:quality(78))
Ein neuer Hintergrund ist schnell bestellt. Schwieriger ist die Bedingung dahinter: Das Produkt, die Figur oder die Verpackung soll dabei genau wiederzuerkennen sein.
OpenAI hat am 4. November Images 2.6 vorgestellt. Der Anbieter verspricht schnellere Bilder und mehr Beständigkeit bei Änderungen an vorhandenen Motiven. Für Unternehmen mit einer eigenen Bildsprache ist vor allem diese zweite Zusage interessant. Wie gut lässt sich ein freigegebenes Motiv weiterverwenden, wenn sich die Umgebung ändern soll? Die Ankündigung beschreibt Verbesserungen, sie ersetzt keinen Test mit den eigenen Bildern.
Die Referenz soll im Bild bleiben
OpenAI bietet in der API zwei Varianten an: Flare für schnelle Iterationen und Sunburst für detailreiche Arbeit. Nach Anbieterangaben soll Sunburst bei mittlerer oder hoher Qualität auch über mehrere Bearbeitungen hinweg konsistentere Ergebnisse liefern.
Die ChatGPT-Release-Notes nennen zusätzlich gespeicherte Referenzbilder. Eine einmal hinterlegte Vorlage lässt sich in späteren Chats erneut verwenden. Das erleichtert die Übergabe derselben Ausgangsfigur. Ob sie im Ergebnis wirklich gleich geblieben ist, muss man trotzdem ansehen.
Laut OpenAI ist Images 2.6 weltweit in ChatGPT und Codex über alle Abostufen verfügbar; die beiden genannten Modellvarianten sind auch über die API erreichbar. Eine bestimmte Funktion in einem einzelnen Firmenkonto habe ich damit nicht geprüft.
Mehr Planung ist nicht immer besser
Für Entwickler kommt eine eigene Einstellung für die Komplexität hinzu. Sie steuert, wie viel das Modell vor dem Rendern plant. Die Bildqualität bleibt ein separater Regler.
Die API-Dokumentation unterscheidet niedrige, mittlere und hohe Komplexität. Ohne ausdrückliche Auswahl gilt hoch. Bei einer eng begrenzten Änderung kann eine niedrigere Stufe sinnvoll sein. Mehr Planung kann länger dauern und zusätzliche, unerwünschte Änderungen mitbringen.
Das ist ein wichtiger Hinweis für betriebliche Bildabläufe: Ein aufwendigerer Aufruf ist noch keine bessere Wahl. Entscheidend ist, ob er die gewünschte Änderung trifft und den Rest in Ruhe lässt.
Ein Auftrag, ein sichtbarer Unterschied
Ein gedachtes Beispiel: Ein Unternehmen möchte sein Maskottchen einmal im Büro und einmal an einer Werkbank zeigen. Form und Gesicht sind freigegeben. Nur der Einsatzort wechselt.
Für einen Vergleich würde ich beiden Durchläufen dieselbe Originaldatei geben. Der Auftrag benennt die neue Umgebung und die Merkmale, die erhalten bleiben sollen. Danach liegen Vorlage und Ergebnis nebeneinander. Hat die Figur noch dieselben Proportionen? Stimmen Hände, Emblem und Zubehör? Berührt sie Gegenstände plausibel oder wirkt sie nachträglich hineingesetzt?
Eine hübsche Variante kann für die Marke trotzdem falsch sein. Wer nur auf den neuen Hintergrund schaut, übersieht leicht, dass sich die Hauptfigur mitverändert hat. Genau hier müsste sich die angekündigte Verbesserung im eigenen Versuch bewähren.
Die kleine Ansicht entscheidet mit
OpenAI nennt weiterhin Grenzen bei wiederkehrenden Figuren, genauer Bildanordnung und Text. Bessere Konsistenz ist keine Identitätsgarantie.
Für mich gehört deshalb die tatsächliche Verwendung zur Abnahme. Eine Figur kann auf dem großen Monitor gut aussehen und im Ausschnitt der Website kaum noch zu erkennen sein. Ein riesiger Tisch im Vordergrund wird durch zusätzliche Auflösung nicht hilfreicher.
Ich würde einen Versuch mit Images 2.6 daran messen, wie viele Korrekturen bis zum freigegebenen Motiv nötig sind. Dazu gehört die kleine Artikelkarte ebenso wie die mobile Ansicht. Erst mit diesem Vergleich lässt sich beurteilen, ob ein Team im eigenen Bildablauf wirklich weniger nacharbeiten muss. Die neue Version gibt dafür mehr Möglichkeiten. Die Entscheidung über das fertige Bild bleibt beim Menschen.
Quellen und Bildhinweis
Quellenstand: 5. November 2026. Anwendung und Prüfbeispiel sind eigene Einordnung, kein eigener Vergleichstest mit Images 2.6. Titelbild: KI-Illustration mit GPT Image 2.5 Sunburst auf Basis des CodeCell-Maskottchens, kein Testbild der neuen Version.
:quality(78))
:quality(78))
:quality(78))
