Wissen
KI-Modelle für Bild und Video.
Welche Modelle es gibt, wer dahintersteht und was sie annehmen und ausgeben. Die Angaben stammen aus den Seiten und Dokumentationen der Hersteller und sind mit Quelle verlinkt. Wir verkaufen keinen Zugang zu diesen Modellen und bekommen kein Geld für die Nennung.
Laufend aktualisiert
Modelle, Grenzen und Preise ändern sich oft. Deshalb gleichen wir die Übersicht regelmäßig mit den Seiten der Hersteller ab: Neue Modelle kommen dazu, eingestellte nehmen wir heraus, geänderte Angaben passen wir an. Jede Karte verlinkt auf ihre Quelle.
- Modelle
- 35
- Hersteller
- 14
Bild
Modelle für Bilder.
Erzeugen Bilder aus einer Beschreibung, viele zusätzlich aus Referenzbildern oder als Bearbeitung eines vorhandenen Bildes.
Adobe · Vereinigte Staaten
Firefly Image Model 5
Fotorealistische Bilder, Porträts und Gruppen, Bearbeitung per Beschreibung; laut Adobe trainiert mit Adobe Stock, gemeinfreien und lizenzierten Inhalten.
- Eingaben:
- Text, Referenzbild, Stil- und Aufbauvorlagen
- Ausgabe:
- 4 Megapixel
- Zugang:
- Adobe Firefly (Web) und Adobe-Programme
- Offene Gewichte:
- nein
Alibaba (Qwen) · China
Qwen-Image 3.0 / 3.0 Pro
Komplexe Layouts und kleine Schrift in mehreren Sprachen; Erzeugen und Bearbeiten in einem Modell.
- Eingaben:
- Text, 1 bis 3 Bilder zum Bearbeiten
- Ausgabe:
- bis 2048 × 2048 Pixel; bis zu 6 Bilder je Anfrage
- Zugang:
- Qwen Chat, Alibaba Cloud Model Studio (API)
- Offene Gewichte:
- nein
Alibaba (Tongyi) · China
Z-Image Turbo
Kleines Modell mit 6 Milliarden Parametern, schreibt Text auf Chinesisch und Englisch ins Bild; läuft laut Hersteller mit 16 GB Grafikspeicher.
- Eingaben:
- Text
- Ausgabe:
- bis 2048 × 2048 Pixel (Model Studio)
- Zugang:
- Gewichte auf Hugging Face (Apache-2.0), Alibaba Cloud Model Studio (API)
- Offene Gewichte:
- ja
- Veröffentlicht:
- November 2025
Alibaba (Wan) · China
Wan 2.7 Image / Image Pro
Erzeugt und bearbeitet Bilder, auch mehrere zusammen; Bearbeitung in markierten Bereichen, Markenfarben und Bildserien mit gleichbleibenden Figuren.
- Eingaben:
- Text, Bilder zum Bearbeiten (Pro bis 9), markierte Bereiche
- Ausgabe:
- Pro bis 4096 × 4096 Pixel, sonst bis 2048 × 2048
- Zugang:
- Alibaba Cloud Model Studio (API)
- Offene Gewichte:
- nein
- Veröffentlicht:
- April 2026
Black Forest Labs · Deutschland
FLUX 3 Image Klein
Kleines Modell mit offenen Gewichten (5,6 Milliarden Parameter) für Erzeugen, Bearbeiten und das Kombinieren mehrerer Referenzen.
- Eingaben:
- Text, bis zu 10 Referenzbilder, markierte Bereiche
- Ausgabe:
- 1 Bild je Anfrage; Auflösung nicht angegeben
- Zugang:
- Gewichte auf Hugging Face (FLUX Kommunity License; kommerziell nur eingeschränkt)
- Offene Gewichte:
- ja
- Veröffentlicht:
- Oktober 2026
Black Forest Labs · Deutschland
FLUX 3 Image
Erzeugt und bearbeitet Bilder; Aufbau des Bildes über markierte Bereiche steuerbar, mehrere Referenzen kombinierbar.
- Eingaben:
- Text, bis zu 10 Referenzbilder, markierte Bereiche
- Ausgabe:
- 2K und 4K
- Zugang:
- BFL API; Gewichte für eigenen Betrieb nur mit kommerzieller Lizenz
- Offene Gewichte:
- nein
ByteDance · China
Seedream 5.0 Lite
Bildmodell für Erzeugung und Bearbeitung, das für aktuelle Themen im Netz nachsehen kann.
- Eingaben:
- Text, Bilder zum Bearbeiten
- Ausgabe:
- Auflösung nicht angegeben
- Zugang:
- Dola, BytePlus (API)
- Offene Gewichte:
- nein
ByteDance · China
Seedream 5.0 Pro
Bildmodell mit Schlussfolgern, für textreiche Layouts und Infografiken; bearbeitet nach Skizzen und Anmerkungen, auch in Ebenen.
- Eingaben:
- Text, Referenzbilder, Skizzen, Anmerkungen
- Ausgabe:
- Auflösung nicht angegeben
- Zugang:
- Dola, BytePlus ModelArk (API)
- Offene Gewichte:
- nein
Google · Vereinigte Staaten
Nano Banana 2.1
Erzeugt und bearbeitet Bilder im Dialog, mit einstellbarer Denktiefe und optionaler Anbindung an die Google-Suche.
- Eingaben:
- Text, bis zu 14 Referenzbilder, Video
- Ausgabe:
- 1K, 2K oder 4K; unsichtbares Wasserzeichen (SynthID)
- Zugang:
- Gemini API, Google AI Studio
- Offene Gewichte:
- nein
- Veröffentlicht:
- Oktober 2026
Google · Vereinigte Staaten
Nano Banana 2 Lite
Günstigste Variante der Nano-Banana-Reihe; laut Google weniger geeignet für viele Referenzen und Bearbeitung über mehrere Schritte.
- Eingaben:
- Text, Referenzbilder
- Ausgabe:
- 1K; unsichtbares Wasserzeichen (SynthID)
- Zugang:
- Gemini API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Juni 2026
Google · Vereinigte Staaten
Nano Banana Pro
Größeres Nano-Banana-Modell für aufwendigere Aufgaben; kann Text und Bilder abwechselnd ausgeben.
- Eingaben:
- Text, Referenzbilder für Objekte und Stil
- Ausgabe:
- 1K, 2K oder 4K; unsichtbares Wasserzeichen (SynthID)
- Zugang:
- Gemini API
- Offene Gewichte:
- nein
- Veröffentlicht:
- November 2025
Ideogram · Kanada
Ideogram 4.5
Erzeugt Bilder und bearbeitet genau innerhalb einer Maske; Hintergrund auch transparent.
- Eingaben:
- Text oder JSON, bis zu 5 Referenzbilder, Maske
- Ausgabe:
- 1K oder 2K; transparenter Hintergrund möglich
- Zugang:
- Ideogram (Web), Ideogram API
- Offene Gewichte:
- nein
Kuaishou (Kling AI) · China
Kling Image 3.0
Bildmodell von Kling, das Bildserien in gleichbleibendem Stil erzeugt.
- Eingaben:
- Text, Bilder
- Ausgabe:
- 4K
- Zugang:
- Kling AI (Web, App), Kling API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Februar 2026
Midjourney · Vereinigte Staaten
Midjourney V8.2
Standardmodell von Midjourney mit Schwerpunkt auf Bildwirkung und persönlichem Stil; Bearbeitung über das Edit-Modell.
- Eingaben:
- Text, Bildvorlagen, Stilreferenzen
- Ausgabe:
- HD bis 2048 Pixel; Seitenverhältnis bis 14:1
- Zugang:
- Midjourney-Web-App, Discord; keine API genannt
- Offene Gewichte:
- nein
- Veröffentlicht:
- Juli 2026
OpenAI · Vereinigte Staaten
GPT Image 2.5 Flare
Schnellere Variante von GPT Image 2.5 für alltägliche Bilder, mit Bearbeitung einzelner Bildbereiche.
- Eingaben:
- Text, Bilder
- Ausgabe:
- bis 3840 Pixel Kantenlänge; PNG, JPEG, WebP
- Zugang:
- OpenAI API
- Offene Gewichte:
- nein
- Veröffentlicht:
- September 2026
OpenAI · Vereinigte Staaten
GPT Image 2.5 Sunburst
Erzeugt und bearbeitet Bilder; ausgelegt auf Arbeitsabläufe, in denen genaue Bearbeitung zählt.
- Eingaben:
- Text, Bilder
- Ausgabe:
- bis 3840 Pixel Kantenlänge; PNG, JPEG, WebP
- Zugang:
- ChatGPT, OpenAI API
- Offene Gewichte:
- nein
- Veröffentlicht:
- September 2026
Recraft · Vereinigte Staaten
Recraft V4.1
Erzeugt Pixelbilder und echte Vektorgrafiken (SVG) mit eigenen Stilen, dazu Varianten für Mockups und Produktbilder.
- Eingaben:
- Text, 1 bis 6 Bilder, bis zu 10 Stilreferenzen, Farbvorgaben
- Ausgabe:
- 1K, Pro 2K; WebP, PNG oder SVG
- Zugang:
- Recraft (Web), Recraft API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Mai 2026
xAI · Vereinigte Staaten
Grok Imagine Image 2.0
Erzeugt Bilder und bearbeitet mehrere Bilder zusammen, etwa um Motive zu kombinieren oder einen Stil zu übertragen.
- Eingaben:
- Text, bis zu 5 Bilder zum Bearbeiten
- Ausgabe:
- bis zu 10 Bilder je Anfrage; Formate bis 21:9
- Zugang:
- Grok-Apps, xAI API
- Offene Gewichte:
- nein
Video
Modelle für Videos.
Erzeugen kurze Clips aus Text oder aus einem Startbild, einige mit Ton. Die Länge je Clip liegt meist im Bereich von Sekunden.
Adobe · Vereinigte Staaten
Firefly Video Model
Videomodell, laut Adobe trainiert mit lizenzierten und gemeinfreien Inhalten und für kommerzielle Nutzung ausgelegt.
- Eingaben:
- Text, optional Startbild
- Ausgabe:
- Auflösung und Länge für dieses Modell nicht angegeben
- Zugang:
- Adobe Firefly (Web)
- Offene Gewichte:
- nein
Alibaba · China
HappyHorse 1.1
Text, Startbild oder Referenzen zu Video.
- Eingaben:
- Text, Startbild, Referenzbilder
- Ausgabe:
- 480p bis 1080p; 3 bis 15 Sekunden; mit Ton
- Zugang:
- Alibaba Cloud Model Studio (API)
- Offene Gewichte:
- nein
Alibaba (Wan) · China
Wan 2.7 Video
Vier Modelle: Text zu Video, Bild zu Video, Referenz zu Video und Videobearbeitung.
- Eingaben:
- Text, Start- und Endbild, Audio, Video zum Fortsetzen, Referenzen
- Ausgabe:
- 720p oder 1080p; 2 bis 15 Sekunden; Ton synchron
- Zugang:
- Alibaba Cloud Model Studio (API), wan.video
- Offene Gewichte:
- nein
- Veröffentlicht:
- April 2026
Alibaba (Wan) · China
Wan 2.6 Video
Text, Bild oder Referenzen zu Video, mit schnelleren Flash-Varianten.
- Eingaben:
- Text, Bild, Referenzbilder und -videos
- Ausgabe:
- 720p oder 1080p; 2 bis 15 Sekunden; Ton synchron
- Zugang:
- Alibaba Cloud Model Studio (API)
- Offene Gewichte:
- nein
Alibaba (Wan) · China
Wan 3.0 Video
Ein Modell für Erzeugen, Bearbeiten und Verlängern, auch aus einem Dokument oder einer Webseite; noch als Vorschau.
- Eingaben:
- Text, Start- und Endbild, bis zu 10 Bilder, 5 Videos, 5 Audioclips, ein Dokument, ein Link
- Ausgabe:
- 480p bis 1080p; 2 bis 30 Sekunden; mit Ton
- Zugang:
- Alibaba Cloud Model Studio (API)
- Offene Gewichte:
- nein
Black Forest Labs · Deutschland
FLUX 3 Video
Text, Bild oder Video zu Video mit festgelegten Schlüsselbildern und günstigen Entwürfen vorab; noch als Vorschau.
- Eingaben:
- Text, 1 bis 10 Schlüsselbilder, Startvideo zum Fortsetzen
- Ausgabe:
- bis 4K, 24 Bilder pro Sekunde; 5 bis 20 Sekunden; mit Ton und Sprache
- Zugang:
- BFL API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Juli 2026
ByteDance · China
Seedance 2.0
Erzeugt Bild und Ton zusammen aus vier Arten von Eingaben; eine Fast-Variante antwortet schneller.
- Eingaben:
- Text, bis zu 9 Bilder, 3 Videoclips, 3 Audioclips
- Ausgabe:
- 480p oder 720p; 4 bis 15 Sekunden; mit Ton
- Zugang:
- Dola, BytePlus (API)
- Offene Gewichte:
- nein
- Veröffentlicht:
- Februar 2026
ByteDance · China
Seedance 2.5
Erzeugt Bild und Ton zusammen, versteht Referenzvideos, bearbeitet Videos und steuert die Kamera.
- Eingaben:
- Text, Bilder, Referenzvideos, Audio
- Ausgabe:
- bis 30 Sekunden je Durchgang, zweimal verlängerbar; mit Ton
- Zugang:
- Dola, Jimeng, BytePlus ModelArk (API)
- Offene Gewichte:
- nein
Google · Vereinigte Staaten
Gemini Omni Flash
Erzeugt und bearbeitet Videos im Dialog und behält Figuren und Szene über mehrere Schritte bei; von Google inzwischen als Standard-Videomodell der Gemini API empfohlen.
- Eingaben:
- Text, Bilder (Start- und Endbild, Motive), Videos zum Bearbeiten und Verlängern
- Ausgabe:
- bis 720p, hochskaliert 1080p oder 4K; verlängerbar bis 40 Sekunden; mit Ton
- Zugang:
- Gemini-App, Flow, YouTube Shorts, Google Vids, Gemini API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Juni 2026
Google · Vereinigte Staaten
Veo 3.1 (Standard, Fast, Lite)
Videos mit Ton, aus Text oder zwischen Start- und Endbild, mit Referenzbildern und Verlängerung; in der Gemini API noch als Vorschau.
- Eingaben:
- Text, Startbild, Start- und Endbild, bis zu 3 Referenzbilder (nicht Lite)
- Ausgabe:
- 720p, 1080p oder 4K (nicht Lite); 4, 6 oder 8 Sekunden, verlängerbar bis 148 Sekunden; mit Ton
- Zugang:
- Gemini-App, Flow, Gemini API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Oktober 2025
Kuaishou (Kling AI) · China
Kling 4.0 / 4.0 Flash
Lange Einstellungen ohne Schnitt, gesteuert über mehrere Schlüsselbilder und Referenzen, Lippensynchronität in 9 Sprachen; zunächst im Vorabzugang.
- Eingaben:
- Text, bis zu 10 Bilder, 5 Videos, 10 Schlüsselbilder, Audio
- Ausgabe:
- bis 30 Sekunden; Stereoton
- Zugang:
- Kling AI (App); API nicht genannt
- Offene Gewichte:
- nein
- Veröffentlicht:
- September 2026
Kuaishou (Kling AI) · China
Kling Video 3.0
Mehrere Einstellungen in einem Clip mit Ton und Lippensynchronität, Figuren bleiben gleich.
- Eingaben:
- Text, Bild, Start- und Endbild, Elementreferenz
- Ausgabe:
- 3 bis 15 Sekunden; mit Ton
- Zugang:
- Kling AI (Web, App), Kling API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Februar 2026
Kuaishou (Kling AI) · China
Kling Video 3.0 Omni (O3)
Verbindet Bild-, Video- und Tonreferenzen in einem Modell; Stimmen einzelner Elemente steuerbar.
- Eingaben:
- Text, Bild, Start- und Endbild, mehrere Bild- und Videoreferenzen
- Ausgabe:
- bis 15 Sekunden; mit Ton
- Zugang:
- Kling AI (Web, App), Kling API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Februar 2026
Luma AI · Vereinigte Staaten
Luma Ray3.2
Steuerung bis auf einzelne Bilder, Anschlüsse über Schnitte hinweg und HDR-Ausgabe für die Farbkorrektur; erzeugt keinen Ton.
- Eingaben:
- Text, Bild, bis zu 16 Schlüsselbilder, Video zum Verändern
- Ausgabe:
- bis 1080p, HDR und EXR; 5 oder 10 Sekunden; ohne Ton
- Zugang:
- Luma (Web), Luma API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Juni 2026
MiniMax · China
MiniMax H3 (Hailuo)
Ein Modell für Bild, Stimme, Geräusche und Musik, das gemischte Eingaben in einer Beschreibung verarbeitet; die offenen Gewichte liefern 768p, das 2K-Modul nicht.
- Eingaben:
- Text, Bilder, Video, Audio
- Ausgabe:
- 2K (günstiger 768p); bis 15 Sekunden; Stereoton
- Zugang:
- Hailuo, MiniMax API; Gewichte auf Hugging Face (eigene Community-Lizenz)
- Offene Gewichte:
- ja
- Veröffentlicht:
- Juli 2026
Runway · Vereinigte Staaten
Runway Gen-4.5
Text- und Bild-zu-Video-Modell von Runway.
- Eingaben:
- Text, Bild
- Ausgabe:
- Auflösung und Länge nicht angegeben
- Zugang:
- Runway (bezahlte Pläne), Runway API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Dezember 2025
xAI · Vereinigte Staaten
Grok Imagine Video 1.5 / 1.5 Lite
Video nach Bild- und Stimmreferenzen mit festgelegten Schlüsselbildern und lippensynchroner Sprache; Lite nimmt nur Text und Bild.
- Eingaben:
- Text, Bild, bis zu 14 Referenzbilder, 3 Stimmreferenzen, bis zu 4 Schlüsselbilder
- Ausgabe:
- 1080p (Lite hochskaliert aus 720p); 1 bis 15 Sekunden; mit Ton
- Zugang:
- Grok-Apps, xAI API
- Offene Gewichte:
- nein
- Veröffentlicht:
- Juli 2026
Fehlt ein Modell oder ist eine Angabe veraltet? Schreib uns. Zum Kontaktformular
Nicht mehr aufgeführt, weil eingestellt: OpenAI Sora 2 (24. September 2026), Google Imagen 4 (Gemini API, 17. August 2026) und das erste Nano Banana (Gemini 2.5 Flash Image). Nano Banana 2 und GPT Image 2 haben Nachfolger.
Worauf achten
Bevor du ein Modell einsetzt.
Rechte und Nutzung
Ob du Ergebnisse kommerziell nutzen darfst, regeln die Bedingungen des Anbieters, über den du das Modell nutzt. Bei Personen, Marken und Werken Dritter gelten zusätzlich Persönlichkeits-, Marken- und Urheberrecht.
Kennzeichnung
Wer mit KI erzeugte oder veränderte Bilder, Videos oder Töne veröffentlicht, die echt wirken (Deepfakes), muss sie seit dem 2. August 2026 nach Art. 50 der KI-Verordnung offenlegen.
Mehr zur KI-Verordnung →Original oder Weiterverkäufer
Viele Seiten tragen bekannte Modellnamen in der Adresse, gehören aber nicht dem Hersteller, sondern verkaufen den Zugang weiter. Prüfe, wer hinter dem Angebot steht, wohin deine Daten gehen und welche Bedingungen gelten.
Daten und Standort
Hochgeladene Bilder und Beschreibungen landen beim Anbieter. Für Material von Kunden oder mit Personen brauchst du eine Rechtsgrundlage und oft einen Vertrag zur Auftragsverarbeitung. Modelle mit offenen Gewichten lassen sich auch auf eigener Hardware betreiben.
Aus dem Blog
Ein Bildmodell im echten Einsatz.
Künstliche Intelligenz ·
KI-Produktbilder: Warum das Abo teurer war als die eigene Lösung
Praxisbeispiel LANAKILA: Wie aus einem Plattform-Abo für KI-Produktbilder eine eigene Desktop-App mit direkter Anbindung an Googles Bild-KI wurde – und was das pro Bild ausmacht.
Artikel lesen →FAQ
Häufige Fragen.
Welches Modell ist das beste?
Was bedeutet „offene Gewichte“?
Woher stammen die Angaben?
Helft ihr bei der Auswahl und Einbindung?
Gibt es ein fertiges Werkzeug für KI-Produktbilder?
Lohnt sich die direkte Anbindung statt einer Plattform mit Credits?
KI-Beratung
Welches Modell passt zu deiner Aufgabe?
Wir vergleichen Bild- und Videomodelle für deinen Fall nach Ergebnis, laufenden Kosten und Datenschutz, testen sie mit deinem eigenen Material und zeigen, ob sich die direkte Anbindung an die Schnittstelle des Herstellers lohnt – statt einer Plattform mit Abo und Credits.
Aus unserer Praxis
RENEKI: KI-Bildgenerierung für Teams.
Für LANAKILA haben wir eine Desktop-App gebaut, die aus Produktfotos neue Motive erzeugt: mit Bildmodellen direkt über die Schnittstelle des Herstellers, Prompt-Bausteinen per Klick und den Kosten zu jedem Bild. Designs und Schnittvorlagen bleiben auf dem Rechner, nur das fertige Bild geht in den Shop.
RENEKI gibt es auch für dein Unternehmen: Wir richten es ein und passen es auf Wunsch an euer Team, eure Modelle und euren Shop an.
Was das an Kosten spart →Du suchst ein fertiges Werkzeug statt eines Modells? Zum KI-Tools-Verzeichnis →