Im direkten Vergleich machen Muse, Gemini und ChatGPT Images 2.0 gerade einen spürbaren Schritt nach vorn. Die Bilder sind klar besser geworden: Hände passen öfter, der Aufbau von Szenen hält, und selbst Text klappt meist zuverlässiger. Gleichzeitig fällt etwas anderes ins Auge: Viele Motive wirken inzwischen auffällig glatt, geschniegelt und fast schon wie Werbematerial.
Bessere Hände, stabilere Szenen und lesbarer Text
Bei allen drei Werkzeugen kann man inzwischen meist deutlich stimmigere Szenen erwarten. Auffällige Patzer, schiefe Finger, ineinanderfallende Gegenstände oder diese typischen zerfallenden Hände, tauchten in unserem Vergleich seltener auf.
Vor allem bei einfachen Motiven lief es in unserem Test sehr gut. Ein Beispiel: eine Katze auf einem Koffer neben einem Regenschirm. Genau an solchen Vorgaben sieht man, dass Positionsangaben inzwischen besser verstanden und auch sauberer umgesetzt werden. Auch Innenräume, Straßenszenen und ganz normale Alltagssituationen wirkten auf den ersten Blick schlüssig.
Ein echter Fortschritt zeigt sich auch beim Text. In einem Test mit dem Poster eines fiktiven Coffee Shops lieferten alle drei Tools brauchbare, lesbare Schrift.
ChatGPT Images 2.0 hat sich an dieser Stelle ebenfalls verbessert, auch bei nicht-lateinischen Schriften. Genau solche Fortschritte treiben die Nutzung in großen Märkten an.
Der neue Schwachpunkt: der Premium-Look
Technisch sind die Modelle stabiler geworden. Dafür springt jetzt ein anderes Problem umso stärker ins Auge. Viele Motive sehen aus wie Werbekampagnen: zu sauber, zu perfekt ausgeleuchtet, zu sorgfältig arrangiert.
Müde Büroangestellte wirken oft eher wie Models aus einer Kampagne. Straßenszenen haben zwar die richtigen Objekte, aber oft fehlt das, was echte Bilder glaubwürdig macht: Schmutz, Zufall, kleine Reibungen. Wohnungen erinnern dadurch schnell eher an perfekt inszenierte Immobilienfotos.
Dieses Fake-Premium-Gefühl zog sich in unserem Vergleich durch viele Beispiele. Gerade bei lokal geprägten Motiven bleibt das sichtbar.
Eine Straßenessenszene in Manila zeigte bei Meta Muse und Google Gemini zwar typische Details wie Plastikhocker, nassen Asphalt, Motorräder, Dampf und Planen, wirkte am Ende aber trotzdem zu glatt und geschniegelt.
Die Anbieter setzen unterschiedliche Schwerpunkte
Meta sieht Muse eher als soziales Bildwerkzeug innerhalb der eigenen Apps. Google legt bei Gemini den Fokus auf Tempo, Bearbeitung und eine enge Einbindung. OpenAI stellt bei ChatGPT Images 2.0 eher Text, visuelle Kontrolle und den Umgang mit komplexeren Prompts in den Vordergrund.
Am Ende rücken die Bilder trotzdem oft nah zusammen: attraktiv, sauber, hell und auf ein breites Publikum zugeschnitten.
Tempo, Präzision und Sonderwünsche
Meta Muse und Google Gemini arbeiteten in unserem Vergleich meistens schneller. ChatGPT Images 2.0 lieferte früh schon ein starkes, einfaches Motiv, hatte bei einem Poster im Alltagstest aber spürbare Probleme: mehr als drei Minuten Wartezeit, drei Fehlversuche und erst in einem neuen Chat kam am Ende ein brauchbares Ergebnis heraus.
Google Gemini erzeugte zwischendurch eher ein Foto von einem Poster als das Poster selbst.
Auch sehr spezielle Produktwünsche bleiben heikel. Die Anfrage nach Open-Ear-Wireless-Earbuds führte bei allen drei Modellen zu generischen, hochwertig wirkenden Ergebnissen, die in der Sache aber ungenau waren.
Marktprognosen rechnen für 2026 mit 12,4 Milliarden, bei mehr als 150 Millionen monatlich aktiven Nutzern und rund 80 Millionen erzeugten Bildern pro Tag. Berichten zufolge erkennen Menschen solche Bilder nur noch in 38 Prozent der Fälle. Verraten wird das Bild immer seltener durch Fehler, sondern durch seine verdächtige Perfektion.
Downloads: Download Gemini für Android und iOS; Download ChatGPT für Android und iOS
