ChatGPT Images 2.5:
Sketch, Vorlagen und zwei API-Modelle

OpenAI hat ChatGPT Images 2.5 veröffentlicht, das neue Bildmodell für ChatGPT, ChatGPT Work und Codex. Die Ankündigung erschien am 8. September 2026, der Rollout läuft seit demselben Tag über alle Tarife auf Desktop, Handy und im Web.

Nach Angaben des Unternehmens entstehen jede Woche mehr als drei Milliarden Bilder in ChatGPT Images und über die GPT-Image-Modelle der Programmierschnittstelle. Neu sind drei Bedienelemente im Chat (eine Zeichenfläche namens Sketch, fertige Vorlagen und Kommentare direkt auf dem Bild) sowie zwei API-Modelle mit den Namen Flare und Sunburst. Der Vorgänger ChatGPT Images 2.0 kam am 21. April 2026, die neue Version folgt damit knapp fünf Monate später.

ChatGPT Images 2.5 braucht bis zu 50 Prozent weniger Zeit

OpenAI beziffert den Tempogewinn mit „bis zu 50 Prozent geringerer Latenz“ gegenüber Images 2.0. Absolute Sekundenwerte veröffentlicht das Unternehmen nicht. In der Entwickler-Dokumentation steht dagegen, dass komplexe Prompts weiterhin bis zu zwei Minuten benötigen können.

Die einzige unabhängige Tempo-Angabe stammt vom Agenten-Entwickler Manus, der das Modell vorab geprüft hat und in der Ankündigung zu Wort kommt.

In unseren Tests liefert Flare hochwertige Bilder mit der zwei- bis vierfachen Geschwindigkeit von GPT-Image-2. Zusammen mit der verbesserten Erzeugung transparenter Hintergründe passt es sehr gut zur kreativen Arbeit auf Manus, von Markenmaterial über Präsentationen bis zu Websites.

Lucky Liao, Evaluation Team bei Manus

Bei der Bildqualität nennt OpenAI natürlicheres Licht, feinere Texturen und eine bessere Wahrung der Personen und Motive aus hochgeladenen Referenzfotos. Bearbeitungsanweisungen soll das Modell über mehrere Runden hinweg verlässlicher befolgen, also auch beim dritten und vierten Nachbessern desselben Bildes. Zusätzlich kommen komplexere Layouts und transparente Hintergründe. In der System Card nennt OpenAI außerdem „genauere Infografiken und Layouts“ als Fortschritt gegenüber der Vorversion.

Zur Architektur schweigt OpenAI. Das Wort Diffusion kommt weder in der Ankündigung noch in der System Card oder im Entwickler-Leitfaden vor. Das Unternehmen ordnet die GPT-Image-Reihe seit der Bildgenerierung in GPT-4o dem Sprachmodell selbst zu, nicht einem eigenen Diffusionsmodell im Hintergrund, wie noch bei DALL·E. Wie diese Verzahnung funktioniert, steht im Glossareintrag zur multimodalen KI.

Sketch, Vorlagen und Kommentare direkt auf dem Bild

Neu im Chat ist eine Zeichenfläche, die eine Skizze als Vorlage annimmt. Wer @Sketch in das Eingabefeld tippt, kann mit dem Finger oder der Maus eine grobe Skizze zeichnen und sie als Vorlage übergeben. Das Zeichenwerkzeug bietet Farben, einen Radierer und eine Rückgängig-Funktion, danach folgt der übliche Anweisungstext.

Der zweite Baustein sind Templates, also fertige Vorlagen für gängige Bildformate. OpenAI nennt „Poster“ und „Merch“ als Beispiele, im Fließtext der Ankündigung zusätzlich Flyer und Produktfotos. Eine Vorlage startet mit einem vorbereiteten Prompt. Stellt ChatGPT danach Rückfragen zu Motiv, Text und Stil, führen die Antworten Schritt für Schritt zum fertigen Bild.

Drittens lassen sich Änderungswünsche als Kommentare direkt auf dem Bild platzieren, statt sie im Chat zu beschreiben. Das Hilfe-Center führt diesen Weg über die Vollbildansicht eines erzeugten Bildes in der Handy-App auf. Der 58 Sekunden lange Werbespot von OpenAI zeigt das am Beispiel eines Aquariums, in dem die Marker „Make this more modern“ und „Add a bookshelf“ auf einem generierten Miniatur-Schreibtisch liegen.

Das Video kommt ohne Sprecher aus und zeigt vier Alltagsszenen mit den jeweils eingetippten Prompts, darunter „Create a tattoo of Ziggy“ und „Arrange these flowers. Something classic but a little wild.“ Jede Szene endet mit dem real nachgebauten Ergebnis, vom gestochenen Tattoo bis zum Blumengesteck.

Rund um das fertige Bild hat OpenAI die Werkzeugleiste erweitert. Im Editor stehen ein Auswahlwerkzeug, ein Seitenverhältnis-Wähler, Rückgängig und Wiederholen sowie Abbrechen und Speichern bereit, in der App zusätzlich Resize und Remove. Zu den Grenzen des Auswahlwerkzeugs schreibt OpenAI im Hilfe-Center selbst: „Markierungen sind nicht immer präzise, und Bearbeitungen können über den ausgewählten Bereich hinausgehen.“

Wer ein Bild teilt, kann seit dem Update den zugehörigen Prompt mitgeben. In der App führt der Weg über Teilen, dann „Prompt template“, dann Link kopieren. Empfänger erzeugen damit ihre eigene Fassung desselben Motivs. Und während ein Bild rechnet, sehen manche Konten animierte Punkte und ein spielbares Snake. Im Work-Modus fehlt das Spiel.

OpenAI nennt Sketch bisher nur für die Handy-App

Der Satz „für alle Tarife verfügbar“ aus der Ankündigung gilt für das Modell, nicht für jede einzelne Funktion. Das Hilfe-Center listet drei Einschränkungen, die in der Pressemitteilung fehlen. Die Bilderstellung mit Denkmodus bleibt vorerst Plus, Pro und Business vorbehalten, für Enterprise und Edu kündigt OpenAI sie nur an. Vorlagen fehlen im Work-Modus. Und die Zeichenfläche Sketch beschreibt das Hilfe-Center ausdrücklich für die Handy-App.

An diesem Punkt widersprechen sich die Quellen. Der 24-Stunden-Praxistest von TechRadar zu den neuen Bildfunktionen beschreibt das Zeichnen ausdrücklich auch mit der Maus, das Hilfe-Center nennt nur die App. Auch der Aufrufweg weicht ab: TechRadar geht über den Reiter Images und dort auf Sketch, das Hilfe-Center über das @-Menü im Eingabefeld. Möglich ist, dass die Funktion am Desktop später nachrückt. OpenAI äußert sich dazu nicht.

Konkrete Mengen nennt OpenAI an keiner Stelle. Weder der Artikel zu ChatGPT Plus noch der zu ChatGPT Go führt eine Zahl an Bildern pro Tag oder Stunde auf. Die Release Notes halten nur fest, dass sich an den bestehenden Limits nichts ändert. Auf der deutschen Preisseite stehen statt Zahlen nur Worte. Der kostenlose Tarif bekommt „eingeschränkte und langsamere Bildgenerierung“, Go für 8 Euro im Monat „mehr Bilderstellung“. Plus für 23 Euro verspricht „komplexere und präzisere Bilderstellung“, Pro ab 103 Euro „unbegrenzte und schnellere Bilderstellung“.

Eine Verzögerung für die EU ist bislang nicht bekannt. Weder OpenAI noch eines der berichtenden Medien nennt eine regionale Sperre oder Wartezeit für den Europäischen Wirtschaftsraum.

GPT-Image-2.5 Flare und Sunburst in der Programmierschnittstelle

Für Entwickler bringt OpenAI zwei Modelle statt einem. GPT-Image-2.5 Flare ist als Standard gedacht und liefert laut Hersteller bessere Bilder als GPT-Image-2 bei halbierter Latenz. GPT-Image-2.5 Sunburst zielt auf Arbeiten, bei denen es auf die Kontrolle über einzelne Bearbeitungen ankommt, und benötigt dafür länger.

Beide Modelle laufen über die Endpunkte für Bilderzeugung und Bildbearbeitung sowie über das Bildwerkzeug der Responses-API. Die Batch-Schnittstelle unterstützen sie nicht, anders als GPT-Image-2, für das OpenAI beim Start ausdrücklich Batch-Verarbeitung mit 50 Prozent Rabatt angekündigt hatte. Wer große Mengen günstig erzeugen will, bleibt vorerst beim Vorgänger. Neu sind die Qualitätsstufen xhigh und max; ältere GPT-Image-Modelle reichen nur bis high. Empfohlen sind die Größen 1024 × 1024, 1536 × 1024 und 1024 × 1536 Pixel. Eigene Maße sind erlaubt, solange Breite und Höhe Vielfache von 16 sind, das Seitenverhältnis zwischen 1:3 und 3:1 liegt und keine Kante 3840 Pixel überschreitet. Auflösungen über 2560 × 1440 stuft OpenAI als experimentell ein.

Am Preis ändert sich nichts. Die Preisliste der OpenAI-API führt für beide 2.5-Modelle dieselben Sätze wie für GPT-Image-2: 5 US-Dollar je Million Text-Eingabe-Token, 8 Dollar je Million Bild-Eingabe-Token und 30 Dollar je Million Bild-Ausgabe-Token. Gecachte Eingaben kosten 1,25 Dollar beim Text und 2 Dollar beim Bild. Im Changelog schreibt OpenAI dazu knapp, beide Modelle nutzten die Token-Sätze von GPT Image 2. Einen Preis pro Bild veröffentlicht das Unternehmen nicht, abgerechnet wird ausschließlich nach Token. Günstiger bleibt allein die kleine Variante gpt-image-1-mini mit 8 Dollar je Million Bild-Ausgabe-Token. Eine entsprechende Mini-Ausgabe der 2.5-Reihe führt die Preisliste nicht.

Wer Zwischenbilder während der Erzeugung anfordert, zahlt pro Zwischenbild 100 zusätzliche Ausgabe-Token. Transparente Hintergründe verlangen das Ausgabeformat PNG oder WebP. Für Bildbearbeitungen mit Maske gilt weiterhin, dass Bild und Maske dasselbe Format und dieselbe Größe haben müssen und die Maske einen Alphakanal benötigt.

Platz eins und zwei in beiden Arena-Bestenlisten

In den öffentlichen Ranglisten der Image-Edit-Arena von arena.ai stehen Sunburst und Flare auf den Plätzen eins und zwei. Sunburst kommt dort auf 1520 Elo-Punkte, Flare auf 1491, der bisherige Spitzenreiter GPT-Image-2 auf 1461. In der Text-to-Image-Arena sieht das Bild genauso aus, mit 1421 für Sunburst, 1399 für Flare und 1381 für GPT-Image-2. Der beste Eintrag eines anderen Anbieters ist dort MAI-Image-2.6 von Microsoft AI mit 1331 Punkten.

Diese Werte tragen auf beiden Listen die Kennzeichnung „vorläufig“. Hinter den beiden Spitzenplätzen der Image-Edit-Arena stehen 6704 und 5676 abgegebene Stimmen, hinter dem drittplatzierten Vorgänger 235.928 und hinter Googles Gemini 3 Pro Image auf Platz neun 556.580.

Update vom 7. Oktober 2026: Google hat mit Nano Banana 2.1 nachgelegt. In der Text-to-Image-Arena steht das neue Modell mit 1328 Punkten auf Platz 5, 97 Punkte hinter Sunburst, und kostet über die API 3,36 Cent pro 1K-Bild.

Ein zweiter unabhängiger Messpunkt fehlt bislang. Die Bestenlisten von Artificial Analysis zur Bildbearbeitung führen die neuen Modelle noch nicht. Dort lag beim Abruf am 8. September MAI-Image-2.6 von Microsoft AI mit 1122 Punkten vorn, vor GPT Image 2 mit 1117.

ChatGPT Images 2.5 im Test: 17 Reißzwecken bestellt, 15 geliefert

Drei eigene Prüfaufgaben vom 8. September zeigen ein klares Muster. Das Modell löst die Aufgaben, mit denen OpenAI wirbt, und verfehlt die eine, bei der eine exakte Stückzahl gefordert war. Die Aufgaben stammen nicht aus dem Werbematerial. Sie sind jenen Kategorien nachgebaut, an denen veröffentlichte Messreihen Bildmodelle regelmäßig scheitern sehen. Alle Bilder entstanden in ChatGPT, nicht über die Programmierschnittstelle. Welches der beiden Modelle ChatGPT dabei einsetzt, gibt OpenAI nicht bekannt.

Licht einschalten, ohne das Zimmer zu verändern

Im bearbeiteten Bild brennt die Lampe auch im Spiegel. Daran scheitern Bildmodelle sonst, weil Objekt und Spiegelbild getrennt entstehen und das Modell die Szene nicht als zusammenhängenden Raum berechnet. Der Test lief in zwei Schritten. Zuerst entstand das dunkle Ausgangsbild.

Erzeuge ein Foto: ein abgedunkelter Raum bei Nacht, links eine ausgeschaltete Stehlampe neben einem Ledersessel, rechts an der Wand ein großer Spiegel, der den Sessel zeigt.

Dieses Bild ging danach in einer neuen Unterhaltung als Referenz zurück an das Modell, zusammen mit der Bearbeitungsanweisung. Das erschwert die Aufgabe, weil kein Gesprächsverlauf zur Verfügung stand, sondern nur das Bild selbst.

Schalte nur die Stehlampe ein, warmes Licht. Der Schatten des Sessels muss dadurch nach rechts fallen, und im Spiegel muss die brennende Lampe zu sehen sein. Sonst nichts am Bild ändern.

Beide Vorgaben sind erfüllt. Die Lampe leuchtet im Raum und im Spiegelbild, die linke Seite von Sessel und Kissen ist hell, die rechte liegt im Schatten. Ledersessel, Spiegelrahmen, Bild an der Wand, Vorhang, Teppichmuster und der nächtliche Blick aus dem Fenster sind erhalten geblieben. Kleinere Gegenstände auf dem Beistelltisch links haben sich leicht verschoben.

Zwei Sprachen, wortgetreu im Bild

Das Plakat enthält keinen einzigen Textfehler. Vorgegeben waren ein deutscher Absatz von rund 250 Zeichen, ein kürzerer französischer, zwei Spaltenüberschriften, ein Kreis mit einer Zahl und ein durchgehend transparenter Hintergrund.

Erstelle ein zweispaltiges Plakat im Hochformat auf vollständig transparentem Hintergrund als PNG. Kopfzeile groß und zentriert: "Bildmodelle im Vergleich". Linke Spalte, Überschrift "Deutsch", darunter wörtlich dieser Absatz: "Ein Bildmodell erzeugt Zeichen als Textur und nicht als Zeichenkette. Deshalb wachsen die Fehler mit der Länge des Textes, und lange Absätze geraten fast immer fehlerhaft. Genau das lässt sich hier nachzählen." Rechte Spalte, Überschrift "Français", darunter wörtlich: "Un modèle d'image produit les caractères comme une texture et non comme une chaîne de caractères." Unten rechts ein Kreis mit der Zahl 2,5. Keine Hintergrundfläche, saubere Kanten.

Beide Absätze stehen Wort für Wort so im Bild, wie sie vorgegeben waren. Die Umlaute in Länge, Absätze und lässt stehen richtig, ebenso die französischen Akzente in modèle, caractères und chaîne, sogar der typografische Apostroph. Der Hintergrund ist tatsächlich transparent; für diese Seite wurde das PNG in ein JPEG umgewandelt, weil das auf Mobilgeräten spürbar Ladezeit spart. Damit löst das Modell eine Aufgabengattung, an der Bildmodelle seit Jahren scheitern. Buchstaben entstehen als Textur und nicht als Zeichenkette, weshalb sich die Fehler mit der Textlänge summieren. Wie viele solcher Schwachstellen es gibt, zeigt die Prüfsammlung FineGRAIN, die 27 typische Fehlerarten von Bildmodellen katalogisiert.

Beim Zählen bricht das Modell ein

Die Stückzahl stimmt nicht, und die Perspektive widerspricht sich. Die Aufgabe verlangte eine exakte Anzahl, dazu zwei Dinge, die ausdrücklich nicht im Bild sein sollten.

Draufsicht auf einen hellen Holztisch mit genau 17 gelben Reißzwecken, zufällig verteilt. Kein Bleistift und keine Hand im Bild.

Auf dem Tisch liegen 15 Reißzwecken. Hinzu kommt ein Darstellungsfehler. Bei einer senkrechten Draufsicht wäre vom Nadelschaft kaum etwas zu sehen, hier liegen Kopf und Nadel bei fast jeder Zwecke gleichzeitig in der Fläche. Zwei Stück fallen außerdem aus dem Stil, sie sind als flache Scheiben gezeichnet. Der verneinte Teil der Aufgabe gelang dagegen, weder Bleistift noch Hand tauchen auf.

Die Fachliteratur kennt diese Schwäche. Eine Arbeit von Guo und Kollegen trägt den Titel „Text-to-Image Diffusion Models Cannot Count, and Prompt Refinement Cannot Help“ und hält fest, dass sämtliche untersuchten Spitzenmodelle die geforderte Objektzahl verfehlen und die Genauigkeit mit steigender Anzahl deutlich sinkt. Nachbessern am Prompt hilft laut den Autoren nicht. Der Grund steckt in der Bauweise. Es gibt keine Instanz, die im Bild mitzählt, und die Zahl kommt nur als Wort im Text-Encoder an, wo sechzehn und siebzehn dicht beieinanderliegen.

Kein Sicherheitsunterschied erreicht das Signifikanzniveau

Die System Card zu ChatGPT Images 2.5 weist für beide Modelle niedrigere Werte bei unsicheren Bildern aus als für Images 2.0. Von 100 Testanfragen, die eigens auf ein Umgehen der Sperren angelegt waren, führten bei Sunburst 1,09 zu einem unsicheren Bild, das dem Nutzer auch angezeigt wurde, bei Flare 1,41, bei Images 2.0 waren es 1,64.

In der Fußnote der Tabelle relativiert OpenAI diese Zahlen selbst. Ein Sternchen markiert dort Ergebnisse, die im zweiseitigen exakten McNemar-Test bei p kleiner 0,05 gegenüber Images 2.0 liegen, ohne Korrektur für Mehrfachvergleiche. Dazu heißt es wörtlich: „No unsafe-shown difference meets this threshold.“ Kein einziger Unterschied bei den angezeigten unsicheren Bildern erreicht also das Signifikanzniveau. In einer Kategorie liegen beide neuen Modelle zudem über der Vorgängerversion.

Bei Straftaten mit und ohne Gewalt zeigen Sunburst und Flare mit 2,86 und 3,27 Prozent mehr unsichere Bilder als die 2,45 Prozent der Vorversion. Als Grenzen der Messung nennt OpenAI, dass die automatischen Bewertungen Fehler enthalten können und die Stichprobengrößen je Kategorie unterschiedlich ausfallen. Die Ergebnisse gelten nur für den verwendeten Testsatz und die geprüfte Konfiguration.

Als neues Risiko der Version benennt OpenAI den gestiegenen Realismus.

Das Modell erlaubt einen gesteigerten Realismus, der ohne Schutzmaßnahmen überzeugendere Deepfakes ermöglichen könnte, darunter politische, sexuelle oder anderweitig sensible Darstellungen realer Personen, Orte oder Ereignisse.

OpenAI, System Card zu ChatGPT Images 2.5

Dagegen setzt OpenAI zwei Prüfstufen. Vor der Erzeugung entscheidet ein Sprachmodell über die Anfrage, danach begutachtet ein eigenes Sicherheitsmodell sowohl hochgeladene Bilder als auch das fertige Ergebnis, bevor es angezeigt wird. Im Preparedness Framework überschreitet nach OpenAIs Prüfung keines der beiden Modelle die hohe Risikostufe für Biologie oder Cyber. Vorsorglich behandelt das Unternehmen sie im Biologie-Bereich trotzdem so, als täten sie es. Unabhängig davon gilt in der EU seit dem 2. August 2026 eine Offenlegungspflicht für Deepfakes, also für täuschend echte Darstellungen realer Personen.

C2PA, SynthID und die Kennzeichnung in der EU

Zur Herkunftskennzeichnung nutzt OpenAI zwei Verfahren, nennt aber nur eines davon in der Ankündigung. Dort ist von C2PA-Metadaten und einem unsichtbaren Wasserzeichen die Rede. Welches, steht erst in der System Card: Es ist SynthID, entwickelt von Google DeepMind zur unsichtbaren Markierung von KI-Inhalten. OpenAI setzt es in ChatGPT, in Codex und in der API ein und nutzt damit die Technik eines direkten Wettbewerbers. Was solche Markierungen leisten und wo sie an Grenzen stoßen, steht im Glossareintrag zum KI-Wasserzeichen.

Sichtbar ist keines der beiden Verfahren. C2PA-Daten hängen als Metadaten an der Datei und überstehen weder einen Screenshot noch den Upload bei den meisten sozialen Netzwerken, die Metadaten beim Hochladen entfernen. SynthID bleibt unsichtbar im Bild, ein öffentliches Prüfwerkzeug dafür nennt OpenAI nicht.

Das offizielle DALL·E-GPT hat OpenAI aus ChatGPT zurückgezogen. Eigene GPTs mit aktivierter Bilderstellung nutzen automatisch das neue Modell. Aus der API waren die DALL·E-Snapshots bereits am 12. Mai 2026 verschwunden.

Fünf Tage zuvor, am 3. September, hatte OpenAI mit GPT-6 Astra sein neues Sprachmodell angekündigt, dessen Zugang bislang nur ausgewählte Organisationen bekommen. Zu den Bildmodellen bleibt offen, welches der beiden ChatGPT selbst bedient. Die System Card beschreibt den Sicherheitsaufbau an Sunburst, sagt aber an keiner Stelle, welches Modell hinter der Bilderstellung im Chat arbeitet.

Häufige Fragen zu ChatGPT Images 2.5