← Zurück zum Blog
Aica. 6 Min. Lesezeit

Vier Milliarden Bilder pro Woche – und jetzt bewegen sie sich

Veröffentlicht 7. Nov. 2026
Vier Milliarden Bilder pro Woche – und jetzt bewegen sie sich

OpenAI hat am 4. November Images 2.6 ausgeliefert, und die Demo, die alle geteilt haben, war ein Chibi-Büroangestellter, der vor einem abstürzenden Kurschart weint. Sechs Frames, ein Sprite-Sheet, eine nahtlose Schleife. Niedlich, leicht brutal, extrem teilbar.

Die Zahl unter den GIFs ist interessanter. Über ChatGPT, Codex und die API entstehen inzwischen etwa vier Milliarden Bilder pro Woche. Das sind mehr als eine halbe Milliarde am Tag. Vor acht Wochen, zum Start von Images 2.5, waren es drei Milliarden. Am Modell ist in acht Wochen nichts dreimal besser geworden. Was sich geändert hat: Bildgenerierung ist von einem Ereignis zu einem Reflex geworden.

Was tatsächlich ausgeliefert wurde

Drei Dinge, und nur eines davon betrifft das Modell.

Tempo. Die Generierung ist rund 50 Prozent schneller. Die API teilt sich in zwei Varianten: GPT-Image-2.6 Flare, das bei niedriger Qualität in etwa sechs Sekunden ein Bild zurückgibt, und GPT-Image-2.6 Sunburst, die Wahl, wenn ein Motiv mehrere Bearbeitungsrunden überstehen muss, ohne zu driften.

Bewegung. GIFs sind jetzt nativ. Einen Prompt eintippen oder ein Standbild hineinziehen, und es kommt eine Schleife heraus. Die Wiedergabegeschwindigkeit ist einstellbar, einzelne Frames lassen sich in ChatGPT bearbeiten, das Ergebnis geht direkt raus. OpenAI nennt als Einsatzfelder Maskottchen, Reaction-Memes und animierte Storyboards, bevor jemand einen Videodreh bucht.

Bearbeitung als Interface. Das ist der Punkt, zu dem ich immer wieder zurückkomme. Die API unterstützt jetzt Bildmarkierungen, also einen Bereich zeigen und sagen: „das ändern“. Bilder werden als SVG exportiert. Es gibt einen Komplexitätsparameter, der steuert, wie viel Planung das Modell vor dem Rendern betreibt – eine seltsame Größe, bis man merkt, dass sie ein Latenzregler für alle ist, die in Schleifen statt in Einzelwürfen arbeiten.

Nimmt man gespeicherte Referenzen dazu – ein Foto einer Person, eines Haustiers oder einer wiederkehrenden Figur, das man später ohne erneutes Hochladen wiederverwendet –, wird die Form des Produkts klar. Das ist kein Generator mit Zusatzfunktionen. Es ist ein Designwerkzeug, das zufällig von einem Modell angetrieben wird.

A fanned stack of instant prints held in two hands, evoking volume over craft

Das GIF ist der uninteressanteste Teil – und der wichtigste

Alle Medien haben mit GIFs aufgemacht, und OpenAI wollte das offensichtlich so. Coco Mao, CEO von OpenArt, wird mit dem Satz zitiert, GIFs seien „die Muttersprache der sozialen Medien“ – genau die Sorte Zitat, die für eine Pressemitteilung existiert.

Falsch ist es trotzdem nicht. Ein Standbild ist ein Post. Eine Schleife ist ein Format. Sobald ein Modell aus derselben Prompt-Box eine Schleife zurückgibt, konkurriert die Ausgabe mit Video, nicht mit Illustration – zu einem Bruchteil der Kosten und der Zeit. Für ein Social-Team verschiebt sich die praktische Frage von „haben wir ein Videobudget“ zu „braucht diese Idee Ton“.

Interessant ist, woraus die Schleifen bestehen. OpenAIs eigene Beispiele sind Sprite-Sheets: sechs Frames, drei Spalten mal zwei Reihen, identische Abmessungen, feste Kamera, Frame sechs läuft weich zurück auf Frame eins. So denkt kein Videomodell. So denkt eine Animatorin. Der Prompt macht Produktionsdesign, das Modell malt die Zellen aus.

Das heißt: Die Fähigkeit, die diese Woche an Wert gewonnen hat, ist nicht Promptschreiben. Es ist zu wissen, wie eine Schleife aussehen muss, damit sie beim Neustart nicht zittert.

Vier Milliarden pro Woche verschieben den Engpass

Bei vierzig Bildern für eine Kampagne liegt die Schwierigkeit im Herstellen. Bei viertausend liegt sie darin, die elf brauchbaren zu finden – und sich zu merken, welche elf das waren.

Zwei der neuen Funktionen ergeben nur in dieser Welt Sinn. Gespeicherte Referenzen existieren, weil Konsistenz über eine Serie jetzt die Einschränkung ist, nicht die Neuheit. Bildmarkierungen existieren, weil eine schlechte Hand zu korrigieren billiger ist, als ein gutes Bild neu zu erzeugen. Beides sind keine kreativen Funktionen. Beides sind Review-Funktionen.

Ich kenne das Muster aus dem Textbereich. In dem Moment, in dem das Ausgabevolumen eine Schwelle überschritt, kippte das Werkzeug von „hilf mir schreiben“ zu „hilf mir finden, was ich geschrieben habe“. Bildwerkzeuge liegen auf derselben Kurve, ungefähr zwei Jahre zurück.

Die API-Teilung verrät, wen OpenAI als Käufer sieht

Flare und Sunburst sind keine Leiter von gut nach besser. Flare ist auf Durchsatz und Layout getrimmt: OpenAI verspricht ausdrücklich bessere Komposition für Poster, Produktaufnahmen und andere professionelle Visuals. Sechs Sekunden bei niedriger Qualität ist eine Zahl, die man einem Product Manager nennt, der Thumbnails in einem Raster braucht.

Sunburst ist auf Konsistenz bei mittlerer und hoher Qualität getrimmt, was ein ganz anderes Versprechen ist. Konsistenz braucht man, wenn dieselbe Figur in zwölf Panels auftaucht oder wenn ein Brand-Kit einen Bearbeitungsdurchgang durch jemanden überleben muss, der kein Designer ist.

Zusammengenommen beschreiben die beiden Varianten zwei Aufgaben, die früher eine waren: billig erkunden, dann teuer festlegen. Wer schon einmal einen Design-Sprint moderiert hat, erkennt die Form. Agenturen machen aus demselben Grund fünfzig Thumbnails und einen Reinzeichner-Termin.

Was ich tatsächlich testen würde

Wer eine Pipeline hat, sollte nicht die Bildqualität testen. Sondern ob die langweiligen Teile kürzer geworden sind.

Ein echtes Briefing nehmen – sagen wir ein Hero-Bild für eine Produktseite – und drei Durchgänge stoppen: den ersten Entwurf, die Runde nach dem „wärmer“ des Kunden und den Export. Nach meiner Erfahrung mit früheren Generationen war immer der mittlere Durchgang der Killer, weil jede Änderung die Produktform gefährdete. Genau darauf zielen Sunburst, Markierungen und Referenzen.

Zweiter Test: die Schleife. Ein nahtloses GIF von etwas mit einem bewegten Teil anfordern und Frame sechs prüfen. Springt es sichtbar zurück, denkt das Modell noch in Standbildern und klebt sie zusammen. Läuft es weich aus, plant es tatsächlich den Zyklus.

Dritter Test, und den lassen die meisten Teams aus: das Archiv. Wo liegen diese viertausend Bilder, wer kann sie durchsuchen, und sind die abgelehnten noch abrechenbar? Volumen verwandelt ein kreatives Problem gern in ein Aktenproblem.

Der unangenehme Teil

Wasserzeichen und Herkunftsnachweise werden schwieriger, je billiger die Ausgabe wird. Vier Milliarden Bilder pro Woche sind eine große Angriffsfläche, und ein GIF, das sich bewegt, überzeugt mehr als ein Standbild, weil Bewegung als Beweis gelesen wird. Dieselbe Eigenschaft, die Schleifen für Maskottchen tauglich macht, macht sie für Fälschungen tauglich.

OpenAI formuliert hier vorsichtig: Die Beispiele setzen auf Marken, Maskottchen, Produktaufnahmen, Storyboards. Keine Nachrichten, keine Menschen, die etwas sagen. Das ist eine vernünftige Grenze, freiwillig gezogen – die Alternative wäre, sie später unter Druck ziehen zu müssen.

Und nun

Images 2.6 ist kein Sprung bei der Bildqualität. Wer das Changelog liest, findet Tempo, Schleifen und einen Haufen Bearbeitungskomfort. Die interessante Behauptung ist strukturell: Bildgenerierung wird in den Teil der Arbeit eingefaltet, in dem Menschen entscheiden – markieren, überarbeiten, exportieren, wiederverwenden.

Das ist eine weniger aufregende Geschichte als ein weinender Cartoon-Büroarbeiter. Es ist auch die, die verändert, wie ein Team seine Woche verbringt. Die Vier-Milliarden-Zahl ist kein Prahlen mit Größe. Sie ist die Warnung, dass das Knappe nicht mehr das Bild ist. Sondern das Wissen, welches Bild.

Verwandte Artikel