GPT Image 2 vs Seedream 5 Pro bei der promptgetreuen Bildgenerierung
Bei diesem Vergleich hängt das Ergebnis von der Aufgabe ab. GPT Image 2 ist in diesem Durchlauf die bessere Wahl für die Steuerung von Materialien und Beleuchtung, anatomische Vorgaben, objektgebundene Bearbeitungen, Outpainting und Szenenänderungen unter Beibehaltung des Produkts. Seedream 5 Pro ist dagegen stärker bei mehrsprachiger Typografie, Werbelayouts und konsistenter Neubeleuchtung. Bei mehreren strukturierten oder bearbeitungsintensiven Prompts gibt es ein Unentschieden. Welche Wahl verlässlicher ist, hängt daher davon ab, welche Art von Fehler für Ihre Bildaufgabe am schwersten wiegt.
Fakten im direkten Vergleich
| Merkmal | GPT Image 2 | Seedream 5 Pro |
|---|---|---|
| Entwickler | OpenAI | ByteDance |
| Verfügbarkeit auf Banana Pie | Jetzt verfügbar | Jetzt verfügbar |
| Credits ab | 20 Credits | 25 Credits |
| Max. Auflösung | 4K | 2K |
| Referenzbilder | Bis zu 8 | Bis zu 8 |
Szenario für Szenario
Beide Modelle haben in unserer festen Suite denselben Prompt verarbeitet. Die Bilder zeigen die veröffentlichten Durchläufe exakt wie generiert.
Produktmaterial und Beleuchtung
Hier besser: GPT Image 2LINKS erfüllt die Anforderungen an Material, Lichtbrechung und Beleuchtung besser und hält zugleich die Objektvorgaben ein. RECHTS trifft den halb gefüllten Zustand genauer, insgesamt entspricht LINKS dem Prompt jedoch stärker.
- Es ist genau ein transparentes, rechteckiges Parfümfläschchen ohne Text, Logo oder zusätzliche Objekte zu sehen: unentschieden. Beide Bilder zeigen ein einzelnes transparentes, rechteckiges Parfümfläschchen auf nassem schwarzem Stein, ohne sichtbaren Text, Logo, Pflanzen oder separate zusätzliche Objekte.
- Das Fläschchen ist sichtbar zur Hälfte mit bernsteinfarbener Flüssigkeit gefüllt: rechts ist besser. Im rechten Bild reicht die bernsteinfarbene Flüssigkeit ungefähr bis zur Hälfte des Flaschenkörpers, während das linke Fläschchen in der sichtbaren vorderen Kammer etwas mehr als halb gefüllt erscheint.
- Die Lichtbrechung im Glas und die Spiegelung auf dem nassen schwarzen Stein sind physikalisch stimmig: links ist besser. Das linke Bild weist klarere Glaskanten, eine konsistentere Lichtbrechung durch die rechteckigen Wände und eine auf Fläschchen und bernsteinfarbene Flüssigkeit abgestimmte Spiegelung auf. Im rechten Bild wirkt die gebogene Linie des inneren Röhrchens beziehungsweise deren Brechung durch die Flüssigkeit weniger überzeugend.
- Die Beleuchtung von links oben erzeugt konsistente Glanzlichter und einen plausiblen Kontaktschatten: links ist besser. Im linken Bild ist eine starke Beleuchtung von links oben klar erkennbar, passend zu den hellen Glanzlichtern und dem nach rechts fallenden Schatten. Das rechte Bild hat plausible Glanzlichter, die Richtung ist jedoch weniger eindeutig links oben, und der Kontaktschatten ist weniger deutlich.
Verwendeter Prompt & Einstellungen
Prompt
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
Mehrsprachige Typografie
Hier besser: Seedream 5 ProRechts folgt dem Prompt genauer, da die geforderte vierzeilige Struktur und der exakte Text erhalten bleiben. Links teilt die erste Zeile fälschlicherweise in zwei separate Zeilen auf.
- Das Poster enthält genau vier zentrierte Textzeilen und keinen zusätzlichen Text: rechts ist besser. Rechts zeigt genau vier zentrierte Zeilen: „MOONLIGHT MARKET“, „月光市集“, „18 OCT“ und „RIVER HALL“. Links zeigt fünf zentrierte Zeilen, da „MOONLIGHT MARKET“ in „MOONLIGHT“ und „MARKET“ aufgeteilt ist.
- Die vier Zeilen lauten in dieser Reihenfolge exakt „MOONLIGHT MARKET“, „月光市集“, „18 OCT“ und „RIVER HALL“: rechts ist besser. Rechts gibt die vier Zeilen exakt als „MOONLIGHT MARKET“, „月光市集“, „18 OCT“ und „RIVER HALL“ wieder. Links stellt den Text als „MOONLIGHT“, „MARKET“, „月光市集“, „18 OCT“ und „RIVER HALL“ dar. Damit ist die erste Zeile nicht exakt, und auch Zeilenanzahl und Anordnung sind falsch.
- „月光市集“ ist rot und die anderen drei Zeilen sind schwarz: unentschieden. In beiden Bildern ist „月光市集“ rot dargestellt, während die englischen Zeilen und die Datumszeile schwarz sind.
- Der gesamte Text ist gut lesbar, gleichmäßig verteilt und optisch ausgerichtet: rechts ist besser. Rechts ist der Text gut lesbar, zentriert und in einem kompakten Posterlayout gleichmäßig verteilt. Links ist der Text ebenfalls lesbar und zentriert, doch der aufgeteilte Titel führt zu weniger gleichmäßigen Abständen und durchbricht die beabsichtigte vierzeilige Ausrichtung.
Verwendeter Prompt & Einstellungen
Prompt
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
Menschliche Anatomie und Kontakt
Hier besser: GPT Image 2Links erfüllt die Vorgaben zur Anzahl der Hände und zu jeweils fünf Fingern besser, obwohl die Fingeranatomie rechts etwas sauberer wirkt.
- Es sind genau zwei vollständig sichtbare Hände und keine zusätzlichen Hände oder Personen vorhanden: links ist besser. Links zeigt genau zwei Hände und eine Person, wobei beide Hände über der Schüssel vollständiger sichtbar sind. Rechts zeigt ebenfalls genau zwei Hände und keine weiteren Personen, bei der Hand in der Schüssel ist jedoch der Daumen verdeckt, sodass sie weniger vollständig sichtbar ist.
- Jede Hand hat genau fünf klar erkennbare, natürlich geformte Finger: links ist besser. Links scheinen an jeder Hand fünf Finger sichtbar zu sein, obwohl einige mit Ton bedeckt sind und teilweise eng beieinanderliegen. Bei der Hand in der Schüssel sind rechts nur vier Finger eindeutig zu erkennen; ein klar erkennbarer Daumen fehlt. Die äußere Hand scheint fünf Finger zu haben.
- Finger, Gelenke und der Kontakt mit dem Ton sind anatomisch plausibel: rechts ist besser. Die sichtbaren Finger und Knöchel wirken rechts natürlicher proportioniert, und der Griff an der Schüssel ist plausibel. Links erschweren die mit Ton bedeckten Finger die anatomische Beurteilung. Einige Fingerspitzen der links im Bild befindlichen Hand wirken am Kontaktpunkt mit dem Ton zudem etwas gedrängt oder miteinander verschmolzen.
- Tonschüssel, rotierende Töpferscheibe und Formgebung sind klar erkennbar: unentschieden. Beide Bilder zeigen deutlich eine Tonschüssel auf einer rotierenden Töpferscheibe, die von Händen geformt oder stabilisiert wird. Links betont die Bewegungsunschärfe der Töpferscheibe und den Kontakt im Inneren, während rechts die Form der Schüssel und die Scheibe deutlich zeigt.
Verwendeter Prompt & Einstellungen
Prompt
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
Zählen und Attributzuordnung
Kommt auf die Aufgabe anBeide Bilder erfüllen die Vorgaben zu Anzahl, Position, Farben, Formen und Materialien sowie zum nach rechts gerichteten Henkel der Tasse und zum Fehlen zusätzlicher Texte oder Objekte. Die Unterschiede sind geringfügig und ergeben keinen eindeutigen Sieger anhand der Bewertungskriterien.
- Links befinden sich genau drei rote Würfel, rechts zwei blaue Kugeln und mittig dahinter eine gelbe Tasse: unentschieden; beide Bilder zeigen links drei rote Würfel, rechts zwei blaue Kugeln und nahe der Mitte eine einzelne gelbe Tasse hinter den Objekten.
- Die angegebenen Farben, Formen und Materialien sind den jeweiligen Objekten korrekt zugeordnet: unentschieden; beide zeigen rote Würfelformen, blaue glasartige Kugeln und eine gelbe, glänzend wirkende Keramiktasse. Rechts ist die Holzstruktur der Würfel etwas deutlicher, die Zuordnung wird jedoch in beiden Bildern erfüllt.
- Der Tassenhenkel zeigt eindeutig nach rechts: unentschieden; in beiden Bildern ist der Henkel auf der rechten Seite der Tasse sichtbar.
- Es sind keine zusätzlichen Objekte oder Texte sichtbar: unentschieden; keines der Bilder zeigt weitere Objekte oder dargestellten Text.
Verwendeter Prompt & Einstellungen
Prompt
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
Werbekomposition
Hier besser: Seedream 5 ProRechts erfüllt die Text- und Layoutvorgaben insgesamt besser, obwohl der Schuh links eindeutiger unten rechts platziert ist.
- Unten rechts ist genau ein silberner Schuh zu sehen, und unten links beginnt eine orangefarbene Spur: links ist besser. Links befindet sich ein silberner Schuh eindeutig unten rechts, und die orangefarbene Spur beginnt sichtbar unten links. Rechts zeigt ebenfalls einen silbernen Schuh und eine unten links beginnende orangefarbene Spur, doch der Schuh liegt eher rechts in der Mitte beziehungsweise in der unteren Hälfte als klar unten rechts.
- Der einzige sichtbare Text lautet „RUN LIGHT“ und „42 KM“, beides korrekt geschrieben: rechts ist besser. Rechts zeigt ausschließlich „RUN LIGHT“ und „42 KM“. Links zeigt „RUN LIGHT“ und „42 KM“ ebenfalls korrekt, auf dem Schuh ist jedoch zusätzlich der Text „AERO“ sichtbar.
- Die oberen 15 Prozent bleiben sichtbar frei, und die Überschrift ist direkt darunter positioniert: rechts ist besser. Rechts hält den oberen Bereich frei und platziert „RUN LIGHT“ direkt darunter im oberen linken Bereich. Auch links ist der obere Bereich frei, die Überschrift sitzt jedoch deutlich tiefer und nicht direkt unter dem leeren oberen Streifen.
- Alle erforderlichen Elemente sind vollständig sichtbar und bilden eine klare visuelle Hierarchie: rechts ist besser. Rechts zeigt Schuh, orangefarbene Spur, Überschrift und Plakette vollständig in einem klaren Werbelayout. Links verfügt ebenfalls über eine starke Hierarchie, doch der zusätzliche Text „AERO“ auf dem Schuh verstößt gegen die Vorgabe zum begrenzten Textumfang und erzeugt zusätzliche visuelle Unruhe.
Verwendeter Prompt & Einstellungen
Prompt
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
Strukturierte UI-Grafik
Kommt auf die Aufgabe anBeide Bilder erfüllen die Anforderungen an die strukturierte Preisgrafik mit exaktem Text, drei Spalten, drei Zeilen pro Spalte und einer blauen SELECT-Schaltfläche je Spalte. Keines der Bilder hat anhand der Bewertungskriterien einen eindeutigen Vorteil.
- Die Grafik enthält den exakten Titel „CHOOSE YOUR PLAN“ und genau drei Spalten mit den Bezeichnungen „STARTER“, „PRO“ und „TEAM“: unentschieden; beide Bilder zeigen den Titel exakt als „CHOOSE YOUR PLAN“ und die drei Spaltenbezeichnungen exakt als „STARTER“, „PRO“ und „TEAM“.
- Jede Spalte enthält genau drei ausgerichtete Zeilen mit den Bezeichnungen „PROJECTS“, „STORAGE“ und „SUPPORT“: unentschieden; in beiden Bildern enthält jede Spalte genau die Zeilenbezeichnungen „PROJECTS“, „STORAGE“ und „SUPPORT“ in derselben Reihenfolge und spaltenübergreifend ausgerichtet.
- Jede Spalte enthält genau eine blaue Schaltfläche mit der Aufschrift „SELECT“: unentschieden; beide Bilder zeigen pro Spalte eine blaue Schaltfläche, die jeweils exakt mit „SELECT“ beschriftet ist.
- Die Spalten sind gleichmäßig ausgerichtet, ohne zusätzliche Spalten oder Texte: unentschieden; beide Bilder verwenden drei gleichmäßig angeordnete Spalten ohne weitere Spalten und ohne zusätzlichen dargestellten Text neben „CHOOSE YOUR PLAN“, „STARTER“, „PRO“, „TEAM“, „PROJECTS“, „STORAGE“, „SUPPORT“ und „SELECT“.
Verwendeter Prompt & Einstellungen
Prompt
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
Objektzuordnung und Bearbeitung mit sechs Referenzen
Hier besser: GPT Image 2LINKS ist geringfügig besser, da beide Ergebnisse die meisten Ersetzungen erfüllen, RECHTS jedoch bei einer Zitrone ein Blatt- beziehungsweise Stieldetail hinzufügt, das wie eine Vermischung von Fruchtmerkmalen wirkt. Die übrigen Unterschiede sind gering, und Referenz 1 lässt sich anhand der gezeigten Ergebnisse nicht vollständig überprüfen.
- Die rote Tasse und das weiße Handtuch werden durch die dunkelmarineblaue Tasse aus Referenz 2 und die grün-weiß gestreifte Serviette aus Referenz 3 ersetzt: unentschieden. Beide Bilder zeigen im Bereich der Tasse sichtbar eine dunkelmarineblaue Tasse und im Bereich des Handtuchs ein grün-weiß gestreiftes, gefaltetes Tuch. Wie exakt sie mit den Referenzen übereinstimmen, lässt sich allein anhand der Ergebnisse nicht vollständig beurteilen.
- Die grüne Birne und das blaue Notizbuch werden durch genau eine Orange aus Referenz 4 und das senfgelbe gebundene Notizbuch aus Referenz 5 ersetzt; keines der vier ursprünglichen Ausgangsobjekte bleibt erhalten: unentschieden. Beide Bilder zeigen eine Orange und ein senfgelbes Notizbuch. Eine rote Tasse, ein weißes Handtuch, eine grüne Birne oder ein blaues Notizbuch sind nicht mehr sichtbar.
- Genau die beiden Zitronen aus Referenz 6 befinden sich rechts von der Tasse, ohne zusätzliche, fehlende, duplizierte oder falsch zugeordnete Früchte oder Objekte: links ist besser. LINKS zeigt rechts von der Tasse zwei schlichte gelbe Zitronen. RECHTS zeigt ebenfalls zwei Zitronen, doch die linke Zitrone weist ein grünes Blatt und ein stielartiges Detail auf, das optisch wie eine falsche Übertragung vom Orangenobjekt wirkt.
- Referenz 1 bleibt die Grundlage: Kamera, Bildausschnitt, Tischplatte und Holzmaserung, Beleuchtung, Schatten sowie alle unbearbeiteten räumlichen Beziehungen bleiben unverändert: unentschieden. Beide Bilder bewahren eine ähnliche Szene auf einer hölzernen Tischplatte mit natürlicher Beleuchtung und vergleichbarer Objektanordnung. Ohne Referenz 1 lässt sich dieses Kriterium jedoch nicht exakt überprüfen.
Referenzbilder
Verwendeter Prompt & Einstellungen
Prompt
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
Textersetzung im Bild
Kommt auf die Aufgabe anBeide Bilder erfüllen die verlangte Textersetzung ohne sichtbare Rechtschreibfehler oder zusätzliche Zeichen. RECHTS integriert die Größe der Beschriftung möglicherweise etwas natürlicher, doch ohne die ursprüngliche Referenz ist der Unterschied gering. Daher ist das Ergebnis unentschieden.
- Auf dem Schild steht exakt „NIGHT OWL“, und der alte Text ist vollständig verschwunden: Auf beiden Seiten ist der Schildtext als „NIGHT OWL“ dargestellt, und auf keinem der beiden Schilder ist vorheriger Text sichtbar.
- Auf dem Schild erscheinen keine zusätzlichen oder fehlerhaft geformten Zeichen: Beide Seiten zeigen ausschließlich „NIGHT OWL“, ohne zusätzliche Buchstaben, Zeichen oder sichtbar missgebildete Schriftzeichen.
- Der ursprüngliche Schriftcharakter, die Abstände und die Perspektive bleiben erhalten: Beide Seiten verwenden ähnliche Versalbuchstaben im Blockstil, die an der Perspektive des Schilds ausgerichtet sind. Die Buchstaben wirken LINKS etwas größer und weiter auseinandergezogen, während der Text RECHTS etwas natürlicher skaliert erscheint. Da die ursprüngliche Referenz nicht sichtbar ist, lässt sich dies jedoch nur schwer abschließend beurteilen.
- Material und Beleuchtung des Schilds sowie die umgebende Szene bleiben unverändert: Beide Seiten bewahren die dunkelgrüne Holzoberfläche des Schilds, die Schatten im Tageslicht, die Ladenfront, Lampen, Fenster, Pflanzen und die Bank in konsistenter Darstellung. Ein eindeutiger Vorteil bei der Erhaltung der Szene ist nicht erkennbar.
Referenzbilder
Verwendeter Prompt & Einstellungen
Prompt
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
Identitäts- und Kleidungsübertragung mit mehreren Referenzen
Kommt auf die Aufgabe anBeide Ergebnisse erfüllen die zentrale Bearbeitungsvorgabe: Die Person bleibt in der ursprünglichen Porträtszene und trägt die gewünschte Denim-Jacke mit Lammfellbesatz und rotem Aufnäher am Ärmel. LINKS zeigt stärkere Jackendetails, während die Integration RECHTS etwas natürlicher wirkt. Daher gibt es insgesamt keinen eindeutigen Sieger.
- Die Ausgabe bewahrt dieselbe Gesichtsidentität, denselben Ausdruck, dieselbe Frisur, Pose, dieselben Körperproportionen und denselben Bildausschnitt wie Referenz 1: Ein vollständiger Vergleich mit Referenz 1 ist nicht möglich, da nur die Ausgaben gezeigt werden. Sichtbar ist, dass beide ein ähnlich zentriertes Porträt, einen neutralen Ausdruck, offen getragenes dunkles Haar, eine Pose mit den Händen auf Taillenhöhe, eine graue Wand im Hintergrund und den angeschnittenen Fensterrahmen beibehalten. RECHTS wirkt die Darstellung des Gesichts etwas natürlicher, während LINKS etwas stärker perfektioniert und geglättet erscheint.
- Die getragene Jacke entspricht Referenz 2 hinsichtlich Material, Farbe, Kragen, Knöpfen, Taschen und Ärmelaufnäher: Die exakte Übereinstimmung mit Referenz 2 lässt sich nicht überprüfen, aber beide zeigen eine hellblaue Jeansjacke mit cremefarbenem Lammfellkragen, Metallknöpfen, Brusttaschen mit Patten und einem roten Ärmelaufnäher. LINKS sind Jeansstruktur, Nähte, Knöpfe und Taschenaufbau schärfer ausgearbeitet. RECHTS weist dieselben wesentlichen Merkmale des Kleidungsstücks auf, die Oberfläche der Jacke ist jedoch etwas vereinfacht.
- Das schwarze Sakko wurde vollständig ersetzt, ohne die Schaufensterpuppe oder den Produkthintergrund aus Referenz 2 zu übernehmen: Auf beiden Seiten wurde das schwarze Sakko vollständig durch die Jeansjacke ersetzt; weder eine Geisterpuppe noch ein weißer Produkthintergrund sind zu sehen. Bei diesem Kriterium liegen die sichtbaren Ausgaben gleichauf.
- Hände, Sitz des Kleidungsstücks, Verdeckungen, Schatten und Beleuchtung wirken im Zusammenspiel mit der Person und der ursprünglichen Szene physikalisch stimmig: RECHTS ist etwas besser, weil der Sitz der Jacke, die Position der Ärmel und die Verdeckung der Hände harmonischer integriert und weniger voluminös wirken. LINKS ist größtenteils stimmig, aber die Vorderseite der Jacke und der untere Knopf- beziehungsweise Knopfleistenbereich wirken rund um die Hände etwas künstlicher und gedrängter.
Referenzbilder
Verwendeter Prompt & Einstellungen
Prompt
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
Kohärente Neubeleuchtung einer Szene
Hier besser: Seedream 5 ProInsgesamt ist Rechts stärker. Links macht die Lichtquelle der goldenen Stunde sehr deutlich, aber Rechts setzt die neue Beleuchtung mit klareren gerichteten Lichtern und Schatten sowie einem weniger flächigen Gelbstich stimmiger um.
- Warmes Licht der goldenen Stunde fällt deutlich durch das linke Fenster ein: Links ist besser, weil die tief stehende Sonne und der intensive goldene Schein durch das linke Fenster sichtbar sind und die Lichtquelle dadurch unmissverständlich erkennbar ist. Rechts zeigt ebenfalls warmes Licht von dieser Seite, die Quelle ist dort jedoch weniger eindeutig.
- Lichter und Schattenrichtungen reagieren stimmig auf die neue Lichtquelle: Rechts ist besser, weil die rechteckigen Fensterlichter an Wand und Sofa, der Schatten der Pflanze und die dunkleren Schlagschatten hinter Objekten konsequenter auf den Lichteinfall von links abgestimmt sind. Links zeigt ebenfalls plausible Schatten, die Beleuchtung verteilt sich jedoch großflächiger und weniger präzise.
- Das Ergebnis ist mehr als ein einheitlicher gelber Farbfilter: Rechts ist besser, weil es örtlich begrenzte Sonnenflecken, Kontraste und gerichtete Schattenformen aufweist und zugleich einige neutrale Farbtöne an Wand und Teppich bewahrt. Links zeigt ebenfalls gerichtete Lichteffekte, aber der gesamte Raum ist stärker in goldenes Licht getaucht.
- Es wurden keine Möbel oder Dekorationen verschoben, hinzugefügt, entfernt oder umgestaltet: Gleichstand. Beide Bilder zeigen dieselben sichtbaren Raumelemente: linkes Fenster, Sofa, Pflanze, Couchtisch, Teppich und Stehlampe. Zwischen den beiden Ausgaben wurden offensichtlich weder Möbel noch Dekorationen hinzugefügt oder entfernt.
Referenzbilder
Verwendeter Prompt & Einstellungen
Prompt
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
Outpainting über verschiedene Seitenverhältnisse hinweg
Hier besser: GPT Image 2Links ist etwas besser, weil die zentrale Bildkomposition mit der Hütte überzeugender zentriert bleibt und zugleich natürliche Erweiterungen an den Seiten erzeugt werden. Der Unterschied ist gering, da beide Ausgaben den Outpainting-Auftrag visuell erfüllen.
- Die endgültige Ausgabe hat ein Seitenverhältnis von 16:9 und enthält auf beiden Seiten natürlich wirkende neue Bildinhalte: Gleichstand. Beide Bilder erscheinen als breite Landschaftsformate und setzen Strand, Meer und Himmel über die gesamte Breite plausibel fort.
- Das vollständige Originalbild bleibt ohne Beschnitt oder Streckung zentriert: Links ist besser. Die Hütte befindet sich nahe der Bildmitte und wirkt eher wie ein bewahrtes zentrales Motiv, während sie im rechten Bild etwas links von der Mitte platziert ist und der Bildausschnitt stärker verändert erscheint, wobei die Hütte in der Szene kleiner dargestellt wird.
- Die ursprüngliche Hütte, die Uferlinie und die interne Bildkomposition bleiben unverändert: Ohne das ursprüngliche Ausgangsbild lässt sich dies nicht vollständig beurteilen. Sichtbar ist, dass beide eine ähnliche Anordnung von Hütte, Uferlinie und Horizont beibehalten, wobei das rechte Bild den Maßstab des Motivs offenbar stärker verändert hat als das linke.
- Die Erweiterungen weisen keine sichtbaren Übergänge, gespiegelten Füllbereiche oder wiederholten Objekte auf: Gleichstand. In keinem der Bilder sind offensichtliche Übergangslinien, gespiegelte Strand- oder Meeresmuster oder duplizierte Objekte erkennbar; die seitlichen Erweiterungen wirken jeweils nahtlos.
Referenzbilder
Verwendeter Prompt & Einstellungen
Prompt
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
Produkterhalt bei Szenenwechsel
Hier besser: GPT Image 2Links erfüllt den gewünschten Szenenwechsel besser, bewahrt dabei sichtbare Produktdetails und platziert den Sneaker überzeugender auf einem nassen Basketballplatz in der Abenddämmerung.
- Der Sneaker ist überzeugend auf einem nassen Basketballplatz im Freien bei Abenddämmerung platziert: Links ist besser. Zu sehen sind ein erkennbarer Korb mit Rückwand, ein Zaun, die Spielfläche, nasser Boden und der Abendhimmel. Rechts zeigt nasse Spielfeldlinien, einen Zaun und die Beleuchtung der Abenddämmerung, doch ohne sichtbaren Korb ist der Basketballplatz als Kontext weniger eindeutig.
- Silhouette, Sohlengeometrie, Nähte, Materialien und Kamerawinkel bleiben konsistent: Ohne das ursprüngliche Sneaker-Bild lässt sich dies nicht vollständig beurteilen. Sichtbar ist, dass Links mehr feine Nähte, Lederkörnung, Schnürsenkelstruktur und Sohlendetails bewahrt, während Rechts sauberer und etwas stärker vereinfacht wirkt.
- Die schwarze geometrische Seitenmarkierung bleibt unverändert und ist als dieselbe Form erkennbar: Ohne die ursprüngliche Markierung lässt sich dies nicht vollständig beurteilen. Sichtbar ist, dass beide eine klar erkennbare schwarze, kantige Seitenmarkierung aufweisen. Bei Links hat die Markierung schärfere Kanten und einen stärkeren Kontrast, während sie bei Rechts ebenfalls deutlich, aber etwas vereinfachter wirkt.
- Kontaktschatten, Spiegelung auf der nassen Oberfläche und die Beleuchtung der Abenddämmerung sind physikalisch stimmig: Links ist insgesamt besser. Es zeigt eine deutliche Spiegelung des Schuhs und der Markierung auf der nassen Fläche sowie eine dunklere Abendstimmung. Rechts weist plausible Pfützenspiegelungen und einen glaubwürdigen Bodenkontakt auf, der Schuh ist jedoch gleichmäßiger ausgeleuchtet und wirkt weniger in die Umgebung der Abenddämmerung integriert.
Referenzbilder
Verwendeter Prompt & Einstellungen
Prompt
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
Kosten & Latenz
GPT Image 2 ist ab 20 Credits verfügbar, Seedream 5 Pro ab 25 Credits. Damit ist GPT Image 2 für diese Bilddurchläufe die Option mit dem geringeren Credits-Bedarf. In diesem Durchlauf mit fest vorgegebenen Prompts lagen die beobachteten Latenzwerte für GPT Image 2 zwischen 81370 ms und 189546 ms, für Seedream 5 Pro zwischen 38569 ms und 141015 ms. Diese Werte sind als Stichproben aus dem jeweiligen Durchlauf zu verstehen, nicht als Benchmark-Ergebnisse.
Vergleichsmethode & Offenlegung
Für jedes Szenario wurde bei beiden Modellen derselbe fest vorgegebene Prompt ausgeführt, und die erzeugten Ergebnisse wurden unverändert veröffentlicht. Banana Pie bietet Zugang zu GPT Image 2 und Seedream 5 Pro. Diese Seite zeigt daher einen reproduzierbaren direkten Vergleich und keinen unabhängigen Benchmark oder eine absolute Rangliste.
Banana Pie bietet kostenpflichtigen Zugriff auf dieses und weitere Modelle in einem Studio. Unsere Bewertungen basieren auf Tests mit derselben Pipeline, die auch unsere Nutzer verwenden.