Model and Modality Playbooks13. September 2026Flatkey Team

GPT Image vs. Imagen API: Preis-Einheiten und Request-Checks

Ein aktueller Vergleich von GPT Image und Googles aktuellem Bildgenerierungsweg nach Imagen, mit Preiseinheiten, Request-Checks, Rate-Limit-Prüfungen und Migrationshinweisen.

Wenn Sie im September 2026 GPT Image vs. Imagen API: Preis-Einheiten und Request-Checks vergleichen, beginnen Sie mit einer Korrektur: Imagen ist nicht mehr Googles aktueller Weg zur Bilderzeugung in der Gemini API. Auf der Deprecations-Seite von Google sind die Imagen-4-API-Modelle als am 17. August 2026 abgeschaltet aufgeführt, wobei gemini-3.1-flash-image als empfohlener Ersatz genannt wird. Google präsentiert Nano Banana inzwischen als Geminis native Bilderzeugungsfamilie.

Das verändert die Kaufentscheidung. Ein sinnvoller Vergleich lautet nicht: „Welcher aktive Endpoint hat die schönere Sample-Galerie?“ Sondern: Wie vergleichen sich die GPT-Image-Einheiten von OpenAI mit den aktuellen Nano-Banana-Einheiten von Google, und welche Request-Checks sollte ein Media- oder Produktteam vor der Traffic-Umschaltung durchführen?

Dieser Leitfaden verwendet First-Party-Dokumentation, geprüft am 13. September 2026:

Die aktuellen OpenAI-Dokumente zur Bilderzeugung und Preisgestaltung für gpt-image-2.5-sunburst, gpt-image-2.5-flare und gpt-image-2.
Die aktuellen Gemini-API-Dokumente von Google zu Nano Banana, Gemini-Bepreisung für Bilder, Rate Limits und Imagen-Deprecations.
Die Live-Model-/Pricing-Feeds von Flatkey sowie öffentliche Produktseiten für Routing-, Billing- und Endpoint-Familien-Checks.

Die Kurzantwort

Vergleichen Sie für neue Vorhaben GPT Image mit Googles aktuellen Nano-Banana-Modellen, nicht mit den eingestellten Imagen-4-Routen.

Entscheidungspunkt	GPT Image	Google-Bilderzeugung nach Imagen	Was vor dem Start zu prüfen ist
Aktuelle Bildfamilie	`gpt-image-2.5-sunburst`, `gpt-image-2.5-flare` und `gpt-image-2` in den OpenAI-Dokumenten	Nano-Banana-Modelle wie `gemini-3.1-flash-image`, `gemini-3.1-flash-lite-image` und `gemini-3-pro-image`	Bestätigen Sie Modell-ID, Route, Kontozugriff und Deprecation-Status an dem Tag, an dem Sie ausliefern
Preiseinheit	Text- und Bild-Tokenraten pro 1 Mio. Tokens	Text-/Bild-Tokenraten plus auf Auflösung basierende Bild-Output-Äquivalente	Normalisieren Sie die Kosten pro akzeptiertem Bild, nicht nur nach dem Listenpreis des Anbieters
Einzelschuss-Generierung	OpenAI Image API	Gemini Interactions API mit Bildausgabe	Validieren Sie erforderliche Felder, Seitenverhältnis, Bildgröße, Ausgabeformat und das Verhalten bei der Anzahl der Ausgaben
Iterative Bearbeitungen	OpenAI Responses API Image Tool oder Image-Edits-Endpoint	Gemini-Multi-Turn-Interaktionen mit `previous_interaction_id`	Speichern Sie vorherige Response- oder Interaction-IDs nur, wenn Sie Iteration benötigen
Form der Rate Limits	RPM, RPD, TPM, TPD, IPM und Konto-/Projektlimits können gelten	RPM, TPM, RPD und IPM können gelten, mit IPM für Nano-Banana-Bildmodelle	Behandeln Sie Rate Limits als Teil der Routing-Policy, nicht als nachträglichen Gedanken
Migrationsrisiko	Modell-/Versionsänderungen innerhalb der GPT-Image-Familie	Legacy-Imagen-API-Routen liegen bereits hinter ihrem Abschaltdatum vom 17. August 2026	Blockieren Sie alte `imagen-4.0-*`-Routen in Produktionsprüfungen

Wenn Sie einen praktischen Rollout-Leitfaden für eine Image-API benötigen, kombinieren Sie diesen Vergleich mit Flatkeys Leitfaden zur Image-Generation-API. Wenn Sie die Ausgaben über mehrere KI-Familien modellieren, nutzen Sie außerdem den Preisleitfaden für die Gemini API und das Playbook für multimodales Routing.

Warum Imagen jetzt einen Migrations-Check braucht

Suchende verwenden immer noch „Imagen API“, weil Imagen Googles benannte Text-zu-Bild-API-Linie war. Die aktuellen Google-Dokumente sagen Teams jedoch, den Schwerpunkt auf Nano Banana zu verlagern.

Der Migrations-Check ist konkret:

Legacy-Modellfamilie	Google-Status, geprüft am 13. September 2026	Empfohlener Ersatz in der Google-Dokumentation	Praktisches Ergebnis
`imagen-4.0-generate-001`	Am 17. August 2026 abgeschaltet	`gemini-3.1-flash-image`	Keine neuen Produktions-Traffic-Pfade gegen diese Route aufbauen
`imagen-4.0-ultra-generate-001`	Am 17. August 2026 abgeschaltet	`gemini-3.1-flash-image`	Alte Request-Templates als Migrationsschuld behandeln
`imagen-4.0-fast-generate-001`	Am 17. August 2026 abgeschaltet	`gemini-3.1-flash-image`	Aktuelle Gemini-Bildmodelle für frische Evaluierungen verwenden
`gemini-2.5-flash-image`	Veraltet, Abschaltdatum 2. Oktober 2026	`gemini-3.1-flash-image` oder `gemini-3.1-flash-lite-image`	Vor Schließung des Abschaltfensters migrieren

Das ist der erste Request-Check in jedem Workflow für GPT Image vs. Imagen API: Preis-Einheiten und Request-Checks: Stellen Sie sicher, dass die „Imagen“-Seite des Vergleichs nicht bereits eine stillgelegte Modell-ID ist.

Preis-Einheiten: GPT Image

OpenAI bepreist die aktuellen GPT-Image-Modelle nach Modalität. Die am 13. September 2026 geprüfte Preistabelle führt Preise pro 1 Mio. Tokens für Bild- und Text-Oberflächen auf.

OpenAI-Modell	Modalität	Eingabe	Gecachte Eingabe	Ausgabe
`gpt-image-2.5-sunburst`	Bild	$8.00 / 1M Tokens	$2.00 / 1M Tokens	$30.00 / 1M Tokens
`gpt-image-2.5-sunburst`	Text	$5.00 / 1M Tokens	$1.25 / 1M Tokens	Nicht aufgeführt
`gpt-image-2.5-flare`	Bild	$8.00 / 1M Tokens	$2.00 / 1M Tokens	$30.00 / 1M Tokens
`gpt-image-2.5-flare`	Text	$5.00 / 1M Tokens	$1.25 / 1M Tokens	Nicht aufgeführt
`gpt-image-2`	Bild	$8.00 / 1M Tokens	$2.00 / 1M Tokens	$30.00 / 1M Tokens
`gpt-image-2`	Text	$5.00 / 1M Tokens	$1.25 / 1M Tokens	Nicht aufgeführt

Auf der Preisseite von OpenAI wird außerdem die Batch-Preisgestaltung für gpt-image-2 angezeigt, wobei Bild-Eingabe, gecachte Eingabe und Ausgabe mit $4.00, $1.00 bzw. $15.00 pro 1M Tokens aufgeführt sind. Wenden Sie diese Batch-Zeile nicht auf gpt-image-2.5-sunburst oder gpt-image-2.5-flare an, es sei denn, die aktuelle Preisseite listet diese Modelle am Prüftag unter dem Tab Batch auf.

Der wichtige Punkt ist die Einheitenstruktur: Die GPT-Image-Preisgestaltung ist keine einzelne pauschale „pro Anfrage“-Zahl. Produktteams müssen Text-Prompts, Bildeingaben beim Bearbeiten oder bei der Verwendung von Referenzen, generierte Bildausgabe, Cache-Verhalten und die Frage berücksichtigen, ob der Workload Batch-Latenz tolerieren kann.

Preis-Einheiten: Google nach Imagen

Die aktuellen Gemini-Dokumente zur Bildgenerierung von Google beschreiben Nano Banana als Geminis native Fähigkeit zur Bildgenerierung. Die aktuelle Preisseite listet die Bildausgabe in Tokens auf und gibt dann pro Bild entsprechende Äquivalente basierend auf der Ausgabeauflösung an.

Google-Modell	Bezahlte Eingabeeinheit	Bezahlte Ausgabeeinheit	Von Google angezeigtes Pro-Bild-Äquivalent
`gemini-3.1-flash-image` / Nano Banana 2	$0.50 / 1M Tokens für Text-/Bildeingabe	$60.00 / 1M Tokens für Bilder	$0.045 bei 0.5K, $0.067 bei 1K, $0.101 bei 2K, $0.151 bei 4K
`gemini-3.1-flash-lite-image` / Nano Banana 2 Lite	$0.25 / 1M Tokens für Text-/Bild-/Videoeingabe	$30.00 / 1M Tokens für Bilder	$0.0336 bei 1K
`gemini-3-pro-image` / Nano Banana Pro	$2.00 / 1M Tokens für Text-/Bildeingabe, mit einem Bild-Eingabe-Äquivalent von $0.0011 pro Bild	$120.00 / 1M Tokens für Bilder	$0.134 bei 1K/2K, $0.24 bei 4K

Google listet außerdem Batch-Preise für aktuelle Gemini-Bildmodelle. Die Preisseite zeigt zum Beispiel für gemini-3.1-flash-image Batch-Bildausgabe $30.00 pro 1M Tokens und für gemini-3.1-flash-lite-image Batch-Bildausgabe $15.00 pro 1M Tokens. Das kann für kreative Variantenaufträge mit hohem Volumen wichtig sein, die keine interaktive Latenz benötigen.

Die Einheitengeschichte ist ähnlich wie bei GPT Image, aber nicht identisch. OpenAI stellt GPT Image als Preisgestaltung nach Text- und Bild-Token dar. Google präsentiert Nano Banana als Token-Preisgestaltung plus bildäquivalente Einheiten auf Basis der Auflösung. Wenn Ihr Dashboard nur „Requests“ zählt, blendet es die Kostentreiber aus, die die Rechnung tatsächlich verändern.

Request-Checks, bevor Sie Ergebnisse vergleichen

Bevor Sie einen Quality-Bakeoff durchführen, lassen Sie beide Seiten dieselbe Request-Checkliste bestehen.

Check	GPT Image	Aktueller Google-Bildpfad	Warum das wichtig ist
Aktive Modell-ID	Verwenden Sie `gpt-image-2.5-sunburst`, `gpt-image-2.5-flare` oder ein anderes derzeit dokumentiertes GPT-Image-Modell	Verwenden Sie ein aktuelles Nano-Banana-Modell wie `gemini-3.1-flash-image`; blockieren Sie veraltete `imagen-4.0-*`-IDs	Verhindert den Vergleich einer Live-Route mit einer veralteten oder abgeschalteten Route
API-Oberfläche	Verwenden Sie die Image API für Einmal-Generierungen/-Bearbeitungen; verwenden Sie die Responses API für mehrstufige Abläufe	Verwenden Sie die Gemini Interactions API für Bildgenerierung, Bearbeitung und mehrstufige Workflows	Die API-Form beeinflusst Zustandsverwaltung und Retry-Strategie
Ausgabe-Constraints	Prüfen Sie `n`, Qualität, Größe, Format, Komprimierung und ob eine Organisationsverifizierung erforderlich ist	Prüfen Sie `response_format`, `aspect_ratio`, `image_size`, den Ausgabemodus und modellspezifische Einschränkungen	Schlechte Parameter-Defaults können Kosten- und Qualitätstests verzerren
Referenzbilder	Bestätigen Sie die Handhabung von Bildeingaben für Bearbeitungen oder Responses-API-Workflows	Bestätigen Sie MIME-Typ, Base64-Payload und Grenzwerte für die Anzahl von Referenzbildern für das ausgewählte Modell	Creative- und E-Commerce-Workflows hängen oft von Referenzen ab
Sicherheit und Rechte	Wenden Sie Richtlinienprüfungen für hochgeladene Assets und generierte Ausgaben an	Wenden Sie Googles Leitlinien zu Rechten/Sicherheit und die Erwartung eines SynthID-Wasserzeichens an	Medienteams brauchen einen Prüfpfad, nicht nur generierte Dateien
Rate Limits	Prüfen Sie RPM, RPD, TPM, TPD, IPM, Projekt-/Organisationslimits und das `Retry-After`-Verhalten	Prüfen Sie RPM, TPM, RPD, IPM, Limits auf Projektebene und Limits für Preview-Modelle	Ein erfolgreicher Test-Prompt ist kein Produktions-Kapazitätsplan
Usage Accounting	Erfassen Sie Input-Text, Bildeingabe, Bildausgabe, Cache, Fehler und den Status akzeptierter Bilder	Erfassen Sie Input-Einheiten, Ausgabe-Bildauflösung, Bild-Token-Äquivalente, Such-Grounding-Gebühren falls verwendet, Fehler und den Status akzeptierter Bilder	Die Finanzabteilung braucht Kosten pro akzeptiertem Asset, nicht Kosten pro Versuch

Führen Sie diese Prüfungen zuerst aus. Wenn sie fehlschlagen, wird der Modellvergleich irreführend sein.

Kosten pro akzeptiertem Bild schlagen Kosten pro Request

Die Kosten der Bildgenerierung sind nicht abgeschlossen, wenn der Anbieter eine Datei zurückgibt. Für einen Media-Workflow bedeutet ein „erfolgreicher“ Request normalerweise, dass das Bild die Prüfung bestanden hat und verwendet werden kann.

Verwenden Sie diese normalisierte Kennzahl:

cost_per_accepted_image =
  (all_generation_cost + edit_cost + retry_cost + grounding_or_tool_cost)
  / accepted_images

Dann segmentieren Sie sie:

Segment	Was zu messen ist
Entwurfsgenerierung	Kosten pro nutzbarem Konzept, Latenz bis zum ersten Ergebnis, Ablehnungsrate von Prompts
Bildbearbeitung	Kosten pro akzeptierter Bearbeitung, Referenztreue, Anzahl der Iterationen
Kampagnenvarianten	Kosten pro freigegebener Variante, Wartezeit in der Batch-Queue, Aufwand für manuelle Prüfung
Produktbilder	Rate falscher Objekte, Verstöße gegen Markenregeln, erforderliche Nachbearbeitung
Von Agents generierte Medien	Kosten nach Aufgabe, Fallback-Rate und ob der Agent blind erneut versucht

Hier ist ein Multi-Model-Router wichtig. Flatkeys Positionierung ist ein Schlüssel, ein Guthaben und ein Nutzungsprotokoll über Modell- und Tool-Aufrufe hinweg. Für ein Team, das Bildgenerierung neben Chat-, Video-, Sprach- oder Agent-Workflows betreibt, liegt der operative Vorteil nicht nur im Modellzugang. Er liegt darin, jede Anfrage, jeden Tokentyp, jede Endpoint-Familie und jeden Fehler an einem Ort zu sehen.

Wie Flatkey in diesen Vergleich passt

Flatkey sollte nicht als magischer Rabatt-Schalter für jeden Bild-Workflow dargestellt werden. Die stärkere Aussage ist einfacher und quellengestützt: Flatkey gibt Teams eine API-Schicht für viele offizielle Modelle und Tools, ein Guthaben, eine Rechnung und ein Protokoll für Modell- und Tool-Nutzung.

Für dieses Thema sind die nützlichen Flatkey-Prüfpunkte:

Flatkey-Prüfpunkte	Ergebnis des Live-Feeds vom 13. September 2026	So wird es verwendet
Endpoint-Familie	`image-generation` wird zusammen mit `POST /v1/images/generations` aufgeführt	Bestätigt, dass im öffentlichen Router-Feed eine Route-Familie für Bildgenerierung existiert
GPT-Image-Zeilen	`gpt-image-2.5-sunburst`, `gpt-image-2.5-flare` und `gpt-image-2` erscheinen unter image-generation/OpenAI-kompatiblen Endpoint-Typen	Verwenden Sie Flatkey, wenn Sie GPT-Image-Traffic unter derselben Abrechnungs- und Protokollschicht wie andere KI-Routen haben möchten
Gemini-Bildzeilen	`gemini-3.1-flash-image`, `gemini-3.1-flash-lite-image`, `gemini-3-pro-image` und `gemini-2.5-flash-image` erscheinen unter Gemini/OpenAI-kompatiblen Endpoint-Typen	Nutzen Sie den Feed, um die aktuelle Verfügbarkeit der Google-seitigen Modelle zu prüfen und veraltete Imagen-Annahmen zu vermeiden
Ausgemusterte Imagen-Zeilen	Kein aktueller `imagen-4.0-*`-Image-Generation-Route wurde in der Feed-Prüfung bestätigt	Unterstellen Sie nicht, dass Flatkey ausgemusterte Imagen-API-Traffic-Routen abdeckt, es sei denn, eine zukünftige Feed-Prüfung bestätigt dies

Wenn der Workflow nur ein einzelner GPT-Image-Prototyp ist, kann eine direkte Provider-Integration ausreichen. Wenn der Workflow jedoch Teil eines breiteren Produktions-Stacks mit Chat-Prompts, Bildbearbeitungen, Nutzungslimits, Retries und Kostenprüfung ist, bietet ein Gateway wie Flatkey dem Team einen Ort, um Request-Checks und Ausgaben zu standardisieren.

Für Modellverfügbarkeit und Abrechnungsprüfung beginnen Sie mit dem Flatkey-Modellverzeichnis und Flatkey-Preisen.

Ein praktischer Evaluierungs-Workflow

Verwenden Sie diesen Workflow für GPT Image vs. Imagen API: Preis-Einheiten und Request-Checks, bevor Sie Produktions-Traffic routen.

Veraltete Imagen-Sprache ersetzen. Wenn eine Spezifikation, ein Ticket oder ein Prompt imagen-4.0-* erwähnt, aktualisiere es auf das aktuelle Google-Modell, das getestet wird, meist ein Nano Banana-Modell.
Drei repräsentative Aufgaben einfrieren. Füge eine einfache Generierung, eine referenzbasierte Bearbeitung und eine kreative mehrstufige Überarbeitung hinzu.
Ausgabeanforderungen standardisieren. Lege das Seitenverhältnis, die Bildgröße, das Format, die Auflösung und die Prüfkriterien vor dem Testen fest.
Anbieter-Einheiten schätzen. Bei GPT Image Text- und Bild-Tokens modellieren. Bei Nano Banana Input-Tokens und Entsprechungen für die Ausgabeauflösung modellieren.
Fehlgeschlagene Versuche erfassen. Ungültige Anfragen, Sicherheitsblockierungen, Rate Limits, Timeouts und Review-Fehler getrennt zählen.
Wirtschaftlichkeit akzeptierter Bilder berechnen. Kosten pro akzeptiertem Asset verwenden, nicht Kosten pro Rohanfrage.
Route-Verfügbarkeit prüfen. Modell-ID, Endpunktfamilie, Account-Tier, Organisations-/Projektlimits und den Deprecation-Status am Starttag bestätigen.
Routing-Policy festlegen. Direkte Integration für enge Single-Provider-Tests beibehalten; ein Gateway verwenden, wenn mehrere Modelle, Teams oder Budgets denselben Workflow teilen.

Welche API sollte ein Media-Team wählen?

Wähle GPT Image zuerst, wenn dein Team die aktuellen Bildmodelle von OpenAI nutzen möchte, wenn deine bestehende App bereits OpenAI-SDK-Muster verwendet oder wenn der Workflow die Trennung zwischen Image API und Responses API benötigt.

Wähle Googles aktuellen Nano Banana-Pfad zuerst, wenn dein Team bereits in Gemini entwickelt, Gemini-spezifische Bildfunktionen benötigt oder Googles aktuelle Bildmodelle nach der Abschaltung von Imagen testen möchte.

Nutze Flatkey, wenn die Antwort nicht ein Anbieter ist. Das ist für Media-Teams häufig der Fall, weil echte Produktions-Stacks Bildgenerierung, Bearbeitungen, Chat-Prompts, Asset-Reviews, Kampagnenvarianten und Kostenberichte mischen. Eine gemeinsame Routing-Schicht ermöglicht es dem Team, Anbieter zu testen und gleichzeitig Nutzungssteuerung und Abrechnung konsistent zu halten.

Häufige Fragen

Ist die Imagen API in der Gemini API noch aktiv?

Googles Deprecation-Seite, geprüft am 13. September 2026, listet Imagen-4-Generate-Modelle mit einem Abschaltdatum vom 17. August 2026. Für neue Google-Arbeiten zur Bildgenerierung verwende die aktuelle Nano Banana-Modellfamilie, die unter Gemini-Bildgenerierung dokumentiert ist.

Wird GPT Image pro Bild oder pro Token berechnet?

Die aktuelle GPT-Image-Preistabelle von OpenAI führt Bildgenerierungsmodelle nach Modalität auf, mit Text- und Bildpreisen pro 1 Mio. Tokens. Kostenschätzungen sollten Prompt-Text, Bildeingaben für Bearbeitungen oder Referenzen, generierte Bildausgaben, Cache-Verhalten und alle Batch-Annahmen berücksichtigen.

Warum zeigt die Preisseite von Google Zahlen pro Bild an?

Google listet die Bildausgabe von Nano Banana nach Tokens und gibt dann anhand der Ausgabeauflösung entsprechende Werte pro Bild an. Zum Beispiel wird die Bildausgabe von gemini-3.1-flash-image mit 60 $ pro 1 Mio. Tokens berechnet, mit aufgeführten Entsprechungen für 0,5K-, 1K-, 2K- und 4K-Bilder.

Was sollte ich für einen Vergleich von Bild-APIs protokollieren?

Modell-ID, Endpunkt, Länge des Prompt-Texts, Anzahl der Referenzbilder, Ausgabegröße, Bild-Token-Ausgabe oder Entsprechung pro Bild, Rate-Limit-Header oder Fehler, Grund für einen erneuten Versuch, Review-Ergebnis und Status des akzeptierten Bildes protokollieren.

Wo hilft Flatkey?

Flatkey hilft, wenn Bildgenerierung Teil eines größeren KI-Produkt-Workflows ist. Anstatt separate Provider-Schlüssel, Rechnungen und Nutzungs-Dashboards zu verwalten, können Teams Modellaufrufe über einen Schlüssel routen und die Nutzung über ein gemeinsames Guthaben und Hauptbuch einsehen.