GPT Image 2 Testbericht: Eine ehrliche Erfahrung aus der Praxis

GPT Image 2 erschien Ende April 2026 mit selbstbewussten Versprechen: nahezu perfekte Textwiedergabe, 4K-Ausgabe, integrierte Reasoning-Fähigkeiten. Sechs Wochen lang haben wir es mit echten Produktionsaufgaben betraut – Poster, Produktfotografie, Infografiken, Porträts, komplexe mehrteilige Szenen – und dabei ein klareres Bild gewonnen als jede Launch-Demo es vermitteln konnte.

Die Kurzfassung: Die auffälligen Versprechen halten stand. Die Überraschungen liegen vor allem im Kosten-Qualitäts-Kompromiss und in den Einschränkungen, die beim Launch unerwähnt blieben. Dies ist kein Modell, das bei jeder Aufgabe alle Alternativen übertrifft, aber sein Profil ist klar – und sobald man dieses Profil erkannt hat, ergeben sich die Workflow-Fragen von selbst.

---

Testaufbau

Wir haben GPT Image 2 mit Aufgaben derselben Art geprüft, mit denen wir jedes Bildmodell testen würden: Produktfotografie (Katalogbilder und Lifestyle-Aufnahmen), Werbeposter auf Deutsch und Chinesisch, Infografiken, Social-Media-Cover, UI-Wireframes, redaktionelle Porträts sowie detailreiche mehrteilige Szenen. Alle Generierungen liefen auf der hiapi-Plattform in 1K- und 2K-Auflösung, ohne Selektion – jeder Prompt wurde genau einmal generiert, und genau dieses eine Ergebnis wurde bewertet.

Einige der unten gezeigten Ausgaben stammen direkt aus unseren tatsächlich verwendeten Prompt-Vorlagen; wenn du also einen der Punkte selbst überprüfen möchtest, ist der Vergleich reproduzierbar.

---

Was überzeugt

Textwiedergabe ist die eigentliche Verbesserung

Das ist das Hauptmerkmal, und es verdient die Werbung. Große englische Überschriften, chinesische und japanische Kalligrafie, Preisschilder im Bild, Etikettentexte, Beschriftungen in Infografiken – GPT Image 2 gibt sie in fast allen Fällen beim ersten Versuch korrekt wieder.

Im obigen Vergleich (links GPT Image 2, rechts GPT Image 1.5) ist der Unterschied bei dicht überlagerten Textarbeiten ohne Vergrößerung erkennbar. Das Vorgängermodell verwischte kleine Beschriftungen oder erfand Buchstabenformen, während GPT Image 2 Rechtschreibung und Laufweite stabil beibehält.

Das Modell macht zudem sinnvolle Plausibilisierungen: Als wir ein „hochwertiges Poster“ mit einer Überschrift in Anführungszeichen anforderten, fügte es zusätzlich ein kleines Marken-Monogramm und eine Zeile „EST. 2024“ hinzu – nicht verlangt, aber passend zum handwerklichen Charakter. Solche kontextbewussten Ergänzungen sind bei Bildmodellen selten – die meisten rendern entweder strikt das Verlangte oder halluzinieren beliebig. GPT Image 2 findet einen nützlichen Mittelweg.

Für einen tieferen Einblick, was Textwiedergabe konkret leisten kann und was nicht, lies unseren Stresstest zur Textwiedergabe.

Fotorealismus erreicht Produktionsniveau für kommerzielle Nutzung

Bei Produktfotografie – Milchglas, Keramikoberflächen, weiche Stoffe, Metallkanten – wirken die Ergebnisse wie echte Produktaufnahmen. Die im Prompt spezifizierten Lichtsetups (Dreipunkt-Studiolicht, Seitenlicht, weiches gerichtetes Fensterlicht) erzeugen korrekte Schatten und Glanzlichter. Besonders Milchglas und matte Keramik zeigen eine akkurate Materialtextur statt der leicht plastikartigen Anmutung älterer Bildmodellgenerationen.

Auch Lifestyle-Kompositionen – das Produkt als Hauptmotiv mit begleitenden Requisiten – überzeugen. Das „Hauptobjekt“ bleibt scharf und zentriert, die Begleitelemente (Strickdecke, aufgeschlagenes Buch, Pflanze) liegen auf der richtigen Schärfeebene und drängen sich nicht in den Vordergrund. Das Fensterlicht erzeugt die passende Weichheit und warme Tonalität.

Komplexe Szenen bleiben kohärent

Viele Bildmodelle geraten außer Kontrolle, wenn Prompts länger werden – mehrere Objekte an bestimmten räumlichen Positionen zu verankern, Materialunterschiede über die gesamte Szene hinweg zu wahren –, während GPT Image 2 die Ordnung behält. Räumliche Hinweise wie „links [X], in der Mitte [Y], rechts [Z]“ werden befolgt. Goldenes Nachmittagslicht fällt durchs Fenster und erzeugt korrekte Schattenlängen und Staubpartikel. Terrakottatöpfe, Monstera, Webteppich, Holzregal, Strickdecke und warme Tischlampe bleiben an ihren zugewiesenen Plätzen.

Das ist wichtig für redaktionelle Illustration, Innenraumvisualisierung und jede Arbeit, bei der eine vollständige Szene auf einen Blick lesbar sein muss.

Chinesische, japanische und gemischtsprachige Texte

Die korrekte Wiedergabe englischer Texte haben wir bereits gesehen. Chinesische und japanische Kalligrafie ist schwieriger, und die meisten Bildmodelle scheitern bis heute daran. GPT Image 2 nicht – Pinselstriche, Zeichenproportionen und Siegelpositionen werden sowohl im chinesischen als auch im japanischen Kontext angemessen wiedergegeben. In unserem Vergleich mit Nano Banana 2 fügte GPT Image 2 sogar unaufgefordert kulturell passende Phrasen zu einem Teezeremonie-Poster hinzu (Ichigo Ichie, Wa Kei Sei Jaku).

---

Was nicht überzeugt

Langsamer als der Vorgänger

Das ist die größte Überraschung. GPT Image 1.5 benötigte 18–36 Sekunden pro Bild. GPT Image 2 braucht in 1K-Auflösung durchschnittlich etwa 107 Sekunden, bei komplexen Prompts dauern manche Generierungen über 120 Sekunden. Etwa 3–5-mal langsamer.

Für interaktive Workflows – Prompts im Playground testen, mit Kunden über Zoom iterieren – ist diese Latenz spürbar. Für Batch-Workflows – du stellst Aufgaben in die Warteschlange und holst die Ergebnisse später ab – ist der Durchsatzverlust akzeptabel. Aber es ist ein echter Rückschritt, keine Marketing-Fußnote, und er sollte beeinflussen, wie du dieses Modell einsetzt.

Die naheliegende Aufteilung war damals: Prompt-Varianten mit GPT Image 1.5 iterieren, dann für die finale Generierung zu GPT Image 2 wechseln. Da 1.5 inzwischen von der Plattform zurückgezogen wurde, rechne die rund 107 Sekunden in deinen Workflow ein – oder führe vor der Investition in das finale Rendering eine günstige Entwurfsrunde mit gpt-image-2-beta (0,02 $ pro Bild) durch.

Keine transparenten Hintergründe

GPT Image 2 unterstützt keine transparenten Hintergründe. Anfragen mit background: "transparent" schlagen direkt fehl – keine elegante Degradierung. Wenn dein Workflow auf PNG-Freistellern basiert (Logos für den Export, Produktmasken für die Komposition, Social-Media-Sticker), brauchst du ein anderes Modell oder einen Nachbearbeitungsschritt zur Hintergrundentfernung. Das ist kein optionales Verhalten, sondern eine harte Einschränkung des aktuellen Modells.

Es ist Fotograf, nicht Künstler

Die Standardästhetik von GPT Image 2 neigt zu Realismus und redaktioneller Eleganz: saubere Komposition, filmische Beleuchtung, fotografische Schärfentiefe. Für kommerzielle Arbeit – Produktbilder, Marketingvisuals, Markenbilder – ist das perfekt. Wenn du aber lockere, malerische, experimentelle oder abstrakte Ergebnisse möchtest, ist es weniger ideal.

Im obigen Vergleich (links GPT Image 2, rechts GPT Image 1.5) erzeugte derselbe Prompt zwei unterschiedliche Anmutungen. GPT Image 2 strebt nach dramatischen Schatten und tiefem Kontrast. GPT Image 1.5 strebt nach warmen Illustrationstönen. Keines ist „besser“ – sie sind für unterschiedliche Arbeiten gedacht.

Wenn deine Arbeit malerische Illustration, Aquarell oder alles erfordert, was von Unvollkommenheit profitiert, könnte ein älteres Modell – oder ein ganz anderes Bildmodell – besser geeignet sein als GPT Image 2.

Porträts wirken gelegentlich etwas „KI-generiert“

Bei den meisten Motiven ist der Fotorealismus von GPT Image 2 kaum von echter Fotografie zu unterscheiden. Bei Nahaufnahmen von Porträts erzeugt das Modell jedoch manchmal Gesichter, die genau zu symmetrisch sind – Augenabstände auf den Punkt gleich, Hauttextur etwas zu gleichmäßig –, sodass sie nicht vollständig als echte Fotos lesbar sind. Echte Porträtkameras erfassen Asymmetrie, während Bildmodelle Asymmetrie aktiv einbauen müssen.

Das ist kein Fehlermuster, das nur GPT Image 2 eigen ist – jedes fotorealistische Bildmodell hat mehr oder weniger damit zu kämpfen –, aber wenn du überwiegend Porträtinhalte produzierst, lohnt es sich zu wissen. Was den Realismus natürlicher Porträts angeht, sieht Nano Banana 2 oft eher wie ein echtes Foto aus, zum Preis von fast dreimal so viel pro Bild.

---

Die Preisrealität

Auf hiapi kostet GPT Image 2 in 1K-Auflösung 0,03 $ pro Bild – 40 % günstiger als GPT Image 1.5 (das vor seiner Einstellung im Juni 2026 bei 0,05 $ lag). Für ein Flaggschiffmodell ist das eine ungewöhnliche Positionierung: Die meisten „neuen Generationen“ verlangen einen Aufpreis. GPT Image 2 verlangt weniger.

Für 2K- und 4K-Ausgaben greifen Multiplikatoren (1,33× bzw. 2×, also 0,04 $ und 0,06 $ pro Bild). Vollständige Preisdetails (einschließlich Aufschlüsselung nach Qualitätsstufen und Strategien zur Kostenreduzierung) findest du in der GPT Image 2 Preisanalyse.

Bei diesen Preisen sind die Kosten für echte Workflows selten die eigentliche Einschränkung. Die Zeit ist es. Ein Team, das täglich 500 Bilder generiert, gibt 15 $ aus – aber bei serieller Ausführung vergehen etwa 15 Stunden Wanduhrzeit, um diese Generierungen abzuschließen. Plane Stapel- und Parallelverarbeitung entsprechend.

---

Für wen es geeignet ist

GPT Image 2 ist die richtige Wahl für:

• Kommerzielle Arbeit, bei der Textgenauigkeit entscheidend ist – Poster, Verpackungen, Infografiken, Social-Media-Cover, Beschriftungen im Bild. Die Textwiedergabe ist das Hauptmerkmal und tatsächlich zuverlässig.
• Produktfotografie für E-Commerce oder Marketing – für eine vollständige Pipeline zur Erstellung von Produkthauptbildern mit GPT Image 2 lies unseren End-to-End-E-Commerce-Workflow.
• Umfangreiche redaktionelle Kompositionen – Innenraumszenen, Szenen mit vielen räumlichen Elementen, alles, was von einer „durchdachten“ Ausgabe profitiert.
• Mehrsprachige Kontexte einschließlich Chinesisch und Japanisch – Kalligrafie, gemischtsprachige Poster, internationale Marketingvisuals.
• Häufige Arbeiten, bei denen die Kosten pro Bild wichtig sind – in dieser Qualitätsstufe sind 0,03 $ pro Bild in 1K-Auflösung der niedrigste Preis auf hiapi.

Suche anderswo, wenn:

• Du schnelle Iterationszyklen brauchst. 107 Sekunden pro Bild sind zu langsam für Echtzeit-Prompt-Workflows. (GPT Image 1.5 war hier früher die schnellere Alternative; nach seiner Einstellung teste die Latenz der aktuellen Produktlinie im Playground, bevor du dich festlegst, und nutze das günstigere gpt-image-2-beta für Entwürfe.)
• Du transparente Hintergründe brauchst. Nicht unterstützt. Verwende ein anderes Modell oder Nachbearbeitung.
• Du eine malerische oder experimentelle Ästhetik möchtest. Der Standardstil von GPT Image 2 ist realistisch; ältere Modelle oder andere Bildmodelle bieten dir mehr Stilvarianz.
• Du Porträt-Realismus brauchst, der vollständig als echtes Foto lesbar ist. Gelegentlich entsteht eine leichte KI-Symmetrie. Spezialisierte Porträtmodelle könnten besser dienen.

---

Häufige Fragen

Ist GPT Image 2 besser als GPT Image 1.5?

Bei Textwiedergabe, Fotorealismus und komplexen Layouts – ja, deutlich besser. Bei Geschwindigkeit und lockerer malerischer Ästhetik – nein, das ältere Modell gewinnt. Die meisten echten Workflows profitieren davon, beide verfügbar zu halten: GPT Image 1.5 für schnelle Iteration, GPT Image 2 für die finale Ausgabe.

Wie langsam ist „langsam“ wirklich?

In 1K-Auflösung durchschnittlich etwa 107 Sekunden pro Bild. Komplexe Prompts (viel Text, dichte Szenen, hohe Auflösung) können über 120 Sekunden dauern. Im Vergleich dazu benötigte GPT Image 1.5 etwa 20 Sekunden. Geringere Kosten, aber höhere Wanduhrzeit.

Unterstützt GPT Image 2 transparente Hintergründe?

Nein. Anfragen mit transparentem Hintergrund schlagen fehl. Wenn du PNG-Freisteller brauchst, benötigst du einen separaten Hintergrundentfernungsschritt oder ein anderes Modell.

Ist die Textwiedergabe wirklich so viel besser?

Für unsere Aufgaben: ja. Große englische Überschriften, chinesische Kalligrafie, Beschriftungen in Infografiken, Preisschilder im Bild – in der überwiegenden Mehrheit der Fälle beim ersten Versuch korrekt. Das Hauptversprechen hält stand.

Und was ist mit Nano Banana 2?

Bei den meisten Aufgaben vergleichbare Textgenauigkeit, etwas besserer kommerzieller Fotorealismus (besonders Porträts und Produktfotografie), aber etwa 2,8-mal so teuer pro Bild und es ignoriert häufig Seitenverhältnis-Anforderungen. Vollständiger Einzelvergleich: GPT Image 2 vs Nano Banana 2.

Wo finde ich praxiserprobte Prompts?

Zwölf direkt kopierbare Vorlagen sowie die Bilder, die sie tatsächlich erzeugen: GPT Image 2 Prompts, die funktionieren.

---

Fazit

GPT Image 2 ist ein solides Arbeitstier für kommerzielles Design. Die Textwiedergabe ist eine echte Verbesserung, der Fotorealismus erreicht Produktionsniveau für Produktfotografie und detaillierte Szenen, und der Grundpreis von 0,03 $ macht häufige Workflows wirtschaftlich unkompliziert.

Der Preis für diese Erfolge sind die Generierungszeit (etwa 107 Sekunden pro Bild, ein echter Rückschritt gegenüber GPT Image 1.5) sowie die harte Einschränkung bei transparenten Hintergründen. Plane deinen Workflow um diese beiden Punkte herum.

Für die meisten Teams, die fertige kommerzielle Bildinhalte produzieren – Poster, Produktbilder, Social-Media-Visuals, mehrsprachiges Marketing – ist GPT Image 2 die neue Standardwahl. Nach der Einstellung von GPT Image 1.5 schließt du die Lücken, indem du die günstige Stufe gpt-image-2-beta für 0,02 $ für Entwürfe nutzt und ein Hintergrundentfernungs-Tool in deiner Toolchain für Freisteller behältst.

Starte im Playground über die GPT Image 2 Modellseite, hole dir praxisnahe Beispiele aus den Prompt-Vorlagen und plane die Kosten mit der Preisanalyse.