ChatGPT Images 2.6: GIFs, Referenzbilder und schnellere API-Modelle
Hallo zusammen, ich bin Frank, ein Indie-Entwickler.
Am 4. November 2026 hat OpenAI ChatGPT Images 2.6 in ChatGPT und Codex ausgeliefert und zwei API-Modelle dazu gestellt: gpt-image-2.6-flare und gpt-image-2.6-sunburst. Die Botschaft klingt vertraut—schnellere Bilder, präzisere Edits—aber der praktische Kern für Creator und Builder ist enger: native GIFs für Distribution, wiederverwendbare Referenzfotos in ChatGPT und API-Wege für statisches SVG plus Markup-Edits, plus harte Limits, bevor ihr eine Pipeline umzieht.
OpenAIs eigener Ankündigungs-Post fasst es als „GIFs and reference images“ plus „two new models… with 50% faster image generation“. Die längere Fassung steht im Images-2.6-Blogpost. Unten trenne ich OpenAI-Claims, was die Entwicklerdocs festnageln, und was frühe Community-Workflows ausprobieren—ohne jeden viralen Claim als Produktgarantie zu lesen.
Was wirklich geliefert wurde (ChatGPT vs. API)
In ChatGPT und Codex beschreibt OpenAI Images 2.6 als global über alle Abo-Stufen auf Desktop, Mobile und Web verfügbar. Die ChatGPT-Release-Notes nennen zwei Produktfeatures:
- GIF-Erstellung wird ausgerollt. Ihr könnt eine Loop-Animation verlangen oder Skizze/Standbild hochladen und animieren lassen. Wiedergabegeschwindigkeit anpassen, speichern oder teilen. Die Hilfe ist klar: Hochgeladene animierte GIFs lassen sich nicht bearbeiten—für weitere Edits eine Standbild-Quelle behalten.
- Gespeicherte Referenzbilder. Foto hochladen, benennen, später mit
@Namewiederverwenden (Hilfe-Beispiel: Hund als Pepper speichern, dann „Aquarellporträt von @Pepper“).
Die API ist eine andere Oberfläche. Der API-Changelog vom 4. Nov listet gpt-image-2.6-sunburst und gpt-image-2.6-flare für Generation und Editing, mit Complexity, SVG, animiertem GIF und Markup (auch für unterstützte 2.5-Modelle). Entscheidend: Die offiziellen Modellseiten Flare und Sunburst markieren nur v1/images/generations und v1/images/edits als Supported. Chat Completions, Responses und Batch stehen auf Not supported. Wer Responses-Image-Tool oder Batch-Halbe-Preise braucht, sollte 2.6 als Images-API-only-Upgrade lesen—nicht als Drop-in für jeden 2.5-Pfad.
OpenAI behauptet 50 % schnellere Erzeugung und für Flare bis zu sechs Sekunden bei quality=low. Sunburst wird für mehr Detail und Konsistenz bei medium/high quality positioniert. Das sind OpenAI-Bedingungen, keine unabhängigen Lab-Benchmarks.
GIFs: Motion als Distributionsformat

Die spannende GIF-Story ist nicht „KI kann animieren“, sondern dass kurze Loops schon der Transportweg für Marketing, Memes und Ads sind. Ein Modell, das fertige Loops ausgibt und im Chat nachjustiert, spart Toolketten.
In ChatGPT sagt die Hilfe: Bewegung beschreiben (oder Still animieren), GIF öffnen und Tempo ändern. Im Launch-Video sind Optionen von 0,5x bis 2x sichtbar. Von ChatGPT erzeugte GIFs könnt ihr per Follow-up weiter editieren; hochgeladene fertige Animations-GIFs bleiben uneditierbar.
In der API setzt ihr output_format: "gif" bei Generations oder Edits. Der Image-Generation-Guide dokumentiert frame_count (2–16, Default 9) und frame_duration_ms (20–2000, auf 10 ms gerundet, Default 200). Kein Streaming, keine Partials, kein custom output_compression, kein prompt_rewriter. Creator auf X bridgen ChatGPT-GIFs bereits in andere Videotools (z. B. Minimax via Maestro)—das ist ein User-Workflow, keine garantierte Video-Modell-Fähigkeit von OpenAI.
Erwartet ungleichmäßige Qualität bei schwerer Motion. Mindestens ein früher Tester meldete Unschärfe bei Multi-Pose-GIFs, während das Sprite-Sheet ok wirkte—Zwischen-Stills behalten.
Referenzbilder: Konsistenz ohne ständiges Hochladen

Gespeicherte Referenzen in ChatGPT zählen, weil Charakter- und Produktkonsistenz der langweilige Fehler früherer Image-Chats war. @Name ist der Produktfix dafür. Der Blog betont Konsistenz bei Edits; die Hilfe nennt Beispiele wie Outfit behalten bei Hintergrundwechsel.
In der API sind Referenzbilder Eingaben, die ihr an jede passende Anfrage anhängt—meist am Image-edits-Endpoint (etwa Multi-Image-Referenzen oder Standbilder zur GIF-Führung), nicht ChatGPTs gespeicherte @Name-Bibliothek. Markup (unten) ist die neue Präzisionsschicht bei Edits. @Name aus ChatGPT synchronisiert sich nicht in eure API-Org; es sind unterschiedliche Produkte derselben Modellfamilie.
SVG: editierbare Assets, nur Generation

SVG ist der leise Entwicklergewinn. Dokumentiert: output_format: "svg" nur auf POST /v1/images/generations. Wichtige Constraints:
n= 1.- Kein Streaming/Partials/
output_compression/prompt_rewriter. - Edit-Endpoint ohne SVG-Output; SVG ist kein unterstütztes Raster-Input für Edits.
- Rückgabe ist statischer Vektorinhalt—keine Skripte, externen Ressourcen oder eingebetteten Raster.
- Intern: Referenz-Raster, dann SVG-Autor; ihr zahlt Image-Modell-Tokens für die Referenz und Authoring-Modell-Tokens für den Vektorpass.
Gut für Icons, einfache Logos, Print/Web-Marken in Figma/Illustrator. Schlecht, wenn ihr animiertes SVG, Vektor-Nachbearbeitung im Edit-Endpoint oder Batch-Rabatt-Logo-Farmen erwartet (Batch heute unsupported).
Flare, Sunburst, Markup und das Kleingedruckte

Flare vs. Sunburst. Gleiche Tokenpreise auf den Modellseiten: $5 / 1M Text-Input ($1,25 cached), $8 / 1M Image-Input ($2 cached), $30 / 1M Image-Output. Flare für Latenz, Sunburst für Detail/Edit-Konsistenz. Complexity (low/medium/high, Default high) steuert Planung; Quality steuert Fidelity. Complexity hat keine Extragebühr.
Markup bringt punktgenaue Edits in die Images API: Original als erstes Bild, gleich großes transparentes PNG als markup, Prompt beschreibt die Änderung. Nicht mit mask oder prompt_rewriter kombinieren. Keine Markup-Aufpreis—normale Edit-Raten.
Design-Limits:
- 2.6: nur Images API (Generations + Edits). Nicht Responses, nicht Chat Completions, nicht Batch (laut Modellseiten zum Draft-Zeitpunkt).
- Gleiche gelistete Tokenraten wie 2.5, aber kein Batch-Halbe-Preis, solange Batch unsupported ist.
- SVG nur Generation, statisch.
- ChatGPT editiert keine hochgeladenen Animations-GIFs; GIF-Rollout schrittweise.
- OpenAI nennt weiter Schwächen bei Text, komplexen Layouts und Konsistenz; die System Card ergänzt GIF-spezifische Safety-Evals.
Frühe Reaktionen (Auswahl)
- @cocktailpeanut zeigte ein ~15s-ChatGPT-GIF in Minimax H3 via Maestro—als *Brücke* zu längerem Video, nicht als Claim, Images 2.6 sei ein Videomodell.
- @hone_sns begrüßte native GIFs, sah aber Blur bei Multi-Pose-GIFs, während das Sprite-Sheet stimmte—nützlicher Qualitätsvorbehalt.
- @rkanaliz meldete gebrochene eigene Visual-Workflows—anekdotisch, aber Anlass zum Prompt-Retest.
- Partnerzitate im OpenAI-Blog (OpenArt, Figma Weave) sind Promo, keine Benchmarks.
Praktisches Fazit
Für Social-/Ad-Loops: ChatGPT-GIFs plus gespeicherte @-Referenzen, Standbild-Master behalten. Für Produkt-UI/Brand: SVG mit Flare/Sunburst auf der Images API prototypisieren und Raster mit Markup feilen; Batch und Responses werden für diese Modell-IDs derzeit nicht unterstützt. Vor Billing-Annahmen Image-Generation-Guide, System Card und Modellseiten lesen.
Images 2.6 ist weniger Magie als klarere Arbeitsteilung: ChatGPT bekommt distributionsfreundliche Motion und klebrige Referenzen; die API bekommt schnellere Flare/Sunburst-Regler, statisches SVG und Markup—in einer bewusst engen Endpoint-Box.