Bildmodelle verwandeln einen Text-Prompt — und optional ein Referenzbild oder eine Maske — in ein fertiges Rasterbild. Die Kategorie deckt alles ab: fotorealistische Produktshots, vektorartige Illustrationen, kontrolliertes Inpainting und Outpainting. Du greifst zu einem Bildmodell, wenn du markenkonforme Visuals in grosser Menge brauchst, wenn die Warteschlange beim Designer der Engpass ist oder wenn du ein Generierungs-Feature in deinem eigenen Produkt ausliefern willst.
Anders als bei Textmodellen wird Bildgenerierung pro Aufruf abgerechnet, nicht pro Token. Auf Railwail kostet ein einzelnes Bild derzeit zwischen unter einem halben Cent (FLUX Schnell, 0,0036 USD) und rund elf Cent (Ideogram v3 Quality, 0,108 USD); FLUX 1.1 Pro und Imagen 4 kosten 0,048 USD pro Bild. Höhere Auflösungen und mehr Diffusionsschritte kosten anteilig mehr. Manche Anbieter exponieren einen separaten Edit-Endpoint mit eigener Rate — schau in die Modellkarte, bevor du integrierst.
Der Kern-Trade-off ist Fotorealismus gegen Steuerbarkeit. Diffusion-Flagships (FLUX 1.1 Pro, Imagen 4, Recraft V3) produzieren Magazin-Qualität, ignorieren aber etwa in der Hälfte der Fälle detaillierte kompositorische Anweisungen. Kleinere Modelle (SDXL, Playground V3, Stable Diffusion 3.5) kosten zehnmal weniger, rendern in unter zwei Sekunden und lassen sich mit ControlNet, IP-Adapter oder LoRA steuern. Für Batch-Produktion gewinnt fast immer die kleinere, steuerbare Pipeline. Für einzelne Hero-Shots greif zum Flagship.
Achte auf Kontext-Verdünnung in Bild-Prompts: Die meisten Diffusionsmodelle nutzen nur etwa 75 Tokens des Prompts produktiv. Stopfst du zwölf Adjektive und drei Stil-Referenzen rein, mittelt das Modell sie meist heraus, statt sie zu stapeln. Schreib zuerst Subjekt, Handlung und Beleuchtung. Alles nach dem dritten Teilsatz hat sinkenden Einfluss auf das Ergebnis.
Lizenzen sind wichtig: Die meisten Anbieter gewähren eine zeitlich unbegrenzte kommerzielle Nutzungslizenz für generierte Bilder. Wenige (FLUX Schnell Free-Tier, einige offene Checkpoints) beschränken auf nicht-kommerzielle Nutzung. Die Modellkarte sagt es klar — lies sie, bevor das Ergebnis auf einer Plakatwand landet.
Die Top-Picks unten decken das Fotorealismus-Flagship, das günstigste Arbeitspferd, das Modell für die längsten Prompts und die schnellste Echtzeit-Option ab.