OpenAI hat sein Flaggschiff-Bildmodell in zwei Modelle aufgeteilt. Das sagt mehr als der Benchmark.

Am 8. September lieferte OpenAI ChatGPT Images 2.5 aus, und tief in der Ankündigung steckte eine Entscheidung, die wichtiger ist als jede Geschwindigkeitszahl. Das Unternehmen nahm das einzelne Flaggschiff-Bildmodell und teilte es in zwei auf.

Für Entwickler bietet die API jetzt GPT-Image-2.5 Flare und GPT-Image-2.5 Sunburst. Flare ist das schnelle Modell. OpenAI zufolge läuft es zwei- bis viermal schneller als GPT-Image 2, und der frühe Partner Manus bestätigte das mit eigenen Tests, zusammen mit besserer Ausgabe bei transparenten Hintergründen. Sunburst ist das langsame, präzise Modell. Es ist für Bearbeitungen gebaut, bei denen alles andere exakt so bleiben muss, wie es war. Beide kosten gleich viel: 8 US-Dollar pro Million Input-Tokens und 30 US-Dollar pro Million Output-Tokens.

Dieses Preisdetail ist der interessante Teil. Wenn zwei Modelle unterschiedliche Aufgaben erledigen, aber identisch viel kosten, verkauft der Anbieter dir nicht mehr Rechenleistung. Er bittet dich zu entscheiden, was du tatsächlich brauchst – und das ist eine andere Art von Produktgespräch als „Hier ist unser bestes Modell, nutze es für alles.“

Was sich tatsächlich geändert hat

Auf der Verbraucherseite ist die wichtigste Kennzahl die Latenz. OpenAI behauptet, dass sich die Generierungsverzögerung im Vergleich zu Images 2.0 um bis zu 50 Prozent verringert hat, während Schärfe, natürliche Beleuchtung und Texturdetails verbessert wurden. Diese Kombination ist ungewöhnlich. Normalerweise tauscht man das eine gegen das andere ein.

Die Bearbeitungsgeschichte ist der Punkt, an dem Sunburst seinem Namen gerecht wird. Das Versprechen lautet, dass das Modell versteht, was nicht geändert werden darf. Higgsfield AI, einer der von OpenAI genannten Partner, formulierte es so, und das ist eine treffende Zusammenfassung dessen, worum es beim Update wirklich geht. Frühere Bildeditoren waren gut darin, eine Anweisung zu befolgen, und schlecht darin, den Rest des Bildes unangetastet zu lassen. Man bat um eine neue Farbe für eine Jacke und bekam ein subtil anderes Gesicht, einen verschobenen Horizont, eine veränderte Lichtquelle. Sunburst zielt direkt auf diesen Fehlermodus und hält Gesichter, Produkte und Markenelemente über mehrere Bearbeitungsrunden hinweg stabil.

In der ChatGPT-App gibt es drei neue Tools. Mit Sketch kannst du @Sketch eingeben und innerhalb des Chats ein grobes Layout oder eine Silhouette zeichnen, wobei deine Kritzelei als Referenz für das finale Rendering dient. Templates bieten einen Ausgangspunkt für gängige Formate wie Poster und Merch. Mit Comments kannst du eine Notiz an einer Stelle in einem Bild anheften, sodass du „dies löschen“ oder „das blau machen“ sagen kannst, ohne den Prompt neu zu schreiben.

OpenAI stützte sich außerdem auf eine Sicherheitsstatistik. Sunburst erzeugt unsichere Inhalte mit einer Rate von 1,09 Prozent, Flare mit 1,41 Prozent und das vorherige Modell mit 1,64 Prozent. Die Richtung stimmt, auch wenn diese Zahlen selbst gemeldet und eher ein Gesprächspunkt als eine Garantie sind.

Der Adobe-Zug

Am selben Tag kündigte Adobe an, GPT-Image-2.5 in Firefly integriert zu haben. Das ist keine unbedeutende Partnerschaftsnotiz. Adobe hat zwei Jahre damit verbracht, Firefly als Orchestrierungsschicht neu zu positionieren – als Ort, an dem Modelle von Google, Runway und anderen in einen professionellen Workflow eingebunden werden. Das neueste Bildmodell von OpenAI am ersten Tag hinzuzufügen, ist diese Strategie, die genau wie geplant läuft.

Adobes Matt Chotin beschrieb es als Möglichkeit, Kreativen Flexibilität von der Idee bis zur Auslieferung zu geben. In der Praxis bedeutet das, dass sich der Kampf von der rohen Modellqualität wegverlagert hat. Beide Seiten vertreiben jetzt über die jeweils andere. Mehr als 70 Adobe-Tools sind in ChatGPT eingebettet, sodass ein Designer Photoshop-, Premiere- oder Firefly-Funktionen aus der OpenAI-Oberfläche heraus aufrufen kann. Jedes Unternehmen wird zum Kanal für das andere, und keines kann den Anfang der kreativen Aufgabe allein besitzen.

Die Zahlen hinter der Veröffentlichung

Es gibt einen Grund, warum sich dieser Launch eher wie ein produktstrategischer Schachzug als wie ein reiner Fähigkeitssprung liest. Als GPT Image 2 im April 2026 erschien, belegte es mit einem Elo von 1178 den Spitzenplatz im Text-to-Image-Leaderboard von Artificial Analysis und Rang zwei im Editing-Board. Images 2.5 ist ein Inkrement auf dieser Basis, und in den Tagen nach dem Start hatten weder eines der beiden neuen API-Modelle einen Eintrag im Artificial-Analysis-Leaderboard noch hatte ein Dritter einen reproduzierbaren Benchmark veröffentlicht. Die Geschwindigkeits- und Qualitätsverbesserungen sind alle selbst gemeldet oder von den genannten Partnern Adobe, Manus und Higgsfield berichtet. Das macht sie nicht falsch, aber es bedeutet, dass jedes Urteil darüber, ob die Aufteilung liefert, auf unabhängige Tests warten sollte.

Was nicht selbst gemeldet ist, ist der Preis. Beide Modelle liegen bei acht US-Dollar pro Million Bild-Input-Tokens und dreißig US-Dollar pro Million Output-Tokens – identisch zueinander. Der Ausgabeauflösungsbereich reicht von 1024 mal 1024 bis 3840 mal 2160, wobei die Gesamtpixelzahl zwischen 655.360 und 8.294.400 begrenzt ist. Für einen Entwickler hängt die Entscheidung über ein bestimmtes Feature nun von einer einzigen Frage ab: Muss diese Arbeitslast schnell gehen, oder muss die vierte Bearbeitung das Motiv unangetastet lassen? Das Modell, das diese Frage beantwortet, bekommt den Zuschlag, und die Tatsache, dass beide gleich viel kosten, nimmt den Preis als Ausrede für die falsche Wahl.

Warum die Aufteilung die eigentliche Geschichte ist

Bildgenerierung ist kein Experiment mehr. OpenAI zufolge erzeugt die Plattform mehr als drei Milliarden Bilder pro Woche, und diese Zahl verrät einiges. Bei diesem Volumen lautet die interessante Frage nicht mehr „Kann es ein schönes Bild erzeugen“, sondern „Welche Art von Arbeit soll damit erledigt werden?“

Marketingteams, die Hunderte Social-Varianten ausstoßen, interessiert der Durchsatz. Ein Markenteam, das ein Key Visual für eine Kampagne finalisiert, interessiert, ob das Logo nach der vierten Bearbeitung abdriftet. Diese beiden Aufgaben ziehen in entgegengesetzte Richtungen, und ein einzelnes Modell zwingt eine von ihnen zum Kompromiss. Die Produktlinie aufzuteilen ist ein Eingeständnis, dass sich auch die Kundschaft aufgeteilt hat.

Die Antwort der Wettbewerber ist davon bereits geprägt. Midjourney gewinnt weiterhin bei einem bestimmten cineastischen Schliff, hat aber keine native Chat-Interaktion und eine steilere Lernkurve. Adobe Firefly setzt auf kommerzielle Lizenzierung und sein Software-Ökosystem, doch die eigenständige konversationelle Kreation ist dünn. Googles In-App-Bildmodell ist bei manchen Aufgaben stark und bei Markenkontrolle inkonsistent. Niemand beherrscht das gesamte Feld.

Für alle, die ein Tool auswählen, lautet die praktische Erkenntnis: Hört auf, nach dem einen besten Bildmodell zu suchen, und beginnt, das Modell an die Aufgabe anzupassen. Hochvolumige Iteration und präzise Finalisierung sind jetzt getrennte Käufe, selbst wenn sie vom selben Unternehmen zum selben Preis stammen. Die Benchmark-Rankings werden sich weiter verschieben, und sie werden immer weniger bedeuten. Was zählt, ist, ob der Workflow rund um das Modell die nächste Veröffentlichung überlebt, denn das Modell darunter wird in einigen Monaten erneut ersetzt.

Dieser letzte Punkt verdient einen Moment des Innehaltens. Images 2.5 erschien rund fünf Monate nach Images 2, und beide ersetzten eine Version, die im letzten Jahr noch State of the Art war. Die Teams, die einen belastbaren Prozess aufbauen – mit eigenen Prompts, Stilreferenzen und Review-Schritten –, sind diejenigen, die diese Fluktuation absorbieren können. Die Teams, die ein einzelnes Modell fest in ihre Pipeline verdrahten, erben jede seiner Abschaltungen und Preisänderungen. In dieser Hinsicht ist die Veröffentlichung mit zwei Modellen eine nützliche Erinnerung vom lautesten Anbieter im Raum: Selbst der Marktführer sagt dir, dass du dich nicht auf ein einziges Modell verlassen solltest.