GPT Image 2.5 vs GPT Image 2: Ich habe dieselben Prompts durch beide geschickt. Hier unterscheiden sie sich wirklich
OpenAI hat ChatGPT Images 2.5 am 8. September veröffentlicht und es so zusammengefasst: „sharper details, more precise editing, and faster generation". Auf der API-Seite heißt das zwei neue Modelle, GPT-Image-2.5 Flare und GPT-Image-2.5 Sunburst. Bei ZOOOP waren beide am nächsten Tag live, als zwei Versionen eines Modells im KI-Bildgenerator.
Launch-Posts lesen sich immer gut. Wer jeden Tag Bilder generiert, hat nur eine Frage, die eine Antwort verdient: Ich bin mit GPT Image 2 zufrieden — was gewinne ich wirklich, wenn ich auf 2.5 wechsle? Also habe ich denselben Satz Prompts durch beide Generationen geschickt und nichts außer dem Modell verändert. Hier ist, was man sieht, und was nicht.
Was GPT Image 2.5 ist, und was Flare und Sunburst sind
Zuerst die Namen, denn OpenAI hat drei davon auf einmal herausgebracht.
ChatGPT Images 2.5 ist der Produktname in ChatGPT. Ein API-Modell namens „2.5" gibt es nicht — es gibt zwei: Flare und Sunburst. Laut OpenAI ist Flare der Standard für die meisten Anwendungen und liefert bessere Bilder als GPT-Image-2 bei halber Latenz. Sunburst ist für Premium-Workflows gebaut, die engere Kontrolle über Bearbeitungen wollen, und braucht länger zum Generieren. Beide teilen dieselben Prompts, Parameter und Seitenverhältnisse.
Bei ZOOOP haben wir sie nicht als zwei getrennte Modelle gelistet — das würde nahelegen, dass man zwischen zwei verschiedenen Dingen wählt. Es sind zwei Versionen unter GPT Image 2.5, einen Schalter voneinander entfernt. Deshalb laufen alle Vergleiche in diesem Beitrag standardmäßig auf Flare; Sunburst bekommt weiter unten einen eigenen Abschnitt.
Gegenüber GPT Image 2 haben sich auf Parameterebene drei Dinge geändert: Die Qualitätsleiter geht von Low / Medium / High auf fünf Stufen, mit XHigh und Max obenauf; es gibt eine neue 4K-Auflösung; und eine einzelne Anfrage nimmt jetzt bis zu 16 statt 10 Referenzbilder. Alles andere ist gleich — elf Seitenverhältnisse, Prompts genauso geschrieben.
Methode: gleiche Prompts, nur das Modell wechselt
Vier Prompts, die die vier Dinge abdecken, die mir am wichtigsten sind. Stoff- und Metalldetail: eine Nahaufnahme des Revers eines marineblauen Fischgrat-Blazers mit einer Anstecknadel aus Messing. Kleiner Text im Bild: das handgemalte Holzschild einer Bäckerei. Reflexionen und Materialien: eine mattschwarze Teekanne auf einer polierten Steinarbeitsplatte. Typografie: ein Vintage-Konzertposter an einer Ziegelwand.
Jeder Prompt lief einmal auf jedem Modell — 16:9, gleiche Auflösung, Qualität Low. Low ist die Stufe, die ich am meisten nutze, und die, die den Boden eines Modells offenlegt; auf der obersten Stufe kann jedes Modell Details aufhäufen. Für den Stoff-Prompt habe ich ein High-Paar und ein Max-Rendering ergänzt, das nur 2.5 bietet, um zu sehen, wie weit die Leiter wirklich reicht.
Hier nicht getestet: Bearbeitung und Composing mit mehreren Referenzen. Das sind die Bereiche, über die OpenAI bei 2.5 am meisten spricht, und sie verdienen einen eigenen Beitrag.
Unterschied eins: aufgelöstes Detail
Kurzfassung: Beide Low-Renderings sind brauchbar; der Abstand zeigt sich beim Zoomen. GPT Image 2 hat den Fischgrat, aber er ist weich, wie durch Gaze gesehen. GPT Image 2.5 stellt jede Rippe auf, und die Naht entlang der Reverskante ist fester. Der andere Abstand liegt nicht in der Textur, sondern im Gehorsam. Ich bat um eine Messing-Anstecknadel; 2.0 zeichnete einen laternenförmigen Anhänger, 2.5 einen runden Messingknopf mit Wappen. Beides ist nicht lehrbuchmäßig, aber 2.5 ist näher am Prompt.
Das Teekannen-Paar zeigt am klarsten, was „aufgelöstes Detail" bedeutet. Beide treffen das Material der Kanne; der Unterschied ist die Arbeitsplatte. Die Reflexion von 2.0 ist ein vager dunkler Schmierer. 2.5 spiegelt Griff, Körper und Deckel einzeln auf dem Stein, mit der Marmoräderung, die darunter durchscheint. Das ist die Schwachstelle, auf die ich bei jedem KI-Bildgenerator am häufigsten stoße — das Motiv stimmt, der Ring, wo Motiv und Umgebung sich treffen, wird matschig. 2.5 ist in diesem Ring spürbar dichter.
Zum Text im Bild: „MORNING LOAF · est. 1987" auf dem Bäckereischild und die drei Zeilen auf dem Poster kamen auf beiden Modellen buchstabengenau heraus. Lesbare Typografie war immer das Markenzeichen der GPT-Image-Linie; 2.5 fällt da nicht zurück und zieht auch nicht davon. Die Unterschiede liegen rund um die Buchstaben. Das Schild von 2.5 ist wirklich verwittertes Holz an Eisenhaken, und sein Poster hat Falten und Pinköpfe. Das Schild von 2.0 sieht frisch gestrichen aus, und sein Poster hat ein Vintage-Auto ergänzt, das der Prompt nie verlangt hat.
Unterschied zwei: aus drei Qualitätsstufen werden fünf
Bei den drei Stufen von GPT Image 2 lautete meine Regel: Low reicht, Medium für dichte Kompositionen, High selten. 2.5 setzt XHigh und Max über High, und die erste Reaktion ist „also ein teureres High".
Was ich fand, war anders: Eine Stufe höher schärft nicht dasselbe Bild — es generiert ein neues. Über die Renderings Low, High und Max wechselte die Nadel von einem runden Wappen zu einer Blattform, und die Schicht darunter von weißem Hemd zu cremefarbenem Pullover und zurück. Die Komposition bewegte sich; das Einzige, was stetig stieg, war der Stoff. Der Fischgrat von Max ist dicht genug, um die Fäden zu zählen, High folgt, und Low ist in Webgröße kaum von High zu unterscheiden. Wenn der Plan also war „Komposition auf Low festlegen, dann denselben Frame für den Druck in Max neu rendern", diesen Weg gibt es nicht. Steig die Leiter hoch, solange du eine Änderung der Komposition noch akzeptierst.
Mein Rat ist derselbe wie bei 2.0, nur auf einer längeren Leiter: auf Low explorieren, Komposition festzurren, nur den Frame hochstufen, den du wirklich lieferst. Welche Stufe, hängt davon ab, wie groß er betrachtet wird. Ein gedrucktes Poster, ein Landingpage-Hero, ein 4K-Plate — dort gehören XHigh und Max hin. Einen Social-Post hochzustufen kostet nur mehr.
Unterschied drei: 4K-Breitbild und 16 Referenzbilder
4K ist die greifbare Ergänzung. GPT Image 2.5 gibt 3840×2160 und 2160×3840 direkt aus, ohne 2K-dann-Hochskalieren — und nativ gegen hochskaliert ist bei hochfrequenten Details wie Blättern und Haaren etwas anderes.
Eines vorab: 4K gibt es nur für vier breite und hohe Formate — 21:9, 16:9, 9:16 und 9:21. Die anderen sieben Seitenverhältnisse enden bei 3K. Das ist die Pixelobergrenze des Modells, keine ZOOOP-Grenze; wir grauen die nicht wählbaren Kombinationen aus, damit du nicht zahlst, eine halbe Minute wartest und einen Fehler bekommst.
Dass das Referenzlimit von 10 auf 16 Bilder steigt, ist ein echter Komfort für E-Commerce-Composings und Layoutarbeit: Packshots, Props, eine Farbkarte und ein grobes Layout, alles in einer Anfrage, und der Prompt beschreibt die Anordnung. Dafür habe ich keinen Vergleich geschossen, aber „die Motive deiner Referenzfotos besser bewahren" ist einer der Hauptstränge in OpenAIs Ankündigung und passt zu dem, was wir in vereinzelten Tests im KI-Bildeditor gesehen haben.
Unterschied vier: rendern Flare und Sunburst unterschiedlich?
Das wollte ich am dringendsten klären, denn bei ZOOOP kosten die beiden Versionen dasselbe. Wenn Sunburst langsamer und nicht besser ist, wofür ist es da?
Ich habe den Revers-Prompt aus Unterschied eins mit identischen Parametern durch Sunburst geschickt. Nebeneinander sind Stoffdichte, Metall der Nadel und Schärfentiefe-Verlauf unentschieden; jeder Unterschied ist zufällig — Flare gab einen runden Messingknopf, Sunburst eine Eichenblatt-Nadel und ergänzte ein Einstecktuch. Anders gesagt: Beim Generieren von null ist Sunburst nicht besser als Flare.
Langsamer ist es, aber eine Zahl kann ich nicht nennen. Ich habe dieselben gepaarten Läufe zweimal ausgewertet: In beiden Runden liegt der Median von Sunburst hinter dem von Flare, doch der Abstand fiel sehr unterschiedlich aus, und einzelne Zellen drehten sich um. Die Richtung hält, der Faktor nicht. Das passt zu OpenAIs Positionierung: Sunbursts Stärke ist das Bearbeiten — die Sorte „ändere genau das eine, lass den Rest" — nicht Text-to-Image.
Die Regel ist also einfach. Standard Flare. Wechsle nur dann zu Sunburst, wenn du eine präzise Bearbeitung an einem bestehenden Bild vornimmst und die Änderung genau dort landen muss, wohin du zeigst. Für Text-zu-Bild und Batch-Entwürfe lässt Sunburst dich nur warten.
Was auf 2.5 umziehen sollte, und was bleiben kann
Die vier Unterschiede in einer Liste.
Auf GPT Image 2.5 umziehen: alles, was groß betrachtet wird — gedruckte Key Visuals, Landingpage-Heroes, Großbildschirm-Hintergründe; alles mit kleinem Text oder dichter Typografie; alles, was natives 4K-Breitbild braucht; alles, was ein Dutzend oder mehr Referenzbilder komponiert. In diesen Fällen ist der Abstand sichtbar.
Keine Eile: alltägliche Social-Bilder, Bilder, die nur auf dem Handy gesehen werden, reine Stilerkundungs-Entwürfe. Auf Low rechtfertigt der Unterschied zwischen den Generationen kein erneutes Durchlaufen eines bestehenden Satzes. Wer eine Reihe mit GPT Image 2 gemacht hat und ein paar passende mehr braucht, bleibt sicherer bei 2.0.
Neue Arbeit fängt auf 2.5 an. Im KI-Bildgenerator von ZOOOP steht es in der Liste vor GPT Image 2, Flare ist die Standardversion, und die fünf Qualitätsstufen und 4K liegen im selben Panel. Credits gelten für beide Modelle, hin- und herwechseln braucht kein zweites Budget.