Open-Source-KI-Bildgeneratoren: Ein ehrlicher Leitfaden für 2026
Die Open-Source-KI-Bildgeneratoren, die man 2026 kennen sollte, sind GLM-Image (MIT-lizenziert, ~16B Parameter, der Spezialist für zweisprachigen Text), Stable Diffusion 1.5 und SDXL (die Arbeitstiere des Ökosystems) sowie FLUX.1 (der Fotorealismus-Anwärter von Black Forest Labs). Welches Modell das richtige für Sie ist, hängt von drei Fragen ab — enthält Ihre Arbeit Text, welche GPU haben Sie und was erlaubt Ihre Lizenz —, nicht von einer Rangliste, und dieser Leitfaden weigert sich, eine zu erfinden.
Genau diese Weigerung ist der Punkt. Eine frühere Version dieses Artikels enthielt Tabellen mit Genauigkeitsprozenten der Konkurrenz, FID-Scores, Community-Größen und Geschwindigkeitsmessungen, die frei erfunden waren, plus eine falsche Lizenzangabe für GLM-Image. Die Überarbeitung behält den ehrlichen Entscheidungsrahmen und die tatsächliche Modelllandschaft bei und streicht jede Zahl, die sich nicht belegen lässt.
Was bringt einem „Open Source“ eigentlich?
Ein offenes Bildmodell veröffentlicht seine Gewichte: Du lädst das Modell herunter, führst es auf Hardware aus, die du selbst kontrollierst, und behältst die Ergebnisse – ohne Gebühr pro Bild. Daraus folgen drei Konsequenzen.
Erstens: die Grenzkosten. Ist die Hardware erst einmal da, kostet jedes weitere Bild ungefähr den Strom, der zu seiner Erzeugung nötig ist. Bei hohen monatlichen Volumina ist Self-Hosting allein schon bei den Grenzkosten meist günstiger als gehostete Angebote – wobei „meist“ echte Kosten für Hardware, Einrichtungszeit und Wartung ausblendet, auf die wir noch zurückkommen.
Zweitens: Kontrolle. Das Modell läuft dort, wo du es bestimmst. Weder Prompts noch Bilder müssen deine Maschine verlassen – entscheidend bei Kundenarbeit unter NDA, in sensiblen Branchen oder für alle, die sich schon einmal die Datenaufbewahrungsrichtlinie eines Cloud-Anbieters durchgelesen haben.
Drittens: Anpassbarkeit. Offene Gewichte lassen sich fine-tunen, quantisieren und in jede beliebige Pipeline einbinden. Die Welt der geschlossenen Modelle bietet Qualität; die offene Welt bietet Hebelwirkung.
Der Haken: „Open“ ist ein Lizenzbegriff, keine Philosophie. Lizenzen unterscheiden sich erheblich – manche sind permissiv, manche enthalten Nutzungsbeschränkungen, manche verbieten die kommerzielle Nutzung vollständig. Prüfe die Model Card, bevor du ein Geschäft auf einem Modell aufbaust – auch auf den hier empfohlenen.
GLM-Image: Der bilinguale Textspezialist
GLM-Image ist das offene Bildgenerierungsmodell von Z.ai: rund 16 Milliarden Parameter, veröffentlicht unter der MIT-Lizenz — so permissiv, wie Lizenzen nur sein können, mit kommerzieller Nutzung, Modifikation und Weiterverteilung unter minimalen Auflagen. Architektonisch ist es ein Autoregressive-plus-Diffusion-Hybrid mit einem dedizierten Glyph Encoder, einer Komponente speziell für die Textdarstellung. Es unterstützt Text-to-Image und Image-to-Image.
Sein Alleinstellungsmerkmal ist Text im Bild — sowohl auf Chinesisch als auch auf Englisch. Auf CVTG-2K, einem Benchmark, der misst, wie genau generierte Bilder den gewünschten Text wiedergeben, erreicht es 91,16 % — die einzige Benchmark-Zahl, die diese Seite für irgendein Modell in diesem Artikel verifiziert hat. Praktisch heißt das: Poster, Etiketten, Speisekarten und Beschilderungen, bei denen die Wörter tatsächlich richtig geschrieben sind, oft in einem einzigen Generierungsschritt statt des üblichen Tanzes „erst Kunst generieren, dann den Text im Design-Tool nachbessern“.
Der Preis dieser Fähigkeit: Es ist ein schweres Modell. Für den lokalen Einsatz braucht man eine GPU mit rund 12 GB VRAM oder mehr, und die Generierung pro Bild ist langsamer als bei den leichteren Stable-Diffusion-Modellen auf derselben Karte. Das Ökosystem rundherum — Fine-Tunes, LoRAs, Community-Tools — ist deutlich kleiner als das von SD, weil das Modell neuer ist. Man tauscht Ökosystem-Reife gegen Textfähigkeit und eine MIT-Lizenz ein.
Das vollständige technische Profil findet sich in GLM-Image-Spezifikationen: Was verifiziert ist; die architektonische Geschichte hinter der Textstärke in wie der AR-+-Diffusion-Hybrid funktioniert.
Stable Diffusion 1.5 und SDXL: Das Ökosystem-Spiel
Stable Diffusion von Stability AI hat die offene Bildgenerierung in den Mainstream gebracht, und die Modellfamilie – insbesondere SD 1.5 und SDXL – ist nach wie vor das Rückgrat der Self-Hosting-Welt. Die Modelle sind leichter als GLM-Image und FLUX, laufen auf bescheidenen GPUs und verfügen mit Abstand über das größte Ökosystem: Tausende Community-Fine-Tunes und LoRAs, ausgereiftes Tooling (ComfyUI und Co.), ControlNet-artige Steuerung, Upscaler und ein über Jahre angewachsener Berg an Tutorials.
Ihre Schwäche ist Text. Englische Schriftzüge sind Glückssache; Chinesisch ist ohne spezialisierte Add-ons praktisch unbrauchbar – und selbst dann fragil. Sind die Bilder textfrei – Concept Art, Illustrationen, Texturen, Stil-Experimente –, spielt diese Schwäche keine Rolle, und die Breite des Ökosystems bleibt unerreicht.
Lizenzhinweis: Die Stable-Diffusion-Familie erscheint unter Lizenzen der CreativeML-OpenRAIL-Familie, die kommerzielle Nutzung erlauben, aber Nutzungsbeschränkungen daran knüpfen – das Modell darf nicht für bestimmte schädliche Zwecke verwendet werden, und die Einschränkungen wandern mit den Derivaten mit. Das ist ein anderer Deal als MIT: mehr Ökosystem, mehr Auflagen. Die konkrete Lizenz des heruntergeladenen Checkpoints sollte man lesen, denn Community-Fine-Tunes können eigene Bedingungen mitbringen.
FLUX.1: Der Fotorealismus-Herausforderer
FLUX.1 von Black Forest Labs ist das neueste Schwergewicht der Open-Source-Landschaft und das Modell, das bei der reinen Bildqualität am häufigsten mit geschlossenen Modellen verglichen wird — starke Prompt-Treue und fotorealistische Ergebnisse, mit der besten englischen Textdarstellung im Open-Source-Bereich, bevor GLM-Image auf den Plan trat. Es ist ein großes Modell; Self-Hosting setzt ernsthafte GPU-Leistung voraus und liegt in derselben Klasse wie GLM-Image.
Die Lizenzierung ist die entscheidende Nuance und ein gutes Fallbeispiel dafür, warum man bei „offen“ genauer hinschauen muss: Die schnell-Variante steht unter Apache 2.0 (permissiv, kommerziell nutzbar), während die dev-Variante eine nicht-kommerzielle Lizenz trägt — wer die dev-Variante in einem Produkt einsetzen will, braucht eine andere Vereinbarung. Dieselbe Familie, unterschiedliche Varianten, unterschiedliche Rechte. Wer behauptet, „FLUX ist Open Source, mach damit, was du willst“, hat die Model Card nicht gelesen.
Qualitativ gesehen entscheiden sich Nutzer zwischen FLUX und GLM-Image in der Regel zwischen Fotorealismus-Fokus und Text-Fokus. FLUX für Szenen und englische Headlines, bei denen die Bildqualität den Ausschlag gibt; GLM-Image, wenn korrekter chinesischer oder zweisprachiger Text die Aufgabe ist.
So wählen Sie: Ein praxisnahes Entscheidungsframework
Gehen Sie diese Fragen der Reihe nach durch:
- Enthält das Bild Text? Kein Text — alle drei eignen sich; wägen Sie Ökosystem und Geschwindigkeit ab. Nur Englisch — GLM-Image oder FLUX. Chinesisch oder zweisprachig — GLM-Image; das ist seine nachgewiesene Stärke.
- Welche Hardware haben Sie? Bescheidene GPU — Stable-Diffusion-Familie. Eine 12GB+-Karte — Self-Hosting von GLM-Image ist realistisch. Keine GPU oder kein Interesse — nutzen Sie eine gehostete App und überspringen Sie die Frage ganz.
- Was erlaubt Ihre Lizenz? Produkt- oder kommerzieller Einsatz — GLM-Image (MIT) oder FLUX schnell (Apache 2.0) sind die sauberen Optionen; OpenRAIL-Beschränkungen und die nicht-kommerziellen Bedingungen von FLUX dev müssen zuerst gelesen werden.
- Was braucht Ihr Workflow? ControlNet-Pipelines und Tausende Fine-Tunes — SD. Zweisprachige Poster in einem Durchgang — GLM-Image. Maximaler Fotorealismus — FLUX.
Selbst hosten oder eine gehostete App nutzen?
Auch die offenen Modelle haben einen vermittelten Weg: glmimage.app führt GLM-Image im Browser aus, mit einer begrenzten Anzahl kostenloser Generierungen pro Tag und kostenpflichtigen Tarifen zu 9,90 $, 29,90 $ und 79,90 $ im Monat für 500, 2.000 und 6.000 Credits. Bei 10 Credits pro Bild sind das rund 50, 200 oder 600 Bilder monatlich — etwa 0,20 $, 0,15 $ und 0,13 $ pro Bild. Das ist der richtige Preis dafür, dass Hardware, Setup und Wartung entfallen; Details stehen auf der Preisseite und in GLMImage-Preise erklärt.
Selbst-Hosting gewinnt, wenn das Volumen hoch ist, Datenschutz Pflicht ist oder das Modell angepasst werden muss. Es kostet dafür Abende: Einrichtung, Treiber-Gefrickel und das Aktualhalten eines Stacks sind echte Kosten, die Break-even-Tabellen nie enthalten — und die in der alten Version dieses Artikels waren ohnehin frei erfunden. Ein sinnvoller Weg für viele Teams: zuerst auf der gehosteten App prototypen (So nutzt du GLMImage beschreibt den Workflow) und erst dann auf Selbst-Hosting umsteigen, wenn das Volumen es rechtfertigt.
Häufig gestellte Fragen
Was ist der beste Open-Source-KI-Bildgenerator?
Es gibt kein verifiziertes, modellübergreifendes Benchmark-Ranking. GLM-Image ist die klare Wahl für chinesischen oder zweisprachigen Text (MIT-Lizenz, 91,16 % verifiziert auf CVTG-2K); SD 1.5/SDXL für Ökosystem und leichte Hardware; FLUX.1 für Fotorealismus — die Lizenzen der jeweiligen Varianten zuerst prüfen.
Kann ich Open-Source-Bildgeneratoren kommerziell nutzen?
Das hängt modellweise von der Lizenz ab: GLM-Image steht unter MIT (kommerzielle Nutzung erlaubt), FLUX.1 schnell unter Apache 2.0, während FLUX.1 dev nicht-kommerziell ist und die OpenRAIL-Lizenzen von Stable Diffusion Nutzungsbeschränkungen mitbringen. Vor dem Release die Model Card lesen.
Welche GPU brauche ich zum Self-Hosten?
Stable-Diffusion-Modelle laufen auf bescheidenen Karten; GLM-Image braucht realistisch rund 12 GB VRAM oder mehr; FLUX.1 ist ähnlich schwergewichtig. Die genauen Anforderungen variieren mit Auflösung und Optimierungen — daher mit den aktuellen Deployment-Hinweisen des Modells abgleichen.
Ist Self-Hosting wirklich günstiger?
Bei hohen monatlichen Volumina in der Regel ja — die Grenzkosten pro Bild nähern sich den Stromkosten. Darunter schlägt die gehostete Preisgestaltung (glmimage.app ab etwa 0,13 $ pro Bild in der höchsten Stufe) den Kauf und die Wartung einer GPU.
Spare dir die Hardware komplett und starte direkt im Browser: GLM-Image-Generator öffnen →
