GPT-Image-2: Erster Blick und Vergleich mit Nano Banana Pro

Drei anonyme Modelle tauchten auf LM Arena auf, beeindruckten Tester mit nahezu perfekter Textdarstellung und verschwanden innerhalb von Stunden. Die KI-Bildgenerierungslandschaft steht vor einem erneuten Umbruch.

OpenAIs Bildmodell der nächsten Generation wurde in freier Wildbahn gesichtet.

Am 4. April 2026 erschienen drei nicht identifizierte Modelle auf LM Arena, der beliebten Blindtest-Plattform für KI-Modelle. Innerhalb von Stunden hatten sie die Tester mit Fähigkeiten verblüfft, die alles, was derzeit von OpenAI verfügbar ist, deutlich übertrafen, darunter nahezu perfekte Textdarstellung, eliminierte Farbstiche und dramatisch verbessertes Weltwissen. Dann, genauso schnell wie sie aufgetaucht waren, wurden die Modelle wieder entfernt.

Die KI-Community kam schnell zu einem Konsens: Dies war GPT-Image-2, OpenAIs Nachfolger der GPT-Image-1- und 1.5-Modelle, die derzeit die Bildgenerierung in ChatGPT antreiben.

Seitdem haben sich die Belege weiter verdichtet. Stand 17. April wird das Modell innerhalb von ChatGPT selbst per A/B-Test getestet. Entwickler, die Code-Updates durchsuchen, haben Zeichenketten mit dem Verweis auf "GPT-Image-2" in der mobilen App entdeckt. Und da DALL-E 2 und DALL-E 3 am 12. Mai eingestellt werden sollen, hat OpenAI offensichtlich etwas in der Hinterhand, um die Lücke zu füllen.

Hier ist alles, was wir bisher über GPT-Image-2 wissen: seine Fähigkeiten, wie es sich im direkten Blindvergleich mit Googles Nano Banana Pro schlägt, wo Nano Banana 2 ins Bild passt und wie der Zeitplan für eine öffentliche Einführung aussieht.

Wie GPT-Image-2 entdeckt wurde

Die Geschichte beginnt mit LM Arena, der Community-getriebenen Plattform, auf der KI-Modelle in blinden Direktvergleichen gegeneinander antreten. Nutzer reichen Prompts ein, zwei anonyme Modelle generieren Ergebnisse, und die Nutzer stimmen ab, welches Ergebnis sie bevorzugen. Es gilt als eine der objektivsten Methoden zur Bewertung der Qualität von KI-Modellen, da die Tester nicht wissen, welches Modell sie beurteilen.

Der Auftritt am 4. April

Am Morgen des 4. April 2026 erschienen drei neue Modelle auf LM Arena unter Codenamen, die sofort die Aufmerksamkeit der Community erregten:

• maskingtape-alpha
• gaffertape-alpha
• packingtape-alpha

Allein die Namenskonvention war ein Signal. LM-Arena-Codenamen werden von der Plattform vergeben, nicht von den Modellanbietern, aber das "Tape"-Thema deutete darauf hin, dass es sich um verwandte Modelle handelte, wahrscheinlich Varianten derselben zugrundeliegenden Architektur, die unter verschiedenen Konfigurationen getestet wurden.

Was die Tester sahen

Innerhalb der ersten Teststunden waren die Ergebnisse beeindruckend. Die Tape-Modelle generierten Bilder mit Eigenschaften, die kein öffentlich verfügbares OpenAI-Modell erreichen konnte:

• Textdarstellung, die tatsächlich funktionierte. Benutzeroberflächen mit korrekt geschriebenen Schaltflächenbeschriftungen. Zifferblätter mit genauen Zeitanzeigen. Produktverpackungen mit lesbarem, korrekt formatiertem Text. Allein das war ein gewaltiger Sprung. GPT-Image-1.5, das aktuelle Produktionsmodell, erreicht etwa 90-95% Textgenauigkeit. Diese Modelle schienen 99% zu knacken.
• Kein gelber Farbstich. Der warme Gelb-/Orangeton, der jede Version von OpenAIs Bildgenerierung seit DALL-E geplagt hat, war einfach verschwunden. Die Farben waren neutral, präzise und stimmten mit den Prompt-Beschreibungen überein.
• Fotorealistische Qualität in hoher Auflösung. Die Ergebnisse wiesen ein Maß an Detail und Kohärenz auf, das auf eine grundlegend andere Architektur hindeutete, nicht nur auf eine inkrementelle Verbesserung des bestehenden Modells.

Die Modelle verschwanden

Innerhalb von Stunden wurden alle drei Modelle von LM Arena entfernt. Dies entspricht dem üblichen Vorgehen großer KI-Labore bei Vorab-Tests: kurzzeitig einsetzen, um reale Leistungsdaten zu sammeln, dann die Modelle zurückziehen, bevor zu viele Informationen durchsickern.

Es hat nicht funktioniert. Screenshots, Vergleichsbilder und detaillierte Analysen waren bereits breit auf X (Twitter), Reddit und KI-fokussierten Discord-Servern geteilt worden. Bis die Modelle entfernt wurden, waren Hunderte von Gegenüberstellungen gespeichert, analysiert und diskutiert worden. Die KI-Community hatte ihr Urteil bereits gefällt: Was auch immer diese Modelle waren, sie stellten einen Generationssprung in OpenAIs Bildgenerierungsfähigkeiten dar.

Das Codenamen-Muster selbst wurde zum Gegenstand von Spekulationen. "Maskingtape," "gaffertape" und "packingtape" beziehen sich alle auf Klebeband, ein Material, das zum Zusammenhalten oder Versiegeln verwendet wird. Einige Community-Mitglieder interpretierten dies als Hinweis darauf, dass das Modell mehrere Fähigkeiten "zusammenklebt" (Text, Bild, räumliches Verständnis). Andere meinten, OpenAI habe einfach Spaß mit Codenamen. Wie auch immer, die Tape-Familie hatte ihren Eindruck hinterlassen.

Bestätigung durch A/B-Tests

Stand 17. April 2026 haben mehrere Nutzer berichtet, dass sie innerhalb von ChatGPT selbst ein merklich anderes Bildgenerierungsverhalten beobachtet haben. Die Symptome decken sich mit dem, was auf LM Arena zu sehen war: verbesserte Textdarstellung, neutrale Farbbalance und höhere Auflösung. Dies ist konsistent damit, dass OpenAI einen A/B-Test des neuen Modells gegen das aktuelle GPT-Image-1.5 in der Produktion durchführt, eine Standardpraxis vor einem vollständigen Rollout.

Darüber hinaus haben Entwickler bei der Untersuchung aktueller Updates der ChatGPT-Mobil-App Zeichenkettenverweise auf "GPT-Image-2" im Anwendungscode gefunden, was weitere Belege dafür liefert, dass eine offizielle Veröffentlichung vorbereitet wird.

7 wesentliche Verbesserungen in GPT-Image-2

Basierend auf den LM-Arena-Testdaten, ChatGPT-A/B-Testberichten und Community-Analysen sind hier die bedeutendsten Verbesserungen, die GPT-Image-2 gegenüber seinen Vorgängern zu bieten scheint.

1. Textdarstellungsgenauigkeit über 99%

Dies ist die wichtigste Verbesserung und diejenige, die für praktische Anwendungsfälle am meisten zählt.

Textdarstellung war seit jeher die Achillesferse der KI-Bildgenerierung. Wenn man DALL-E 3 bat, "Grand Opening" auf ein Ladenschild zu schreiben, bekam man "Grnad Opennig" oder etwas ähnlich Verstümmeltes. GPT-Image-1 verbesserte dies, hatte aber weiterhin Probleme mit längeren Zeichenketten. GPT-Image-1.5 steigerte die Genauigkeit auf etwa 90-95%, gut genug für einfache Beschriftungen, aber unzuverlässig für alles Komplexere.

GPT-Image-2 scheint dieses Problem im Wesentlichen gelöst zu haben. In LM-Arena-Tests renderte das Modell korrekt:

• Komplette Benutzeroberflächen mit korrekt geschriebenen Schaltflächentexten, Menüeinträgen und Formularbeschriftungen
• Zifferblätter mit angeforderten Uhrzeiten und korrekten Stunden- und Minutenzeigerpositionen
• Mehrzeilige Textblöcke mit einheitlichen Schriftarten und korrekter Ausrichtung
• Produktverpackungen mit Markennamen, Zutatenlisten und Kleingedrucktem

Wenn sich diese Genauigkeit in der Produktion bestätigt, verändert sie grundlegend, wofür KI-Bildgenerierung eingesetzt werden kann. Social-Media-Grafiken, Werbemittel, Präsentationsfolien, Mockups und Produktbilder mit Text werden zu brauchbaren Ergebnissen statt zu frustrierenden Übungen.

2. Gelber Farbstich eliminiert

Jede Version von OpenAIs Bildgenerierung wies einen charakteristischen warmen Gelb-/Orangeton auf. Bei manchen Ausgaben ist er subtil, bei anderen offensichtlich, aber er war eine durchgängige Erscheinung. Designer, die diese Tools regelmäßig nutzen, haben Workarounds entwickelt: "kühle, blautonige Beleuchtung" angeben oder die Ausgaben manuell in der Nachbearbeitung farbkorrigieren.

Die GPT-Image-2-Ausgaben von LM Arena zeigen neutrale, akkurate Farbwiedergabe. Weiß erscheint weiß. Blau erscheint blau. Hauttöne werden natürlich ohne den warmen Farbshift dargestellt. Dies deutet auf eine signifikante Änderung in den Trainingsdaten des Modells, der Farbraumverarbeitung oder der Nachbearbeitungspipeline hin.

Für professionelle Anwendungsfälle ist akkurate Farbwiedergabe eine Grundvoraussetzung. Allein diese Verbesserung macht GPT-Image-2 wesentlich nützlicher für Markenassets, Produktfotografie und jeden Kontext, in dem Farbgenauigkeit wichtig ist.

3. Weltwissen dramatisch verbessert

Einer der aufschlussreichsten Tests während des LM-Arena-Fensters war eine Minecraft-Manhattan-Szene: ein Prompt, der das Modell aufforderte, einen bestimmten realen Ort (Manhattan) im visuellen Stil eines anderen erkennbaren Kontexts (Minecraft) darzustellen. Dieser Test erfordert, dass das Modell gleichzeitig versteht, wie Manhattan aussieht, was Minecrafts visueller Stil beinhaltet und wie man beides kohärent kombiniert.

In diesem Test übertraf maskingtape-alpha sowohl seine Schwestermodelle als auch Nano Banana Pro. Das Ergebnis zeigte erkennbare Manhattan-Wahrzeichen in akkurater Minecraft-Block-Ästhetik mit korrekten Proportionen und räumlichen Beziehungen.

Diese Verbesserung des Weltwissens geht über kreative Mashups hinaus. Sie bedeutet, dass das Modell ein besseres Verständnis von realen Objekten, Architekturstilen, Markenästhetik, kulturellen Kontexten und den Beziehungen zwischen ihnen hat. Prompts, die auf bestimmte Orte, Produkte oder Stile verweisen, sollten genauere und kontextuell passendere Ergebnisse liefern.

4. Auflösung bis 4K-Niveau

GPT-Image-1.5 erreicht maximal 1024x1024 Pixel, mit einigen verfügbaren Upscaling-Optionen. GPT-Image-2 soll native Ausgabeauflösungen von mindestens 2048x2048 unterstützen, wobei einige Berichte auf 4K-Fähigkeit hindeuten.

Ebenso wichtig ist die Unterstützung des 16:9-Breitbildformats. Dieses Seitenverhältnis ist für praktische Anwendungsfälle unerlässlich, die GPT-Image-1.5 schlecht handhabt: YouTube-Thumbnails, Präsentationsfolien, Website-Hero-Banner, LinkedIn-Post-Bilder und jeder Kontext, der für moderne Breitbilddisplays konzipiert ist.

Höhere Auflösung kombiniert mit flexiblen Seitenverhältnissen bedeutet weniger Kompromisse und weniger Nachbearbeitung. Eine einzige Generierung kann ein verwendbares Asset produzieren, statt einen Ausgangspunkt, der hochskaliert, zugeschnitten oder in der Größe angepasst werden muss.

5. Neue eigenständige Architektur

Dies ist vielleicht das technisch bedeutsamste Detail, das aufgetaucht ist. GPT-Image-2 scheint nicht auf GPT-4o aufzubauen, dem multimodalen Modell, das derzeit die Bildgenerierung in ChatGPT übernimmt. Stattdessen scheint es eine völlig neue Architektur zu sein, die speziell für die Bildgenerierung entwickelt wurde.

Die praktische Auswirkung ist Geschwindigkeit. GPT-Image-1.5, das über GPT-4o läuft, braucht je nach Komplexität und Serverauslastung oft 10-30 Sekunden für ein Bild. GPT-Image-2 soll hochwertige Bilder in unter 3 Sekunden generieren, eine dramatische Verbesserung, die das Tool wesentlich reaktionsfähiger und praktischer für iterative Arbeitsabläufe machen würde.

Eine dedizierte Architektur deutet auch darauf hin, dass OpenAI erheblich in die Bildgenerierung als eigenständige Fähigkeit investiert hat, anstatt sie als an ihr Sprachmodell angeschraubtes Feature zu behandeln. Dies ist ein strategisches Signal darüber, wohin sie den Markt steuern sehen.

6. CJK-Textdarstellung

Eine der überraschenderen Erkenntnisse aus den LM-Arena-Tests: Die Qualität der Darstellung chinesischer, japanischer und koreanischer Schriftzeichen wurde von Testern als "überraschend gut" beschrieben. Frühere OpenAI-Modelle hatten erhebliche Probleme mit CJK-Zeichen und produzierten oft fehlerhafte Glyphen, falsche Strichreihenfolgen oder Zeichen, die vage korrekt aussahen, aber tatsächlich sinnlos waren.

Die GPT-Image-2-Ausgaben zeigten klare, korrekt geformte CJK-Zeichen mit akkuraten Strichstrukturen. Wenn sich dies im großen Maßstab bestätigt, eröffnet es praktische Anwendungsfälle in ostasiatischen Märkten, darunter Beschilderung, Verpackungen, Social-Media-Grafiken und Marketingmaterialien auf Chinesisch, Japanisch und Koreanisch.

Da die CJK-Textdarstellung wesentlich komplexer ist als die lateinische Textdarstellung (Tausende einzigartiger Zeichen, präzise Strichanforderungen, mehrere Schriftsysteme), spiegelt diese Verbesserung wahrscheinlich einen gezielten Trainingsaufwand wider und nicht nur einen Nebeneffekt allgemeiner Modellverbesserung.

7. Mehrsprachige Unterstützung und komplexe Prompt-Befolgung

Über die Textdarstellung in Bildern hinaus scheint GPT-Image-2 komplexe, mehrteilige Prompts mit deutlich größerer Wiedergabetreue zu verarbeiten. Prompts, die mehrere Motive mit bestimmten räumlichen Platzierungen, unterschiedliche Farben für jedes Element und detaillierte Szenenkompositionen spezifizieren, produzierten Ergebnisse, die den Beschreibungen treuer entsprachen.

Diese Verbesserung der Prompt-Befolgung gilt sprachübergreifend. Nicht-englische Prompts in Tests zeigten ähnliche Genauigkeitsniveaus wie englische Prompts, was darauf hindeutet, dass das Modell darauf trainiert wurde, Bildgenerierungsanweisungen in mehreren Sprachen zu verstehen und auszuführen, anstatt alles zuerst durch eine englische Übersetzung zu leiten.

Für globale Nutzer und mehrsprachige Marketingteams bedeutet dies weniger Iterationen und weniger Prompt-Engineering, um das gewünschte Ergebnis zu erhalten, eine bedeutende Verbesserung der Arbeitsqualität.

Die Prompt-Befolgung ist auch für Konsistenz wichtig. Wenn Kampagnen durchgeführt werden, die mehrere Bilder mit einheitlichem visuellen Stil, einheitlichen Farben und einheitlicher Layoutlogik erfordern, produziert ein Modell, das komplexe Anweisungen genauer befolgt, konsistentere Ergebnisse über einen Stapel hinweg. Dies reduziert die Anzahl der nötigen Neugenerierungen und macht KI-Bildtools für produktionstaugliche Visual-Asset-Pipelines praktikabler.

GPT-Image-2 vs Nano Banana Pro: Direktvergleich

Das LM-Arena-Blindtestformat ist besonders nützlich, weil es Markentreue und Erwartungen eliminiert. Nutzer beurteilten die Ausgaben rein nach Qualität. So schnitt GPT-Image-2 (über seine drei Codenamen-Varianten) im Vergleich zu Googles Nano Banana Pro ab, das derzeit als führendes KI-Bildgenerierungsmodell gilt.

Textdarstellung

Gewinner: GPT-Image-2

Im direkten Vergleich zeigte GPT-Image-2 eine überlegene Textdarstellungsgenauigkeit. Das meistgenannte Beispiel: ein Prompt, der ein Zifferblatt mit einer bestimmten Uhrzeit anforderte. packingtape-alpha renderte die Uhrzeit korrekt mit akkuraten Zeigerpositionen. Nano Banana Pro produzierte eine Uhr, deren Zeiger auf die falsche Zeit deuteten. Für jeden Anwendungsfall, der Text in Bildern beinhaltet, ob UI-Mockups, Social-Media-Grafiken oder Produktetiketten, scheint GPT-Image-2 einen klaren Vorteil zu haben.

Farbgenauigkeit

Gewinner: GPT-Image-2

Nano Banana Pro hat bereits eine gute Farbneutralität; es leidet nicht unter dem gelben Farbstich, der OpenAIs Modelle plagte. Aber die Beseitigung des Farbstichs durch GPT-Image-2 bedeutet, dass es Nano Banana Pro bei der Farbgenauigkeit nun erreicht oder leicht übertrifft. Beide Modelle produzieren neutrale, promptgetreue Farben, aber die Verbesserung von GPT-Image-2 stellt einen größeren Sprung dar, wenn man bedenkt, wo es gestartet ist.

Weltwissen

Gewinner: GPT-Image-2

Der Minecraft-Manhattan-Test war die deutlichste Demonstration. maskingtape-alpha produzierte einen genaueren und kohärenteren Mashup als Nano Banana Pro und identifizierte und renderte bestimmte Manhattan-Wahrzeichen korrekt in Minecraft-Block-Grafik. Diese Kategorie testet das Verständnis des Modells für die reale Welt, kulturelle Referenzen, Markenästhetik und visuelle Stile, eine zunehmend wichtige Fähigkeit, da Prompts immer anspruchsvoller werden.

Räumliches Denken

Gewinner: Nano Banana Pro

Nicht alles lief zugunsten von GPT-Image-2. Der Zauberwürfel-Reflexionstest, ein Prompt, der einen Zauberwürfel mit einer akkuraten Spiegelreflexion anforderte, bleibt eine Herausforderung. GPT-Image-2 konnte die reflektierte Seite des Würfels nicht korrekt darstellen und hatte die Farbanordnung im Spiegel falsch. Nano Banana Pro bewältigte diesen Test besser, was auf ein stärkeres räumliches Denken und besseres Verständnis physikalischer Eigenschaften wie Reflexionen hindeutet.

Dies ist relevant für Anwendungsfälle wie Produktfotografie aus verschiedenen Winkeln, Innenraumvisualisierung oder jede Szene mit Spiegeln, reflektierenden Oberflächen oder komplexen geometrischen Beziehungen.

Auflösung

Gewinner: Unentschieden

Beide Modelle unterstützen Ausgabeauflösungen bis zum 4K-Niveau. Nano Banana Pro bietet diese Fähigkeit seit mehreren Monaten in der Produktion. GPT-Image-2 scheint gleichzuziehen, obwohl wir den vollen Umfang der unterstützten Auflösungen und Seitenverhältnisse erst nach der offiziellen Veröffentlichung kennen werden.

Geschwindigkeit

Gewinner: Ausgeglichen

GPT-Image-2 soll Bilder in unter 3 Sekunden generieren, was mit den Generierungszeiten von Nano Banana Pro vergleichbar wäre. Die 10-30 Sekunden Generierungszeit von GPT-Image-1.5 waren ein erhebliches Usability-Problem, daher behebt diese Verbesserung, falls bestätigt, eine der größten Beschwerden über OpenAIs Bildtools.

Verfügbarkeit

Gewinner: Nano Banana Pro

Das ist eindeutig. Nano Banana Pro ist sofort verfügbar. Man kann es heute nutzen. GPT-Image-2 wurde noch nicht offiziell veröffentlicht. Wenn man heute das beste verfügbare KI-Bildgenerierungsmodell braucht, ist Nano Banana Pro die Antwort. Das wird sich wahrscheinlich innerhalb von Wochen ändern, aber heute zählt Verfügbarkeit enorm.

Vergleichsübersicht

Das Fazit: GPT-Image-2 scheint in den Kategorien zu führen, die für praktische kreative Arbeit am wichtigsten sind (Textdarstellung, Farbgenauigkeit, Weltwissen), während Nano Banana Pro einen Vorteil beim räumlichen Denken behält und, was entscheidend ist, das einzige ist, das man derzeit tatsächlich nutzen kann.

Es ist wichtig zu betonen, dass diese Ergebnisse aus Blindtests stammen, bei denen die Nutzer keine Ahnung hatten, welches Modell sie bewerteten. Dies eliminiert die Voreingenommenheit, die oft Modellvergleiche verzerrt, wenn die Tester wissen, was sie betrachten. Die Ergebnisse spiegeln echte wahrgenommene Qualitätsunterschiede wider, keine Markenpräferenzen.

Wo steht Nano Banana 2?

Während sich die KI-Bild-Community auf den LM-Arena-Auftritt von GPT-Image-2 konzentriert hat, war Google nicht untätig. Am 26. Februar 2026 veröffentlichte Google Nano Banana 2, ein Modell, das Nano Banana Pros Bildqualität mit der Geschwindigkeit von Gemini Flash kombiniert.

Nano Banana 2 verfolgt einen anderen strategischen Ansatz als das, was OpenAI mit GPT-Image-2 zu verfolgen scheint. Während OpenAI eine dedizierte, eigenständige Bildgenerierungsarchitektur baut, integriert Google die Bildgenerierung tiefer in sein breiteres Gemini-Ökosystem. Nano Banana 2 wird bereits über Google-Produkte hinweg ausgerollt, von Google Docs und Slides bis hin zu Google Ads und YouTube-Tools.

Das Dreikampf-Rennen

Der Wettbewerb sieht nun wie ein Dreikampf aus:

• GPT-Image-2 — Höchste Rohqualität (basierend auf geleakten Tests), beste Textdarstellung, neue dedizierte Architektur. Noch nicht verfügbar.
• Nano Banana Pro — Aktueller Qualitätsführer in der Produktion, starke Allround-Leistung, ausgezeichnetes räumliches Denken. Jetzt verfügbar.
• Nano Banana 2 — Balance zwischen Qualität und Geschwindigkeit, tiefe Integration in Googles Produktökosystem, optimiert für Anwendungsfälle mit hohem Volumen. Wird derzeit ausgerollt.

Jedes Modell besetzt eine leicht andere Position. Nano Banana Pro optimiert auf maximale Qualität. Nano Banana 2 optimiert auf Geschwindigkeit und Integration. GPT-Image-2 scheint bei seinem Launch auf die Qualitätskrone zu zielen und gleichzeitig wettbewerbsfähige Geschwindigkeit zu liefern.

Es lohnt sich auch zu beobachten, wie diese Modelle bepreist und verbreitet werden. Googles Strategie, Nano Banana 2 in seine Produktpalette einzubetten, verschafft ihm einen Verbreitungsvorteil, den reiner API-Zugang nicht bieten kann. OpenAIs Strategie mit GPT-Image-2 beinhaltet wahrscheinlich eine tiefe Integration in ChatGPT, das seine eigene massive Nutzerbasis hat. Das Modell, das gewinnt, muss nicht dasjenige mit den besten Benchmark-Werten sein, sondern dasjenige, das die meisten Menschen in den nützlichsten Kontexten erreicht.

Für Nutzer und Entwickler ist dieser Dreikampf eindeutig eine gute Nachricht. Das Tempo der Verbesserungen in der KI-Bildgenerierung beschleunigt sich, und die Rivalität zwischen OpenAI und Google treibt beide Unternehmen dazu, bessere Modelle schneller auszuliefern. Der beste KI-Bildgenerator des Jahres 2026 wird deutlich besser sein als alles, was zu Jahresbeginn verfügbar war.

Bekannte Einschränkungen und offene Fragen

Der Hype um GPT-Image-2 ist angesichts dessen, was wir gesehen haben, berechtigt, aber es lohnt sich, die Einschränkungen und Unbekannten klar zu benennen.

Räumliches Denken braucht noch Arbeit

Das Scheitern beim Zauberwürfel-Reflexionstest ist bemerkenswert, weil es eine Kategorie von Problemen offenlegt, die GPT-Image-2 noch nicht gelöst hat. Die akkurate Darstellung von Reflexionen, Schatten in korrekten Winkeln und konsistente Mehransichtengeometrie bleibt eine Herausforderung. Für Anwendungsfälle wie Produktfotografie (bei der man ein Produkt auf einer glänzenden Oberfläche gespiegelt sehen möchte) oder Architekturvisualisierung (bei der Schattengenauigkeit wichtig ist) ist diese Einschränkung relevant.

Keine öffentliche Verfügbarkeit

Stand 20. April 2026 ist GPT-Image-2 nicht öffentlich verfügbar. Der LM-Arena-Test war kurz und der Zugang wurde schnell entzogen. Der ChatGPT-A/B-Test erreicht eine kleine, unkontrollierte Teilmenge von Nutzern. Es gibt keinen API-Zugang, keine Warteliste und kein bestätigtes Startdatum. Alles, was in diesem Artikel besprochen wird, basiert auf geleakten Testdaten und indirekten Belegen.

Keine bestätigten Preise

OpenAI hat keine Preise für GPT-Image-2 bekannt gegeben. Wird es in ChatGPT-Plus-Abonnements enthalten sein? Wird es separate API-Preisstufen geben? Werden Nutzer der kostenlosen Stufe Zugang erhalten? Diese Fragen bleiben unbeantwortet. Angesichts dessen, dass das Modell eine neue, dedizierte Architektur zu verwenden scheint, anstatt über GPT-4o zu laufen, könnte die Kostenstruktur von der aktuellen Bildgenerierungspreisgestaltung abweichen.

Die DALL-E 2/3-Einstellung erzeugt Druck

OpenAI hat angekündigt, dass DALL-E 2 und DALL-E 3 am 12. Mai 2026 eingestellt werden. Dies schafft eine interessante Dynamik. Entwickler und Anwendungen, die derzeit die DALL-E-API nutzen, werden einen Migrationspfad benötigen. Wenn GPT-Image-2 nicht rechtzeitig fertig ist, wird GPT-Image-1.5 (über das GPT-4o-Modell) zur einzigen Option, und es ist kein gleichwertiger Ersatz für alle DALL-E-Anwendungsfälle.

Die Frist für die Einstellung deutet darauf hin, dass OpenAI zuversichtlich ist, einen Ersatz bereit zu haben, erzeugt aber auch Druck, vor der vollständigen Ausgereiftheit des Modells zu launchen. Ob dies zu einem stufenweisen Rollout, einer eingeschränkten Vorschau oder einem vollständigen Launch führt, bleibt abzuwarten.

Unbekannte bei Sicherheit und Inhaltsrichtlinien

OpenAI hat bei seinen Bildgenerierungsmodellen historisch strenge Inhaltsrichtlinien implementiert. DALL-E 3 war bemerkenswert konservativ in dem, was es generieren würde und was nicht, was viele Nutzer frustrierte, die legitime Inhalte erstellen wollten, die Sicherheitsfilter auslösten. Wie GPT-Image-2 die Inhaltsmoderation handhabt, ob es mehr oder weniger permissiv ist und wie seine Ablehnungsmuster aussehen, sind alles Unbekannte, die seine praktische Nutzbarkeit beeinflussen werden.

Begrenzte Testdaten aus der Praxis

Die LM-Arena-Daten stammen aus einem Zeitfenster von nur wenigen Stunden. Die ChatGPT-A/B-Testberichte sind anekdotisch. Wir wissen noch nicht, wie GPT-Image-2 über das gesamte Spektrum realer Prompts performt: Grenzfälle, adversariale Eingaben, spezifische Branchenanwendungen, Stapelgenerierung in großem Maßstab oder Konsistenz über mehrere Generierungen desselben Prompts hinweg. Die frühen Testdaten sind vielversprechend, aber nicht umfassend.

Es ist auch erwähnenswert, dass LM-Arena-Tests dazu tendieren, visuell beeindruckende, kreative Prompts gegenüber alltäglichen Produktionsworkloads zu bevorzugen. Wie das Modell mit repetitiven Markenkonsistenz-Aufgaben, der Stapelgenerierung von Produktvarianten oder hochspezifischen technischen Illustrationen umgeht, bleibt abzuwarten.

Wann wird GPT-Image-2 erscheinen?

Es wurde kein offizielles Startdatum angekündigt. Aber wir können eine fundierte Schätzung auf Basis der verfügbaren Belege abgeben.

Historisches Muster

OpenAI hat ein relativ konsistentes Muster bei großen Modellveröffentlichungen. Modelle erscheinen typischerweise 2-4 Wochen vor der öffentlichen Veröffentlichung auf Testplattformen wie LM Arena. Dieses Muster galt für GPT-4o, GPT-Image-1 und mehrere andere aktuelle Veröffentlichungen. Wenn das Muster für GPT-Image-2 gilt, würde der LM-Arena-Auftritt vom 4. April das Startfenster auf Ende April bis Anfang Mai 2026 legen.

Die DALL-E-Frist

DALL-E 2 und DALL-E 3 werden am 12. Mai eingestellt. OpenAI würde diese Modelle nicht einstellen, ohne einen Ersatz bereit zu haben, insbesondere angesichts der Zahl von API-Entwicklern, die von ihnen abhängen. Dies deutet stark darauf hin, dass GPT-Image-2 spätestens Mitte Mai zumindest über die API verfügbar sein wird.

Belege aus der Mobil-App

Die Entdeckung von GPT-Image-2-Zeichenkettenreferenzen im Code der ChatGPT-Mobil-App ist bedeutsam. Updates für Mobil-Apps durchlaufen Überprüfungsprozesse bei Apple und Google, die typischerweise mehrere Tage dauern. UI-Zeichenketten für ein Feature hinzuzufügen, das Wochen oder Monate entfernt ist, wäre ungewöhnlich. Dies deutet darauf hin, dass der ChatGPT-Clientcode für einen unmittelbar bevorstehenden Rollout vorbereitet wird.

A/B-Tests in ChatGPT

Die Tatsache, dass das Modell bereits in der ChatGPT-Produktion per A/B-Test getestet wird, ist ein starkes Signal. A/B-Tests sind typischerweise einer der letzten Schritte vor einem vollständigen Launch. Unternehmen nutzen sie, um die Leistung zu validieren, Probleme zu erkennen und die Nutzerzufriedenheit zu messen, bevor sie sich zu einem vollständigen Rollout verpflichten.

Wahrscheinlichster Zeitplan

Alles zusammengenommen ist das wahrscheinlichste Startfenster für GPT-Image-2 Ende April bis Mitte Mai 2026. Ein stufenweiser Rollout ist wahrscheinlich: zuerst ChatGPT-Plus-Abonnenten, dann API-Zugang, dann breitere Verfügbarkeit. Die DALL-E-Einstellung am 12. Mai setzt eine harte Frist für die API-Verfügbarkeit, auch wenn der Consumer-ChatGPT-Rollout einem anderen Zeitplan folgt.

Es besteht auch die Möglichkeit, dass OpenAI GPT-Image-2 zusammen mit anderen Produktupdates ankündigt. Das Unternehmen hat 2026 einen häufigeren Veröffentlichungsrhythmus eingeführt, wobei monatliche Ankündigungen zur Norm geworden sind. Eine Ankündigungsveranstaltung Ende April mit einem Rollout am selben Tag oder in derselben Woche würde sowohl zu den technischen Belegen als auch zu OpenAIs aktueller Go-to-Market-Strategie passen.

Unabhängig vom genauen Datum macht die Kombination aus DALL-E-Einstellungsdruck, aktiven A/B-Tests und der Vorbereitung der Mobil-App klar: GPT-Image-2 ist kein fernes Roadmap-Element. Es ist ein unmittelbar bevorstehender Launch.

Was das für Kreative und Marketer bedeutet

Die Wettbewerbslandschaft zwischen GPT-Image-2, Nano Banana Pro und Nano Banana 2 wird eine Welle von Fähigkeitsverbesserungen hervorbringen, die jeden, der visuelle Inhalte erstellt, direkt betrifft.

Text in Bildern wird zuverlässig

Das ist die wichtigste praktische Veränderung. Wenn Textdarstellung konstant über 99% Genauigkeit funktioniert, öffnen sich ganze Kategorien von Anwendungsfällen:

• Social-Media-Grafiken — Überschriften, Zitate, Handlungsaufforderungen und gebrandete Texteinblendungen können direkt generiert werden, anstatt in der Nachbearbeitung hinzugefügt zu werden.
• Werbemittel — Bannerwerbung, Social Ads und Displayanzeigen mit Text werden zu Ein-Schritt-Generierungen statt Multi-Tool-Workflows.
• Produkt-Mockups — Verpackungsdesigns, Etikettenkonzepte und Merchandise-Mockups mit akkuratem Markentext können in Sekunden für Kundenpräsentationen generiert werden.
• Präsentationsfolien — Illustrationen mit eingebetteten Textbeschriftungen, Diagramme mit akkuraten Achsenbeschriftungen und Schaubilder mit Hinweistexten werden zu realistischen KI-generierten Assets.
• Thumbnails — YouTube-Thumbnails, Blog-Post-Titelbilder und Podcast-Cover mit lesbarem Text können ohne ein separates Designtool generiert werden.

Jahrelang lautete der Ratschlag für KI-Bildgenerierung: "Generiere das Bild und füge dann Text in Canva/Figma/Photoshop hinzu." Wenn GPT-Image-2 sein Versprechen einlöst, entfällt dieser zusätzliche Schritt für viele Anwendungsfälle.

Diese Veränderung ist besonders bedeutsam für Solo-Creator und kleine Teams, die keinen Designer im Team haben. Die Möglichkeit, eine vollständige Grafik inklusive Text in einem einzigen Schritt zu generieren, beseitigt einen der größten Reibungspunkte in Workflows zur Inhaltserstellung.

Farbgenauigkeit eröffnet professionelle Anwendungsfälle

Die Beseitigung des gelben Farbstichs ist nicht nur eine ästhetische Verbesserung. Sie macht KI-generierte Bilder für Kontexte nutzbar, in denen Farbgenauigkeit zählt: Markenassets, die bestimmten Pantone-Farben entsprechen müssen, Produktfotografie, bei der die tatsächliche Farbe des Artikels wichtig ist, und Marketingmaterialien, bei denen visuelle Konsistenz über verschiedene Kanäle hinweg wichtig ist.

Geschwindigkeit ermöglicht Iteration

Wenn GPT-Image-2 Generierungszeiten unter 3 Sekunden liefert, ändert sich der Workflow von "generieren und warten" zu "generieren, prüfen, anpassen, neu generieren" in schnellen Zyklen. Das lässt KI-Bildgenerierung sich eher wie die Arbeit mit einem responsiven Designtool anfühlen und weniger wie das Einreichen eines Auftrags in eine Warteschlange.

Geschwindigkeit ist wichtiger, als die meisten Benchmarks vermuten lassen. In der Praxis ist der Unterschied zwischen einer 3-Sekunden-Generierung und einer 20-Sekunden-Generierung nicht nur 17 Sekunden Wartezeit. Es ist der Unterschied zwischen dem Verbleib im kreativen Flow und dem Verlust des Gedankenfadens. Schnellere Generierung bedeutet mehr Experimentieren, mehr erforschte Variationen und letztlich bessere Endergebnisse.

Auflösung und Seitenverhältnis reduzieren Nachbearbeitung

Native 4K-Ausgabe und 16:9-Breitbildunterstützung bedeuten, dass viele Assets direkt vom Generator verwendet werden können, ohne Größenänderung, Upscaling oder Zuschnitt. Ein YouTube-Thumbnail, ein Blog-Titelbild, ein LinkedIn-Banner oder ein Präsentationsfolien-Hintergrund kann in genau den benötigten Abmessungen generiert werden. Dies eliminiert einen kompletten Schritt aus dem Erstellungsworkflow und reduziert das Risiko von Qualitätsverlusten durch nachträgliche Größenänderung.

Die Multi-Modell-Zukunft

Da GPT-Image-2, Nano Banana Pro und Nano Banana 2 alle starke, aber unterschiedliche Fähigkeiten liefern, ist der klügste Ansatz für engagierte Kreative der Zugang zu mehreren Modellen. Verschiedene Prompts und Anwendungsfälle spielen unterschiedlichen Modellen in die Hände. Eine textlastige Social-Media-Grafik könnte am besten von GPT-Image-2s Textdarstellung bedient werden. Ein Produktfoto mit komplexen Reflexionen könnte von Nano Banana Pros räumlichem Denken profitieren. Eine Pipeline mit hohem Volumen könnte für Nano Banana 2s Geschwindigkeit optimieren.

Bei Genra verfolgen wir die Entwicklung von GPT-Image-2 genau und planen, es in unsere Multi-Modell-Pipeline zu integrieren, sobald es über die API verfügbar wird. Unser Ziel ist es sicherzustellen, dass Genra-Nutzer automatisch Zugang zu den besten Bildgenerierungsfähigkeiten erhalten, ohne Tools wechseln oder mehrere Abonnements verwalten zu müssen. Wenn GPT-Image-2 startet, werden Genra-Nutzer es neben Nano Banana Pro und anderen führenden Modellen haben, mit intelligenter Weiterleitung an das beste Modell für jede spezifische Aufgabe.

Kernaussagen

• GPT-Image-2 ist OpenAIs Bildmodell der nächsten Generation. Es wurde durch einen kurzen LM-Arena-Auftritt am 4. April 2026 unter den Codenamen maskingtape-alpha, gaffertape-alpha und packingtape-alpha entdeckt.
• Die bedeutendste Verbesserung des Modells ist eine Textdarstellungsgenauigkeit über 99%, ein Quantensprung gegenüber den ~90-95% von GPT-Image-1.5 und eine Fähigkeit, die praktische Anwendungsfälle wie Social-Media-Grafiken, Werbemittel und Produkt-Mockups mit eingebettetem Text ermöglicht.
• Der gelbe Farbstich, der OpenAIs Bildmodelle seit DALL-E geplagt hat, ist in GPT-Image-2 eliminiert. Die Farbwiedergabe ist jetzt neutral und akkurat.
• In direkten Blindtests schlug GPT-Image-2 Nano Banana Pro bei Textdarstellung, Farbgenauigkeit und Weltwissen. Nano Banana Pro behielt einen Vorteil beim räumlichen Denken.
• GPT-Image-2 verwendet eine neue, dedizierte Architektur (nicht GPT-4o) und ermöglicht Generierungszeiten unter 3 Sekunden bei bis zu 4K-Auflösung mit Breitbild-Seitenverhältnis-Unterstützung.
• Das wahrscheinlichste Startfenster ist Ende April bis Mitte Mai 2026, angetrieben durch die DALL-E 2/3-Einstellungsfrist am 12. Mai und OpenAIs historischen Test-zu-Release-Zeitplan.
• Der Dreikampf zwischen GPT-Image-2, Nano Banana Pro und Nano Banana 2 wird die KI-Bildgenerierungslandschaft für den Rest des Jahres 2026 prägen.

Häufig gestellte Fragen

Ist GPT-Image-2 jetzt schon verfügbar?

Nein. Stand 20. April 2026 wurde GPT-Image-2 noch nicht offiziell veröffentlicht. Es erschien kurzzeitig am 4. April auf LM Arena und wird derzeit innerhalb von ChatGPT für eine kleine Teilmenge von Nutzern per A/B-Test getestet, aber es gibt keinen öffentlichen Zugang oder API-Verfügbarkeit. Das wahrscheinlichste Startfenster ist Ende April bis Mitte Mai 2026.

Wann wird GPT-Image-2 erscheinen?

Es wurde kein offizielles Datum angekündigt. Basierend auf OpenAIs historischem Muster von 2-4 Wochen zwischen LM-Arena-Tests und Veröffentlichung, der DALL-E 2/3-Einstellungsfrist am 12. Mai und der Entdeckung von Mobil-App-Zeichenketten ist das wahrscheinlichste Fenster Ende April bis Mitte Mai 2026. Ein stufenweiser Rollout beginnend mit ChatGPT-Plus-Abonnenten ist wahrscheinlich.

Wie schneidet GPT-Image-2 im Vergleich zu Nano Banana Pro ab?

In blinden LM-Arena-Tests schlug GPT-Image-2 Nano Banana Pro bei Textdarstellungsgenauigkeit, Farbneutralität und Weltwissen. Nano Banana Pro gewann beim räumlichen Denken (der Zauberwürfel-Reflexionstest). Beide unterstützen bis zu 4K-Auflösung und wettbewerbsfähige Generierungsgeschwindigkeiten. Der entscheidende Unterschied heute: Nano Banana Pro ist jetzt verfügbar, während GPT-Image-2 noch nicht veröffentlicht wurde.

Wird GPT-Image-2 kostenlos sein?

Die Preise wurden noch nicht bestätigt. Basierend auf OpenAIs aktuellem Modell wird GPT-Image-2 wahrscheinlich für ChatGPT Plus-, Team- und Enterprise-Abonnenten mit Nutzungslimits verfügbar sein und über die API mit Einzelbildpreisen zugänglich sein. Ob Nutzer der kostenlosen Stufe Zugang erhalten, ist unbekannt. Angesichts der neuen dedizierten Architektur könnten die API-Preise von den aktuellen GPT-Image-1.5-Tarifen abweichen.

Was ist mit DALL-E passiert? Wird es ersetzt?

Ja. OpenAI hat angekündigt, dass DALL-E 2 und DALL-E 3 am 12. Mai 2026 eingestellt werden. GPT-Image-1 und 1.5 (integriert in GPT-4o) dienen bereits als primäre Bildgenerierungsmodelle in ChatGPT. GPT-Image-2 soll das Flaggschiff-Bildgenerierungsmodell für die Zukunft werden, mit einer neuen dedizierten Architektur anstelle des Betriebs über GPT-4o.

Was ist LM Arena und wie zuverlässig sind die Testdaten?

LM Arena ist eine Community-getriebene Plattform, auf der KI-Modelle in blinden Direktvergleichen gegeneinander antreten. Nutzer reichen Prompts an zwei anonyme Modelle ein und stimmen ab, welches Ergebnis sie bevorzugen. Da die Tester nicht wissen, welches Modell sie bewerten, gelten die Ergebnisse als relativ unvoreingenommen. Allerdings stammen die GPT-Image-2-Daten aus einem begrenzten Zeitfenster von nur wenigen Stunden und sollten daher als vielversprechende frühe Belege behandelt werden, nicht als umfassendes Benchmarking.

Kann GPT-Image-2 Text auf Chinesisch, Japanisch und Koreanisch darstellen?

Basierend auf LM-Arena-Tests zeigt GPT-Image-2 eine deutlich verbesserte CJK-Textdarstellung im Vergleich zu früheren OpenAI-Modellen. Tester beschrieben die Qualität als "überraschend gut" mit akkuraten Zeichenformen und klaren Strichen. Umfassende Tests über das gesamte Spektrum der CJK-Zeichen und Schriftarten waren angesichts des begrenzten Testfensters jedoch nicht möglich.

Was ist Nano Banana 2 und wie unterscheidet es sich von Nano Banana Pro?

Nano Banana 2 ist Googles neuestes Bildgenerierungsmodell, veröffentlicht am 26. Februar 2026. Es kombiniert Nano Banana Pros Bildqualität mit der Geschwindigkeit von Gemini Flash und optimiert auf schnelle Generierungszeiten und tiefe Integration über Google-Produkte hinweg. Nano Banana Pro ist das qualitätsorientierte Modell und Nano Banana 2 das auf Geschwindigkeit und Integration fokussierte Modell. Beide sind jetzt verfügbar.