Seedance in ein fertiges Video um.