ChatGPT Images 2.5: schneller, doch die Sicherheitsdaten sind nicht signifikant
Wenige Tage nach der Ankündigung von GPT-6 Astra hat OpenAI am 8. September 2026 ChatGPT Images 2.5 vorgestellt, das neue Bildgenerierungsmodell für ChatGPT, ChatGPT Work und Codex. Für Entwicklerinnen und Entwickler teilt sich das Angebot in der API: GPT-Image-2.5 Flare ist als Standard gesetzt und auf Geschwindigkeit ausgelegt (dokumentiert mit dem Snapshot gpt-image-2.5-flare-2026-09-08), GPT-Image-2.5 Sunburst zielt auf präzise Steuerung und Bearbeitung. Neu sind unter anderem das Sketch-Werkzeug, mit dem man direkt in ChatGPT zeichnen kann, um die Generierung zu lenken, Vorlagen für Poster und Merchandising sowie punktgenaue Kommentare zu Bildausschnitten für gezielte Korrekturen. Bei einem angegebenen Volumen von über 3 Milliarden erzeugten Bildern pro Woche über Plattform und API nennt der Anbieter im besten Fall eine um bis zu 50 % geringere Latenz gegenüber Images 2.0: eine Zahl aus der offiziellen Ankündigung, die direkt vom Unternehmen stammt und nicht aus unabhängigen Benchmarks Dritter.
Bei den API-Kosten stehen 5 Dollar pro Million Token für Text-Input (1,25 im Cache-Fall), 8 Dollar für Bild-Input (2 im Cache) und 30 Dollar pro Million Token für den Output, identisch für Flare und Sunburst. Da die Token-Zählung vom Vorgängermodell abweicht und ein Rechner pro Bild fehlt, lässt sich der tatsächliche Betrag für eine einzelne Generierung nicht im Voraus bestimmen. Zur Sicherheit weist die automatisierte adversariale Auswertung in der System Card einen Anteil unsicherer, dem Nutzer angezeigter Inhalte von 1,09 % für Sunburst und 1,41 % für Flare aus, gegenüber 1,64 % bei Images 2.0. Dasselbe Dokument von OpenAI räumt jedoch ausdrücklich ein, dass keiner dieser Unterschiede die Signifikanzschwelle von p unter 0,05 erreicht, und erinnert daran, dass die Tests auf einem festen Set beruhen und automatische Labels Fehler enthalten können.
Der Bericht des Deployment Safety Hub erkennt zudem an, dass der gesteigerte Realismus des Modells überzeugendere Deepfakes von realen Personen, Orten oder Ereignissen begünstigen kann. Gegen solche Verstöße gegen die Richtlinien setzt OpenAI Filter auf Prompt- und Bildebene ein, flankiert von C2PA-Metadaten und dem unsichtbaren Wasserzeichen SynthID von Google DeepMind. Beim Preparedness Framework überschreiten weder Flare noch Sunburst die Risikoschwellen Bio High oder Cyber High, auch wenn das Unternehmen die für hohe biologische Fähigkeiten vorgesehenen Schutzmaßnahmen vorsorglich beibehält.
Drei Nachkommastellen Unterschied in einem internen Test machen ein Modell nicht sicherer, und OpenAI sagt das als Erste. Die eigentliche Neuerung bleiben die vom Unternehmen angegebenen kürzeren Wartezeiten, im besten Fall bis zu 50 %. Offen bleibt die Frage, wie die Filter standhalten, wenn Bilder immer weniger von der Wirklichkeit zu unterscheiden sind.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Ich habe die offizielle System Card auf deploymentsafety.openai.com (OpenAI-Domain) gelesen: von dort stammen die Sicherheitsprozente, der Hinweis auf die statistische Signifikanz und die Passagen zu Realismus und Deepfakes. Die API-Dokumentation auf developers.openai.com bestätigt die Preise pro Million Token, die Endpunkte und den Snapshot vom 08.09.2026. Als unabhängige Bestätigung habe ich 9to5Mac (8. September 2026) und Unite.AI geöffnet: Datum, Namen der beiden API-Modelle, Nutzerfunktionen und die Latenzangabe. Die Ankündigungsseite auf openai.com antwortete unserem automatischen Zugriff mit HTTP 403: kein Fakt dieses Artikels stützt sich darauf. Die Angabe zu 4K-Output habe ich verworfen, sie findet sich nur auf kostenpflichtigen Presseverteilern.
- Incertezze
- Den Rückgang unsicherer angezeigter Inhalte (von 1,64 % auf 1,09 %/1,41 %) bezeichnet OpenAI selbst als statistisch nicht signifikant: Man kann sagen, dass das neue Modell im verwendeten Test nicht schlechter abschneidet, nicht aber, dass es sicherer ist. Alle Sicherheitszahlen stammen aus einem internen adversarialen Test mit festem Set und automatischer Etikettierung, die OpenAI als fehleranfällig einräumt; unabhängige Prüfungen gibt es nicht. Die minus 50 % Latenz sind eine Herstellerangabe, keine Messung Dritter; die in der Ankündigung zitierten Geschwindigkeitsvergleiche kommen von Geschäftspartnern. Ohne Rechner pro Bild und mit einer von GPT Image 2 abweichenden Token-Zählung bleiben die tatsächlichen Kosten je Generierung vorab unbestimmbar. Die auf Bezahl-Presseportalen kursierenden Aussagen zu 4K-Output sind offiziell nicht bestätigt. Wie gut C2PA und SynthID Rekomprimierung, Screenshots oder das Entfernen von Metadaten überstehen, ist nicht überprüfbar.
- Perché pubblicarla
- Es ist die Veröffentlichung eines Spitzenmodells mit vollständiger und überprüfbarer technischer und sicherheitsbezogener Dokumentation, also ohne Gerüchte erzählbar. Vor allem ist es ein Lehrstück im kritischen Lesen von Zahlen: Das Unternehmen veröffentlicht eine Verbesserung der Sicherheitsmetriken und erklärt im selben Dokument, dass diese Verbesserung statistisch nicht signifikant ist, während es zugibt, dass der größere Realismus Deepfakes überzeugender macht. Leserinnen und Leser brauchen jemanden, der das Gemessene vom bloß Behaupteten trennt, gerade mit Blick auf die Transparenzpflichten des AI Act für synthetische Inhalte. Das Thema Bildgenerierung ist im Archiv zudem noch nicht abgedeckt.