OpenAI hat in ChatGPT das neue Bildmodell Images 2.5 eingeführt. Es verspricht schärfere Details, natürlicheres Licht, eine bis zu 50 Prozent schnellere Generierung als bei der vorherigen Version und vor allem Bearbeitungen, die den Rest des Bildes nicht beeinträchtigen. Hinzu kommen das Zeichnen von Skizzen direkt in der Anwendung, Vorlagen für Plakate oder Werbeartikel und das Teilen des Prompts zusammen mit dem fertigen Bild. Entwickler erhielten in der API zwei neue Modelle namens Flare und Sunburst. Laut OpenAI werden in ChatGPT Images und den Bildmodellen der API jede Woche mehr als drei Milliarden Bilder erstellt.
Das Aussehen auf dem Foto bleibt endlich erhalten
Die meiste Arbeit hat OpenAI in die Vorlagentreue gesteckt. Sie laden ein eigenes Foto hoch, bitten um eine andere Umgebung, einen anderen künstlerischen Stil oder eine andere Komposition, und das Ergebnis sollte weiterhin wie Sie aussehen und nicht wie ein entfernter Verwandter. Beleuchtung und Texturen wirken natürlicher. Charakteristische Gesichtszüge werden deutlich zuverlässiger in die neue Szene übertragen.
Gerade bei dieser Aufgabe versagten die Modelle früher am häufigsten. Ein Journalist der Website Axios, der die Neuerung bereits vor ihrer Einführung testete, beschreibt, dass der Unterschied vor allem bei Menschen und Haustieren zu sehen ist. Er lud ein Foto der Katze Raven in ChatGPT hoch und ließ sich beraten, in welche Genres sie versetzt werden könnte. Das Modell schlug einen Krimi im Film-noir-Stil, ein Buntglasfenster und ein Renaissanceporträt vor. In seiner Auflistung wies es sich selbst darauf hin, dass der vollkommen teilnahmslose Gesichtsausdruck der Katze erhalten bleiben müsse. Aus demselben Foto erstellte es anschließend ein lustiges anatomisches Diagramm, in dem es die Augen als einen Blick voller Verachtung, das Gehirn als Organ zur Erkennung von Leckerlis und den Schwanz als Ausdruck von Gleichgültigkeit beschrieb.
Die zweite wichtige Verbesserung betrifft Bearbeitungen. Ältere Modelle hatten die schlechte Angewohnheit, zusammen mit der gewünschten Änderung einer Jacke oder Aufschrift unbemerkt auch das Gesicht, die Form eines Gegenstands oder einen Teil des Hintergrunds neu zu zeichnen. Images 2.5 greift laut OpenAI nur in den ausgewählten Bereich ein und lässt die Umgebung unverändert. Das gelingt auch bei komplexeren Objekten und unruhigen Hintergründen. Für Unternehmen, die das Modell über die API nutzen, bedeutet dies, dass sie ein einzelnes Element austauschen können, etwa ein Produkt, den Hintergrund oder den Text in einer Werbung. Die Komposition und der visuelle Stil des Unternehmens bleiben dabei vollständig erhalten.
Damit hängt auch das Verhalten in langen Konversationen zusammen. Das Modell merkt sich frühere Änderungen und baut jede weitere Bearbeitung auf dem bereits entstandenen Ergebnis auf, sodass die Qualität nicht allmählich nachlässt. Wer schon einmal in ChatGPT ein Bild bis zur zehnten Version bearbeitet und dabei zugesehen hat, wie aus dem Foto ein verschwommener Brei wurde, wird diese Neuerung sicherlich zu schätzen wissen.
Statt einer langen Beschreibung genügen ein paar Striche
Die neue Funktion Sketch ermöglicht es Nutzern, direkt in ChatGPT zu zeichnen. Sie skizzieren die Anordnung eines Raums, den Umriss eines Kleidungsstücks oder nur eine einfache Zeichnung, fügen eine Stilbeschreibung hinzu, und das Modell erstellt daraus ein fertiges Bild. Die Funktion wird durch die Eingabe von „@Sketch“ aktiviert, und OpenAI betont, dass dafür niemand künstlerisches Talent benötigt. Mit Worten zu erklären, dass die Figur links, das Produkt in der Mitte und die Aufschrift oben sein soll, nimmt einen halben Absatz in Anspruch. Es zu zeichnen dauert nur wenige Sekunden und das Ergebnis ist präziser.
Vorlagen, Kommentare im Bild und geteilte Prompts
Für Nutzer, die wissen, was sie möchten, aber nicht bei null anfangen wollen, sind Vorlagen für die gängigsten Formate hinzugekommen. Sie wählen beispielsweise ein Plakat oder Werbeartikel aus und geben an, welche Informationen in die Grafik aufgenommen, welche Gestaltungselemente verwendet und in welchem Stil sie umgesetzt werden sollen.
Kommentare funktionieren so, dass Sie direkt in das Bild schreiben und die Stelle markieren, auf die sich die Bearbeitung bezieht. Der testende Journalist probierte dies an einem Tattooentwurf für eine Freundin aus. Er lud ein Foto ihres bestehenden Tattoos am Arm hoch und beschrieb, was sie hinzufügen wollte. ChatGPT lieferte vier Varianten, die neben der ursprünglichen Zeichnung dargestellt wurden. Die Freundin bat um hellere Bereiche, kreiste die Stelle ein, an der sie eine konkrete Änderung wünschte, und entschied sich schließlich für einen Kompromiss zwischen zwei Versionen. Auf ihre Bitte hin fand das Modell außerdem lokale Tätowierer, die auf einen ähnlichen Stil spezialisiert sind.
Das fertige Bild kann zusammen mit dem Prompt geteilt werden, aus dem es entstanden ist. Andere Nutzer können so dieselbe Vorgabe übernehmen und auf ihre eigenen Fotos anwenden.
Aufschriften, transparente Hintergründe und komplexe Layouts
Das Modell versteht außerdem komplexere gestalterische Anweisungen besser. Bilder, die reale Informationen enthalten, sind inhaltlich sachlich präziser. Sowohl die Genauigkeit von Infografiken als auch deren Layout wurde verbessert, und das System bewältigt auch anspruchsvollere Kompositionen einschließlich transparenter Hintergründe. Es hält sich genauer an den gewünschten künstlerischen Stil, sodass das Ergebnis bei der Präzisierung der Vorgabe nicht in eine andere Richtung abweicht.
Wer eine Reihe von Grafiken für eine Kampagne, Entwürfe für Benutzeroberflächen oder Bilder für Präsentationen mit fester Struktur erstellt, dem erspart diese Neuerung am meisten wiederkehrende Arbeit. Ein Test mit einem Logo zeigte jedoch, dass Wunder nicht sofort geschehen. Die Aufgabe bestand darin, ein Logo für die Berichterstattung über die Olympischen Spiele 2028 zu entwerfen, das das Unternehmenslogo verwenden durfte, aber weder die Worte „Olympische Spiele“ noch die fünf Ringe enthalten durfte, da die Organisatoren sehr genau auf ihre Marken achten. Der erste Versuch war schwach. Erst nach der Empfehlung, die Sonne hinter dem Umriss der Stadt zu platzieren, entstand etwas Brauchbares. Anschließend brachte ChatGPT das Ergebnis auf Wunsch auf einem T-Shirt, einem Thermobecher, einer Tasche und Ansteckern an.
Flare für Geschwindigkeit, Sunburst für anspruchsvolle Aufgaben
Images 2.5 ist seit seiner Einführung in allen ChatGPT-Tarifen, in ChatGPT Work und in Codex verfügbar, und zwar auf dem Computer, auf Mobilgeräten und im Web.
In der API sind zwei Varianten besonders erwähnenswert. GPT-Image-2.5 Flare bietet dieselben Verbesserungen bei Qualität, Bearbeitung und Geschwindigkeit, und OpenAI empfiehlt es als Standardoption. Es liefert nämlich bessere Bilder als GPT-Image-2 bei halbierter Latenz. Das Modell GPT-Image-2.5 Sunburst richtet sich an anspruchsvollere Aufträge, bei denen eine höhere Genauigkeit über mehrere Bearbeitungen hinweg gefragt ist und eine längere Generierungszeit für die Nutzer kein Problem darstellt.
Unternehmen, die die Modelle früher erhielten, loben vor allem, dass das System versteht, was es nicht verändern soll. Nach Angaben des Manus-Teams liefert Flare in dessen Messungen hochwertige Bilder zwei- bis viermal schneller als GPT-Image-2 und eignet sich für Markenmaterialien, Präsentationen und Websites. Auch Adobe integriert die neuen Modelle in sein Firefly Studio.
Sichere Generierung
Der höhere Realismus hat auch seine Schattenseite. Ohne Schutzmechanismen könnte das Modell überzeugendere gefälschte Bilder realer Menschen, Orte und Ereignisse erzeugen, unabhängig davon, ob sie politischer, sexueller oder anderweitig sensibler Natur sind. Die Schutzmaßnahmen greifen daher auf vier Ebenen. Die Vorgabe wird noch vor der eigentlichen Generierung überprüft. Zusätzlich werden Eingabebilder von einem Sicherheitsmodell bewertet, das Text und Bild gemeinsam betrachtet, und das fertige Ergebnis wird vor der Anzeige erneut kontrolliert.
In einem automatisierten Test mit gezielt problematischen Vorgaben ließ Sunburst etwa ein Prozent der Bilder durch, die hätten blockiert werden müssen. Bei Flare waren es ungefähr 1,4 Prozent und bei der letztjährigen Version Images 2.0 rund 1,6 Prozent. Die deutlichste Verbesserung gab es in der sexuellen Kategorie, in der unerwünschte Ausgaben bei Sunburst von zwei Prozent auf ein halbes Prozent zurückgingen.
Im Bereich biologischer und Cyberrisiken überschritt keines der Modelle die Schwelle für ein hohes Gefahrenpotenzial. OpenAI behandelt das Modell aus Vorsicht dennoch so, als hätte es diese Schwelle überschritten, und wendet auf alle Ein- und Ausgaben das bildbezogene Gegenstück seiner Richtlinie zur biologischen Sicherheit an.
Die Herkunft der Bilder sichert das Unternehmen auf zweifache Weise ab. In den Dateien bleiben Metadaten nach dem C2PA-Standard erhalten, hinzu kommt das unsichtbare SynthID-Wasserzeichen von Google DeepMind, das in ChatGPT, Codex und der API zum Einsatz kommt. OpenAI selbst schreibt, dass es keine universelle Lösung gibt.
