OpenAI hat heute die Veröffentlichung von ChatGPT Images 2.0 angekündigt – eine umfassende Überarbeitung, die über den einmaligen Ansatz der KI-Kunst hinausgeht.
Dieses Update, das vom neuen Modell gpt-image-2 angetrieben wird, führt einen Denkmodus ein, in dem die KI das Web durchsuchen, Layouts planen und konsistente Bilderserien erstellen kann, statt nur einzelne, voneinander losgelöste Quadrate zu erzeugen.
Die zentrale Philosophie hinter dieser Veröffentlichung ist ein Wandel in der Art und Weise, wie wir visuelle Inhalte mit KI nutzen. OpenAI vermarktet dies nicht länger als Spielzeug zum Erstellen hübscher Bilder, sondern als Werkzeug für die tatsächliche Arbeit. „Bilder sind eine Sprache, keine Dekoration. Ein gutes Bild tut, was ein guter Satz tut – es wählt aus, ordnet an und macht sichtbar“, schrieb das Unternehmen. „Es kann einen Mechanismus erklären, eine Stimmung inszenieren, eine Idee testen oder ein Argument vorbringen.“
Durch die Integration der Reasoning-Fähigkeiten seiner O-Serie zeichnet das Modell nicht mehr nur – es plant. Wenn du den neuen Denkmodus verwendest, agiert die KI eher wie ein Designpartner. Sie kann das Web nach Kontext in Echtzeit durchsuchen, hochgeladene Dokumente analysieren, um Infografiken zu erstellen, und ihre Arbeit überprüfen, bevor sie sie dir zeigt.
Wenn du schon einmal versucht hast, eine KI ein Menü oder ein Schild erstellen zu lassen, kennst du das Problem mit dem KI-Kauderwelsch. Images 2.0 will dieses Problem gelöst haben. Das Modell beherrscht jetzt dichte Textinhalte, kleine Symbole und komplexe Benutzeroberflächen (UI) mit professioneller Präzision.
Auch global ist das Modell nun besser aufgestellt. Während frühere Modelle mit nichtlateinischen Schriften zu kämpfen hatten, ist diese Version ein Polyglott und zeigt deutliche Verbesserungen bei Japanisch, Koreanisch, Chinesisch, Hindi und Bengalisch. Das System übersetzt Wörter nicht einfach nur, sondern ist darauf ausgelegt, Sprache natürlich in das visuelle Layout zu integrieren – eine Verbesserung, die es für ein globales Publikum und die Erstellung lokalisierter Inhalte nützlicher machen könnte.
Flexible Formate und hochwertigere Ausgaben
ChatGPT Images 2.0 unterstützt eine größere Auswahl an Seitenverhältnissen, sodass Nutzer Visualisierungen von 3:1 (Querformat) bis 1:3 (Hochformat) erstellen können. Diese Flexibilität erleichtert die Erstellung von Assets für alles – von Präsentationen bis hin zu sozialen Medien.
Das Modell kann außerdem Bilder mit einer Auflösung von bis zu 2K erzeugen; über die API werden derzeit sogar noch höhere Auflösungen getestet.
Eine weitere bemerkenswerte Änderung betrifft die Interaktion der Nutzer mit dem System. Statt eines Einmal-Prompts zur Bilderstellung wird die Bilderstellung zunehmend dialogorientiert. Nutzer können Ausgaben Schritt für Schritt verfeinern, Elemente anpassen, Layouts ändern oder Ideen weiterentwickeln, ohne von vorn beginnen zu müssen. Das System behält den Kontext bei und ermöglicht so einen flüssigeren Designprozess.
Einsatzmöglichkeiten für Entwickler und Unternehmen
OpenAI treibt die Technologie außerdem über die private Nutzung hinaus voran. Das neue Modell gpt-image-2 ist über die API verfügbar und ermöglicht es Entwicklern, fortschrittliche Bildgenerierung in ihre Produkte zu integrieren.
Das Unternehmen zufolge könnte dies reale Anwendungen wie Marketingdesign, Bildungsinhalte und Kreativwerkzeuge unterstützen. Integration mit Codex bedeutet außerdem, dass Nutzer Visualisierungen innerhalb eines umfassenderen Workflows erstellen und weiterentwickeln können, etwa bei der App-Entwicklung und dem Produktdesign.
Verfügbarkeit und Zugriff
ChatGPT Images 2.0 Instant ist ab heute für alle ChatGPT- und Codex-Nutzer verfügbar, auch für Nutzer der kostenlosen Tarifstufe. Der Denkmodus mit Websuche, der Generierung mehrerer Bilder und Reasoning-Funktionen ist ChatGPT-Plus-, Pro- und Business-Abonnenten vorbehalten.
Entwickler können über die API unter dem Bezeichner gpt-image-2 auf das Modell zugreifen. Die Preise liegen bei 8,00 US-Dollar pro Eingabe, 2,00 US-Dollar für zwischengespeicherte Eingaben und 30,00 US-Dollar pro Ausgabe und variieren je nach ausgewählter Qualität und Auflösung.
Einige Einschränkungen bleiben bestehen. OpenAI weist darauf hin, dass das Modell weiterhin Schwierigkeiten mit Aufgaben haben kann, die ein präzises physisches Modell der Welt erfordern, etwa Anleitungen zum Origami-Falten, Konfigurationen von Zauberwürfeln und Oberflächen, die angewinkelt, verdeckt oder umgekehrt sind.
Auch sehr dichte oder sich wiederholende Texturen wie Sandkörner können die Grenzen des Modells ausloten. Und Beschriftungen in Diagrammen, insbesondere wenn sie auf präzisen Pfeilen und Verweisen auf einzelne Teile beruhen, erfordern möglicherweise weiterhin eine manuelle Prüfung.
Lesen Sie auch: Unser Spickzettel zu ChatGPT erläutert, wie Bildgenerierung, Bearbeitung, Reasoning und Webtools nun in das umfassendere Produktportfolio von OpenAI eingebettet sind.