Die Preisseite von GPT Image 2.6 wirkt auf den ersten Blick beruhigend: Flare und Sunburst kosten gleich viel, die Bildausgabe 30 US-Dollar pro Million Tokens, die Bildeingabe 8 Dollar, die Texteingabe 5 Dollar – genau wie bei 2.5.
Vor dem Umstieg sollten Entwickler jedoch ein paar Dinge durchrechnen.
Gleicher Preis, nicht unbedingt gleiche Kosten pro Bild
In der OpenAI-Entwicklercommunity hat ein Entwickler eine Vergleichsprobe mit demselben Prompt veröffentlicht: In der Qualitätsstufe medium gab 2.5 344 Tokens aus, 2.6 dagegen 1.136.
Grob gerechnet mit 30 Dollar pro Million Tokens steigen die Ausgabekosten pro Bild von rund einem Cent auf etwa 3,4 Cent – allein dieser Posten wird also 3,3-mal so teuer. Für die Stufe low schätzt der Entwickler den Faktor noch höher, auf etwa 4,2, ab high sei es nahezu gleich.
Das ist nur eine persönliche Probe samt Hochrechnung; OpenAI hat keine vergleichbaren Zahlen veröffentlicht. Sie zeigt aber, dass man vor einer Migration nicht allein auf die Preisliste schauen sollte. Praktikabel ist es, dieselben rund 20 Prompts jeweils mit 2.5 und 2.6 laufen zu lassen, die Ausgabe-Tokens pro Bild zu vergleichen und erst dann zu entscheiden.
Zwei fehlende Funktionen
Batch. Auf den Seiten beider 2.6-Modelle ist v1/batch als nicht unterstützt markiert. 2.5 Flare lässt sich weiterhin über Batch betreiben, der Ausgabepreis liegt dort bei der Hälfte des Standardpreises, also bei 15 Dollar pro Million Tokens. Wer jede Nacht große Mengen Bitmaps erzeugt, fährt mit 2.5 deutlich günstiger.
Feste Snapshots. Für 2.6 gibt es derzeit nur den Standard-Snapshot, 2.5 hat datierte Versionen wie gpt-image-2.5-flare-2026-09-08. Für Produktivdienste, die auf stabile Ausgaben angewiesen sind, gehört dieser Punkt in die Risikobewertung.
So funktionieren die neuen Parameter
Der neue Parameter complexity kennt die Stufen low, medium und high und steuert, wie viel das Modell vor dem Rendern plant. Wird er weggelassen, gilt high; eine Anpassung kostet nichts extra.
Der Standardwert high wird leicht übersehen. Die offizielle Dokumentation sagt deutlich: Niedrigere Werte eignen sich für gezielte Bearbeitungen wie einen Hintergrundtausch, höhere helfen bei dichtem Text und komplexen Layouts, können aber die Latenz erhöhen und ungewollte Änderungen hereinbringen. Für Schnittstellen, die lokale Bearbeitungen ausführen, empfiehlt es sich, ausdrücklich low als Ausgangspunkt zu übergeben.
Die Einschränkungen der übrigen Neuerungen im Überblick:
| Funktion | Verwendung | Einschränkung |
|---|---|---|
| SVG | output_format: "svg", über den Generierungs-Endpunkt | n muss 1 sein; kein Streaming und keine Teilbilder; der Bearbeitungs-Endpunkt kann kein SVG ausgeben |
| GIF | output_format: "gif", zusammen mit frame_count und frame_duration_ms | Standard sind 9 Frames mit je 200 Millisekunden; für die Obergrenze der Frames nennt die Dokumentation zwei Werte, 64 und 16 |
| Markup-Bearbeitung | POST /v1/images/edits, mit einer transparenten PNG-Annotationsebene | Breite und Höhe müssen dem Originalbild entsprechen; nicht zusammen mit mask oder prompt_rewriter nutzbar |
Außerdem kann vor der Nutzung von GPT-Image-Modellen eine Organisationsverifizierung nötig sein; neue Konten sollten dafür Zeit einplanen.
Wie man die Aussagen zu Tempo und Qualität einordnet
„50 Prozent schneller“ und „in etwa 6 Sekunden“ sind beides Angaben von OpenAI. Einem Bericht zufolge bezieht sich die 6-Sekunden-Angabe auf die Einstellung mit niedriger Qualität bei Flare; die Vergleichsbasis und die Messmethode hinter den 50 Prozent sind nicht veröffentlicht.
Externe Daten gibt es noch kaum. Laut einer Zusammenstellung von Dritten liegt in der vorläufigen Arena-Rangliste vom 4. November bei Text-zu-Bild Sunburst mit 1409 Punkten auf Platz zwei und Flare mit 1384 Punkten auf Platz vier, jeweils in der Konfiguration medium; Artificial Analysis hatte zu dem Zeitpunkt noch keinen Eintrag für 2.6. Diese Platzierungen können sich in wenigen Wochen ändern und taugen bei der Auswahl nur als Anhaltspunkt.
Wir wollten auch das native GIF testen, doch das integrierte Bildgenerierungswerkzeug von Codex auf dem lokalen Rechner legt weder Modell- noch Ausgabeformat-Parameter offen; eine direkte Anfrage lieferte nur ein einzelnes PNG-Bild, und auch die dahinterliegende Modellversion ließ sich nicht bestätigen. Die Ladeanimation dieser Seite musste daher aus einem Sprite Sheet mit sechs Feldern zusammengesetzt werden; die Bahn der ersten Fassung war unregelmäßig und wurde neu gezeichnet, die Kreisbahn driftet aber weiterhin leicht.
Wer solche kleinen Animationen im Produkt braucht, ist mit dem GIF-Parameter der API oder handgeschriebenen CSS-Animationen besser bedient als mit diesem Umweg. Der Sprite-Weg reicht für redaktionelle Illustrationen, für Oberflächen-Assets fehlt ihm noch die Präzision.
Die Wahl je nach Einsatzfall
- Nächtliche Massenerzeugung: zunächst bei 2.5 bleiben und Batch zum halben Preis nutzen.
- Vektor-Icons oder kurze Loop-Animationen nötig: Beides sind neue Fähigkeiten von 2.6; allein dafür lässt sich separat migrieren.
- Online-Bearbeitungsfunktionen: Vor dem Einsatz von Sunburst oder Flare eine Woche lang die Ausgabe-Tokens pro Bild protokollieren und
complexitysowiequalityausdrücklich setzen. - Design und Operations im Team brauchen das Modell: Man muss nicht unbedingt auf die Schnittstellenplanung warten.
Der letzte Fall ist sehr häufig. Die Technik vergleicht noch und wartet auf die Organisationsverifizierung, während das Operations-Team schon nächste Woche Kampagnenbilder liefern muss. In der Zwischenzeit können die Kollegen einen fertigen Arbeitsbereich nutzen, etwa pixpix.com/gpt-image-2-6: Flare und Sunburst sind dort wählbar, nach der Anmeldung kann man loslegen, Referenzbilder und Modelleinstellungen finden sich direkt im Arbeitsbereich. Abgerechnet wird über Credits, den konkreten Verbrauch sieht man im Arbeitsbereich; die Modellseite nennt keine Preise und erwähnt auch weder GIF noch SVG. Es löst also die Aufgabe, zunächst statische Bilder nutzbar zu machen – die Einbindung ins Produkt führt weiterhin über die API.
Wenn Operations zuerst eine Reihe echter Anforderungen und Prompts erzeugt, hat die Technik beim Vergleich von 2.5 und 2.6 sofort einen fertigen Testsatz, der näher am Live-Betrieb liegt als 20 aus der Luft gegriffene Prompts.
Quellen: OpenAI-Modellseite und Dokumentation zur Bildgenerierung, OpenAI-Entwicklercommunity, CocoLoop, DEV Community, Kingy AI, Digit; die Token-Daten aus der Community sind eine Einzelprobe, die Kosten sind eine grobe Rechnung dieser Redaktion.