Zentrale Erkenntnisse (TL;DR): In einer 10-stufigen sequenziellen Bearbeitungsreihe an einem menschenleeren historischen Kinosaal zeigte GPT Image 2.5 Sunburst ein herausragendes semantisches Erinnerungsvermögen bei gleichzeitig schrittweiser Glättung feiner Mikrotexturen:
- Hervorragendes semantisches Gedächtnis: Requisiten aus frühen Runden (Sonnenuntergang auf der Leinwand in Schritt 1, Farn im Topf in Schritt 4, gefaltetes Programmheft in Schritt 7) blieben bis Schritt 10 exakt an Ort und Stelle erhalten;
- Fortschreitender Texturverlust: Wenn ohne Masken jedes Ausgabebild direkt als Eingabe für den nächsten Schritt dient, tritt eine feine kumulative Glättung auf – Maserungen der Holzwand und Veloursbezüge wirken nach mehreren Runden zunehmend gemalt.
Wenn Kunden um „nur noch eine kleine Änderung“ bitten, ist es entscheidend zu wissen, wo maskenlose KI-Bildbearbeitung glänzt und ab wann sichtbare Qualitätsverluste einsetzen.
1. Versuchsaufbau und Kontrollregeln
Als Ausgangsbasis diente eine neutrale Fotografie eines leeren Kinosaals: weiße Leinwand, bordeauxrote Sitze, dunkle Holzvertäfelung, Seitenvorhänge und ein Mittelgang.
Feste Rahmenbedingungen:
- Modell & Parameter:
gpt-image-2.5-sunburst, Seitenverhältnis16:9, Auflösung2K(2048 × 1152 PNG), Qualitätmedium. - Reine autoregressive Kette: Jeder Schritt nutzte ausschließlich das Ausgabebild des vorherigen Schritts als Bildeingabe. Keine Rollbacks, keine selektive Auswahl, keine Photoshop-Retusche und keine Inpainting-Masken.
- Strikte Erhaltungsanweisung: Jeder Prompt endete mit der Vorgabe:
„Preserve every other existing detail and all earlier edits: cinema architecture, screen frame, wood panels, wall sconces, seating layout, seat shapes, burgundy seat upholstery, camera position, crop, perspective and exposure. Do not add people, rearrange seats, zoom or add text. This is a local edit of the previous image, not a redesign.“
2. Die 10 Bearbeitungsschritte im Detail
Von links nach rechts und von oben nach unten lesen. 👉 Hochauflösenden Kontaktbogen der 10 Schritte öffnen.
Schrittweiser Ablauf und Beobachtungsmatrix
| Schritt | Angeforderte Änderung | Reaktion des Zielobjekts | Hintergrund- und Texturstabilität |
|---|---|---|---|
| 0 | Ausgangsbild | Weiße Leinwand, bordeauxrote Sitze, dunkles Holz | Realistische fotografische Schärfe |
| 1 | Sonnenuntergang über dem Meer mit weißem Segelboot auf der Leinwand | Meer und Boot füllen die Leinwand passgenau aus | Architektur bleibt vollständig unverändert |
| 2 | Linker Vorhang in sanftem Türkis/Petrol | Linker Vorhang sauber umgefärbt, realistischer Faltenwurf | Bildinhalt der Leinwand und rechter Vorhang unberührt |
| 3 | Rechter Vorhang in tiefem Dunkelblau | Rechter Vorhang blau; linker Vorhang bleibt türkis | Farbpaletten beider Vorhänge harmonieren natürlich |
| 4 | Farn im cremefarbenen Topf, vorne links | Farn erscheint neben der vorderen Sitzreihe mit natürlichem Schatten | Verdeckungen der Sitze physikalisch korrekt |
| 5 | Kleine Messinglaterne, Gang vorne rechts | Warme Messinglaterne am Gang platziert | Glaubwürdige Lichtreflexionen auf dem Boden |
| 6 | Gangläufer in Indigoblau mit cremefarbenem Rand | Indigoblauer Teppichläufer mit Randstreifen eingefügt | Kipppunkt: Holzpaneele zeigen feines Rauschen |
| 7 | Gefaltetes cremefarbenes Programm auf Sitz vorne rechts | Kleines Papierprogramm liegt sauber auf dem Sitzpolster | Hohe räumliche Präzision bei kleinen Objekten |
| 8 | Segel des Bootes von weiß auf rot geändert | Segel erfolgreich in kräftiges Rot geändert | Meeresoberfläche neu abgetastet; leichte Farbstreifen |
| 9 | Farntopf von Creme zu Terrakotta | Topf wechselt zu mattem Terrakotta-Orange | Blattgeometrie und Pflanzengröße bleiben erhalten |
| 10 | Rechter Vorhang von Dunkelblau zu Ocker | Rechter Vorhang wird ockerfarben; linker bleibt türkis | Gesamte Oberflächen wirken spürbar weichgezeichnet |
3. Analyse: Was blieb stabil, was hat sich verändert?
1. Bemerkenswerte räumliche Beständigkeit
Sunburst bewahrte die geometrische Struktur der Szene über 10 aufeinanderfolgende Zyklen hinweg bemerkenswert stabil:
- Kamerawinkel, Fluchtpunkt und Anordnung der Sitzreihen verzerrten sich zu keinem Zeitpunkt;
- Nachträglich hinzugefügte Objekte (Sonnenuntergang, Boot, Pflanze, Laterne, Programmheft, Teppich) blieben stabil im dreidimensionalen Raum verankert.
2. Unvermeidliche Anhäufung von Diffusionsartefakten
Wenn Bilder ohne Inpainting-Maske wiederholt durch die Diffusions-Pipeline geschleust werden, summieren sich Rundungs- und Schätzfehler:
- Verlust von Mikrodetails: Die scharfe Holzmaserung der Wände verwandelte sich in ein glatteres, leicht stilisiertes Holzdekor;
- Farbabrisse (Banding): Im Himmel auf der Leinwand bildeten sich stufenförmige Farbübergänge;
- Wachsartiger Glanz: Die Oberflächen des Saals nahmen bis Schritt 10 einen typischen sanften KI-Glanz an.
4. Praxistipps für Kundenprojekte und Bildrevisionen
Um iterative Bildänderungen in der Praxis ohne Qualitätsverlust umzusetzen:
1. Prüfpunkte und Verzweigungen nutzen (Checkpoint Forking)
Führen Sie keine endlosen, linearen Überarbeitungsketten durch. Speichern Sie freigegebene Zwischenstände ab (z. B. v1.0-abgenommen.png). Entwickelt sich Schritt 5 ungünstig, setzen Sie lieber bei Schritt 3 wieder an, anstatt Fehler weiterzuschleppen.
2. Anpassungen in einem Schritt bündeln
Statt nacheinander separate Anfragen für Vorhänge, Teppich und Requisiten zu senden, kombinieren Sie alle freigegebenen Änderungswünsche in einem einzigen Prompt auf Basis des sauberen Originalbildes.
3. Inpainting-Masken einsetzen
Sofern Ihre Plattform Masken unterstützt, maskieren Sie gezielt nur die zu ändernde Bildregion (z. B. den Vorhang). Bleiben 90 % des Bildes unverändert eingefroren, bleiben Hintergrundtexturen unbegrenzt scharf.
4. Logos und Schriften separat halten
Setzen Sie Markenschriftzüge und Logos in Vektortools (Figma, Illustrator) auf das fertige Bild, anstatt Schriftzeichen von Diffusionsmodellen immer wieder neu rendern zu lassen.
5. API-Anfragestruktur und gemessene Kosten
{
"model": "gpt-image-2.5-sunburst",
"input": {
"prompt": "Edit this exact image. Change only the blank screen to a calm ocean sunset with one tiny white-sailed boat. Preserve all other details, composition, seating, lighting and materials.",
"image_urls": ["https://storage.poyo.ai/blog/gpt-image-25-p0-20260910/editing-original-bebd96f7e6fa.png"],
"size": "16:9",
"resolution": "2K",
"quality": "medium",
"output_format": "png"
}
}
Gemessene Kosten und Latenzen:
- Kosten pro Überarbeitung: Für 2K Medium wurden 5.99 Credits (0,02995 $) berechnet;
- Gesamtkosten für 10 Schritte: 59.9 Credits (0,2995 $ gesamt);
- Latenz pro Einzelschritt: Lag stabil zwischen 42.99 s und 54.95 s.
Häufig gestellte Fragen (FAQ)
Kann das Ergebnis nach 10 Bearbeitungen noch kommerziell genutzt werden?
Ja, abhängig vom Einsatzzweck. Für Web-Banner, Social Media und redaktionelle Artikel bleibt das Bild aus Schritt 10 visuell ansprechend und harmonisch. Für hochauflösende Kunstdrucke oder Luxus-Kataloge ist der Schärfeverlust ab Schritt 4 jedoch sichtbar.
Verhindern die Qualitätsstufen „high“ oder „max“ den Texturverlust?
Sie verzögern die Glättung deutlich, da pro Durchlauf mehr hochfrequente Details erhalten bleiben. Den mathematischen Schätzverlust bei wiederholten maskenlosen Diffusionsdurchläufen können sie jedoch nicht vollends aufheben. Masken und gezielte Speicherpunkte bleiben die beste Methode.