Die besten Image-to-Image-APIs 2026: dieselbe Bearbeitung, drei Modelle, echte Ergebnisse

Die meisten Übersichten zu den „besten Image-to-Image-APIs“ vergleichen nur Parametertabellen. Wir vergleichen die Ausgaben. Wir nahmen ein Quellfoto – einen handgefilterten Pour-over-Kaffeefilter aus Keramik in Salbeigrün auf einer unordentlichen Küchenarbeitsplatte – schickten exakt dieselbe Bearbeitungsanweisung über denselben hiapi-Task-Endpunkt an drei Image-to-Image-Modelle und stellten die Ergebnisse unverändert nebeneinander. Dieser Artikel zeigt jedes Bild, die genauen Prompts, die Live-Preise pro Bild und die API-Schema-Unterschiede, die man erst beim tatsächlichen Aufruf entdeckt.

Der Test: ein Bild, ein Prompt, drei Modelle

Alle Teilnehmer wurden über die Async-Task-API von hiapi aufgerufen:

• gpt-image-2/image-to-image@ext – der erweiterte GPT Image 2-Bearbeitungsendpunkt: bis zu 16 Referenzbilder, 4K-Ausgabe, drei Qualitätsstufen
• nano-banana-2 – das aktuelle Hauptmodell von Nano Banana: Bildbearbeitung plus Generierung, 4K-Ausgabe, stark bei der Textwiedergabe
• nano-banana-pro – die Premium-Stufe derselben Serie, ausgerichtet auf die Qualität von Key-Visual-Assets

Das Quellbild wurde bewusst unordentlich fotografiert – Krümel auf der Arbeitsplatte, ein Leinentuch, Utensilien am Fensterrand –, weil genau so eine echte „räum das auf, damit es sich verkaufen lässt“-Aufgabe aussieht. (Das Bild haben wir zuvor mit gpt-image-2/text-to-image erzeugt; es ist jetzt unser Standard-Testeingang für i2i.)

Jedes Modell erhielt wortwörtlich die folgende Anweisung:

Replace the background: put this exact sage green ceramic pour-over coffee
dripper, unchanged - same shape, same matte glaze, same camera angle - on a
polished white marble countertop against a seamless pale warm-grey studio
backdrop. Remove the crumbs, cloth and clutter. Soft diffused studio lighting,
gentle realistic shadow under the product, professional e-commerce catalog
photography. No text.

Der klassische E-Commerce-Hintergrundaustausch: Produkt behalten, Umgebung ersetzen. Das ist der häufigste kommerzielle Anwendungsfall für Image-to-Image-APIs und trifft genau das, was eine Parametertabelle nicht verrät – die Motivtreue, also ob das Modell dein Produkt zurückgibt oder einen täuschend ähnlichen Nachbau.

Die Ergebnisse der einzelnen Modelle

gpt-image-2/image-to-image@ext

Hervorragende Befolgung der Anweisung: Marmorplatte, nahtloser warmgrauer Hintergrund, Unordnung verschwunden, weiche Studioschatten, Katalogkomposition. Doch sieh dir das Produkt selbst an. Die Glasur ist glänzender und stärker gesprenkelt als die ursprüngliche matte Oberfläche, und der Rand hat zusätzlich eine hellbraune Zierlinie, die auf dem Quellbild nicht existiert. Form, gerillte Innenwand und Griff stimmen – aber das Material ist abgedriftet. Für Konzeptarbeit und Moodboards ist das irrelevant; bei einem Produkt, das gerade eingestellt wird, erkennt dein E-Commerce-Team das auf den ersten Blick.

Dieser Lauf verwendete quality: "medium", 1K – Bildkosten $0.061.

nano-banana-2

Genau dieses Ergebnis ließ uns zurückgehen und prüfen, ob wir die Dateien verwechselt hatten. Matte Glasur, Rillen, unglasierter Rand, Griff und sogar der Kamerawinkel blieben im Wesentlichen unverändert, während Arbeitsplatte und Hintergrund wie gefordert durch Marmor und Warmgrau ersetzt wurden. Wenn die Aufgabe lautet „platziere genau diese SKU in eine neue Szene“, hatte nano-banana-2 in diesem Test die beste Motivtreue aller drei – bei $0.085 für 1K, während 2K sogar günstiger ist ($0.076, siehe Preise unten).

nano-banana-pro

Gleiche Serie, gleiche Treue: Das Produkt bleibt unverändert, die matte Oberfläche intakt, die Szene ist etwas wärmer und die Marmorstruktur deutlicher – das Ergebnis wirkt direkt ein Stück „Magazin-Hero“. Ob das fast doppelt so viel wie nano-banana-2 wert ist (jeweils $0.17 bei 1K oder 2K), hängt von der Aufgabe ab; die Stärken von Pro zeigen sich eher bei komplexen Kompositionen mit vielen Elementen und bei Top-Key-Visual-Assets als bei einem einfachen Produkthintergrundaustausch wie diesem.

Bewertungstabelle

Modell	Bearbeitungsanweisung befolgt	Produkttreue erhalten	Referenzbilder	Maximale Ausgabe	Preis pro Bild
gpt-image-2/image-to-image@ext	Vollständig	Teilweise – Glasur und Rand abgedriftet	Bis zu 16	4K	$0.007–0.76
nano-banana-2	Vollständig	Nahezu exakt	Mehrere	4K	$0.076–0.114
nano-banana-pro	Vollständig	Nahezu exakt	Mehrere	4K	$0.17–0.2992

Die obigen Beobachtungen stammen aus einer kontrollierten Bearbeitung vom 5. Juli 2026. Andere Motive (Gesichter, Stoffe, Typografie) könnten die Rangfolge der Modelle verändern – der ganze Sinn dieses Artikels ist, dass du dieses Experiment in wenigen Minuten mit deinen eigenen Bildern wiederholen kannst.

Preise, gegen die Live-Preisseite geprüft

Alle folgenden Preise wurden am 5. Juli 2026 gegen die Preisseite von hiapi geprüft. Alle werden pro Bild und nutzungsbasiert abgerechnet, ohne Abonnementstufen.

gpt-image-2/image-to-image@ext wird nach Qualität × Auflösung abgerechnet:

Qualität	1K	2K	4K
low	$0.007	$0.015	$0.022
medium	$0.061	$0.132	$0.217
high	$0.245	$0.535	$0.76

Die Modelle der Nano-Banana-Serie werden nur nach Auflösung abgerechnet:

Modell	1K	2K	4K
nano-banana-2	$0.085	$0.076	$0.114
nano-banana-pro	$0.17	$0.17	$0.2992

Drei praktische Hinweise:

• Bearbeitungsprompts am günstigsten iterieren lässt sich mit gpt-image-2 in low/1K: $0.007 pro Versuch. Dort prototypisieren und die vielversprechenden Prompts dann in höherer Qualität oder auf den Nano-Banana-Modellen erneut ausführen.
• Die 2K-Stufe von nano-banana-2 ist günstiger als die 1K-Stufe ($0.076 gegenüber $0.085). Es gibt keinen Grund, nicht 2K zu wählen.
• Höhere Qualitätsstufen machen das Rendering schärfer; sie ändern nichts am Verhalten bei der Motivtreue. Die Materialabweichung, die wir bei medium gesehen haben, wird bei high zu einer schärferen Materialabweichung.

Die Eingabe-Schemas sind nicht austauschbar

Alle drei Modelle liegen hinter demselben Endpunkt – POST https://api.hiapi.ai/v1/tasks –, aber das input-Schema unterscheidet sich je nach Modellfamilie, und genau hier stecken die meisten Fehler bei der ersten Integration.

Der GPT Image 2-Bearbeitungsendpunkt akzeptiert image_urls, und sowohl quality als auch resolution sind erforderlich:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2/image-to-image@ext",
    "input": {
      "prompt": "Replace the background: put this exact product on a marble countertop...",
      "image_urls": ["https://your-cdn.example.com/source.jpg"],
      "quality": "medium",
      "resolution": "1K"
    }
  }'

Die Modelle der Nano-Banana-Serie akzeptieren image_input sowie aspect_ratio und resolution:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nano-banana-2",
    "input": {
      "prompt": "Replace the background: put this exact product on a marble countertop...",
      "image_input": ["https://your-cdn.example.com/source.jpg"],
      "aspect_ratio": "1:1",
      "resolution": "1K"
    }
  }'

Beide geben die Task-ID in data.taskId zurück. Den Task-Detail-Endpunkt abfragen, bis status gleich success ist, und dann sofort output[0].url herunterladen – Ausgabe-URLs sind zeitlich begrenzt, also die Bytes umgehend im eigenen Speicher ablegen. Unsere Bearbeitungen kehrten jedes Mal innerhalb weniger Minuten über die asynchrone Warteschlange zurück.

Ein nettes Detail: Wenn du einen falschen Feldnamen sendest, nennt die 400-Antwort das erwartete Schema ("image_urls: missing required field"), ein Tippfehler kostet dich also nur Sekunden statt einer Debugging-Session.

Wie Bearbeitungen mit mehreren Referenzbildern die Regeln ändern

Die Bearbeitung mit einem einzigen Quellbild ist der Basisfall, aber beide Serien akzeptieren mehr als ein Eingabebild, und hier findet die Arbeit an Produkt- und Charakterkonsistenz statt:

• image_urls von gpt-image-2/image-to-image@ext akzeptiert bis zu 16 Referenzbilder – genug, um ein komplettes Brandboard (Produktfotos, Farbreferenzen, Layoutreferenzen) in eine einzige Bearbeitung zu geben.
• Die Modelle der Nano-Banana-Serie akzeptieren mehrere image_input-Referenzbilder und sind besonders gut darin, ein Motiv über verschiedene Szenen hinweg stabil zu halten.

Zwei nano-banana-2-Ausgaben aus unserer eigenen Asset-Bibliothek zeigen, wie das in der Praxis aussieht – beide wurden von Referenzbildern derselben Flasche und derselben Person gesteuert:

Der Trick liegt im Prompt: Benenne, was sich nicht ändern darf („diese exakte Serumflasche, unverändert – dasselbe bernsteinfarbene Glas, derselbe schwarze Pipettenverschluss“) und lass das Modell alles andere neu aufbauen. Die vollständige Anleitung findest du in unserem Nano-Banana-Leitfaden für Produktbilder.

So wählst du

• Eigenes Produkt oder eigene Figur bearbeiten, und Motivtreue ist Pflicht → mit nano-banana-2 beginnen. In unserem Test hatte es das beste Preis-Leistungs-Verhältnis bei der Treue; wähle 2K, das ist die günstigste Stufe.
• Großvolumige, kostenempfindliche Iteration → gpt-image-2/image-to-image@ext in low/1K, $0.007 pro Versuch. Günstig iterieren und dann den Gewinner-Prompt hochstufen.
• Brandboard-Workflows, die viele Referenzbilder gleichzeitig benötigen → gpt-image-2/image-to-image@ext, das einzige der drei, das 16 Referenzbilder akzeptiert.
• Hochwertige 4K-Key-Visual-Assets → nano-banana-pro, aber zuerst einen A/B-Vergleich mit nano-banana-2 für $0.114/4K machen – bei Arbeiten mit einem einzigen Motiv ist der Unterschied kleiner, als der Preis vermuten lässt.

Wenn du darüber nachdenkst, die einzelnen Modellanbieter getrennt zu integrieren: Die Kriterien, die im Produktivbetrieb wirklich zählen, sind ein pro Bild auf einer öffentlichen Seite nachprüfbarer Preis, eine Authentifizierung und eine Task-Polling-Schleife statt mehrerer, und die Möglichkeit, den "model"-String auszutauschen, ohne die Pipeline umzuschreiben. Das ist das Argument für einen einheitlichen Endpunkt; wäge es gegen das ab, was dein bestehender Stack bereits bietet.

Häufig gestellte Fragen

Worin unterscheidet sich eine Image-to-Image-API von einer Text-to-Image-API? Text-to-Image erzeugt ein Bild allein aus einer Beschreibung. Image-to-Image erhält ein oder mehrere Eingabebilder plus eine Anweisung und gibt ein verändertes Bild zurück – Hintergrundaustausch, Stiländerung, Objektbearbeitung oder eine aus mehreren Referenzbildern aufgebaute Komposition. Die Modelle in diesem Test können alle i2i; die meisten können auch von Grund auf generieren.

Welche ist die günstigste Image-to-Image-API in diesem Vergleich? Nach Listenpreis gpt-image-2/image-to-image@ext mit low-Qualität und 1K: $0.007 pro Bild. Die günstigste Bearbeitung, die zugleich das exakte Aussehen unseres Produkts bewahrt, ist nano-banana-2 bei 2K: $0.076.

Wie viele Referenzbilder kann ich senden? gpt-image-2/image-to-image@ext akzeptiert über das image_urls-Array bis zu 16. Die Modelle der Nano-Banana-Serie akzeptieren über image_input mehrere Referenzbilder – genau für den oben gezeigten Konsistenz-Workflow.

Können diese Modelle Text in bearbeiteten Bildern wiedergeben? nano-banana-2 nennt die Textwiedergabe als Kernstärke und ist die sicherere Wahl, wenn die Bearbeitung Etiketten oder Verpackungstexte betrifft. Unabhängig vom Modell solltest du wiedergegebenen Text vor der Veröffentlichung Korrektur lesen – von Modellen erzeugte Typografie braucht weiterhin menschliche Prüfung.

Führe den Test mit deinen eigenen Bildern aus

Der schnellste Weg, „welches Image-to-Image-Modell passt zu meinen Inhalten“ zu klären, ist derselbe wie bei uns: ein Quellbild auswählen, einen Bearbeitungsprompt schreiben und ihn auf gpt-image-2/image-to-image@ext, nano-banana-2 und nano-banana-pro ausführen – bei hiapi sind das drei identische POSTs, bei denen nur der Modell-String wechselt. Den API-Schlüssel bekommst du im Quickstart-Leitfaden; mit den von uns verwendeten Stufen kostet das gesamte Drei-Modell-Experiment etwa $0.32. Weniger als der Kaffee, den dieser Filter aufbrühen kann.