OpenAI Images 2.6: Jetzt schneller – mit GIF-Unterstützung

Bis letzte Woche hieß ein bewegtes Bild aus ChatGPT: nach einem Sprite Sheet fragen, herunterladen und die Frames in einem anderen Tool selbst zusammensetzen. Das habe ich öfter gemacht, als mir lieb ist. 

Am 4. November hat OpenAI Images 2.6 veröffentlicht, und jetzt tippst du „make a gif of a cat dancing“ und bekommst ein nahtlos loopendes GIF zurück.

GIFs sind die Schlagzeile, aber nicht das ganze Release. OpenAI sagt: Bilder werden jetzt 50% schneller erzeugt, Edits behalten Figuren und Produkte besser bei, und die API teilt sich in zwei Modelle mit unterschiedlichen Stärken. 

In diesem Artikel zeige ich, was Images 2.6 ist, was sich geändert hat und wie du sowohl in ChatGPT als auch per API ein GIF erstellst. 

Was ist neu in OpenAI Images 2.6?

OpenAI Images 2.6 ist OpenAIs Bild-Update vom 4. November 2026 für ChatGPT, Codex und die API. Die wichtigsten Änderungen:

• Animierte GIFs: Verwandle einen Prompt, ein Foto oder eine Skizze in ein kurzes GIF, passe dann die Geschwindigkeit an oder bearbeite einzelne Frames.

• Schnellere Generierung: OpenAI behauptet, Bilder werden 50% schneller erzeugt als unter Images 2.5.

• Stabilere Edits: Charaktere, Produkte und Markendetails driften über mehrere Bearbeitungsrunden weniger.

• Zwei API-Modelle: Nutze gpt-image-2.6-flare für Tempo und gpt-image-2.6-sunburst für Detailtreue.

• Kleinere Ergänzungen: Bilder als SVG exportieren, Markup-gestützte Edits in der API, gespeicherte Bilder referenzieren und den complexity-Parameter nutzen.

Das Ganze ist in allen ChatGPT-Plänen verfügbar, auch Free. Die GIF-Erstellung wird jedoch schrittweise ausgerollt.

Was ist OpenAI Images 2.6?

OpenAI Images 2.6 ist das Release für Bildgenerierung und -bearbeitung, das OpenAI am 4. November 2026 veröffentlicht hat. Es ist als Bild-Tool in ChatGPT und Codex verfügbar und als zwei separate Modelle in der OpenAI API.

In ChatGPT kannst du kein Modell auswählen oder zwischen Flare und Sunburst wechseln; du tippst deine Anfrage, und es erzeugt ein GIF. In der API kannst du hingegen zwei Modelle namentlich wählen und Einstellungen wie Qualität und Komplexität selbst steuern.

Beide API-Modelle kosten pro Token gleich viel, und die Preise entsprechen den Images-2.5-Modellen. Die Wahl zwischen Flare und Sunburst ist also eine Frage von Tempo vs. Detail, nicht vom Preis. Die Kosten pro Bild variieren weiterhin, weil höhere Qualität mehr Output-Tokens verbraucht.

Angenommen, eine Kaffeemarke möchte ein kurzes, loopendes GIF ihres Maskottchens – einer Cartoon-Kaffeetasse –, die hallo winkt.

• In ChatGPT (eine Marketerin): Sie tippt „Make a looping GIF of our coffee-cup mascot waving hello.“ ChatGPT wählt das Modell und erstellt das GIF. Ist es zu langsam, tippt sie im Chat „make it faster“. Sie ändert keine Einstellungen und zahlt nichts zusätzlich zu ihrem ChatGPT-Plan.

• Mit der API (ein Entwickler): Er baut einen „Make a GIF“-Button in die App der Marke und schreibt den Code selbst. Er wählt gpt-image-2.6-flare, weil es schneller ist, setzt output_format: "gif" und legt Frame-Anzahl und Qualität fest. Jedes GIF wird über Tokens abgerechnet, höhere Qualität kostet also mehr pro Bild.

Was ist neu in OpenAI Images 2.6?

Images 2.6 bringt animierte GIFs, schnellere Generierung, stabilere Mehrfach-Edits und bessere Layouts für professionelle Visuals. 

Ist OpenAI Images 2.6 wirklich schneller?

OpenAI sagt, Images 2.6 erzeugt Bilder 50% schneller als Images 2.5 und dass gpt-image-2.6-flare ein Bild in niedriger Qualität in nur sechs Sekunden liefern kann. Das ist eine steile Ansage, und die Ankündigung erklärt nicht, wie gemessen wurde. Also habe ich selbst getestet.

Ich habe Flare und Sunburst denselben Prompt gegeben: „A ceramic coffee mug on a wooden desk, morning light, product photo,“ in 1024x1024 mit niedriger Komplexität. Flare lief in niedriger und mittlerer Qualität, weil „low“ die Basis für OpenAIs Sechs-Sekunden-Claim ist, Sunburst lief in „medium“. 

Jedes Setup lief fünfmal, ich habe den Median genommen, weil ein Ausreißer den Schnitt verzerren kann. Dann habe ich den gesamten Test wiederholt, da die Netzgeschwindigkeit schwankt und nicht ein Glücks- (oder Pech-)Lauf das Ergebnis bestimmen sollte.

Wenn du meine Zahlen gegen deine eigenen prüfen willst, hier ist das Skript, das ich in Google Colab ausgeführt habe:

import statistics
import time

from openai import OpenAI

# Reads OPENAI_API_KEY from your environment
client = OpenAI()
prompt = "A ceramic coffee mug on a wooden desk, morning light, product photo."

# Each setup: (model, quality)
setups = [
    ("gpt-image-2.6-flare", "low"),
    ("gpt-image-2.6-flare", "medium"),
    ("gpt-image-2.6-sunburst", "medium"),
]

for model, quality in setups:
    times = []
    for _ in range(5):
        start = time.perf_counter()
        client.images.generate(
            model=model,
            prompt=prompt,
            size="1024x1024",
            quality=quality,
            extra_body={"complexity": "low"},  # skip extra planning for a simple scene
        )
        times.append(time.perf_counter() - start)
    # The median ignores one unusually slow or fast request
    print(model, quality, round(statistics.median(times), 1), "s")
Bereitgestellt von

Hier ist, was ich erhalten habe:

Flare kam nie unter OpenAIs sechs Sekunden; mein bester Median war 6,9. Das ist kein gebrochenes Versprechen, denn „as little as“ meint den Bestfall, nicht den Regelfall. Im zweiten Durchlauf war „medium“ zudem schneller als „low“.

In dieser Größe beeinflusst die Qualitätsstufe Flares Tempo kaum, Netzrauschen ist größer als der Unterschied.

Sunburst ist der Langsamere – und das blieb in beiden Durchläufen so: 14,5 und 15,8 Sekunden, etwa doppelt so lange wie Flare.

Erinnerst du dich an den Complexity-Parameter? 

Er steuert, wie viel das Modell vor dem Rendern plant, Standard ist „high“. OpenAIs Sechs-Sekunden-Zahl setzt fast sicher „low“ voraus – deshalb habe ich so getestet. Lässt du ihn weg, zahlst du Planungszeit für ein Tassenfoto, das sie nicht braucht.

Schneller heißt nicht günstiger. Ein 1024x1024-Bild in niedriger Qualität verbraucht in 2.6 rund 823 Output-Tokens statt 196 in 2.5. Der Preis pro Token blieb gleich, also sind das bei $30 pro 1 Mio. Output-Tokens etwa $0,025 pro Bild statt $0,006. Pro Bild klein, über 10.000 Bilder nicht.

Wie viel konsistenter sind Bildbearbeitungen?

Laut OpenAI lässt Images 2.6 beim Editieren einzelner Bereiche mehr vom Bild unverändert – besonders über mehrere Runden. Sunburst wird dafür empfohlen, weil es bei „medium“ oder „high“ Details von einem Edit zum nächsten stabiler hält.

Was „konsistent“ in der Praxis abdeckt:

Zum Test habe ich eine Parfümflasche mit gpt-image-2.6-sunburst in mittlerer Qualität generiert und dann nur den Hintergrund dreimal gewechselt: Strand, Nachthimmel und Küchenschrank. 

Jeder Edit startete vom vorherigen Ergebnis, nicht vom Original – Drift würde sich also addieren. Jeder Edit-Prompt endete gleich: „Keep the bottle, label, cap, and lighting on the bottle exactly the same.“

Hier das Original neben dem dritten Edit:

Das Original: eine grüne Flasche mit goldenem Deckel auf einer Marmorplatte. Bild: Autor.

Nach drei Runden blieb die Flasche fast unangetastet. Auf dem Label steht weiterhin „MOSS No. 3“ in derselben Serifenschrift mit Goldrahmen, und auch Deckel, kantige Form und sogar das dünne Röhrchen im Glas entsprechen dem Original.

Geändert hat sich alles drumherum:

• Der Hintergrund zog mit: Ich wollte in Runde 2 einen Nachthimmel und bekam den Strand aus Runde 1 bei Nacht – inklusive Palme. Da jeder Edit auf dem letzten Bild aufbaut, behandelte Sunburst den Strand als zu erhaltendes Element; erst die Küche in Runde 3 hat ihn entfernt. Die Marmorplatte blieb ebenfalls über alle drei Edits, was ich nicht gefordert hatte. Fair – darauf steht die Flasche.
• Das Licht blieb exakt wie verlangt – und genau das war das Problem: Sunburst nahm den Prompt wörtlich, also ist die Flasche wie am sonnigen Nachmittag unter Vollmond beleuchtet – derselbe harte Schatten in jeder Szene, wirkt wie hineinkopiert.

Für Produktshots ist das dennoch die erwünschte Konsistenz. Sag nur nicht, es solle das Licht beibehalten, wenn sich das Szenenlicht ändern müsste.

Sind professionelle Visuals wie Poster besser?

Für Layouts wie Poster und Produktbilder empfiehlt OpenAI Flare, nicht Sunburst. Flare soll Text, Bilder und Abstände gezielter platzieren, während Sunburst für Detailtreue und Konsistenz gedacht ist. 

Das hat mich überrascht. Man würde erwarten, dass das schnellere Modell schlampiger ist. Also habe ich beide mit einem Poster getestet.

Beide bekamen denselben Prompt in mittlerer Qualität und Hochformat 1024x1536: „A poster for a Saturday farmers market. Title: ‘Riverside Market’. Subtitle: ‘Every Saturday, 8 AM to 1 PM’. Illustrated vegetables at the bottom, clean sans-serif type.“

Die Ergebnisse unten: Flare links, Sunburst rechts:

Poster-Vergleich Flare vs. Sunburst. Bild: Autor.

Jedes Wort kam korrekt heraus – von beiden, was ich nicht erwartet hatte. Außerdem nahmen beide „Riverside“ wörtlich und malten einen Fluss mit Brücke hinter das Gemüse, obwohl ich das nie verlangt hatte.

Der Unterschied liegt darin, wie viel jeweils hinzugefügt wird: 

• Flare hielt es schlicht mit riesigem Titel, Unterzeile in einer grünen Kapsel und dann Gemüse. Das liest du von der anderen Straßenseite.

Sunburst baute eine ganze Szene mit Marktständen, Sonnenblumen, Baum und gelbem Bänder-Banner – wirkt mehr wie eine fertige Illustration.

Sunburst brauchte dreimal so lange. Für ein Poster, das man schnell lesen und weitergehen soll, würde ich Flares Version nehmen.

Was lässt sich mit animierten GIFs machen?

Images 2.6 verwandelt einen Textprompt, ein hochgeladenes Foto oder eine grobe Skizze in ein kurzes, loopendes GIF. In ChatGPT kannst du anschließend die Abspielgeschwindigkeit ändern und einzelne Frames direkt im Chat bearbeiten. Vor diesem Release konnte ChatGPT kein GIF in einem Schritt erstellen.

Wofür es sich eignet:

• Animierte Charaktere: Ein Maskottchen oder Doodle, das winkt, blinzelt oder hüpft.
• Reaction-GIFs und Social Content: Kurze Loops für Posts und Replies.
• Produktanimationen: Aus einem Still wird ein Loop, der im Feed ins Auge fällt.
• Storyboardings: Teste Bewegungen, bevor du in Videoproduktion investierst. OpenAI stellt klar – das ist kein Videogenerator; ein GIF sind wenige Frames in Endlosschleife, kein Clip.

Du brauchst auch kein fertiges Design. Zeichne grob, lade es hoch und lass es winken. Den gesamten Workflow zeige ich im nächsten Abschnitt.

Was hat sich sonst noch geändert?

Ein paar kleinere Updates, verteilt auf API und ChatGPT:

• SVG-Export (nur API): Setze output_format: "svg" für Vektordateien für Web, Apps oder Print.
• Der Complexity-Parameter (API): Wie im Speedtest erwähnt, akzeptiert er "low", "medium" oder "high". Nutze „low“ für einfache Edits wie Hintergrundtausch, „high“ für dichte Szenen mit vielen Constraints. Höhere Qualität löst keine überladene Szene – höhere Komplexität vielleicht schon.
• Gespeicherte Referenzbilder (ChatGPT): Lade einmal ein Foto von dir, deinem Haustier oder Maskottchen hoch – ChatGPT merkt es sich. Später reicht „my cat in a spacesuit“, ohne das Foto erneut hochzuladen, und dieselbe Katze erscheint wieder.

• Markup-gestützte Edits (ChatGPT und API): Markiere den zu ändernden Teil und beschreibe die Änderung, z. B. eine Vase einkreisen und „make it blue“ schreiben. ChatGPT konnte das bereits; Images 2.6 bringt es in die API.

So erstellst du GIFs mit OpenAI Images 2.6

Für ein GIF fragst du in ChatGPT danach oder rufst die Images-API mit output_format: "gif" auf. ChatGPT ist schneller für einmalige Aufgaben, die API gibt dir dafür Kontrolle über Frame-Anzahl und Timing – wichtig, wenn du mehr als nur ein paar GIFs erstellst.

GIF in ChatGPT erstellen

Öffne einen neuen Chat und beschreibe das GIF: Motiv, Bewegung und dass es loopen soll. Mein Prompt war: „Make a GIF of a small orange robot waving, then returning to its starting pose. Keep the background plain and the camera still.“

ChatGPT mit Images 2.6 generiert einen orangefarbenen Roboter. GIF: Autor.

Du kannst auch mit vorhandenem Material starten. Lade ein Foto oder eine grobe Skizze hoch und sag, was sich bewegen soll und was fest bleiben muss.

Ich habe es mit einer Kinderzeichnung eines Vogels probiert:

Eine grobe Vogelzeichnung. Bild: Autor.

Mein Prompt: „Turn this child’s drawing into a looping GIF. Keep the hand-drawn style. Make the bird hop once and flap its wing, then return to its starting pose. Keep the background plain white and the camera still.“

Das GIF, das ChatGPT aus der groben Zeichnung erstellt hat. GIF: Autor.

ChatGPT lieferte einen 9-Frame-Loop mit 180 ms pro Frame, etwa 1,6 Sekunden, in einer 183-KB-Datei. Der krakelige Stil blieb erhalten – ich hatte erwartet, dass es ihn „glättet“. Der Vogel duckt sich, springt mit angezogenen Beinen und landet.

Mein Lieblingsdetail habe ich nicht gefordert: Der Ein-Linien-Flügel wird beim Flattern zum richtigen Flügel und klappt bei der Landung wieder zur Kurve zusammen. Sogar kleine Bewegungslinien – wie bei einer Kinderzeichnung – sind dabei.

Die letzten drei Frames sind fast identisch, der Vogel pausiert also vor dem nächsten Hüpfer. Das kaschiert den Loop-Übergang gut, auch wenn der Vogel beim Neustart minimal verrutscht.

Ist ein GIF fertig, kannst du es verlangsamen, beschleunigen oder einzelne Frames korrigieren. Du brauchst dafür nicht mal spezielle Regler. Schlichte Anweisungen reichen, etwa „Make the transition from the last frame back to the first smoother.“

GIF mit der OpenAI API erstellen

Sende eine Anfrage an den Image-Endpoint und setze output_format auf "gif". Zwei Einstellungen sind GIF-spezifisch:

Mit den Standards erhältst du 9 Frames à 200 ms, also einen 1,8-Sekunden-Loop.

Ich habe den Code unten in Google Colab mit Version 3.46 des openai-Pakets ausgeführt – er funktionierte wie geschrieben. Die API hat jede Einstellung exakt umgesetzt, bis hin zur Größe 512x512.

import base64

from openai import OpenAI

# Reads OPENAI_API_KEY from your environment
client = OpenAI()

result = client.images.generate(
    model="gpt-image-2.6-flare",  # Flare: faster; switch to sunburst for detail
    prompt=(
        "A small orange robot waves, blinks, and returns to its starting pose. "
        "Plain white background, fixed camera, seamless loop."
    ),
    output_format="gif",
    frame_count=9,  # 9 frames x 200 ms = a 1.8-second loop
    frame_duration_ms=200,
    size="512x512",  # smaller frames keep the file size down
    quality="low",
    complexity="low",  # a simple motion doesn't need extra planning
)

# The GIF comes back as base64; decode it and save it to disk
gif_bytes = base64.b64decode(result.data[0].b64_json)
with open("robot.gif", "wb") as f:
    f.write(gif_bytes)
Bereitgestellt von

image-2.6-flare API generiert einen winkenden, orangefarbenen Roboter im Loop. GIF: Autor.

Vergleiche das mit dem ChatGPT-Roboter. Beide zeigen einen orangenen Roboter beim Winken, aber dieses GIF wirkt rauer, weil der Code quality="low" setzt, um Zeit und Kosten zu sparen. Die Oberfläche wirkt verkratzt, Kleinteile wie Antennen verschieben sich zwischen Frames, und in einem Frame wird aus dem Winken ein Daumen hoch. „Low“ reicht für ein schnelles Reaction-GIF im Chat. Für alles mit deiner Marke: "medium" oder "high" verwenden.

Die Datei war 429 KB groß – nah an der 500-KB-Grenze vieler Websites.

Bevor du darauf aufbaust, beachte zwei Limits:

• Kein Streaming: Partielle Bilder und output_compression funktionieren mit GIF-Ausgabe ebenfalls nicht.

• Ein Pixel-Budget: Frame-Anzahl, Frame-Größe und n müssen in ein Gesamtbudget passen. Schlägt eine Anfrage fehl, reduziere einen der Werte.

Wie entsteht ein sauberer Loop?

Bitte in deinem Prompt um eine Bewegung, die am Ausgangspunkt endet, und lege fest, was stillstehen soll. Wenn der letzte Frame nicht zum ersten passt, siehst du bei jedem Neustart einen Sprung. Mit frame_duration_ms zu verlangsamen, kaschiert das nicht. Bitte stattdessen – wie beim Roboter und Vogel – darum, am Ausgangspose zu enden.

In der Praxis:

• Wähle eine kleine, umkehrbare Aktion wie Winken oder Blinzeln.
• Halte Kamera, Hintergrund und Maßstab konstant.
• Lass Text außerhalb des Frames.
• Sieh dir mehrere komplette Loops an und prüfe die mittleren Frames, nicht nur Anfang und Ende. Dort schlich sich bei meinem API-Roboter der Daumen hoch ein.

Prüfe die Dateigröße, bevor du ein GIF auf eine Website stellst. Mein 512x512-Roboter mit 9 Frames lag schon bei 429 KB – 1024x1024 mit 16 Frames bleibt weit über einer 500-KB-Grenze.

Fazit

Wenn du GIFs für Social Posts, Maskottchen oder Storyboards erstellst, ist Images 2.6 ein großer Sprung – du brauchst kein separates Tool mehr, um Bilder zu animieren.

Wenn GIFs nicht dein Ding sind und du ein Tool für Standbilder suchst, vergleicht unser Guide zu den besten kostenlosen KI-Bildgeneratoren gute Optionen. Und um zu sehen, wie Google dieselben Edit-Probleme angeht, lies unseren Nano Banana 2 Guide.