OpenAI Images 2.0: Bildgenerator, der denkt und gestaltet

Warum OpenAIs Images 2.0 die Messlatte für produktionsreife Visuals neu setzt

OpenAI hat Images 2.0 (interner Name: GPT Image 2) am 21. April 2026 in ChatGPT und der API ausgeliefert. Sam Altman fasste den Sprung in klaren Worten zusammen: “This is like going from GPT-3 to GPT-5 all at once.” (Das ist, als würden wir von GPT-3 zu GPT-5 auf einen Schlag springen.) Unabhängige Bestätigung kam am selben Tag von Arena AIs öffentlicher Preference-Rangliste, wo das Modell unter dem Codenamen “duct tape” als Beta getestet wurde: “This model has had the biggest jump on the arena at least since I can remember. It’s over 200 points and it’s far far ahead of any other image model.” (Dieses Modell hat den grössten Sprung in der Arena hingelegt, zumindest seit ich mich erinnern kann. Es sind über 200 Punkte und es liegt weit, weit vor jedem anderen Bildmodell.)

Der Wandel vom Generator zum Kollaborateur: Forschungsleiter Ki-wan brachte es auf den Punkt: “This new model is no more like an AI image generator that you just give a prompt and it returns an image. It’s more like an AI that you just interactively talk to and is going to respond using images.” (Dieses neue Modell ist nicht mehr wie ein KI-Bildgenerator, dem man nur einen Prompt gibt und der ein Bild zurückliefert. Es ist eher eine KI, mit der man interaktiv spricht und die mit Bildern antwortet.) Die Demo zeigte, wie ChatGPT aus einem einzigen Porträt acht beschriftete Sommeroutfit-Optionen generierte und dann in das gewählte Outfit mit mehreren Blickwinkeln hineinzoomte — derselbe Loop, den ein Stylist oder Art Director fährt, komprimiert auf einen Chat.

Thinking-Modus bringt Recherche und Tool-Nutzung ins Bild: Für zahlende Nutzer bietet Images 2.0 eine Thinking-Variante, die im Web suchen, Ergebnisse synthetisieren und sie in den Output einbetten kann. In der Live-Demo bat Gabe das Modell, Social-Media-Reaktionen zur “duct tape”-Beta zu finden und einen funktionierenden QR-Code mit Link zu chatgpt.com einzubetten — alles in einem einzigen generierten Bild. Das ist Bildgenerierung als agentische Aufgabe, nicht als Pixel-Pipeline.

Textrendering ist endlich gelöst — in jeder Sprache: Mehrsprachige Typografie war das Bühnen-Highlight. OpenAI erzeugte komplette japanische Poster mit korrekten Hiragana- und Kanji-Zeichen, Hindi-Rezeptkarten und chinesische Magazinlayouts fehlerfrei. Wie Forscher Buyan anmerkte: “Previously our model had a hard time memorizing these characters but now you can just prompt and generate entire pages of text in these languages without errors.” (Zuvor hatte unser Modell Schwierigkeiten, sich diese Zeichen zu merken, aber jetzt kann man einfach prompten und ganze Textseiten in diesen Sprachen fehlerfrei generieren.)

Multi-Image-Kohärenz erschliesst neue Formate: Das Modell kann nun mehrere unterschiedliche Bilder in einer Generierung mit konsistenten Charakteren und sich entwickelnden Erzählsträngen ausgeben — dreiseitige Manga, komplette Magazinausgaben, Raum-für-Raum-Renovierungspläne. Arena AIs Reviewer bestätigte: Charakteridentität bleibt über Panels hinweg erhalten, und die Drake-Meme- und Distracted-Boyfriend-Prompts funktionieren “completely perfectly”, wo Konkurrenten scheitern.

Wo es noch bricht: Arena AIs ehrliche Kritik: Das geometrische Weltverständnis ist unvollkommen (eine Szene über verschiedene Blickwinkel zu rotieren erzeugt subtile Inkonsistenzen), und die Feinheiten von Memes scheitern manchmal (die Blickrichtung beim Distracted-Boyfriend-Meme kam falsch heraus). Identitätserhaltung und Fotorealismus wurden jedoch als Best-in-Class gegenüber Grok Imagine, Nano Banana 2 und OpenAIs eigenem GPT Image 1.5 bewertet.

5 Erkenntnisse für Teams, die visuelle Workflows mit KI bauen

• 4K + Multi-Seitenverhältnis macht es produktionsreif — 2K-Auflösung als Standard, Seitenverhältnisse bis 3:1 und 1:3, und eine experimentelle 4K-API, die in der Lage ist, einen Reishaufen zu rendern, bei dem ein einzelnes Korn lesbar “GPT image 2” trägt.
• Designwissen ist eingebacken — Forscher merkten wiederholt die bewusste Textplatzierung, Typografie-Hierarchie und ganzseitige Layouts an. Das Modell rendert nicht nur; es führt Art Direction.
• Thinking-Modus = web-augmentierte Visuals — Bildgenerierung kann nun Recherche durchführen, Live-Fakten abrufen und handlungsrelevante Elemente (QR-Codes, aktuelle Daten) in Outputs einbetten.
• Instant-Modus ist kostenlos für alle — die schnellere Variante geht an alle ChatGPT-Nutzer; Thinking-Modus bleibt kostenpflichtig.
• Arena AIs 200-Punkte-Sprung ist ein echtes Marktsignal — es ist der grösste gemessene Einzelmodell-Sprung in der Bild-Arena, und er ist in jeder Prompt-Kategorie sichtbar.

Was das für KI-gestützte Kreativ- und Marketing-Teams bedeutet

Images 2.0 kollabiert das, was früher eine Pipeline war — Prompt → Generator → Texter → Designer → QA — zu einem einzigen konversationellen Loop. Für Marketing-Teams, die auf KI laufen, fällt damit der letzte Grund weg, drei Tools für ein Marken-Asset zu verketten. Für die Design-Studio- und Content-Studio-Agenten von TeamDay bedeutet das: Die Ära “Ein Modell erledigt Brief-bis-fertiges-Layout” beginnt jetzt — und die Lücke zwischen “KI-generiert” und “produktionsreif” hat sich gerade geschlossen.