Das Versprechen
OpenAI hat am 21. April ChatGPT Images 2.0 (gpt-image-2) veröffentlicht. Es ersetzt das Modell gpt-image-1.5 und konzentriert sich auf räumliche Layouts, die durch Reasoning entstehen. Das System entfernt sich von einfacher Pixelvorhersage hin zu einem „Thinking“-Modus, der komplexe Infografiken, UI-Mockups und mehrsprachigen Text mit hoher Präzision verarbeitet. (Quelle: The New Stack, April 2026)
Unter der Haube
Kern des Updates ist der „Thinking“-Modus. Mit ihm kann das Modell Layouts durchdenken und Webdaten prüfen, bevor das erste Pixel gerendert wird. (Quelle: VentureBeat) Diese Architektur erreicht eine Textgenauigkeit von 99 % und behebt die seit Langem bestehenden Schwierigkeiten mit nicht-lateinischen Schriften wie Hindi, Bengalisch, Japanisch und Koreanisch. (Quelle: Gadgets 360)
Die Integration der C2PA-Standards für Herkunftsnachweise ist jetzt nativ, sodass alle Ausgaben die aktuellen Anforderungen der Branche an Wasserzeichen erfüllen. (Quelle: VentureBeat) Diese Präzision hat jedoch buchstäblich ihren Preis. Die API-Preise sind jetzt tokenbasiert: 8 US-Dollar pro 1 Mio. Input-Tokens und 30 US-Dollar pro 1 Mio. Output-Tokens. (Quelle: The Decoder)
Eine Standardgenerierung in 1024x1024 kostet etwa 0,21 US-Dollar, während erweiterte „Thinking“-Generierungen in 2K-Auflösung auf 0,40 US-Dollar pro Bild steigen können. (Quelle: Simon Willison’s Weblog) In Produktionsumgebungen mit hohem Volumen sind diese Stückkosten hoch genug, dass ein CFO zu Betablockern greift.
Bei Text und Layouttreue liegt das Modell vorn, mit dem „Uncanny Valley“-Look menschlicher Motive tut es sich aber weiterhin schwer. Wettbewerber wie Gemini NB2 von Google bleiben die bevorzugte Wahl für anatomische Präzision und Fotorealismus. (Quelle: Startup Fortune) Auffällig ist auch die fehlende Transparenz zu den Hardwareanforderungen für eine lokale Bereitstellung in Unternehmen.
Zudem lässt die jüngste Auflösung des Sora-Teams offen, wie es mit integrierten Video- und Bild-Workflows bei OpenAI weitergeht. In der Community ist die Stimmung beim Thema Ethik verhalten, denn es gibt weiterhin keinen klaren Rahmen, um Kreative zu vergüten, mit deren Werken das Modell trainiert wurde. (Quelle: Hacker News)
Unsere Einschätzung
Wenn Ihr Stack automatisiertes UI-Prototyping oder technische Infografiken braucht, ist gpt-image-2 das erste Modell, das zuverlässig genug für Produktionspipelines ist. Das Text-Rendering ist endlich verlässlich für einen globalen Einsatz in Märkten mit nicht-lateinischen Schriften. Für B2C-Anwendungen mit Porträts von Menschen oder hohem Generierungsvolumen sind der Preis von 40 Cent pro Bild und der „unheimliche“ Look jedoch eine schlechte Wahl. Nutzen Sie es für komplexe interne Dokumentation und UI-Mockups. Für fotorealistische Bilder in hoher Qualität bleiben Sie bei Gemini 2.5 oder NB2.