GPT Image 2.5 API-Leitfaden: Preise, Einrichtung und praktische Tests

Die GPT Image 2.5-API von OpenAI besteht aus einer Familie von zwei Modellen und nicht aus einem einzigen aufrufbaren Modell mit dem Namen gpt-image-2.5. Die derzeit aktiven Aliase lauten gpt-image-2.5-flare, von OpenAI für eine schnelle und qualitativ hochwertige tägliche Erzeugung positioniert, und gpt-image-2.5-sunburst, die speziell für die präzise Bildbearbeitung konzipiert sind. Beide wurden am 8. September 2026 veröffentlicht. Dieser Leitfaden behandelt die genauen IDs, drei API-Pfade, unterstützte Parameter, benutzerdefinierte Größen, die offiziellen Token-Preise, Ratenbeschränkungen sowie einen praktischen Kostenrechner.

Außerdem wird über einen separaten kontrollierten Test berichtet, der über die einheitliche Plattform von Anywhere durchgeführt wurde gpt-image-2.5 Route. Da an diesem Gerät weder ein „Flare/Sunburst“-Wahlschalter noch eine entsprechende Modellbezeichnung zu sehen war, werden seine Ausgangssignale nicht als native OpenAI-API-Ergebnisse dargestellt oder einem der beiden offiziellen Modelle zugeordnet.

Probieren Sie GPT Image 2.5 jetzt auf GlobalGPT aus!

Was ist die GPT Image 2.5-API?

GPT Image 2.5 ist die am 8. September 2026 veröffentlichte Modellfamilie von OpenAI zur Bildgenerierung und -bearbeitung. Beide offiziellen Modelle akzeptieren Text und geben Bilder zurück; Bearbeitungsabläufe können zudem Bilder als Eingabe liefern. Ein wichtiges Detail bei der Implementierung ist die Identität: Der Name der Produktfamilie ist in der Beschreibung hilfreich, bei Produktionsanfragen sollte jedoch die genaue Modell-ID von den offiziellen Modellseiten verwendet werden.

Zwei Modelle, keine aufrufbare Familien-ID

Ein „Moving Alias“ folgt der aktuellen Version von OpenAI unter diesem Namen. Ein datierter Snapshot bindet Anfragen an eine bestimmte Version und lässt sich daher bei Regressionstests leichter reproduzieren. Verwenden Sie den „Moving Alias“, wenn Sie kompatible Modellaktualisierungen ohne Codeänderungen wünschen; verwenden Sie einen Snapshot, wenn ein konsistentes Verhalten wichtiger ist als der automatische Erhalt späterer Revisionen.

Diese Beschreibungen spiegeln die Positionierung von OpenAI wider und stellen keinen durch unsere Tests ermittelten Sieger dar. Bei dem kontrollierten Test weiter unten in diesem Artikel wurde eine einheitliche Route eines Drittanbieters verwendet, bei der nicht offengelegt wurde, welche offizielle Variante – falls überhaupt eine – eine Anfrage bediente.

GPT Image 2.5 API – Schnellstart

Mit der Image-API generieren

Anwendungen der Direkterzeugung POST /v1/images/generations. Das OpenAI-SDK liest Ihren API-Schlüssel aus der Umgebung aus, und GPT Image gibt Base64-kodierte Bilddaten anstelle einer dauerhaft gehosteten URL zurück. Dekodieren Sie diese Daten und schreiben Sie sie mit derselben Erweiterung wie Ausgabeformat.

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()
result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="Eine Schreibtischlampe aus Keramik auf einem weißen Studiohintergrund, Produktfoto",
    size="1536x1024",
    quality="high",
    output_format="webp",
)

image_bytes = base64.b64decode(result.data[0].b64_json)
Path("lamp.webp").write_bytes(image_bytes)

Für einen reproduzierbaren Produktionstest ersetzen Sie den beweglichen Alias durch gpt-image-2.5-flare-2026-09-08. Halten Sie die Eingaben wie Prompt, Größe, Qualität und Seed in Ihrem eigenen Anforderungsprotokoll fest; das zurückgegebene Bild selbst ist nach wie vor das primäre Artefakt.

Ein Bild bearbeiten

Anwendungen der direkten Bearbeitung POST /v1/images/edits. Die API dokumentiert mehrteilige Uploads und JSON-Referenzen über Bild-URL oder Datei-ID sofern die gewählte Vorgehensweise dies zulässt. Es können bis zu 16 Bilder eingereicht werden, doch diese Höchstzahl ist keine Empfehlung: Weniger, aber klar voneinander unterscheidbare Referenzbilder lassen sich leichter prüfen und bewerten.

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()
with Path("product.png").open("rb") as source:
    result = client.images.edit(
 model="gpt-image-2.5-sunburst",
 image=[source],
 prompt="Ändere nur den Lampenschirm in Kobaltblau.",
        size="1536x1024",
 output_format="png",
    )

Path("product-edited.png").write_bytes(
    base64.b64decode(result.data[0].b64_json)
)

Verwenden Sie explizite Formulierungen zur Erhaltung wie “nur ändern” als überprüfbare Einschränkung und vergleichen Sie anschließend die Ausgangs- und die Ausgabedatei in voller Auflösung. Eine Bearbeitung kann das geforderte Attribut erfüllen und gleichzeitig unberührte Bereiche neu gestalten oder rekonstruieren.

Verwenden Sie das Tool zur Bilderzeugung der Responses-API

Sie können auch anrufen POST /v1/responses mit dem Tool zur Bilderzeugung. Dieser Ansatz ist sinnvoll, wenn die Bilderzeugung nur ein Schritt in einem modellgesteuerten Workflow ist, der auch Text oder Tool-Ergebnisse auswertet. Es handelt sich dabei nicht um einen direkten Ersatz für die direkte Image-API hinsichtlich der Antwortform: Überprüfen Sie die Antwortelemente des Aufrufs zur Bilderzeugung, anstatt davon auszugehen, dass data[0].b64_json existiert.

response = client.responses.create(
    model="YOUR_RESPONSES_MODEL",
    input="Erstelle ein ansprechendes Produktbild anhand dieses genehmigten Briefings.",
    tools=[{"type": "image_generation"}],
)

image_calls = [
    item for item in response.output
    if item.type == "image_generation_call"
]

Wählen Sie die direkte Image-API für einen begrenzten Erstellungs- oder Bearbeitungsauftrag mit einfacher Abrechnung. Wählen Sie „Responses“, wenn die Bilderstellung Teil einer umfassenderen Agentenabfolge ist. Überprüfen Sie in beiden Fällen die aktuelle Offizieller Leitfaden zur Bilderstellung und die SDK-Signatur vor der Bereitstellung, da sich neu veröffentlichte API-Schemas weiterentwickeln können.

Parameter, Ausgabeformate und Größenbeschränkungen

Die nützlichsten Parameter betreffen Qualität, Ausgabeanzahl, progressive Vorschauen, Moderation, Hintergrundverhalten, Format, Komprimierung und Abmessungen. Betrachten Sie sie als ein zusammenhängendes Ganzes und nicht als unabhängige Schaltflächen. Beispielsweise erfordert Transparenz das Format PNG oder WebP, während Ausgabekomprimierung gilt für JPEG und WebP, nicht jedoch für PNG.

Benutzerdefinierte Abmessungen

Bei einer benutzerdefinierten Größe muss jede Seite ein Vielfaches von 16 sein, das Seitenverhältnis muss zwischen 1:3 und 3:1 liegen, keine der Seiten darf 3.840 Pixel überschreiten und die Gesamtfläche muss zwischen 655.360 und 8.294.400 Pixel liegen. Größen, die die Fläche von 2.560 × 1.440 überschreiten, werden als experimentell dokumentiert.

• 1536 × 1024 gilt: Beide Seiten sind Vielfache von 16, das Verhältnis 3:2 ist zulässig und die Fläche liegt innerhalb der Grenzen.
• 1024 × 1024 gilt aus denselben Gründen.
• 1200 × 800 ist ungültig, da 1.200 und 800 nicht beide Vielfache von 16 sind, auch wenn das Seitenverhältnis plausibel erscheint.

Überprüfen Sie die Abmessungen vor dem Absenden einer Anfrage, damit sich kein Anwendungsfehler in die Modellauswertung einschleicht. Überprüfen Sie außerdem das tatsächliche Format und die Abmessungen der dekodierten Datei: Eine Kompatibilitätslösung eines Drittanbieters gibt möglicherweise nicht jeden nativen Parameter exakt wieder.

Preise für die GPT Image 2.5-API

OpenAI berechnet die Preise für GPT Image 2.5 nach Token-Kategorie. Die unten aufgeführten Preise wurden am 10. September 2026 anhand der offiziellen Preisseite überprüft. GPT Image 2 verwendet dieselben aufgeführten Preise, doch gleiche Preise bedeuten nicht, dass für denselben Prompt oder dasselbe Bild auch derselbe Token-Verbrauch anfällt.

Die tatsächlichen Kosten einer Anfrage berechnen

Multiplizieren Sie für jede Kategorie die zurückgegebenen Token mit dem Preis pro Million Token und dividieren Sie das Ergebnis anschließend durch 1.000.000. Addieren Sie die Kosten der fünf Kategorien für eine Anfrage. Der offizielle GPT Image 2-Rechner schätzt den Tokenverbrauch von GPT Image 2.5 nicht, sodass es ohne tatsächliche Nutzungsdaten keine fundierte allgemeine Angabe für die “Kosten pro Bild” gibt.

Erfassen Sie für die Produktionsplanung auch die Kosten pro akzeptablem Ergebnis: die Gesamtkosten der Charge geteilt durch die Anzahl der Ergebnisse, die Ihre aufgabenspezifische Qualitätskontrolle bestehen. Das ist Ihre eigene Betriebskennzahl, keine Abrechnungseinheit vom Typ „OpenAI“. Eine Anfrage, die zwar kostengünstig, aber unbrauchbar ist, kann teurer sein als ein Ergebnis mit höherer Token-Anzahl, das ohne Nachbearbeitung ausgeliefert werden kann.

Ratenbegrenzungen und Produktionsplanung

Zu den Ratenbegrenzungen gehören Tokens pro Minute (TPM) und Bilder pro Minute (IPM). Berücksichtigen Sie beide bei Ihrer Planung: Eine Anfrage kann zwar die Bildanzahlbegrenzung einhalten, aber dennoch den Token-Durchsatz überschreiten. Auf den beiden offiziellen Seiten zum GPT Image 2.5-Modell wird derzeit dieselbe Tabelle angezeigt.

Wiederholungsversuche, Parallelität und Fehlerklassen

Trennen Sie Ereignisse zu Authentifizierung, ungültigen Parametern, Ratenbegrenzung, Kapazität, Transport, Zeitüberschreitung und ungültiger Ausgabe in den Protokollen voneinander. Fehler bei der Authentifizierung oder bei Parametern erfordern in der Regel eine Korrektur der Konfiguration und keinen erneuten Versuch. Antworten zu Ratenbegrenzung und Kapazität können einen begrenzten Backoff rechtfertigen. Bei Transportfehlern und Timeouts ist eine Idempotenzstrategie erforderlich, damit die Anwendung nicht versehentlich doppelte abrechnungsfähige Arbeit erzeugt.

Vor allem ist ein Betriebsfehler kein Maß für die Bildqualität. Bewerten Sie die Qualität erst dann, wenn eine gültige, dekodierbare Ausgabe vorliegt. Zeichnen Sie die gemessene Latenz zusammen mit der Route, dem Datum, dem Endpunkt und den Bedingungen der Anfrage auf; die Latenz an einem Standort ist kein dauerhaftes Maß für die Modellgeschwindigkeit.

Was geschah in den kontrollierten Tests mit Anywhere GPT Image 2.5?

Die nachfolgenden Aufgaben zur Generierung, Bearbeitung und Referenzzusammenstellung verwendeten jeweils eine erste gültige Ausgabe. Die fünf erfolgreichen formalen Anfragen hatten zusammen berechnete Kosten von $0.088603. In dieser Gesamtzahl sind fehlgeschlagene Anfragen, die Erstellung von Testumgebungen, die Bereitschaftsprüfung und das Hero-Image nicht enthalten.

G01: Produktanzeige mit exaktem Text

In der Eingabeaufforderung wurde die Zeile verlangt PLATZ FÜR IDEEN SCHAFFEN genau einmal, eine Lampe, eine feste Zusammensetzung und explizite Ausschlüsse. Die erste gültige Ausgabe gab den Text einmal wieder und bestand alle angegebenen Prüfungen.

Getestet über die einheitliche „gpt-image-2.5“-Route von Anywhere am 9. September 2026.

Status

Korrekte erste Ausgabe

Aufgabenpunktzahl

10/10

Verstrichene Zeit

6.150 ms

Berechnete Kosten

$0.041645

FähigkeitsanalyseBei dieser ersten Ausgabe hat die Route den genauen sichtbaren Text, die Objektanzahl, die Zusammensetzung und die negativen Einschränkungen gemeinsam berücksichtigt.

BeschränkungEine erfolgreiche Anzeige sagt noch nichts über die allgemeine Erfolgsquote bei der Textdarstellung aus, und der einheitliche Ansatz hat weder „Flare“ noch „Sunburst“ identifiziert.

Fazit aus der PraxisVerwenden Sie eine eingefrorene Kopierzeile und zählen Sie alle sichtbaren Textinstanzen. Diese Ausgabe wurde ohne Neugenerierung übernommen.

Genaue Anfrage, vollständige Eingaben, Einstellungen und Zielprüfungen

Status: valid_output beim ersten Versuch; erste gültige Ausgabe beibehalten.

Route: Überall OpenAI-kompatibel /images/generations mit gpt-image-2.5.

Genauer Eingabetext

Erstellen Sie eine horizontale Produktanzeige im Format 3:2 für eine fiktive, mattschwarze, tragbare Schreibtischlampe vor einem schlichten weißen und hellgrauen Hintergrund. Zeigen Sie genau eine Lampe, die leicht nach rechts geneigt ist, mit einem sanften, warmen Lichtkegel und großzügigem Negativraum. Fügen Sie genau eine Textzeile ein: "MAKE ROOM FOR IDEAS". Setzen Sie diese Zeile in klaren, serifenlosen Großbuchstaben, zentriert im oberen Drittel. Kein weiterer Text, kein Logo, kein Wasserzeichen, keine Personen und keine zusätzlichen Produkte.

Vollständige Eingabe: Nur Text. Es wurden keine Bilder bereitgestellt.

Tatsächliche Anforderungseinstellungen

Größe

1536 × 1024

Qualität

hoch

Ausgabeformat

webp

Hintergrund

undurchsichtig

n

1

Objektive Überprüfungen

exakter_Text2/2

„MAKE ROOM FOR IDEAS“ erscheint einmal, vollständig und ohne Rechtschreibfehler; es ist kein weiterer Text zu sehen.

required_object2/2

Es ist genau eine komplett mattschwarze Schreibtischlampe vorhanden.

Zusammensetzung2/2

Die Lampe ist nach rechts gerichtet, der warme Lichtkreis ist zu sehen, der negative Raum bleibt erhalten, und der Text befindet sich im oberen Drittel.

Verbote2/2

Es sind weder Logos noch Wasserzeichen, Personen oder zusätzliche Produkte zu sehen.

first_output_usability2/2

Die erste brauchbare Ausgabe kann ohne Überarbeitung oder größere Änderungen verwendet werden.

Vollständige Ausgabe

Die vollständige „first-valid“-Ausgabe mit einer Auflösung von 1536×1024 wird direkt unter diesem Hinweisfeld angezeigt. Die Antwort wurde im PNG-Format zurückgegeben, obwohl in der Anfrage das WebP-Format angefordert wurde.

G02: Anordnung der gezählten Objekte

In der Anfrage wurden genau drei Objekte angegeben: eine blaue Glaskugel, ein gelber, zusammengefalteter Fächer und ein Stahlwürfel, in der Reihenfolge von links nach rechts. Die erste gültige Ausgabe behielt die Anzahl, die Reihenfolge und die erkennbaren Materialien bei.

Getestet über die einheitliche „gpt-image-2.5“-Route von Anywhere am 9. September 2026.

Status

Korrekte erste Ausgabe

Aufgabenpunktzahl

10/10

Verstrichene Zeit

33.577 ms

Berechnete Kosten

$0.005505

FähigkeitsanalyseDie erste Ausgabe erfolgte nach einer Zählung von drei Objekten in der Reihenfolge links-Mitte-rechts, unter Angabe der gewünschten Farben und anhand eindeutiger Materialmerkmale.

BeschränkungDie Beobachtung bezieht sich auf ein kontrolliertes Stillleben und nicht auf die Komplexität einer willkürlichen Objektzählung oder die Zuverlässigkeit wiederholter Produktionen.

Fazit aus der PraxisDie genaue Angabe von Stückzahl, Reihenfolge, Materialien und Ausschlüssen führte in diesem Fall zu einem sofort verwertbaren Ergebnis.

Genaue Anfrage, vollständige Eingaben, Einstellungen und Zielprüfungen

Status: valid_output beim ersten Versuch; erste gültige Ausgabe beibehalten.

Route: Überall OpenAI-kompatibel /images/generations mit gpt-image-2.5.

Genauer Eingabetext

Erstellen Sie ein horizontales redaktionelles Stillleben im Seitenverhältnis 3:2 vor einem Studiohintergrund aus Anthrazit und Cremeweiß. Zeigen Sie genau drei Objekte: eine kobaltblaue Glaskugel auf der linken Seite, einen zusammengefalteten gelben Papierfächer in der Mitte und einen Würfel aus gebürstetem Stahl auf der rechten Seite. Alle drei Objekte müssen vollständig sichtbar und gleichmäßig verteilt sein und von einer sanften Lichtquelle oben links beleuchtet werden. Kein Text, kein Logo, kein Wasserzeichen, keine Personen, keine zusätzlichen Objekte und keine dekorativen Symbole.

Vollständige Eingabe: Nur Text. Es wurden keine Bilder bereitgestellt.

Tatsächliche Anforderungseinstellungen

Größe

1536 × 1024

Qualität

hoch

Ausgabeformat

webp

Hintergrund

undurchsichtig

n

1

Objektive Überprüfungen

Objektanzahl2/2

Es sind genau eine blaue Glaskugel, ein gelber Faltfächer und ein Stahlwürfel vorhanden.

Reihenfolge und Sichtbarkeit2/2

Die Objekte sind in der gewünschten Reihenfolge – links, Mitte und rechts – vollständig sichtbar.

Materialien_und_Farben2/2

Die Materialien – Glas, Papier und gebürstetes Metall – sowie die gewünschten Farben sind klar.

Beleuchtung_und_Abstand2/2

Die Szene zeichnet sich durch eine einheitliche Beleuchtung von oben links und gleichmäßige Abstände aus.

Verbote_und_Artefakte2/2

Es sind weder Text, Logos, Wasserzeichen, Personen, zusätzliche Objekte noch größere Bildstörungen zu sehen.

Vollständige Ausgabe

Die vollständige „first-valid“-Ausgabe mit einer Auflösung von 1536×1024 wird direkt unter diesem Hinweisfeld angezeigt. Die Antwort wurde im PNG-Format zurückgegeben, obwohl in der Anfrage das WebP-Format angefordert wurde.

E01: Eine Farbe ändern

Durch die Bearbeitung wurde der mattschwarze Lampenschirm in Kobaltblau geändert, wobei das Produkt erkennbar blieb. Es gab einen Punkt Abzug, da die Umwandlung der quadratischen Quelle in ein 3:2-Ausgabebild zu einer leichten Neuschnitt und Rekonstruktion außerhalb des Zielattributs führte.

Getestet über die einheitliche „gpt-image-2.5“-Route von Anywhere am 9. September 2026.

Status

Korrekte erste Ausgabe

Aufgabenpunktzahl

9/10

Verstrichene Zeit

41.387 ms

Berechnete Kosten

$0.016320

FähigkeitsanalyseDie gewünschte Änderung der Schirmfarbe wurde erfolgreich umgesetzt, während die charakteristischen Merkmale, die Struktur und die Lichtwirkung der Leuchte erhalten blieben.

BeschränkungDie Konvertierung vom quadratischen Format ins 3:2-Format führte zu einer leichten Neuanordnung und Rekonstruktion, sodass die Erhaltung von Nicht-Zielbereichen nicht pixelgenau erfolgte.

Fazit aus der PraxisStellen Sie sicher, dass das Seitenverhältnis von Quelle und Ausgabe übereinstimmt, wenn eine strikte Beibehaltung erforderlich ist, und überprüfen Sie anschließend jeden Bereich, der nicht zum Zielbereich gehört.

Genaue Anfrage, vollständige Eingaben, Einstellungen und Zielprüfungen

Status: valid_output beim ersten Versuch; erste gültige Ausgabe beibehalten.

Route: Überall OpenAI-kompatibel /Bilder/Bearbeitungen mit gpt-image-2.5.

Genauer Eingabetext

Ändern Sie lediglich die Farbe des Lampenschirms von Mattschwarz in Kobaltblau. Behalten Sie die genaue Form, Position, Größe, den Sockel, den Arm, den Schalter, die Schatten, das warme Licht, den Hintergrund, den Kamerawinkel, den Bildausschnitt und alle anderen sichtbaren Details der Lampe bei. Fügen Sie keinen Text, kein Logo, kein Wasserzeichen, keine Person und keine zusätzlichen Objekte hinzu.

Vollständige Bildeingabe:

• Eingabe 1: 00-control/fixtures/edit-source-lamp.png (1.328.812 Byte; SHA-256 a93d7c90aa57c7949939f011918fcfe531f34fa039859d043556c0cd26dcea2b)

Tatsächliche Anforderungseinstellungen

Größe

1536 × 1024

Qualität

hoch

Ausgabeformat

webp

Hintergrund

undurchsichtig

n

1

Objektive Überprüfungen

gewünschte_Änderung2/2

Der Farbton wechselt von mattem Schwarz zu Kobaltblau.

Geometrie_Position_Maßstab_Ausschnitt1/2

Die Lampe bleibt erkennbar, doch die quadratische Lichtquelle wird für das 3:2-Format neu gerahmt und leicht umgestaltet.

non_target_preservation2/2

Der Sockel, der Arm, der Schalter, die Glühbirne und die schwarzen, nicht zum Ziel gehörenden Bereiche bleiben im Wesentlichen unverändert.

Beleuchtung_Kanten_Materialien2/2

Beleuchtung, Schatten, Kanten und Materialdarstellung bleiben stimmig.

first_output_usability2/2

Die erste einwandfreie Ausgabe kann ohne Aufarbeitung oder größere Reparatur verwendet werden.

Vollständige Ausgabe

Die vollständige „first-valid“-Ausgabe mit einer Auflösung von 1536×1024 wird direkt unter diesem Hinweisfeld angezeigt. Die Antwort wurde im PNG-Format zurückgegeben, obwohl in der Anfrage das WebP-Format angefordert wurde.

E02: Hintergrund ersetzen

Durch die Bearbeitung wurde der Hintergrund in ein zartes Mintgrün geändert, wobei das Material der Lampe unverändert blieb. Wie bereits bei E01 wurde die gewünschte Änderung übernommen, während die Anpassung des Seitenverhältnisses zu einer leichten Neuschnittung und Rekonstruktion führte.

Getestet über die einheitliche „gpt-image-2.5“-Route von Anywhere am 9. September 2026.

Status

Korrekte erste Ausgabe

Aufgabenpunktzahl

9/10

Verstrichene Zeit

50.151 ms

Berechnete Kosten

$0.007208

FähigkeitsanalyseBei der Neugestaltung wurde der Studiohintergrund ersetzt, wobei die schwarzen Hauptmaterialien und die charakteristische Geometrie der Lampe beibehalten wurden.

BeschränkungWie bereits in E01 führte das neue Seitenverhältnis von 3:2 zu einer leichten Anpassung des Bildausschnitts und einer Neugestaltung, die über die gewünschte Änderung des Hintergrunds hinausging.

Fazit aus der PraxisDie Hintergrunderneuerung war bei der ersten Ausgabe einsetzbar, doch Änderungen des Seitenverhältnisses sollten als separates Risiko geprüft werden.

Genaue Anfrage, vollständige Eingaben, Einstellungen und Zielprüfungen

Status: valid_output beim ersten Versuch; erste gültige Ausgabe beibehalten.

Route: Überall OpenAI-kompatibel /Bilder/Bearbeitungen mit gpt-image-2.5.

Genauer Eingabetext

Ändern Sie lediglich den Studiohintergrund von Hellgrau in ein flaches, sanftes Mintgrün. Behalten Sie jeden Teil der mattschwarzen Lampe bei, einschließlich ihrer Farbe, Form, Position, Größe, des Sockels, des Arms, des Schalters, der leuchtenden Glühbirne, des warmen Lichts, der Schatten, des Kamerawinkels und des Bildausschnitts. Fügen Sie keinen Text, kein Logo, kein Wasserzeichen, keine Person und kein zusätzliches Objekt hinzu.

Vollständige Bildeingabe:

• Eingabe 1: 00-control/fixtures/edit-source-lamp.png (1.328.812 Byte; SHA-256 a93d7c90aa57c7949939f011918fcfe531f34fa039859d043556c0cd26dcea2b)

Tatsächliche Anforderungseinstellungen

Größe

1536 × 1024

Qualität

hoch

Ausgabeformat

webp

Hintergrund

undurchsichtig

n

1

Objektive Überprüfungen

gewünschte_Änderung2/2

Der Studiohintergrund wechselt zu einem zarten Mintgrün.

Geometrie_Position_Maßstab_Ausschnitt1/2

Die Lampe bleibt erkennbar, doch die quadratische Lichtquelle wird für das 3:2-Format neu gerahmt und leicht umgestaltet.

non_target_preservation2/2

Die Lampe bleibt mattschwarz und behält ihre wesentlichen Details wie Sockel, Arm, Lampenschirm, Schalter und Glühbirne bei.

Beleuchtung_Kanten_Materialien2/2

Beleuchtung, Schatten, Kanten und Materialien bleiben nach der Bearbeitung des Hintergrunds konsistent.

first_output_usability2/2

Die erste einwandfreie Ausgabe kann ohne Aufarbeitung oder größere Reparatur verwendet werden.

Vollständige Ausgabe

Die vollständige „first-valid“-Ausgabe mit einer Auflösung von 1536×1024 wird direkt unter diesem Hinweisfeld angezeigt. Die Antwort wurde im PNG-Format zurückgegeben, obwohl in der Anfrage das WebP-Format angefordert wurde.

M01: Drei Quellenangaben zusammenführen

Das Ergebnis behielt die grüne Lampe, das korallenfarbene Notizbuch und die blaue Tasse bei und ordnete sie in der gewünschten Anordnung „links-Mitte-rechts“ an. Dies zeigt, dass das Verfahren bei einer festgelegten Komposition mit drei Referenzobjekten erfolgreich ist, stellt jedoch keine allgemeine Garantie für die dokumentierte maximale Anzahl von 16 Eingaben dar.

Getestet über die einheitliche „gpt-image-2.5“-Route von Anywhere am 9. September 2026.

Status

Korrekte erste Ausgabe

Aufgabenpunktzahl

10/10

Verstrichene Zeit

105.469 ms

Berechnete Kosten

$0.017925

FähigkeitsanalyseDie Route behielt drei unterschiedliche Referenzidentitäten – Materialien, Anzahl und deren gewünschte räumliche Beziehung – in einer Szene bei.

BeschränkungDies ist eine Zusammensetzung mit drei Referenzen; sie belegt keine gleichwertige Beibehaltung bei der dokumentierten Höchstzahl von 16 Eingaben.

Fazit aus der PraxisGeben Sie die Referenzen in der angegebenen Reihenfolge an, benennen Sie jede Platzierung und bewerten Sie Identität und Anzahl getrennt von der optischen Qualität.

Genaue Anfrage, vollständige Eingaben, Einstellungen und Zielprüfungen

Status: valid_output beim ersten Versuch; erste gültige Ausgabe beibehalten.

Route: Überall OpenAI-kompatibel /Bilder/Bearbeitungen mit gpt-image-2.5.

Genauer Eingabetext

Erstellen Sie anhand der drei Referenzbilder in der vorgegebenen Reihenfolge eine horizontale Schreibtischszene im Verhältnis 3:2. Behalten Sie die charakteristische Form und das Material jedes Referenzobjekts bei. Platzieren Sie die Lampe einmal links, das geschlossene Notizbuch einmal in der Mitte und die Tasse einmal rechts. Die Lampe wirft einen warmen Lichtfleck auf das Notizbuch, ohne es zu verdecken. Sauberer, neutraler Studiohintergrund. Kein Text, kein Logo, kein Wasserzeichen, keine Personen, keine doppelten Objekte und keine zusätzlichen Produkte.

Vollständige Bildeingaben:

• Eingabe 1: 00-control/fixtures/ref-lamp.png (1.334.151 Byte; SHA-256 40c72915de60ba32e70de009b12619f3ffa8643460fd8e8326ffe3d94d215987)
• Eingabe 2: 00-control/fixtures/ref-notebook.png (2.067.635 Byte; SHA-256 e96298c43d0b04ec4f50aa66d9a4005f3236fa51d945394d257303dd9e790179)
• Eingabe 3: 00-control/fixtures/ref-mug.png (1.444.324 Byte; SHA-256 1d4cec622254b8533c5122fc5c0b2432b38e39fb3c16412dab02b744de5e538f)

Tatsächliche Anforderungseinstellungen

Größe

1536 × 1024

Qualität

hoch

Ausgabeformat

webp

Hintergrund

undurchsichtig

n

1

Objektive Überprüfungen

Objekt_Anwesenheit_und_Anzahl2/2

Es sind eine Lampe, ein geschlossenes Notizbuch und eine Tasse vorhanden.

Referenz-Identität2/2

Die grün-messingfarbene Lampe, das korallenfarbene Notizbuch und die blaue, gerippte Tasse behalten ihre unverwechselbare Identität und ihre jeweiligen Materialien bei.

räumliche_Beziehung2/2

Die Lampe steht links, das Notizbuch in der Mitte und die Tasse rechts, wie gewünscht.

Szene_Kohärenz2/2

Maßstab, Perspektive, Beleuchtung, Schatten und der warme Lichtfleck fügen sich harmonisch zusammen.

Verbote_und_Artefakte2/2

Es sind weder Text, Logos, Wasserzeichen, Personen, doppelte Produkte, Ersatzartikel noch materielle Artefakte zu sehen.

Vollständige Ausgabe

Die vollständige „first-valid“-Ausgabe mit einer Auflösung von 1536×1024 wird direkt unter diesem Hinweisfeld angezeigt. Die Antwort wurde im PNG-Format zurückgegeben, obwohl in der Anfrage das WebP-Format angefordert wurde.

Bei den fünf gültigen ersten Ergebnissen wurden die festgelegten Prüfkriterien mit Bravour bestanden: Drei erzielten 10/10 und zwei 9/10. Ebenso wichtig ist die nützliche Grenze. Hierbei handelt es sich um Belege auf Aufgabenebene aus einem Kompatibilitätspfad, ohne Wiederholungsstichprobe und ohne offengelegte offizielle Variante. Um in Ihrer eigenen Arbeit bessere Ergebnisse zu erzielen, verwenden Sie eine festgelegte Aufgabenstellung, explizite Vorgaben, konsistente Referenzen und eine Überprüfungsstufe; dies Leitfaden zur Verbesserung der Genauigkeit bei der KI-Bildgenerierung erweitert diesen Arbeitsablauf.

Die getestete Route wies zudem eine Formatabweichung auf, die gesondert protokolliert werden sollte: Bei erfolgreichen formalen Anfragen wurde WebP angefordert, jedoch PNG zurückgegeben, wobei die angeforderten Abmessungen von 1536×1024 beibehalten wurden. Eine Bereitschaftsanfrage forderte ein WebP-Bild mit den Maßen 1024×1024 an und erhielt ein PNG-Bild mit den Maßen 1254×1254 zurück. Hierbei handelt es sich um Beobachtungen zur einheitlichen Route von Anywhere zum Testzeitpunkt, nicht um ein Verhalten, das der nativen API von OpenAI zugeschrieben werden kann.

Wie sollte man eine GPT Image 2.5-Route auswählen?

Beginnen Sie mit dem von Ihnen benötigten Workflow und überprüfen Sie diesen anschließend anhand einer festgelegten Aufgabe. Die Modellbeschreibungen von OpenAI bieten einen sinnvollen ersten Ansatz, ersetzen jedoch nicht einen Test mit Ihren eigenen Eingabeaufforderungen, Referenzbildern, Akzeptanzregeln und Ihrem Latenzbudget.

Führen Sie vor dem Commit eines Produktions-Workflows eine repräsentative Generierungs- und Bearbeitungsaufgabe durch. Vergleichen Sie die Quote akzeptabler Ergebnisse, die Erhaltung, die Latenzverteilung und die Rücklaufquote, anstatt sich nur auf ein einzelnes vielversprechendes Beispiel zu stützen. Wenn Ihr Team davon profitiert, verschiedene Aufträge an unterschiedliche Tools weiterzuleiten, Die besten KI-Bildgeneratoren im Vergleich und die Auswahlentscheidung auf der Aufgabenebene zu belassen.

Häufige Fehler bei der Umsetzung

1. Übermittlung einer Familienbezeichnung anstelle einer genauen offiziellen Modell-ID. Verwenden Sie gpt-image-2.5-flare oder gpt-image-2.5-sunburst über die native API, es sei denn, Ihr Anbieter dokumentiert ausdrücklich einen anderen Weg.
2. Jede Antwort wird wie bei der direkten Image-API analysiert. Die Responses-API gibt Ausgabeelemente von Tool-Aufrufen zurück, daher unterscheidet sich ihre Extraktionslogik von images.generate oder Bilder bearbeiten.
3. Behandlung von Base64-Daten als URL eines gehosteten Bildes. Dekodieren Sie die Bytes, überprüfen Sie die Datei und speichern Sie sie in Ihrem eigenen zugelassenen Mediensystem.
4. Es wird eine ungültige benutzerdefinierte Größe verwendet. Überprüfen Sie vor der Anfrage, ob die Abmessungen ein Vielfaches von 16 sind, sowie die Fläche, das Seitenverhältnis und die maximale Seitenlänge.
5. Kombination unvereinbarer Ausgabeoptionen. Für die Transparenz sind PNG oder WebP erforderlich; die Komprimierungseinstellung gilt für JPEG und WebP.
6. So lange neu generieren, bis das Ergebnis zufriedenstellend aussieht, und dies dann als erste Ausgabe bezeichnen. Speichern Sie die erste gültige Ausgabe und melden Sie Wiederholungsversuche separat, wenn Sie eine objektive Modellbewertung wünschen.
7. Eine Zeitüberschreitung oder eine Kapazitätsantwort als schlechte Bildqualität werten. Kein gültiges Image bedeutet keinen Qualitätswert; protokollieren Sie das Ereignis unter „Verfügbarkeit“ oder „Transport“.

Häufig gestellte Fragen zur GPT Image 2.5-API

Verfügt GPT Image 2.5 über eine API?

Ja. Das Dokument OpenAI beschreibt die direkte Bilderzeugung, die direkte Bildbearbeitung sowie die Bilderzeugung mithilfe des „Responses API“-Tools.

Wie lauten die genauen Modell-IDs von GPT Image 2.5?

Die Aliase für die Verschiebung lauten gpt-image-2.5-flare und gpt-image-2.5-sunburst. Die Snapshots vom 8. September 2026 fügen hinzu -2026-09-08 zu jedem Alias.

Wie viel kostet die GPT Image 2.5-API pro Bild?

Es gibt keinen festgelegten Pauschalpreis pro Bild. Die Kosten hängen von den Token für zurückgesendete Texteingaben, zwischengespeicherte Texte, Bildeingaben, zwischengespeicherte Bilder und Bildausgaben ab. Verwenden Sie die offiziellen Preise pro Million Token in Abhängigkeit von der tatsächlichen Nutzung.

Kann GPT Image 2.5 mehrere Bilder bearbeiten?

Ja. Die Bearbeitungs-API dokumentiert bis zu 16 Eingabebilder. Dabei handelt es sich um den unterstützten Höchstwert, nicht um eine Garantie dafür, dass bei jeder Zusammensetzung aus 16 Bildern jedes Detail erhalten bleibt.

Kann GPT Image 2.5 ein transparentes PNG- oder WebP-Bild ausgeben?

Ja. Stellen Sie den Hintergrund auf „transparent“ ein und verwenden Sie die Ausgabeformate PNG oder WebP. Vergewissern Sie sich, dass die dekodierte Datei einen Alphakanal enthält, bevor Sie sie in einer Produktions-Asset-Pipeline verwenden.

Wie lauten die Ratenbegrenzungen für die GPT Image 2.5-API?

Der kostenlose Zugang wird in der aktuellen Tabelle nicht unterstützt. Stufe 1 beginnt bei 100.000 TPM und 5 IPM; Stufe 5 erreicht 8.000.000 TPM und 250 IPM, wobei die Grenzwerte für die Stufen 2 bis 4 oben aufgeführt sind. Informieren Sie sich vor dem Start auf der aktuellen Modellseite.

Schlussfolgerung

Verwenden Sie „Flare“ oder „Sunburst“ entsprechend der offiziellen Workflow-Positionierung und überprüfen Sie die Wahl anschließend anhand Ihrer eigenen „frozen tasks“. Heften Sie einen datierten Snapshot an, wenn es auf Reproduzierbarkeit ankommt, entschlüsseln und prüfen Sie die zurückgegebene Datei und berechnen Sie die Kosten anhand der tatsächlichen Token-Nutzung statt anhand eines geschätzten Wertes pro Bild. Unser „Anywhere“-Batch lieferte fünf aussagekräftige, aufgabenbezogene erste Ergebnisse, konnte jedoch keine offizielle Variante identifizieren, die Transparenz- oder Qualitätsstufentests nicht vollständig absolvieren und keine umfassende Zuverlässigkeit nachweisen.