Wähle deine AI-Engine

Flat-to-Model verwandelt deine Produktfotos von Flatlays in fotorealistische On-Model-Bilder, und verschiedene KI-Engines interpretieren dieselben Eingaben unterschiedlich. Die einen wirken clean und editorial, die anderen dramatisch und kreativ. Bisher haben wir für dich entschieden. Ab heute kannst du die Engine wählen, deren Ästhetik zu deiner Marke passt, oder auf Auto bleiben und uns die Wahl überlassen.

Die Funktion startet in beiden Produkten. Flat-to-Model bietet Nano Banana Pro und Seedream. Model-Swap bietet Onda und Nano Banana Pro. In Flat-to-Model sind die ästhetischen Unterschiede zwischen den Engines am deutlichsten, deshalb steht dieses Produkt im Fokus des Beitrags. Zum Model-Swap folgt am Ende ein kurzer Abschnitt.

Was ist neu

Ein neuer Generation model-Selektor erscheint im Review-Schritt von Flat-to-Model, direkt neben den bestehenden Kontrollen für Pose, Hintergrund und Seitenverhältnis. Dieselbe Auswahl steht in der API als optionales model-Feld im options-Objekt zur Verfügung. Wenn du nichts setzt, gilt Auto als Standard. Das ist exakt das Verhalten, das jeder Job bisher hatte.

Die Flat-to-Model-Engines

Drei Optionen:

• Auto (Standard): startet mit Nano Banana Pro. Wird die Eingabe vom Sicherheitsfilter zurückgewiesen, leiten wir transparent zu Seedream um, damit der Auftrag trotzdem abgeschlossen wird.
• Nano Banana Pro: Googles aktuelles Bildmodell. Starke Texturtreue und klare, fotorealistische Hautwiedergabe. Kein Fallback bei Ablehnung.
• Seedream: das Bildmodell von ByteDance. Oft dramatischere Beleuchtung und eine kreativere Interpretation des Stylings. Kein Fallback bei Ablehnung.

Gleiche Eingaben, verschiedene Engines

Dasselbe Flatlay-Trio, dieselbe Identität, dieselbe Pose, gerendert von jeder Engine.

Gleiche Kleidung, gleiche Identität, gleiche Pose: sitzend auf einem Holzhocker vor einer warmen Ecru-Putzwand. Nano Banana Pro rendert die Szene vollständig frontal, mit klaren Kragenkonturen und kühlerer Beleuchtung, die das Eisblau des Hemds hält. Seedream bringt das Model in eine Dreiviertel-Drehung, weicht die Töne auf und verschiebt die Kulisse einen Hauch wärmer, mit einem etwas entspannteren Hemdenfall. Keines ist besser. Es sind verschiedene ästhetische Grundeinstellungen, und die passende für deinen Markenkatalog zu wählen ist genau der Punkt.

Welche Engine welchen Output produziert hat

Nach Abschluss eines Auftrags siehst du, welche Engine für jedes Ergebnis verwendet wurde.

In der App erscheint ein kleines Engine-Icon neben der Verarbeitungszeit auf jeder Output-Karte. Fahre mit der Maus darüber, um den Engine-Namen zu sehen.

In der API enthält jedes Ergebnis in GET /jobs/<id>/results ein model_used-Feld:

{
  "job_id": "8c9f1a...",
  "status": "completed",
  "results": [
    {
      "image_index": 0,
      "group_index": 0,
      "model_used": "nano_banana_pro",
      "output": { "full_size": "https://..." }
    },
    {
      "image_index": 1,
      "group_index": 0,
      "model_used": "seedream",
      "output": { "full_size": "https://..." }
    }
  ]
}

Am wichtigsten ist das bei einem Job auf Auto. Hast du vier Outputs angefordert, drei kommen als nano_banana_pro zurück und einer als seedream, weißt du sofort, dass dieser eine Slot das Safety-Fallback ausgelöst hat. Kein Rätselraten, kein Support-Ticket.

Verwendung über die API

Setze model im options-Objekt deines Flat-to-Model-Requests:

{
  "project_id": "...",
  "images": ["uuid1", "uuid2", "uuid3"],
  "identity_code": "default-pro-...",
  "instructions": [ /* ... */ ],
  "options": {
    "model": "nano_banana_pro"
  }
}

Gültige Werte: "auto" (Standard), "nano_banana_pro" oder "seedream".

In unserer öffentlichen Python-Integration ist es ein einziges CLI-Flag:

python flat_to_model.py \
  --input-folder SKU/ \
  --identity-code <your-identity-code> \
  --model nano_banana_pro

Die komplette Referenz findest du in der Flat-to-Model API-Doku.

Auch Model-Swap bekommt ein Dropdown

Der gleiche Generation model-Selektor ist jetzt im Review-Schritt von Model-Swap verfügbar.

Standard ist Onda, die proprietäre Swap-Engine von PiktID, auf ihr hat bisher jeder Model-Swap-Auftrag gelaufen. Die Alternative ist Nano Banana Pro, verfügbar für Teams, die eine andere Ästhetik für ihre Swaps ausprobieren möchten. model_used funktioniert hier genauso: jedes Ergebnis in GET /jobs/<id>/results verrät dir, welche Engine es produziert hat.

Übergib swap_options.model in einem Model-Swap-Request oder --model onda | nano_banana_pro in der Python-Integration.

"Verschiedene Engines sind verschiedene Werkzeuge. Lange haben wir eine für dich gewählt, und das war die richtige Voreinstellung. Aber Marken und Agenturen, die Hunderte SKUs pro Woche produzieren, kennen ihre Ästhetik, und verdienen die Wahl. Die Engine-Auswahl offenzulegen macht On-Model von einer Black Box zu einer kontrollierbaren Produktions-Pipeline, und model_used auf jedem Output macht die Wahl nachprüfbar."

— Nunzio Alexandro Letizia, Mitgründer von PiktID und Entwickler von On-Model

Jetzt ausprobieren

Öffne einen beliebigen Flat-to-Model- oder Model-Swap-Auftrag und such im Review-Schritt nach dem Dropdown Generation model. Wähle eine Engine, generiere und vergleiche das Ergebnis mit Auto.

Neu bei On-Model? Starte mit dem Flat-to-Model-Guide oder sieh dir Presets an für noch mehr Kontrolle über den Output.