Schritt 12 von 22
Bildmodelle
Bilder aus Text und Referenzbildern erzeugen und bearbeiten. Bildmodelle unterscheiden sich stark bei Textdarstellung, Realismus, Bearbeitung und Lizenz. Wähle nach der Aufgabe, nicht nach der Rangliste.
Von Andrew Miller · Geprüft am 23. Okt. 2026 · So testen wir
So triffst du die Wahl
- Text im Bild (Poster, Thumbnails): ein Modell, das für Typografie bekannt ist.
- Konsistenz von Marke oder Figur: eines mit starker Bearbeitung und Referenzbildern.
- Selbst gehostete oder feinabgestimmte Stile: ein Open-Weight-Modell mit einem knotenbasierten Workflow-Tool.
Worauf du achten solltest
Die Fragen, die die Optionen unterscheiden, nach Wichtigkeit geordnet.
01
Arena-Elo mit Fehlerbalken, nicht die Platzierung
Die Text-zu-Bild-Tabelle von Artificial Analysis ordnet Modelle nach Elo aus blinden Präferenzabstimmungen, mit einem Intervall von ± 95% in der Elo-Spalte und einer Spalte Range für den möglichen Rang. Im Oktober 2026 liegen die Plätze vier bis sechs (Nano Banana 2.1, Grok Imagine Image 2.0, MAI-Image-2.6) nur wenige Punkte auseinander und sind praktisch gleichauf. Nutze den Filter Open weights, wenn du selbst hosten musst, und wechsle zur separaten Tabelle Image Editing, wenn du vor allem bestehende Bilder veränderst. Die eigenen Tabellen von Arena für Text-zu-Bild und Bildbearbeitung sind eine nützliche zweite Meinung.
02
Preis pro Bild bei der Qualität, die du tatsächlich nutzt
Die Preisspalte der Tabelle gibt die Kosten von 1.000 Bildern mit 1024x1024 über die API des Herstellers bei Standardeinstellungen an und reicht von etwa 10 $ bis 211 $. Die obersten Einträge von OpenAI werden mit Qualität "max" bewertet, was etwa 211 $ pro 1.000 kostet; niedrigere Qualitätsstufen sind günstiger, landen aber weiter unten. Rechne auch deine echte Auflösung durch: Nano Banana 2.1 kostet etwa 0,034 $ bei 1K und 0,076 $ bei 4K, FLUX 3 Image Klein 0,009 $ bei 1K.
03
Textdarstellung und Layout
Wenn du Poster, Folien, Verpackungen oder Anzeigen machst, zählt lesbarer Text mehr als das Gesamt-Elo. Achte auf Modelle, die mehrsprachigen Text und Layoutkontrolle ausdrücklich nennen (die Bounding Boxes von Ideogram, die Bearbeitung per Koordinaten bei Seedream), und teste mit deinen eigenen Texten, auch in nicht lateinischen Schriften. Gesamttabellen mischen alle Arten von Prompts, ein auf Design ausgerichtetes Modell kann also im Mittelfeld stehen und trotzdem die beste Wahl für Typografie sein.
04
Bearbeitung und Kontrolle über Referenzen
Produkt- und Markenarbeit hängt davon ab, eine Figur, ein Logo oder ein Produkt über Bilder hinweg konsistent zu halten. Prüfe, wie viele Referenzbilder ein Modell annimmt (Nano Banana 2.1 bis zu 14, FLUX 3 Image Klein und Qwen-Image-2.1 bis zu 10), ob Bearbeitungen unberührte Bereiche intakt lassen und ob es Masken, Ebenen oder transparente Ausgabe unterstützt. Mehrstufige Bearbeitung in einer Chat-Oberfläche ist bequem; Pipelines brauchen Kontrolle auf API-Ebene.
05
Lizenz und kommerzielle Nutzung
Gehostete APIs erlauben die kommerzielle Nutzung der Ausgaben in der Regel gemäß ihren Bedingungen. Offene Gewichte unterscheiden sich stark: FLUX 3 Image Klein ist nur für Organisationen mit weniger als 5 Millionen $ Jahresumsatz kostenlos, Qwen-Image-2.1 wechselte zu einer nichtkommerziellen Forschungslizenz, und die Gewichte von Ideogram 4.0 gelten Berichten zufolge standardmäßig als nichtkommerziell. Lies die Lizenz auf der Modellkarte, bevor du ein Produkt auf selbst gehosteten Gewichten aufbaust.
06
Auflösung, Geschwindigkeit und Zugang
Native 4K-Ausgabe (GPT Image 2.5, Nano Banana, FLUX 3 Image Klein) spart einen Upscaling-Schritt für Druck und Titelbilder; viele Modelle hören bei 2K auf. Artificial Analysis meldet auch die mediane Generierungszeit, was für interaktive Apps zählt, und die langsamsten Einstellungen mit hoher Qualität können eine Minute oder länger dauern. Prüfe auch den Zugang: Midjourney hat keine öffentliche API und kann deshalb nicht in einer automatisierten Pipeline sitzen.
07
Runner sind eine eigene Wahl
ComfyUI, InvokeAI und Diffusers sind keine Modelle; sie betreiben Open-Weight-Modelle auf deiner eigenen Hardware. Wähle einen nur, wenn du selbst hostest: ComfyUI für Pipelines als Knotengraph und die neuesten Modelle, InvokeAI für einen Editor mit Arbeitsfläche, Diffusers für Python-Code. Prüfe den VRAM-Bedarf auf der Modellkarte; quantisierte Versionen (FP8, INT8, NVFP4) bringen manche Modelle auf Consumer-GPUs.
Wie sich die Optionen unterscheiden
Geschlossene gehostete Modelle (GPT Image von OpenAI, Nano Banana von Google, MAI-Image von Microsoft, Seedream von ByteDance) führen die Tabellen aus blinden Abstimmungen an und werden über eine API pro Bild oder pro Token bepreist. Midjourney ist ein geschlossenes Modell, das nur als Abo-App verkauft wird, stark bei Look und Wirkung, aber ohne API.
Open-Weight-Modelle (FLUX 3 Image Klein, Qwen-Image-2.1, Ideogram 4.0) liegen beim Gesamt-Elo hinter den Spitzenreitern, lassen sich aber feinabstimmen, privat betreiben und kosten pro Bild wenig; meist entscheiden ihre Lizenzen, nicht ihre Qualität. Um sie zu betreiben, brauchst du einen Runner: ComfyUI, InvokeAI oder Diffusers.
12 Tools im Vergleich
Sortiert nach unserer Bewertung. Öffne einen Testbericht für Quellen, Preise und das vollständige Fazit.
| Tool | Bewertung | Unser Fazit | Ideal für | Preis |
|---|---|---|---|---|
| GPT Image 2.5 (Flare and Sunburst)Modell | 4.7/5 | Sunburst und Flare führen die Ranglisten aus Blindabstimmungen an, zu etwa dem Sechsfachen des Preises pro Bild von Nano Banana 2.1. | Agenturen und Produktteams, deren Bilder vor Kunden landen und einen Aufpreis pro Bild rechtfertigen, besonders bei schrittweisen Bearbeitungen. | API: 5 $ pro 1 Mio. Text-Input-Tokens, 8 $ pro 1 Mio. Bild-Input und 30 $ pro 1 Mio. Bild-Output für Flare und Sunburst (Batch-Output 15 $). Artificial Analysis beziffert ein Bild in 1024x1024 mit max-Qualität auf etwa 211 $ pro 1.000. In den ChatGPT-Plänen enthalten. |
| ComfyUIRepo | 4.7/5 | Neue offene Bild- und Videomodelle landen zuerst hier; der Knotengraph und ein Server ohne Authentifizierung sind der Eintrittspreis. | Künstler und Entwickler, die die volle Kontrolle über lokale Bild- und Videogenerierung wollen. | Kostenlos und Open Source unter der Lizenz GPL-3.0. Comfy Cloud kostet ab 20 $ im Monat (16 $ bei jährlicher Abrechnung); Partner Nodes werden pro Nutzung bezahlt. |
| Nano Banana 2.1Modell | 4.6/5 | Platz vier in Blindabstimmungen zu einem Sechstel des Preises der Spitzenreiter: Nano Banana 2.1 ist das Bildmodell, an dem jeder Konkurrent seine Kosten jetzt rechtfertigen muss. | Produkt- und Marketingteams, die Tausende Bilder im Monat erzeugen und konsistente Figuren oder lesbaren Text brauchen. | Gemini API: etwa 0,034 $ pro 1K-Bild, 0,050 $ pro 2K-Bild und 0,113 $ pro 4K-Bild; Batch halbiert jeweils. Keine kostenlose API-Stufe; kostenlos ausprobieren in der Gemini-App. |
| Hugging Face DiffusersRepo | 4.4/5 | Mit Diffusers werden offene Bild- und Videomodelle aus Code ausgeführt, und die Bibliothek setzt voraus, dass du den Speicher-Leitfaden liest, bevor du etwas Großes startest. | Python-Entwickler und Forschende, die auf Diffusionsmodellen aufbauen. | Kostenlos und Open Source unter der Lizenz Apache 2.0. |
| Midjourney V8Modell | 4.3/5 | Weiterhin das Bildmodell mit dem stärksten Blick, verkauft als Studio-Abo, das Automatisierung verbietet und deine Arbeiten veröffentlicht, solange du nicht für Pro zahlst. | Illustratoren, Art Directors und kleine Studios, die von Hand generieren und Stil über Automatisierung stellen. | Nur im Abo: Basic 10 $/Monat, Standard 30 $, Pro 60 $, Mega 120 $; 20 % Rabatt bei jährlicher Zahlung. Zusätzliche Fast-GPU-Zeit 4 $/Stunde. Keine öffentliche API. |
| MAI-Image-2.6Modell | 4.3/5 | MAI-Image-2.6 liefert Bildqualität unter den besten fünf zu einem Fünftel des Preises von GPT Image 2.5, gebremst durch Preview-Bedingungen und Kontingente, die bei sechs Bildern pro Minute beginnen. | Teams, die auf Azure aufbauen und ein starkes Bildmodell vom selben Anbieter wollen. | Foundry Global Standard: 38 $ pro 1 Mio. Output-Tokens (19 $ für Flash), Data Zone 10 % mehr; Artificial Analysis nennt etwa 39 $ pro 1.000 Bilder, 19,50 $ für Flash. |
| Nano Banana Pro (Gemini 3 Pro Image)Modell | 4.2/5 | Immer noch Googles Spezialist für Realismus, auch wenn Blindtester und Googles eigene Tests inzwischen ein Modell vorziehen, das ein Viertel kostet. | Teams, die eine überschaubare Zahl fotorealistischer Bilder mit hohem Anspruch erzeugen, etwa Hero-Shots und Produktszenen, und den Aufpreis pro Bild verkraften. | 0,134 $ pro 1K- oder 2K-Bild und 0,24 $ pro 4K-Bild in der Gemini API; Batch kostet die Hälfte (0,067 $ und 0,12 $). Keine kostenlose API-Stufe. |
| Seedream 5.0 ProModell | 4.1/5 | Seedream 5.0 Pro ist ein Layout-Werkzeug zum Flaggschiffpreis, und bei der reinen Bildqualität liegt Googles günstigeres Nano Banana 2.1 vorn. | Design- und Marketingteams, die Ergebnisse mit bearbeitbaren Ebenen und mehrsprachigen Text dringender brauchen als Spitzenqualität in Blindabstimmungen. | Artificial Analysis listet 90 $ pro 1.000 Bilder auf ByteDances API; BytePlus wirbt mit Paketen für den Erstkauf ab 0,045 $ pro Bild. Runway: 0,05 $ pro 1K-Bild, 0,09 $ pro 2K-Bild. |
| FLUX 3 Image KleinModell | 4.0/5 | Klein ist der günstigste glaubwürdige Weg zu Bearbeitung und 4K-Ausgabe im Stil von FLUX 3, auch wenn jede Aussage zu seiner Qualität bisher von Black Forest Labs selbst stammt. | Kleine Unternehmen und Entwickler, die ein aktuelles offenes Bildmodell mit eingebauter Bearbeitung oder ein sehr günstiges per API wollen. | Gewichte kostenlos unter 5 Mio. $ Jahresumsatz. BFL-API: 0,008 $ (768px), 0,009 $ (1K), 0,011 $ (1.5K), 0,014 $ (2K), 0,036 $ (4K) pro Bild, Generierung oder Bearbeitung. |
| Ideogram 4.0Modell | 4.0/5 | Ideogram 4.0 ist ein Typografie-Spezialist, dessen herunterladbare Gewichte du untersuchen, aber nicht ausliefern darfst; für bezahlte Arbeit ist es ein API-Modell. | Designer und Markenteams, die über eine API korrekten Text in Bildern brauchen, und Forschende, die Gewichte zum Untersuchen wollen. | API laut Artificial Analysis etwa 0,06 $ pro Bild (Standard) oder 0,10 $ (Quality); fal hostet die Varianten Fast und Instant ab 0,0075 $. App-Pläne ab 15 $/Monat bei jährlicher Zahlung. Gewichte kostenlos, nur für nicht kommerzielle Nutzung. |
| Qwen-Image-2.1Modell | 4.0/5 | Platz eins unter den offenen Bildmodellen in Blindabstimmungen und tabu für alles, was du verkaufst, bis Alibaba eine separate Lizenz unterschreibt. | Forschende sowie Teams, die Bildfunktionen als Prototyp bauen und vor dem Start ordentlich lizenzieren werden. | Gewichte kostenlos für Forschung und Evaluierung; kommerzielle Nutzung braucht eine separate Lizenz von Alibaba. Das gehostete Qwen-Image-2.1-Pro kostet auf QwenCloud 0,04 $ pro Bild; -Turbo laut Artificial Analysis 16 $ pro 1.000 Bilder. |
| InvokeAIRepo | 3.9/5 | Eine künstlerfreundliche lokale Bild-App, die ihr Unternehmen überlebt hat und jetzt mitten in einem riskanten Neubau zu v7 steckt. | Kreative, die Bildgenerierung und -bearbeitung im Stil einer Leinwand auf dem eigenen Rechner wollen. | Kostenlos und Open Source unter der Apache-2.0-Lizenz. Keine bezahlte Stufe, seit der gehostete Dienst im Oktober 2025 geschlossen wurde. |
Im direkten Vergleich
Die Spezifikationen, die für diesen Schritt zählen. Geprüft am 23. Okt. 2026; prüf sie auf der Website des Anbieters, bevor du dich festlegst.
| Tool | Anbieter | Gewichte / Lizenz | Maximale Ausgabe | Referenzbilder | Preis pro Bild |
|---|---|---|---|---|---|
| GPT Image 2.5 (Flare and Sunburst) | OpenAI | Geschlossen | Bis zu 3840 px Kantenlänge | Bis zu 16 | Etwa 0,21 $ bei maximaler Qualität (1K) |
| ComfyUI | Comfy Org (Runner) | Software unter GPL-3.0 | Hängt vom Modell ab | Hängt vom Modell ab | Kostenlos; deine Hardware |
| Nano Banana 2.1 | Geschlossen | 4K | Bis zu 14 | 0,034 $ (1K), 0,076 $ (4K) | |
| Hugging Face Diffusers | Hugging Face (Bibliothek) | Software unter Apache 2.0 | Hängt vom Modell ab | Hängt vom Modell ab | Kostenlos; deine Hardware |
| Midjourney V8 | Midjourney | Geschlossen; keine öffentliche API | Nicht veröffentlicht | Nicht veröffentlicht | Abo, 10 $ bis 120 $/Monat |
| MAI-Image-2.6 | Microsoft AI | Geschlossen | Nicht veröffentlicht | Bearbeitung mit mehreren Referenzen | Etwa 0,039 $ (Schätzung von AA) |
| Nano Banana Pro (Gemini 3 Pro Image) | Geschlossen | 4K | Nicht veröffentlicht | 0,134 $ (1K/2K), 0,24 $ (4K) | |
| Seedream 5.0 Pro | ByteDance | Geschlossen | 2K | Bis zu 10 | Etwa 0,09 $ (Schätzung von AA) |
| FLUX 3 Image Klein | Black Forest Labs | Offen; kostenlos unter 5M $ Umsatz | 4K | Bis zu 10 | 0,009 $ (1K), 0,036 $ (4K) über die BFL-API |
| Ideogram 4.0 | Ideogram | Offen; Berichten zufolge nichtkommerziell | 2K | Nicht veröffentlicht | 0,03 $ bis 0,10 $ über die API |
| Qwen-Image-2.1 | Alibaba (Qwen) | Offen; Forschungslizenz | Etwa 2048 px | Bis zu 10 | Pro etwa 0,035 $ (Schätzung von AA) |
| InvokeAI | Community (Runner) | Software unter Apache 2.0 | Hängt vom Modell ab | Hängt vom Modell ab | Kostenlos; deine Hardware |
Direktvergleiche und Ranglisten
Wo diese Stufe hingehört
- Pipeline für Bildgenerierung: Wir würden mit FLUX 3 Image Klein, GPT Image 2.5 (Flare and Sunburst) anfangen.
- Videoproduktion: Wir würden mit Nano Banana Pro (Gemini 3 Pro Image) anfangen.
Quellen für diesen Leitfaden
- Artificial Analysis: text-to-image leaderboard
- Artificial Analysis: text-to-image overview and methodology
- Arena leaderboard (text-to-image and image edit)
- OpenAI: image prompting guide
- OpenAI: image generation guide (GPT Image 2.5 sizes, 3840 px edge)
- OpenAI API reference: image edits (up to 16 input images)
- BytePlus ModelArk: image generation API (Seedream 5.0 pro limits)