gpt-image-2-pro auf hiapi: Preise, Qualitätsstufen und wie man das neue Bildmodell aufruft

Nach der Aktualisierung des /api/pricing-Endpunkts von hiapi in diesem Monat sind zwei neue Einträge an die Spitze der Bildmodellliste gestiegen: gpt-image-2-pro und gpt-image-2-image-to-image-pro. Beide tragen das violette „Pro“-Abzeichen, beide sind oben im Modellselektor angepinnt, und beide kosten mehr als das Zehnfache eines Standard-gpt-image-2-Aufrufs. Die naheliegende Frage lautet also: Wofür genau zahlst du hier?

Dieser Artikel erklärt, was die Pro-Varianten tatsächlich sind, wie die aktuelle Preismatrix aussieht und wie man sie über die einheitliche Task-API von hiapi aufruft. Wenn du dich fragst, ob du pro Frame 0,35 $ mehr in deiner bestehenden Pipeline ausgeben solltest, findest du unten die Rechnung, die du aufstellen musst.

---

Was „Pro“ auf der Preisseite bedeutet

Beide neuen Einträge beschreiben sich in den offiziellen Preisdaten selbst als „Stufe hoher Qualität und Stabilität“ – eine Stufe, bei der Stabilität an erster Stelle steht, konzipiert für Produktionsläufe, die eine vorhersehbare Erfolgsquote und Latenz benötigen und nicht nur durchschnittlich gut abschneiden müssen.

Diese Formulierung ist wichtiger, als sie auf den ersten Blick wirkt. Das Standard-gpt-image-2 zu 0,03 $ pro Aufruf eignet sich hervorragend zum Erkunden, für Massendiffusion und für alle Szenarien, in denen „ein paar Ausschussbilder unter hundert sind egal, weil die Neugenerierung billig ist“. Pro ist die Variante, die man wählt, wenn die Kosten für ein einzelnes fehlerhaftes Bild höher sind als zehn Dollar zusätzlicher Rechenleistung – ein Marketing-Rendering für einen festen Termin, das beim ersten Mal sauber sein muss, ein bezahltes Werbemittel, dessen nächster Versuch das Veröffentlichungsfenster verpassen würde, ein Key Visual, das die Veröffentlichung blockiert.

Die Bild-zu-Bild-Pro-Variante bietet noch eine zusätzliche Fähigkeit: Sie akzeptiert neben dem Prompt ein bis fünf Referenzbilder und bearbeitet, komponiert oder restyled diese dann. Dasselbe Stabilitätsversprechen, dieselbe Pro-Stufe, nur eine andere Eingabeform.

---

Die aktuelle Preismatrix

Zum Zeitpunkt des Schreibens gegen die Live-Preisseite bestätigt – diese Seite ist die einzige Quelle der Wahrheit, die folgenden Zahlen stammen direkt daraus:

Modell	1K (1024er-Klasse)	2K	Hinweise
gpt-image-2 (Standard, Text-zu-Bild)	0,03 $	0,04 $	Erkundungsstufe; zusätzlich 4K verfügbar
gpt-image-2-pro (Text-zu-Bild)	0,35 $	0,70 $	Stabilitätsstufe, fest auf Rang 1
gpt-image-2-image-to-image-pro	0,40 $	0,80 $	1–5 Referenzbilder, Bearbeitung / Komposition

Einige praktische Interpretationen:

• Pro kostet bei 1K etwa das 12- bis 14-Fache des Standards, bei 2K etwa das 17- bis 21-Fache. Das ist eine reale Budgetlücke. Wenn du nicht erklären kannst, warum genau dieses Bild Pro benötigt, brauchst du wahrscheinlich die Standardversion.
• 2K ist bei Pro ein sauberer 2-facher Multiplikator. Anders als bei manchen Bildanbietern, die für High-Resolution-Zuschläge degressive Strategien verfolgen, verdoppelt sich die Pro-Variante gleichmäßig und ist leicht vorhersehbar.
• Bild-zu-Bild liegt auf beiden Stufen etwa 14 % über Text-zu-Bild (0,40 $ gegenüber 0,35 $ bei 1K, 0,80 $ gegenüber 0,70 $ bei 2K). Du zahlst für die zusätzliche Verarbeitung der Referenzbilder.

Zum Vergleich: Das Standard-gpt-image-2 folgt einem anderen Muster: 1K = 0,03 $, 2K = 0,04 $ (1,33-facher Multiplikator), 4K = 0,06 $ (2-facher Multiplikator). Die Standardvariante bietet eine 4K-Stufe; die Pro-Variante geht derzeit bis maximal 2K, allerdings mit deutlich höherer Pixeltreue. Wenn du native Auflösung benötigst, ist das Standard-4K nach wie vor der günstigste Weg zu einer großen Leinwand; wenn du konsistente Produktionsqualität brauchst, ist Pro 2K die Wahl.

---

Wann sich Pro lohnt

Die Pro-Stufe ist eine Wette auf Stabilität, kein magischer Qualitätsknopf. Die Szenarien, in denen sie sich amortisiert, haben alle dieselbe Form: Die Neugenerierung ist teuer, und die Kosten eines fehlgeschlagenen Renderings sind asymmetrisch.

In diesen Fällen lohnt es sich, für Pro zu zahlen:

• Das Bild wird in eine kundenorientierte Oberfläche ausgeliefert und vor der nächsten Charge einer Prüfung unterzogen (bezahlte Werbung, Marketing-E-Mails, Media-Kits, Shop-Key-Visuals).
• Du musst die Konsistenz von Charakteren oder Produkten über eine kleine Gruppe von Renderings hinweg wahren und kannst es dir nicht leisten, dass auch nur ein Frame abweicht.
• Du hast eine SLA zur Stabilität, für die du verantwortlich bist – ein geplanter Job, der innerhalb eines bekannten Zeitfensters ein verwendbares Bild liefern muss.
• Die nachgelagerte Pipeline ist teuer: manuelle Prüfung, Markenfreigabe, manuelle Retusche. Etwas mehr pro Bild am Eingang auszugeben ist günstiger, als ein schlechtes Rendering weiter die Kette hinunterzureichen.

In diesen Fällen solltest du weiterhin die Standardversion verwenden:

• Du führst eine Massendiffusion durch (50, 500, 5000 Bilder) und bewertest und filterst die Ausgaben.
• Du erkundest Prompts, statt sie auszuliefern. Pro für Entwürfe zu verwenden, ist Geldverschwendung.
• Die Bilder befinden sich in unkritischen Oberflächen (Blogtext-Füllung, interne Folien, Entwicklungs-Testmaterial), bei denen eine Neugenerierung nur einen Klick entfernt ist.

Die Bild-zu-Bild-Pro-Variante hat ein engeres Einsatzgebiet: Wenn du Referenzmaterial hast, das der Marke wichtig ist – ein Produktfoto, ein vom Designer abgesegnetes Charakterblatt, ein Moodboard für eine Kampagne – und eine Bearbeitung benötigst, die die Highlights des Referenzmaterials nicht zerstört, ist sie fast immer die richtige Wahl. 0,40 $ dafür auszugeben, dass die Beleuchtung eines 4.000 $ teuren Produktshootings über zwölf Varianten hinweg konsistent bleibt, ist eine offensichtliche Rechnung.

---

Modelle von hiapi aus aufrufen

Beide Pro-Varianten nutzen die einheitliche Task-API von hiapi: POST /v1/tasks erstellt eine Aufgabe und gibt eine Task-ID zurück, GET /v1/tasks/:id meldet den Status und liefert bei Erfolg herunterladbare Bild-URLs in output[]. Den Prompt übergibst du in input (bei Bild-zu-Bild zusätzlich ein bis fünf Referenzbild-URLs).

Text-zu-Bild Pro

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2-pro",
    "input": {
        "prompt": "A pristine editorial magazine cover composition: a single "
                  "matte glass sphere resting on a polished dark slate plinth, "
                  "refracted interior architecture, studio key light, fine-grain "
                  "film texture, premium dark fashion-magazine aesthetic.",
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("hero.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

Für eine 2K-Ausgabe setze "resolution": "2K" (und wähle das Seitenverhältnis, das dein Material benötigt). Die Abrechnungs-Engine multipliziert sauber – ein Aufruf, 0,70 $.

Bild-zu-Bild Pro

Die Bild-zu-Bild-Variante akzeptiert im Array input_urls ein bis fünf Referenzbild-URLs. Referenzbilder sind gehostete URLs – wenn deine Bilder auf der Festplatte liegen, lade sie an einen erreichbaren Ort hoch (Objektspeicher, dein CDN) und übergib den Link.

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2-image-to-image-pro",
    "input": {
        "prompt": "Restyle the product photo into a vintage Polaroid look: "
                  "warm tones, soft vignetting, retain product silhouette and "
                  "logo placement exactly. Magazine-grade output.",
        "input_urls": ["https://your-cdn.example.com/reference-product.png"],
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("restyled.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

Zwei Dinge solltest du über Produktionsverkehr wissen:

• Ein Pro-Rendering dauert von Ende zu Ende 60–120 Sekunden. Der asynchrone Ablauf bedeutet, dass während der Wartezeit keine Verbindung belegt wird – poll alle paar Sekunden, oder setze beim Erstellen des Aufrufs callback.url, damit hiapi deinen Server über den Endzustand benachrichtigt.
• Wenn du von einem Serverless-Worker-Frontend aus aufrufst, speichere die taskId dauerhaft, damit der Poller oder Callback das Ergebnis abholen kann – halte nicht einen einzigen Aufruf während der gesamten Pro-Generierung offen.

---

Ein praktisches Routing-Muster

Für Teams, die gpt-image-2 bereits zu 0,03 $ betreiben, ist der sauberste Weg zur Einführung von Pro, die Standardstufe als Default beizubehalten und nur einen markierten Teil der Aufgaben an Pro zu routen. Ein minimales Muster:

def pick_model(job):
    if job.get("tier") == "hero" or job.get("brand_critical"):
        return "gpt-image-2-pro"
    if job.get("reference_image"):
        return "gpt-image-2-image-to-image-pro" \
            if job.get("brand_critical") else "gpt-image-2/image-to-image"
    return "gpt-image-2/text-to-image"

Versehe Aufgaben bei der Übermittlung mit Tags (ein Feld, ein boolescher Wert), und deine Abrechnung bleibt vorhersehbar. Die Pro-Varianten fungieren dann als Präzisionswerkzeug statt als Standardoption – genau in der Form, für die sie entworfen wurden.

---

Die Kurzfassung

gpt-image-2-pro und gpt-image-2-image-to-image-pro sind kein „besseres gpt-image-2“. Sie sind Stabilitätsstufen-Einträge innerhalb derselben Modellfamilie – gemacht für jene kleine Kategorie von Aufgaben, bei denen „ein schlechtes Rendering mehr kostet als zehn gute“. Der Standard zu 0,03 $ bleibt der Gewinner beim Erkunden und in der Stapelverarbeitung. Pro zu 0,35 $ (oder 0,40 $ mit Referenzbild) ist das, was du wählst, wenn das Bild selbst das Lieferergebnis ist und kein Entwurf.

Bestätige die aktuellen Zahlen auf der Preisseite, markiere die Aufgaben, die wirklich Stabilität benötigen, und route sie entsprechend. Beide Modelle antworten auf POST /v1/tasks – mit derselben Aufgabenform, die dein bestehender gpt-image-2-Worker bereits verwendet.