Welches Bildmodell soll die Wörter setzen? Vier Familien, vier verschiedene Anforderungen

Eine Schlagzeile, ein Etikett oder ein Schild richtig geschrieben zu bekommen ist die Anforderung, die Bildmodelle am deutlichsten trennt. Vier Familien im LUVI-Katalog lösen das gut, und das Interessante daran ist, dass sie nicht denselben Satz wollen. Am 22. September 2026 lag ein Bild bei 30 Credits auf GPT Image 2.5 Flare in der mittleren Stufe, 105 auf Qwen Image Max, 120 auf Grok Imagine Image 2.0 und 144 auf Seedream 5.0 Pro. Das hier verlangt jede von dir.

Seedream: gib den Wörtern eine Oberfläche

Seedream behandelt Typografie als eine seiner Stärken, und sein Leitfaden verlangt etwas, das die anderen nicht verlangen: einen physischen Gegenstand, auf dem der Text steht. „Neon sign reading…“, „engraved brass plate“, „handwritten chalk“. Zuerst die Oberfläche, dann wird die Schrift so spezifiziert, wie es eine gestaltende Person täte: Schnitt, Gewicht, Schreibung, Farbe und eine Position im Raster.

Zwei Regeln gehören dazu. Der Text steht in doppelten Anführungszeichen in der Zielschrift – echte Glyphen, nie umschrieben –, und unzitierter Text ergibt die Vorstellung eines Schildes statt der Wörter selbst. Und jede Zeile bleibt bei etwa drei bis fünf Wörtern.

Qwen-Image: gib ihnen eine Position und eine Gestaltung

Qwen-Image ist um mehrzeiligen, zweisprachigen Text herum gebaut, und seine Anforderung ist die mechanischste der vier: Zeichenfolge in Anführungszeichen, sag wo sie steht, sag wie sie aussieht. „A dark blue sign reads "Il Messaggero" in white Gothic lettering, top-left“ ist das ganze Muster.

Räumliche Beziehungen werden hier wörtlich gelesen, deshalb leisten „center-right“ und „top third“ echte Arbeit. Die Grenze der Familie liegt bei der Sprache: Alibabas Dokumentation nennt vereinfachtes Chinesisch und Englisch als unterstützt und hält fest, dass andere Sprachen versucht werden können, ohne Zusicherung.

Grok Imagine Image 2.0: gib ihnen eine Hierarchie

Image 2.0 plant das Layout und will daher Ebenen statt Positionen. Benenne das Stück – Konzertplakat, Müslischachtel, App-Startbildschirm – und beschreib dann die Hierarchie: eine große Schlagzeile, eine Unterzeile halb so groß, ein vierzeiliger Credits-Block am Fuß.

Eine Eigenart gehört eingeplant. Das Literal in Anführungszeichen groß zu schreiben bringt das Modell dazu, es als zu setzenden Inhalt zu behandeln, mit der Nebenwirkung, dass es gern in Versalien setzt. Wenn die Schreibung zählt, zitier ohne Versalien.

GPT Image 2.5: wenige Blöcke, und ein Zaun gegen Phantomtext

GPT Image 2.5 nimmt zitierten Text oder VERSALIEN und will die Schrift danach als eigene räumliche Auflage beschrieben haben, nicht in dieselbe Wendung gepackt. Seine beiden praktischen Grenzen unterscheiden sich von den anderen: Halte jede Textzone bei fünf Wörtern oder weniger, und halte die Zahl der Blöcke klein, denn mehrere Textblöcke in einem Bild neigen dazu, ineinander zu verlaufen.

Ihm hilft außerdem ein ausdrücklicher Zaun gegen erfundene Buchstaben („no other visible words, no random letters, no duplicate text“) und die Zusicherung der Einmaligkeit: Setz die Zeile genau einmal.

Also welches?

Bring die Anforderung mit der Aufgabe zur Deckung, nicht mit dem Preis.

• Ein Schild, eine Plakette, eine Ladenfront – Text, der zu einem Gegenstand gehört. Seedream, weil man es über die Oberfläche anspricht.
• Mehrere Zeichenfolgen, präzise in einem Bild platziert. Qwen-Image, weil die Position wörtlich gelesen wird und mehrzeiliger Text nativ läuft.
• Ein Plakat, ein Cover, eine Verpackungsfront – Text, der das Design ist. Grok Imagine Image 2.0, weil es die Hierarchie für dich baut.
• Eine einzelne kurze Zeile in einem sonst fotografischen Bild. GPT Image 2.5, das günstigste der vier in der mittleren Stufe, solange du wenige Blöcke behältst.

Eine Überlegung liegt außerhalb der Textfrage: die Bearbeitungsmodelle. Müssen die Wörter auf einem bereits bestehenden Bild wechseln, schreibt Qwen-Image die Ersetzung als Vorgang mit beiden Zeichenfolgen in Anführungszeichen, und GPT Image 2.5 will die Änderung gebündelt mit einer ausdrücklichen Erhaltungsliste. Beides ist günstiger, als das Bild neu zu generieren und eine andere Komposition zu bekommen.

Wie wir geprüft haben

• Modelle: Seedream 5.0 Pro, Qwen Image Max, Grok Imagine Image 2.0 und GPT Image 2.5 Flare, alle Text zu Bild.
• Einstellungen: ein Bild in der Standardgröße jedes Modells und auf seiner voreingestellten Qualitätsstufe.
• Datum und Gelesenes: 22. September 2026. Live-Angebote in Credits und die Parameterverträge der Modelle in LUVI, die Prompt-Leitfäden, die LUVI für die vier Familien geschrieben hat, sowie Alibaba Clouds Qwen-Image-Dokumentation für die Sprachgrenze.
• Ergebnisse: 30 Credits auf GPT Image 2.5 Flare in mittel, 105 auf Qwen Image Max, 120 auf Grok Imagine Image 2.0 und 144 auf Seedream 5.0 Pro. Für diesen Beitrag wurden keine Ausgaben generiert, er trifft also keine Aussage über die Qualität der Ergebnisse.
• Offen geblieben: Verglichen wird, was jede Familie verlangt, nicht wie oft jede ein Wort richtig schreibt. Dafür bräuchte es einen kontrollierten Test mit demselben Text auf allen vieren, den wir nicht gefahren haben.

In LUVI

Wähl die Familie nach der Form der Aufgabe und lass dann die Feder neben dem Prompt-Feld deinen Text in den Dialekt dieser Familie umschreiben – das ist der schnellste Weg zu sehen, wie unterschiedlich dieselbe Anfrage formuliert werden muss. Die Modellseite führt die aktuellen Preise, und wann es einen negativen Prompt gibt zählt hier ebenfalls, denn nur ein Teil dieser vier hat einen.

Neue Konten starten mit 200 Credits, und bestätigst du Telefon und Karte, kommen bis zu 1.500 dazu. Du kannst ein LUVI-Konto anlegen und die Sache an deinem eigenen Text entscheiden.