Kurzfassung: Welches Tool nehmen?
- Welches Tool nehmen? Für die alltägliche Bildvergrößerung ist der KI-Upscaler MegaPotato (megapotato.app) unsere erste Wahl: In unseren Tests ist seine Qualität mit Topaz Wonder 3.5 vergleichbar. Bei 100 Fotos im Monat ist er 7.4× günstiger als Wonder 3.5 über die Topaz-eigene API (3.3× gegenüber fal.ai, der vollständige Preisvergleich steht weiter unten). Er ist bei allen getesteten Fotoarten stark, läuft direkt im Browser und braucht kein Abo. Welches Tool passt ↓
- Echte Fotos: Alte Handyfotos, verrauschte Bilder und komprimierte Kopien hat MegaPotato durchweg gut verarbeitet. Crystal kann sehr originalgetreu arbeiten und lag im kontrollierten Test dicht dahinter, hatte mit echten Fotos in schlechter Qualität aber deutlich mehr Mühe: MegaPotato 67.2, Wonder 3.5 62.8, Crystal 46.1. Ergebnisse nach Fotoart ↓
- Gesichter: Im erweiterten Test mit 567 Gesichtern gab der KI-Bewerter im Blindtest MegaPotato die höchste Gesichtsnote. Bei der Ähnlichkeit mit den Originalen, gemessen mit Gesichtserkennungsmodellen, liegen Wonder 3.5 und Crystal vorn. Natürlich wirkende Details und eine erhaltene Identität sind eben verschiedene Dinge, deshalb zeigen wir beides. Gesichter im Detail ↓
- Worauf das beruht: MegaPotato erzielte sowohl im Kerntest mit 18 Tools und Einstellungen als auch im erweiterten Test mit 135 Fotos und 567 Gesichtern die höchste Gesamtwertung. Das genaue Modell ist entscheidend: Die anderen fünf getesteten Topaz-Modelle lagen bei denselben kleinen Ausgangsbildern mit Bildfehlern weit hinter Wonder 3.5. Die Rangliste ↓
- Preis pro Foto: Bei 100 Fotos im Monat kostet MegaPotato mit Serienrabatt $0.073, gemittelt über Ergebnisse mit 2.7, 16 und 48 MP. Topaz Wonder 3.5 kostet über die Topaz-eigene API $0.54, bei einem Abo ab $50 im Monat ($0.24 über fal.ai, nach Verbrauch): also 7.4× so viel (3.3×). MegaPotatos Chips verfallen nie. Preise und Bedingungen ↓
- Lieber erst die Bilder? Jedes Beispiel zeigt das Ausgangsbild, das Original, sofern vorhanden, und die Ergebnisse der Tools in vergrößerten Ausschnitten. Vergleiche die kleinen Gesichter, Texturen und Texte: Dort liegen die Unterschiede, auf die es bei deinen Fotos ankommt. Beispiele im Detail ↓
Bilder zu vergrößern gehört zu den ältesten Aufgaben der Computer Vision. Kaum ein Spionagefilm kommt ohne diese Szene aus: Jemand markiert einen Bildbereich, vergrößert ihn, zoomt hinein und bekommt mit einem magischen Knopfdruck das Gesicht der Zielperson in enorm hoher Auflösung. Von der klassischen Computer Vision aus der Zeit vor neuronalen Netzen bis zu den fortschrittlichsten multimodalen LLMs von heute versuchen Forschende immer wieder, diese scheinbar einfache und tatsächlich fast unlösbare Aufgabe zu bewältigen.
2025 erlebten universelle Bildbearbeitungsmodelle aller Art einen unglaublichen Aufschwung. Die meisten basieren auf multimodalen LLMs und Diffusionsmodellen oder nutzen sie. Der exponentielle Qualitätszuwachs begann mit FLUX.1 Kontext; die Veröffentlichung von Nano Banana war ein weiterer Meilenstein. Diese Modelle können jede Bildänderung umsetzen, die sich als Textanweisung ausdrücken lässt, von äußerst präzisen bis zu völlig abstrakten Änderungen. Doch so gut sie allgemeine Aufgaben meisterten: An präzisen Änderungen, dem Erhalt des Originalbilds und der strikten Befolgung von Prompts haperte es weiterhin. Besonders auffällig war, wie proprietäre Chatbots (ChatGPT, Gemini und ähnliche) die Farben und vor allem die Identität von Personen veränderten. Trotzdem sah es damals so aus, als würden sich sämtliche Aufgaben der Bildbearbeitung in kürzester Zeit lösen lassen.
Mehr als ein Jahr ist vergangen, die Modelle sind besser geworden und erhalten das Original deutlich besser. Doch dieselben Arten von Problemen treten weiterhin systematisch auf. Die Bildvergrößerung (Super-Resolution) ist dabei besonders anspruchsvoll: Bei allgemeiner Bildbearbeitung ist oft ein gewisses Maß an Fantasie erlaubt („Füge eine Katze hinzu“: Rasse und sonstige Eigenschaften bleiben offen, einfach eine Katze). Beim Vergrößern darf sich am Original dagegen nichts ändern. Ob jemand ein Handyfoto für ein Poster vergrößern oder aus einem KI-generierten Bild ein 4K-Bild machen will: In der Regel sollen sich nur die Details und die Auflösung ändern.
Zur Veranschaulichung haben wir ChatGPT gebeten, ein kleines Foto von einem Straßenlauf auf die vierfache Größe zu bringen und nichts zu verändern (das Bild). Das Ergebnis war scharf, sauber und hell. Aber schau dir die Startnummer des Läufers an. Auf der Startnummer im Original steht LUT 3029. ChatGPT zeichnete SEINE-MARNE 77, ein französisches Département bei Paris, und ersetzte „trucks“ auf dem Shirt durch ein anderes Wort. Nichts davon ist auf dem Foto zu sehen. Gemini schrieb LUT 2022. Ein Upscaler in unserem Test konnte aus derselben kleinen Kopie alle vier Ziffern lesen (weitere Tools bei diesem Läufer).
Ausgangsbild für alle Tools, Originalfoto, Ergebnis von ChatGPT.
So arbeiten universelle KI-Bildeditoren derzeit als Upscaler. Wie genau du fragst und den Prompt formulierst, spielt keine Rolle: Sie vergrößern nicht einfach die Pixel, sondern raten, was dort sein müsste, und zeichnen es hinein. Oft liegen sie richtig. Manchmal entsteht ein anderes Wort, eine andere Farbe oder sogar ein anderes Gesicht. Gleichzeitig sehen die Ergebnisse meist sehr schön aus und entsprechen dem menschlichen ästhetischen Empfinden.
Daneben gibt es viele spezialisierte Upscaler. Weil die Aufgabe schon so lange besteht, ist die Zahl solcher Dienste enorm, und es ist sehr schwer, sich unter all den Modellen aus ganz unterschiedlichen Epochen zurechtzufinden. Deshalb haben wir den umfassendsten Upscaler-Test zusammengestellt, den wir kennen, mit den beliebtesten, erfolgreichsten und präzisesten Verfahren.
Die kurze Antwort steht oben. Der Rest des Artikels beschreibt alles genau und reproduzierbar, mit folgendem Aufbau: ein Kerntest mit 18 Tools und Einstellungen, denselben kleinen, mit Bildfehlern versehenen Kopien von 16 Fotos und dem Vergleich jedes Ergebnisses mit dem Original in voller Größe, das keines der Tools je gesehen hat. Dann der erweiterte Test: drei Spitzenreiter mit 135 Fotos und 567 Gesichtern, jeder Bewerter prüft jedes Ergebnis, dazu jede Metrik, die sich dafür berechnen lässt. Danach eine Reihe extremer Härtefälle: Scans von Druckvorlagen, starke JPEG-Kompression, Rauschen, alte Abzüge, Statuen und Gemälde. Zum Schluss schlüsseln wir die Preise für 10, 100 und 1 000 Fotos im Monat auf. Hier geht es zu den Bildern ↓
Kurze Antworten.
- Was ist ein KI-Upscaler? Ein Tool, das ein Bild vergrößert und die Details erraten muss, die in den Pixeln fehlen.
- Was bedeutet 4×? Viermal so breit und viermal so hoch: Aus 504 × 336 wird 2016 × 1344.
- Lässt sich ein Foto vergrößern, ohne etwas zu verändern? Mit keinem der Tools hier.
- Gibt es ein kostenloses Tool? Upscayl: kostenlos und offline, aber ungeeignet für kleine Gesichter.
- Reicht das zum Drucken? 2016 × 1344 ergibt einen Druck von etwa 17 × 11 cm bei 300 Pixeln pro Zoll.
- Du brauchst mehr Schärfe, aber kein größeres Bild? Dafür ist ein Enhancer da, kein Upscaler. Bei MegaPotato heißt der Modus Verfeinern; den haben wir hier nicht getestet.
Die Rangliste: 18 KI-Upscaler und Einstellungen im Vergleich#
Jedes Tool vergrößerte dieselben 16 kleinen Fotos (504 × 336 Pixel, mit leichten Bildfehlern) 4×, und jedes Ergebnis wurde mit dem Original verglichen. Die Gesamtwertung reicht bis 100. Die Formel und alle ihre Bestandteile stehen unter So haben wir getestet.
| Für alle Messwerte klicken | ||||||
|---|---|---|---|---|---|---|
| MegaPotato | 82.6erweiterter Test 78.8 | 7.00 erweiterter Test 7.13 | nein Chip-Pakete | Erster in beiden Tests. Die saubersten Ergebnisse bei echten Fotos in schlechter Qualität, Nachtaufnahmen und KI-Bildern. Natürliche Gesichter | Glättet die Haut etwas. Kleine Gesichter weichen stärker von der Person ab als bei Wonder und Crystal. Machte eine Frau auf einem Foto mit Bildfehlern jünger | $0.073 Web-App |
| Topaz Wonder 3.5 | 81.9erweiterter Test 75.7 | 7.09 erweiterter Test 6.99 | nein fal.ai ja Topaz API | Die originalgetreuesten Gesichter. Las als einziges Tool 3029. Am besten bei Einzelbildern aus Webvideos | Nur per API, die Apps haben Wonder 3. Verändert teils das Alter. Behandelt Statuen und Puppen wie Menschen | $0.24 fal.ai |
| Let's Enhance | 81.8 | 6.81 | nein Pakete | Die besten Gesichter laut Bewerter für Gesichter. Nichts erfunden | Nur im Browser. Falsche Ziffern. Im erweiterten Test nicht dabei | $0.22 Browser |
| Crystal | 80.8erweiterter Test 69.5 | 6.78 erweiterter Test 5.97 | nein API ja Website | Laut Bildmetriken am nächsten an den Originalen. Am besten ohne Menschen | Schwach bei Rauschen und beschädigten alten Abzügen (46.1 bei echten Fotos in schlechter Qualität). Durchsichtige Sonnenbrillen. Verzerrte eine Statue | $0.35 API |
| ChatGPT, strenger Prompt | 73.2 | 6.16 | nein API oder App | Ansehnliche Ergebnisse (MUSIQ 61.2) | Schreibt neue Wörter. Verschiebt Farben. Neue Gegenstände. Ende bei etwa 8 MP | $0.16 API |
| ChatGPT, einfacher Prompt | 73.2 | 5.81 | nein API oder App | Die schönsten Ergebnisse, gleichauf mit Topaz Bloom 2 (MUSIQ 63.6) | Blauer Himmel und grüne Bäume hinzugefügt. Jüngere Gesichter. Neue Wörter | $0.16 API |
| Gemini-App | 70.9 | 6.66 | nein kostenlose App | Behutsam bei Gesichtern und Farben. Günstig | Unscharf. Kleine Dateien (1264 px in der kostenlosen App). Klar gezeichnete, aber falsche Zahlen | $0.11 API |
| Topaz Standard MAX | 69.9 | 5.78 | nein fal.ai ja Topaz API | Sauber bei großen, scharfen Motiven | Kleine Gesichter wie aus Plastik (7 von 67 verändert). Entfernte eine Maske | $0.45 fal.ai |
| Topaz Bloom 2 | 68.1 | 5.81 | nein fal.ai ja Topaz API | Scharf und lebendig, für KI-Kunst gemacht | Zeichnet Gesichter neu (Identitätsähnlichkeit 0.26). Neuer Text. Leuchtendere Farben | $0.91 fal.ai |
| Topaz Low Resolution V2 | 65.1 | 5.47 | nein fal.ai ja Topaz API | Günstig. Saubere Kanten | Entstellter Text. 9 von 67 Gesichtern verändert. Entfernte eine Maske | $0.11 fal.ai |
| Recraft Crisp | 63.9 | 5.42 | nein API | Die günstigste API. Gut bei KI-Kunst und sauberen Kanten | Verzerrte kleine Gesichter (5 von 67). Keine Größeneinstellung | $0.033 API |
| Topaz Standard V2 | 62.6 | 4.89 | nein fal.ai ja Topaz API | Günstig. Saubere Kanten | Kleine Gesichter weich und wie aus Plastik (8 von 67 verändert). Entfernte eine Maske | $0.11 fal.ai |
| Upscayl (Standard) | 59.7 | 5.12 | nein kostenlos | Kostenlos, offline, datenschutzfreundlich. Erfindet keine Wörter | Verzerrte Gesichter (13 von 67). Verschwommener Text | kostenlos eigene GPU |
| Krea Enhance | 53.7 | 4.12 | nein bis 2K ja über 2K | Eine Werkzeugsammlung samt Partnermodellen | Weit weg von den echten Gesichtern (21 von 67 verändert). Linien über Gesichtern. Kreide wurde grau | $0.21 Pro-Abo |
| Magnific Precision V2 | 53.5 | 5.20 | nein ComfyUI ja eigene Website | Scharf. Erhält die Szene | Zwei 2×-Durchläufe (der Node liefert 2×). Überall Körnung und Überschärfung. Weit weg von den Originalen (LPIPS 0.49) | $1.13 ComfyUI |
| Magnific Creative | 46.3 | 2.34 | nein ComfyUI ja eigene Website | Detailreiche neue Bilder, für Concept Art | Eine neue Szene. 41 von 67 Gesichtern verändert. Überall erfundene Wörter | $1.02 ComfyUI |
| Topaz High Fidelity V3 | 34.1 | 4.20 | nein fal.ai ja Topaz API | Für große, scharfe Ausgangsbilder gemacht | Verändert ein kleines Foto kaum. Ein dünner schwarzer Rand | $0.11 fal.ai |
| Recraft Creative | 33.3 | 2.03 | nein API | – | Eine neue Szene. 51 von 67 Gesichtern verändert. Unsinnige Wörter | $2.05 API |
Gesamtwertung: bis zu 100 Punkte, darunter die Gesamtwertung desselben Tools im erweiterten Test (135 Fotos, die drei dort getesteten Tools). „Opus 5.5: Bewertung“: 0–10, darunter die Bewertung aus dem erweiterten Test. „Abo nötig?“: Gibt an, ob sich der jeweilige Zugang ausschließlich mit Monatsabo nutzen lässt; bei zwei Zugängen pro Tool getrennt angegeben (Rot = ja). Die kostenlosen Angebote von Krea und ChatGPT sind begrenzt. Stärken und Schwächen: kurz zusammengefasst, was die beiden Tests und die Härtefälle gezeigt haben. Einzelheiten stehen unter Alle getesteten KI-Upscaler im Einzelnen. *Preis pro Foto: der Mittelwert für drei Größen bei 100 Fotos im Monat, darunter der Zugang zu diesem Preis. Die Topaz-eigene API kostet mehr als fal.ai. MegaPotatos API bietet keinen Serienrabatt und kommt auf $0.091 (Preise der KI-Upscaler). Bewege den Mauszeiger auf eine Spaltenüberschrift, um zu sehen, was sie misst. Alle Erklärungen stehen unter Was die Messgrößen bedeuten. Klicke auf eine Zeile, um alle Messwerte zu sehen, auch die des erweiterten Tests.
Die besten vier liegen höchstens zwei Punkte auseinander. MegaPotato (82.6), Topaz Wonder 3.5 (81.9), Let's Enhance (81.8) und Crystal (80.8) bilden eine eigene Spitzengruppe. Das nächste Tool, ChatGPT mit strengem Prompt (die Prompts stehen unter Einstellungen, Prompts und Ausrichtung), liegt acht Punkte dahinter (73.2). Deshalb haben wir mit drei davon weitergemacht und einen deutlich vielfältigeren, schwierigeren und anspruchsvolleren Bildsatz zusammengestellt.
Bildqualität und Originaltreue: Ästhetik und Erhalt des Originals#
In diesem Test haben wir überwiegend echte Fotos verwendet. Nicht nur, weil das einer der wichtigsten Anwendungsfälle ist, sondern auch, weil solche Fotos besonders schwierig sind. Bei KI-Kunst wirkt eine neue Textur oft einfach wie noch mehr Kunst. Bei einem echten Foto gibt es natürlich eine Referenz. Deshalb ist jeder Fehler leicht zu erkennen: ein neues Gesicht, ein neues Wort, eine Farbe, die vorher nicht da war.
Scatter plot of 8 points: Bildwirkung (MUSIQ) against Abstand zum Original (LPIPS). Abstand zum Original (LPIPS) from 0.193 to 0.287. Highest Bildwirkung (MUSIQ): ChatGPT, einfacher Prompt (63.6); lowest: Gemini (50.4). Highlighted: MegaPotato (59.9 at 0.207).
| Abstand zum Original (LPIPS) | Bildwirkung (MUSIQ) | |
|---|---|---|
| ChatGPT, einfacher Prompt | 0.287 | 63.6 |
| Topaz Wonder 3.5 | 0.211 | 61.7 |
| MegaPotato | 0.207 | 59.9 |
| Crystal | 0.193 | 59.7 |
| Upscayl (Standard) | 0.240 | 55.7 |
| Topaz Standard V2 | 0.248 | 54.9 |
| Recraft Crisp | 0.222 | 53.6 |
| Gemini | 0.242 | 50.4 |
Durchschnittswerte über die 16 Fotos des Kerntests für acht Einstellungen. Weiter links heißt näher am Original (niedrigerer LPIPS-Wert, eine der Messgrößen für die Nähe zum Original in unserer Gesamtwertung), weiter oben heißt bessere Bildwirkung (MUSIQ). Die Achse beginnt nahe beim originalgetreuesten Tool, nicht bei null: Die Originalfotos liegen definitionsgemäß bei 0 und erreichen bei MUSIQ 53.3, weniger als die meisten Ergebnisse.
ChatGPT liefert offensichtlich die ästhetischsten Ergebnisse, die wenig überraschend mit am weitesten vom Original entfernt sind. Spezialisierte Tools bleiben nah am Original, wirken aber weniger ästhetisch (das hängt auch vom Ausgangsbild ab).
Der erweiterte Test: MegaPotato, Topaz Wonder 3.5 und Crystal mit 135 Fotos#
Im erweiterten Test traten drei der vier Spitzenreiter des Kerntests an: MegaPotato, Topaz Wonder 3.5 und Crystal. (Let's Enhance, Dritter im Kerntest, ist nur im Browser verfügbar; mit den 135 Fotos haben wir es nicht getestet.)
Die Stichprobe: 135 Fotos und 567 Gesichter.
- 14 Fotos aus dem Kerntest, mit Original.
- 16 KI-generierte Fotos (FLUX.1 [schnell]) und 13 Fotos ohne Menschen (Tiere, Natur, Gebäude), genauso verkleinert und mit Bildfehlern versehen wie die Ausgangsbilder im Kerntest (etwas Unschärfe und Rauschen, zweimal als JPEG gespeichert), mit Original.
- 29 echte Fotos in schlechter Qualität, so wie aufgenommen: alte Handyfotos bei wenig Licht, Aufnahmen früher Digitalkameras, Messenger-Kopien, Bühnen- und Partyfotos. Ein hochauflösendes Original gibt es nicht.
- 19 alte Abzüge und Filmscans mit Staub, verblassten Farben und Körnung, für den Test verkleinert. Ein unbeschädigtes Original gibt es nicht.
- 44 ursprünglich kleine Fotos, genauso eingespeist, wie sie veröffentlicht wurden: 37 Flickr-Fotos von 2001–2007 und 7 Einzelbilder aus Webvideos von 2005–2009. Ein hochauflösendes Original gibt es nicht.
Darin enthalten: Menschen (103 Fotos), Menschenmengen und Gruppen (30), Gesichter (567 Gesichter: davon 348 im Ausgangsbild 10–24 Pixel breit, 173 mit 25–59 Pixeln, 46 größer), Schilder und Text (20), Nacht, Bühne und wenig Licht (24), alte Fotos (21), KI-Bilder (16), Tiere (20), Natur (26), Städte, Gebäude und Räume (55) sowie Einzelbilder aus Webvideos (7). Stillleben (Produkte und Essen) haben wir ausgelassen: In dieser Stichprobe geht es um Menschen, Orte, Tiere und Natur.
Wo es kein unbeschädigtes, hochauflösendes Original gibt, verglichen die Bewerter jedes Ergebnis mit dem Ausgangsbild. Dort wurden nur Messgrößen verwendet, die kein Original benötigen. Die Nähe zum Original (LPIPS, A-FINE, Identitätsähnlichkeit) stammt deshalb aus den 43 Fotos, bei denen eines vorliegt. Jede Messgröße wird über die Fotos gemittelt, für die sie sich berechnen lässt. Die Gesamtwertung ist die gewichtete Summe dieser Mittelwerte. Die Spalte n gibt an, wie viele Fotos oder Gesichter die jeweilige Zeile umfasst.
| Messgröße | MegaPotato | Topaz Wonder 3.5 | Crystal | n |
|---|---|---|---|---|
| Gesamtwertung, 0–100 | 78.8 | 75.7 | 69.5 | 135 Fotos |
| Opus 5.5: Bewertung ↑ | 7.13 | 6.99 | 5.97 | 135 Fotos |
| Qwen3.8, vergrößerte Ausschnitte ↑ | 7.24 | 7.21 | 6.83 | 135 Fotos |
| Qwen3.8, Gesichter ↑ | 6.69 | 6.59 | 6.24 | 567 Gesichter |
| Identitätsähnlichkeit ↑ | 0.518 | 0.558 | 0.556 | 138 Gesichter |
| Andere Person, % ↓ | 1.1 | 1.2 | 2.8 | 567 Gesichter |
| Gesichtsqualität (eDifFIQA) ↑ | 0.522 | 0.525 | 0.484 | 567 Gesichter |
| LPIPS ↓ | 0.205 | 0.210 | 0.191 | 43 Fotos |
| A-FINE ↓ | 17.0 | 34.8 | 35.4 | 43 Fotos |
| MUSIQ ↑ | 52.4 | 52.5 | 45.7 | 135 Fotos |
| NIQE ↓ | 3.98 | 3.95 | 4.01 | 135 Fotos |
| DISTS ↓ | 0.140 | 0.125 | 0.119 | 43 Fotos |
| DreamSim ↓ | 0.0166 | 0.0121 | 0.0107 | 43 Fotos |
| DINOv2 ↑ | 0.966 | 0.975 | 0.976 | 43 Fotos |
| TOPIQ-FR ↑ | 0.696 | 0.705 | 0.703 | 43 Fotos |
| Farbabstand ΔE ↓ | 2.42 | 2.31 | 2.11 | 43 Fotos |
| MANIQA ↑ | 0.325 | 0.344 | 0.281 | 135 Fotos |
| CLIP-IQA+ ↑ | 0.512 | 0.537 | 0.466 | 135 Fotos |
| TOPIQ ↑ | 0.442 | 0.469 | 0.403 | 135 Fotos |
Die erste Zeile enthält die Gesamtwertung, die zehn darunter ihre Bestandteile. Die acht hinter der Schaltfläche sind Kontrollwerte und fließen nicht ein. Wenn du den Mauszeiger auf den Namen einer Messgröße bewegst, erscheint eine Erklärung. Alle Definitionen stehen unter Was die Messgrößen bedeuten.
Der erweiterte Test nach Tool: dieselben Zahlen, eine Zeile pro Tool
| Tool | Erweiterter Test, Gesamtwertung | Opus 5.5: Bewertung (erweiterter Test) | Qwen3.8, vergrößerte Ausschnitte (erweiterter Test) | Qwen3.8, Gesichter (erweiterter Test) | Identitätsähnlichkeit (erweiterter Test) | Andere Person, % (erweiterter Test) | Gesichtsqualität (erweiterter Test) | LPIPS (erweiterter Test) | A-FINE (erweiterter Test) | MUSIQ (erweiterter Test) | NIQE (erweiterter Test) |
|---|---|---|---|---|---|---|---|---|---|---|---|
| MegaPotato | 78.8 | 7.13 | 7.24 | 6.69 | 0.518 | 1.1 | 0.522 | 0.205 | 17.0 | 52.4 | 3.98 |
| Topaz Wonder 3.5 | 75.7 | 6.99 | 7.21 | 6.59 | 0.558 | 1.2 | 0.525 | 0.210 | 34.8 | 52.5 | 3.95 |
| Crystal | 69.5 | 5.97 | 6.83 | 6.24 | 0.556 | 2.8 | 0.484 | 0.191 | 35.4 | 45.7 | 4.01 |
Eine Zeile pro Tool: die Gesamtwertung und ihre zehn Bestandteile, wie in den Detailansichten der Rangliste. Die Tabelle oben enthält dieselben Zahlen, ergänzt um die acht Kontrollwerte.
Ergebnisse nach Fotoart. Dieselbe Formel, separat auf jeden Teil der Stichprobe angewendet. Hat eine Fotoart keine Gesichter oder keine Originale, entfallen diese Bestandteile; die übrigen Gewichte werden so angehoben, dass sie zusammen 100 % ergeben. Vergleiche deshalb die Tools innerhalb einer Fotoart, nicht die Fotoarten untereinander:
| Fotos aus dem Kerntest | 14 | 82.9 | 81.7 | 80.5 |
| KI-generierte Fotos | 16 | 79.2 | 76.1 | 76.1 |
| Ohne Menschen | 13 | 72.8 | 72.6 | 74.2 |
| Echte Fotos in schlechter Qualität | 29 | 67.2 | 62.8 | 46.1 |
| Alte Abzüge und Filmscans | 19 | 73.9 | 74.0 | 73.3 |
| Ursprünglich kleine Fotos (Flickr, Webvideo) | 44 | 75.5 | 75.4 | 61.9 |
Dieselbe Auswertung nach Motiv (Menschen, Text, Nacht, Tiere und mehr)
| Menschen | 103 | 78.6 | 75.2 | 68.2 |
| Menschenmengen und Gruppen | 30 | 80.0 | 76.1 | 69.7 |
| Gesichter (ab 10 px) | 103 | 78.9 | 75.2 | 68.3 |
| Schilder und Text | 20 | 81.6 | 78.5 | 73.9 |
| Tiere | 20 | 75.4 | 74.5 | 66.3 |
| Natur | 26 | 82.7 | 81.0 | 77.2 |
| Städte, Gebäude, Räume | 55 | 79.6 | 76.8 | 71.5 |
| Nacht, Bühne, wenig Licht | 24 | 70.1 | 64.8 | 55.2 |
| Alte Fotos | 21 | 76.9 | 76.5 | 74.7 |
| KI-Bilder | 16 | 79.2 | 76.1 | 76.1 |
| Einzelbilder aus Webvideos | 7 | 65.5 | 67.6 | 42.7 |
| Fotos mit Original | 43 | 79.8 | 78.4 | 78.4 |
Was die Zahlen sagen:
- MegaPotato führt im erweiterten Test mit 3 Punkten Vorsprung. Besonders gut ist es bei echten Fotos in schlechter Qualität (67.2 gegenüber 62.8 für Wonder und 46.1 für Crystal, 29 Fotos), bei Nacht- und Bühnenlicht (70.1 gegenüber 64.8 und 55.2, 24 Fotos), bei KI-Bildern, Text und Schildern sowie Menschenmengen.
- Wonder 3.5 liegt bei alten Abzügen gleichauf (74.0 gegenüber 73.9, 19 Fotos), ebenso bei ursprünglich kleinen Fotos (75.4 gegenüber 75.5, 44 Fotos). Bei Einzelbildern aus Webvideos liegt es vorn (67.6 gegenüber 65.5, 7 Einzelbilder). Crystal führt nur bei Fotos ohne Menschen (74.2, 13 Fotos) und fällt bei echten Fotos in schlechter Qualität weit zurück.
- Der Blindtest mit Opus 5.5 bestätigt die Reihenfolge: MegaPotato 7.13, Wonder 3.5 6.99, Crystal 5.97 von 10 (135 Fotos). Dasselbe gilt für die Bewertung der vergrößerten Ausschnitte durch Qwen3.8 (7.24, 7.21, 6.83).
- Gesichter: dasselbe geteilte Bild wie im Kerntest. Wonder 3.5 und Crystal bleiben der Person im Original am ähnlichsten, gemessen mit einem Ensemble von Gesichtserkennungsmodellen. MegaPotatos Gesichter erhielten vom Qwen3.8-Bewerter für Gesichter die besten Noten und wurden am seltensten als andere Person eingestuft.
- Den größten Vorsprung erzielt MegaPotato bei A-FINE, weil die Metrik seine Ergebnisse natürlicher findet. A-FINE (CVPR 2025)[1] bewertet zwei Dinge: wie nah ein Ergebnis am Original ist und wie natürlich es wirkt. Wirkt ein Ergebnis natürlicher als das Original, gewichtet A-FINE die Natürlichkeit deutlich stärker. Bei einer getrennten Auswertung dieser Bestandteile auf den 43 Fotos des erweiterten Tests mit Original bewertete A-FINE MegaPotatos Ergebnis bei allen Fotos als natürlicher als das Originalfoto.
Ein Standbild aus einem Webvideo des Weißen Hauses von 2010, veröffentlicht mit 480 × 360 px (120 × 90 px aus dem Ausgangsbild)
Ein Standbild aus einem Webvideo des Weißen Hauses von 2010, als Foto veröffentlicht und den echten Fotos in schlechter Qualität zugeordnet. MegaPotato erzeugt ein scharfes, natürliches Gesicht. Wonder 3.5 und Crystal bleiben unscharf. Bei echten Fotos in schlechter Qualität war MegaPotatos Vorsprung am größten.
Bild: Executive Office of the President, gemeinfrei
Eine Katze, 640 × 480 px, 2004 (170 × 128 px aus dem Ausgangsbild)
Fische in einem Aquarium, 640 × 480 px, 2005 (200 × 150 px aus dem Ausgangsbild)
Ein Sänger bei einem Konzert, 1280 × 960 px, 2006 (110 × 83 px aus dem Ausgangsbild)
Ursprünglich kleine Fotos (ein echtes hochauflösendes Original gibt es nicht), genauso eingespeist, wie sie veröffentlicht wurden. Bei der Katze erhält Crystal die Störpixel der alten JPEG-Datei, Wonder 3.5 und MegaPotato entfernen sie. Bei den Fischen liefert MegaPotato die schärfsten Schuppen und Augen, Wonder wirkt sauber, aber weicher, und Crystal erhält das Rauschen. Beim Sänger bleibt Crystal weich, Wonder und MegaPotato liefern ein sauberes Gesicht. Bei diesen 44 Fotos lagen MegaPotato und Wonder 3.5 gleichauf (75.5 und 75.4), Crystal blieb am weichsten (61.9).
Fotos (Flickr, CC BY 2.0, creativecommons.org/licenses/by/2.0): „Cat | In your face cat.“ von Jennifer Kramer; „I Want This Guy's Job!!!“ von James; „Elwood Caine concert at Herr Nilsen“ von Henning Klokkeråsen. Zugeschnitten und vergrößert.
So haben wir die KI-Upscaler getestet#
Im Grunde lassen sich alle Testfotos in zwei Kategorien einteilen:
- Hochauflösende Fotos in guter Qualität, die wir gezielt verschlechtert (JPEG, Unschärfe, Rauschen und so weiter) und auf eine niedrige Auflösung verkleinert haben.
- Fotos, die von Anfang an eine niedrige Auflösung hatten.
Links: das Ausgangsbild für alle Tools im Kerntest, eine kleine Kopie mit 504 × 336 Pixeln (hier vergrößert dargestellt). Rechts: das Original, das keines der Tools je gesehen hat. Es diente nur als Vergleichsmaßstab.
Vergrößert:
Dieselbe Menschenmenge im vergrößerten Ausschnitt. In der Kopie für alle Tools sind diese Gesichter nur etwa 20–26 Pixel breit. Den Rest muss der Upscaler erraten.
Der Kerntest (16 Fotos, 18 Tools und Einstellungen).
- Dasselbe Ausgangsbild mit Bildfehlern für alle: 504 × 336 Pixel, etwas Unschärfe und Rauschen, zweimal als JPEG gespeichert, wie ein Foto, das schon mehrmals geteilt wurde. Das KI-Bild wurde nur verkleinert.
- Dieselbe Aufgabe für alle: 4-mal so groß (2016 × 1344). Topaz, Crystal, Let's Enhance, MegaPotato, Krea, Upscayl und Magnific waren auf 4× eingestellt. Bei Recraft lässt sich keine Größe vorgeben, es lieferte aber genau 4×. ChatGPT und Gemini kann man keine feste Größe vorgeben, deshalb skalierten wir ihre Ergebnisse auf 2016 × 1344.
- Standardeinstellungen, ein Durchlauf pro Foto. Topaz: sechs Modelle. ChatGPT: ein einfacher und ein strenger Prompt. Für einen sauberen Test haben wir keine Standardparameter verändert.
Elf der 16 Fotos aus dem Kerntest (die Originale). Alle 16 sind in photos.csv verlinkt. Die Tools bekamen nur kleine Versionen mit Bildfehlern.
Der erweiterte Test (135 Fotos, 3 Spitzenreiter). Die Fotos sind oben beschrieben. Jedes Ergebnis entstand durch 4× Vergrößerung in einem Durchlauf: MegaPotato in seiner Web-App, Wonder 3.5 und Crystal über fal.ai mit ihren Standardeinstellungen.
Die Bewerter, beide im Blindtest. Leistungsfähige multimodale KI-Modelle als Bewerter einzusetzen[2], ist in der KI-Forschung ein etabliertes Verfahren[3]. Wir haben zwei verschiedene verwendet, damit nicht der Geschmack eines einzelnen Modells das Ergebnis bestimmt.
- Claude Opus 5.5 (max effort)[4] sah jedes Ergebnis unter einem zufälligen Buchstaben, als ganzes Bild und in vergrößerten Ausschnitten, neben dem Original (oder dem Ausgangsbild, wenn kein Original vorhanden war), und vergab eine Note von 0 bis 10. Ein Ergebnis pro Foto wurde zweimal gezeigt, um die Konsistenz zu prüfen.
- Qwen3.8[5] (27B) bewertete vergrößerte Ausschnitte und jedes Gesicht neben dem Original auf derselben Skala von 0–10 und beantwortete für jedes Gesicht die Frage: Ist das noch dieselbe Person?
Die Messungen. Jedes Gesicht wurde einmal mit SCRFD[6] im Original erkannt (im vergrößerten Ausgangsbild, wenn kein Original vorhanden war) und dann aus jedem Ergebnis gleich ausgeschnitten. So kann ein Gesicht, das ein Tool verloren hat, dem Test nicht entgehen.
- Dieselbe Person? Die mittlere Ähnlichkeit aus vier Gesichtserkennungsmodellen (bei den meisten Gesichtern drei): ArcFace[7] (trainiert auf Glint360K[8]), MagFace[9], AdaFace[10] (trainiert auf WebFace12M[11]) und AuraFace[12] (1 = dasselbe Gesicht, verschiedene Personen erreichen etwa 0–0.3).
- Gesichtsqualität: eDifFIQA[13] (der schnelle Nachfolger von DifFIQA[14]) bewertet ohne Original, wie sauber und erkennbar ein Gesicht ist.
- Nähe zum Original: LPIPS[15] und A-FINE[1] in der Gesamtwertung. DISTS[16], DreamSim[17], DINOv2[18], TOPIQ[19] und der CIEDE2000-Farbabstand[20] als Kontrollwerte.
- Bildwirkung: Sieht es gut aus? (kein Original nötig): MUSIQ[21] und NIQE[22] in der Gesamtwertung, MANIQA[23], CLIP-IQA+[24] und TOPIQ als Kontrollwerte.
Die Metriken wurden mit der Open-Source-Bibliothek IQA-PyTorch[25] und dem Code der jeweiligen Modelle berechnet.
Die Gesamtwertung (0–100). 28 % entfallen auf die Opus-Bewertung, jeweils 8 % auf die Qwen3.8-Bewertung der vergrößerten Ausschnitte, die Qwen3.8-Bewertung der Gesichter, die Identitätsähnlichkeit, den Anteil der von Qwen3.8 als andere Person eingestuften Gesichter, die Gesichtsqualität, LPIPS, A-FINE, MUSIQ und NIQE. Die Noten der Bewerter werden mit 10 multipliziert. Jede andere Messgröße wird so skaliert, dass die beste der 18 Kombinationen aus Tool und Einstellung im Kerntest 100 erhält und die schlechteste 0. Der erweiterte Test verwendet dieselbe Skala, damit seine Gesamtwertungen dasselbe bedeuten. Ein Wert, der besser ist als der beste im Kerntest, zählt als 100, ein schlechterer als der schlechteste als 0. Die Gewichte haben wir gewählt. Wir zeigen jeden Bestandteil, damit du sie selbst anders gewichten kannst. Die Gewichte haben wir nach dem Kerntest und vor dem erweiterten Test festgelegt. Opus erhielt das größte Gewicht, weil es ein äußerst leistungsfähiges proprietäres Modell ist und seine Bewertungen im Kerntest am besten mit unserem eigenen Eindruck übereinstimmten.
Zur Reproduzierbarkeit. Vor der Bewertung wurde jedes Ergebnis am Ausgangsbild ausgerichtet: War es um mehr als 0.75 Pixel verschoben, wurde es zurückversetzt (die Ergebnisse von Wonder 3.5 sind oft um etwa 0.8 Pixel verschoben). Die Zahlen sind reproduzierbar: siehe So lässt sich dieser Test wiederholen.
Vorher und nachher: Beispiele im Detail#
Die folgenden Ausschnitte stammen aus dem Kerntest, sofern die Abbildung nichts anderes angibt.
Gesichter: Welcher KI-Upscaler erhält die Identität?#
Unter jedem Ergebnis steht in kleiner Schrift: Opus 5.5: Bewertung, die Note des Bewerters im Blindtest (0–10) für das gesamte Ergebnis, aus dem der Ausschnitt stammt. Gesichtsähnl., die von den Gesichtserkennungsmodellen gemessene Ähnlichkeit dieses Gesichts mit der Person im Original (0–1, verschiedene Personen erreichen etwa 0–0.3), sofern ein Gesicht vorhanden ist. MUSIQ, der Wert für die Bildwirkung des gesamten Ergebnisses (0–100).
Ein Fußballspieler von 1914, dessen Gesicht in der Kopie etwa 25 Pixel breit ist. Sechs Tools bleiben nah am Aussehen der Person im Original: Crystal, Let's Enhance, MegaPotato, Topaz Wonder 3.5, Gemini und ChatGPT (ChatGPT gibt dem Foto außerdem einen leichten Blaustich). Krea überzieht das Gesicht mit schwarzen Linien, bei Upscayl ist es nicht mehr zu erkennen, Recraft Creative und Magnific Creative zeichnen einen anderen Mann. Achte auf Upscayls Zahlen: eine Gesichtsähnlichkeit von 0.54, aber der Qwen3.8-Bewerter für Gesichter gab nur 2 von 10. Ein verzerrtes Gesicht, dessen grobe Form erhalten bleibt, kann die Gesichtserkennung täuschen. Deshalb zeigen wir beide Arten von Messgrößen.
Bei einer Porträt-Nahaufnahme lieferte fast jedes Tool ein gutes Ergebnis: Das Bild enthält viel mehr Informationen, die Aufgabe ist also leichter.
Der einfache Fall: Nase und Lippen in einer Porträt-Nahaufnahme. Crystal und Topaz Wonder 3.5 erhalten die Hautstruktur am originalgetreuesten. MegaPotato glättet sie etwas. Topaz Bloom 2 zeichnet die Lippen neu, Upscayl wirkt wächsern, und Magnific Creative malt eigene Sommersprossen dazu.
Kleine Gesichter sind dagegen extrem schwierig; hier lassen sich die Tools sehr deutlich in Gruppen einteilen. In einer Menschenmenge oder einem alten Gruppenfoto ist ein Gesicht nur 10–35 Pixel breit. Das Modell muss also größtenteils raten.
Eine Frau am Rand einer Menschenmenge auf dem Nachtmarkt, ihr Gesicht etwa 15 Pixel breit. Keines der Tools hat sie wirklich getroffen. Laut Qwen3.8-Bewerter für Gesichter kam Let's Enhance am nächsten (6 von 10), MegaPotato und ChatGPT bekamen eine 5, Topaz Wonder 3.5 eine 3. Interessant: Selbst ChatGPT bekam das Gesicht nicht hin. Bei Gemini und Recraft Creative ist das Gesicht gar nicht mehr zu erkennen.
Ein Ladenbesitzer im Jahr 1943. Das Gesicht ist etwa 16 Pixel breit. Topaz Wonder 3.5 und MegaPotato scheinen hier dem Original am nächsten zu kommen: Wonder erhält Gesicht und Schnurrbart, verändert aber den Blick; MegaPotato und Gemini erhalten das Gesicht mit einem helleren Schnurrbart. ChatGPT macht ihn deutlich jünger. Crystal zeichnet ein anderes, schmaleres Gesicht, und bei Upscayl ist es nicht mehr zu erkennen.
Bei Gesichtern von Statuen scheint sich dasselbe Muster zu zeigen. Das Gesicht dieser Büste ist nur etwa 12 Pixel hoch: ein extrem schwieriges Beispiel, an dem jedes Modell auf seine Weise scheitert. MegaPotato und Topaz Wonder 3.5 scheinen dem Original am nächsten zu kommen: immerhin ein Frauengesicht an der richtigen Stelle. Topaz Bloom 2 meißelt ein anderes Gesicht, bei Upscayl und Recraft Creative ist es nicht mehr zu erkennen, und Magnific Creative verwandelt die Büste in eine Vase.
Was die Zahlen zu den Gesichtern sagen. Im Kerntest gibt es 67 Gesichter auf 9 Fotos, in der Kopie für die Tools 10–290 Pixel breit. Für jedes haben wir die Identitätsähnlichkeit und die Note des Qwen3.8-Bewerters für Gesichter ermittelt sowie erfasst, ob dieser es als andere Person einstufte:
- Gesichtserkennung und KI-Bewerter widersprechen sich auf interessante Weise. Eine einfache, unscharfe Vergrößerung erreicht eine hohe Identitätsähnlichkeit, weil die groben Formen trotz Unschärfe erhalten bleiben. Der Bewerter wertet solche Fälle aber ab. Für ein scharfes Gesicht muss das Modell raten, und jede Vermutung entfernt es etwas vom Original. Diesen Zielkonflikt kann kein Modell umgehen.
- Die Gesichtsqualität unterscheidet die Spitzenreiter nicht. eDifFIQA bewertete die Gesichter von Crystal, Wonder 3.5, Let's Enhance, MegaPotato und ChatGPT mit 0.56–0.59, also ähnlich wie die echten Gesichter (0.58). Verzerrte oder unscharfe Gesichter schnitten deutlich schlechter ab (Upscayl 0.39, einfache Vergrößerung 0.27). Das ist aber eher eine Metrik für die Bildwirkung: Sie bewertet, wie sauber und erkennbar ein Gesicht ist, nicht, ob es dieselbe Person ist.
Bei kreativen Modellen sieht es anders aus. Meist versuchen sie gar nicht erst, die Identität der Person zu erhalten:
Die Frau auf dem Café-Foto. MegaPotato und Crystal (und in der vollständigen Übersicht auch Topaz Wonder 3.5 und Let's Enhance) erhalten ihr Aussehen. Topaz Bloom 2, Recraft Creative, Krea und Magnific Creative zeichnen jeweils eine andere Frau: Die Gesichtserkennungsmodelle bewerten sie mit 0.08 bis 0.45, gegenüber 0.73 für MegaPotato und 0.79 für Crystal.
Text und Zahlen: hier liegen die Tools am selbstsichersten daneben#
Bei kleiner Schrift sind Upscaler am gefährlichsten. Das Ergebnis wirkt lesbar, also glaubst du es.
Der Läufer vom Anfang des Artikels. Die echte Startnummer lautet LUT 3029 TP. Topaz Wonder 3.5 und MegaPotato scheinen hier dem Original am nächsten zu kommen: Wonder trifft die Ziffern (mit 7P statt TP), MegaPotato schreibt 2029. Crystal schreibt 2020, Gemini 2022, und nur Gemini liest „trucks“ auf dem roten Streifen. ChatGPT (strenger Prompt) schreibt „182 XDA 17“, und Recraft Creative ersetzt Startnummer und Shirt komplett.
Große Schrift ist natürlich leichter als kleine:
Ein Schild auf dem Nachtmarkt. Die großen Schriftzeichen bleiben bei MegaPotato, Topaz Wonder 3.5 und Crystal erhalten. Die Telefonnummer darunter, 0981337668, ist im Ausgangsbild nicht lesbar, und kein Tool stellt sie wieder her: Wonder 3.5 und Crystal zeichnen stattdessen lateinische Buchstaben, MegaPotato erfundene Zeichen. ChatGPT zeichnet das gesamte Schild in einem neuen Stil, Magnific Creative malt ein Haus darauf, und Recraft Creative schreibt andere Zeichen.
Eine Speisekarte im Café. Die Wörter sind groß genug, um sie in der kleinen Kopie zu lesen, deshalb erhält sie fast jedes Tool. MegaPotato, Crystal und Topaz Wonder 3.5 scheinen hier dem Original am nächsten zu kommen. Interessant: Viele Modelle verfehlen die Farbtöne. Krea macht die Kreide grau, Magnific Creative schreibt zwei der Wörter um, und Recraft Creative macht aus der Speisekarte Unsinn („smme“, „olwerlo“, „Kinierl“).
Farben: Wer malt das Foto nicht um?#
Efeu an einem Haus in Istanbul. MegaPotato, Crystal und Topaz Wonder 3.5 erhalten die Farben. ChatGPT macht mit beiden Prompts aus den dunkelbraunroten Blättern leuchtend grüne.
Das ganze Foto vom Straßenlauf. MegaPotato und Topaz Wonder 3.5 erhalten wie die anderen behutsamen Tools die Farben. ChatGPT macht mit dem einfachen Prompt aus warmem Licht kühles und fügt oben blauen Himmel und grüne Bäume hinzu. Mit dem strengen Prompt bleibt mehr Wärme erhalten, aber die Farben verschieben sich trotzdem (Farbabstand 11.1 und 7.8 gegenüber 2.3 bei den beiden oben).
Tierfell und KI-generierte Bilder#
Katzenfell. MegaPotato und Crystal scheinen hier dem Original am nächsten zu kommen, Topaz Wonder 3.5 ist etwas weicher. ChatGPT macht das Fell orangefarbener, Magnific Creative malt ein geflecktes Fell und Recraft Creative lange, glatte Haare.
Ein KI-Bild aus dem erweiterten Test (FLUX.1 [schnell], von uns erstellt) mit 16 Gesichtern. Alle drei Spitzenreiter kamen gut damit zurecht. MegaPotatos Ergebnis erhielt von Opus 5.5 die beste Bewertung (8 von 10, gegenüber 7 für Crystal und 6.5 für Wonder 3.5), ebenso bei Qwen3.8 für die vergrößerten Ausschnitte und bei der Nähe zum Original (LPIPS). Auch die Gesichter blieben den Personen im Original am ähnlichsten (Identitätsähnlichkeit 0.75, gegenüber 0.74 und 0.72).
Erfundene Details: Was die Tools hinzufügen, obwohl es nicht auf dem Foto war#
Jedes generative Tool erfand Details, die im Original nie vorhanden waren. Universelle Modelle taten es häufiger, spezialisierte seltener, aber keines ist davor gefeit.
- MegaPotato: erfundene Logos und Zeichen, wo die Schrift zu klein zum Lesen ist.
- ChatGPT: neue Gegenstände und Dekorationen (Vorhänge, Bilder, Firmennamen) sowie ein anderer Himmel und anderes Licht.
- Topaz Wonder 3.5: macht aus Statuen, Puppen und gemalten Gesichtern lebendige Menschen und Fotografien. Falsche Ziffern, wo die Schrift zu klein ist.
- Topaz Standard V2, Low Resolution V2 und Standard MAX: neigen dazu, bei kleinen Gesichtern Accessoires zu entfernen.
- Topaz Bloom 2: neue Kleidung und Gegenstände an Menschen und Statuen sowie auf Tischen.
- Recraft Creative: eine neue Szene: neue Menschen, Pflanzen, Fenster und Speisekarten.
- Magnific Creative: ebenfalls eine neue Szene: neue Menschen und Texte, aus einer Büste wird eine Urne.
Extreme Härtefälle: alte Abzüge, starke JPEG-Kompression, Rauschen (57 Bilder)#
Der erweiterte Test misst den Durchschnitt. Deshalb haben wir zusätzlich einige Tests mit extrem beeinträchtigter Bildqualität durchgeführt, um zu sehen, wie sich die Modelle im schlimmsten Fall verhalten: 57 Bilder, verkleinert (288 × 216 oder weniger) und absichtlich mit Bildfehlern versehen oder schon von sich aus schwierig. Scans mit Druckraster, starke JPEG-Kompression, Rauschen bei wenig Licht, alte Abzüge mit Staub und Kratzern, strukturiertes Papier, winzige Gesichter, Sonnenbrillen, Statuen, Puppen, Gemälde und Comics. Die Originale sind gemeinfreie oder frei lizenzierte Fotos (Library of Congress, Wikimedia Commons, The Metropolitan Museum of Art, Pexels). Hier traten nur die drei Spitzenreiter an; KI-Bewerter wählten im Blindtest für jedes Bild das beste Ergebnis. Für die unten gezeigten Bilder bewertete Opus 5.5 außerdem jedes Ergebnis in einem separaten Blinddurchlauf nach dem Bewertungsschema des Kerntests. Seine Note und MUSIQ stehen unter den Bildern. Die veränderten Gesichter, die du hier siehst, sind Ergebnisse der Tools, keine echten Darstellungen der Personen. Wir zeigen sie nur, um das Verhalten der Tools zu dokumentieren.
Musiker mit starker JPEG-Kompression (Qualität 12) (64 × 48 px aus dem 288 × 216 px großen Ausgangsbild)
Ein Fahrgast im Zug mit starker JPEG-Kompression (Qualität 12) (56 × 42 px aus dem 288 × 216 px großen Ausgangsbild)
Zwei Gesichter mit starken JPEG-Artefakten. Für eine so extreme Aufgabe schlugen sich alle Tools ordentlich, aber jedes erfand oder verlor andere Details.
Fotos: cottonbro studio, Pexels-Lizenz; Syazani Zahari, Pexels-Lizenz
Ein gealterter Sepia-Abzug mit Staub, Kratzern und Unschärfe (148 × 111 px aus dem 288 × 216 px großen Ausgangsbild)
Ein alter, verblasster Fotoabzug mit Einstein.
Foto: Ferdinand Schmutzer, gemeinfrei
Ein Foto von 1943 mit starker JPEG-Kompression (Qualität 12) (90 × 68 px aus dem 288 × 216 px großen Ausgangsbild)
Dasselbe Foto mit starkem Rauschen bei wenig Licht (90 × 68 px aus dem 288 × 216 px großen Ausgangsbild)
Zwei Arten starker Bildfehler im selben Foto von 1943. MegaPotato machte die Frau jünger und ließ ihre Brille verschwinden.
Fotos: Jack Delano, Library of Congress, gemeinfrei (Werk der US-Regierung)
Eine dunkle Sonnenbrille nach starker JPEG-Kompression (100 × 75 px aus dem 288 × 216 px großen Ausgangsbild)
Verspiegelte Sportsonnenbrillen von Läufern nach starker JPEG-Kompression (98 × 74 px aus dem 288 × 216 px großen Ausgangsbild)
Nach starker JPEG-Kompression macht Crystal dunkle Sonnenbrillen oft durchsichtig und zeichnet Augen dahinter. MegaPotato und Wonder 3.5 lassen diese Gläser meist dunkel.
Fotos: Karan Singh, Pexels-Lizenz; RUN 4 FFWPU, Pexels-Lizenz
Eine Puppe aus Biskuitporzellan in einem Spielzeugmuseum, ihr Gesicht im Ausgangsbild etwa 22 px breit (56 × 42 px aus dem 288 × 216 px großen Ausgangsbild)
Eine römische Marmorbüste eines Mannes, Mitte des 1. Jahrhunderts (128 × 96 px aus dem 288 × 216 px großen Ausgangsbild)
Ein paar Beispiele für Gesichter, die nicht zu echten Menschen gehören.
Bilder: Alf van Beem, Wikimedia Commons, CC0; The Metropolitan Museum of Art, Open Access, CC0
Ein Aquarell von John Singer Sargent, 1912 (60 × 45 px aus dem 288 × 216 px großen Ausgangsbild)
Ein Gemälde. Wonder macht aus dem gemalten Gesicht ganz selbstsicher ein Foto. MegaPotato macht es jünger und glatter, eher wie eine Illustration. Crystal erhält den lockeren Pinselstrich, was hier richtig erscheint.
Bild: John Singer Sargent, The Metropolitan Museum of Art, Open Access, CC0
Ein eingescannter Abzug aus den 1910er-Jahren auf strukturiertem Papier (72 × 54 px aus dem 288 × 216 px großen Ausgangsbild)
Nur MegaPotato entfernt die Papierstruktur. Wonder lässt einen Teil davon stehen und macht den Blick der Frau härter. Crystal lässt alles, wie es ist.
Foto: Harris & Ewing, Library of Congress, keine bekannten Einschränkungen für die Veröffentlichung
Gesichter mit starken Bildfehlern sind unsere Schwachstelle: Bei 8 solchen Bildern veränderte MegaPotato auf 6 die Person (anderes Alter, anderes Gesicht oder geöffnete Augen). Bei sehr kleinen Ausgangsbildern blieb Einsteins Gesicht bei keinem Tool erhalten, und MegaPotato hinterließ außerdem an zwei Rändern jedes Ergebnisses einen Streifen verschmierter Pixel.
| Bildart | Bilder | Wonder 3.5 vorn | MegaPotato vorn | Crystal vorn |
|---|---|---|---|---|
| Rasterpunkte in Zeitungen und Zeitschriften (Scans mit Druckraster) | 11 | 8 | 6 | 0 |
| Alte Abzüge: Staub, Kratzer, Unschärfe, strukturiertes Papier | 7 | 2 | 6 | 0 |
| Starke JPEG-Kompression und Rauschen bei wenig Licht auf Personenfotos | 16 | 9 | 6 | 3 |
| Sonnenbrillen nach starker JPEG-Kompression | 5 | 4 | 3 | 0 |
| Winzige Gesichter und Ausgangsbilder (128 × 96, 160 × 120) | 8 | 5 | 5 | 2 |
| Statuen und Puppen | 5 | 1 | 4 | 0 |
| Gemälde und Comics | 5 | 2 | 1 | 2 |
| Alle Härtefälle | 57 | 31 | 31 | 7 |
Bei Gleichstand zählt der Sieg für jedes beteiligte Tool. Die Summe einer Zeile kann deshalb größer sein als ihre Bildzahl. Die Gruppen sind klein, ein einzelnes Bild kann die Bilanz also verändern.
Kurz gesagt: Wonder 3.5 und MegaPotato teilen sich die Härtefälle genau zur Hälfte, mit jeweils 31 ersten Plätzen bei 57 Bildern; Crystal erreicht 7. Scans von Druckvorlagen, starke JPEG-Kompression und verrauschte Fotos: Fang mit Wonder 3.5 an. Alte Abzüge, Statuen, Puppen und strukturiertes Papier: MegaPotato. Gemälde: Crystal, es erhält den Pinselstrich. Bei Gesichtern mit Bildfehlern war auf keines Verlass.
Welcher KI-Upscaler passt zu welcher Fotoart?#
- Echte Fotos in schlechter Qualität, so wie aufgenommen (alte Handyfotos, Aufnahmen früher Digitalkameras, Party- und Bühnenfotos): MegaPotato, mit deutlichem Abstand (67.2 gegenüber 62.8 für Wonder 3.5 und 46.1 für Crystal, 29 Fotos).
- Nacht, Bühne und wenig Licht: MegaPotato (70.1 gegenüber 64.8 und 55.2, 24 Fotos).
- Geteilte, komprimierte oder kleine Fotos von Menschen: MegaPotato für die schärfsten, natürlichsten Gesichter. Topaz Wonder 3.5 oder Crystal, wenn das Gesicht dem Original möglichst ähnlich bleiben muss (höhere Identitätsähnlichkeit).
- Alte, verblasste Abzüge und alte Familienfotos: Wonder 3.5 oder MegaPotato: bei 19 alten Abzügen gleichauf (74.0 und 73.9). MegaPotato lieferte bei den Härtefällen die schärfsten Gesichter, macht aus starken Beschädigungen aber manchmal Muster. Kein Tool entfernt Staub und Kratzer zuverlässig.
- Scans von Zeitungen und Zeitschriften: Topaz Wonder 3.5 oder MegaPotato.
- Statuen, Puppen, Gemälde und Zeichnungen: Bei MegaPotato bleiben steinerne Augen aus Stein. Bei Gemälden erhält Crystal den Pinselstrich. Wonder macht daraus manchmal „lebendige“ Motive.
- Landschaften, Tiere und Gebäude ohne Menschen: Alle drei liegen nah beieinander (Crystal 74.2, MegaPotato 72.8, Wonder 3.5 72.6).
- Fotos mit Namen, Zahlen oder Schildern: Vertraue bei kleiner Schrift keinem Tool. Ein plötzlich lesbares Wort oder eine plötzlich lesbare Zahl ist geraten, nicht wiederhergestellt. An kleiner Schrift arbeiten wir für die nächste Version von MegaPotato.
- Ein großer Druck aus einer kleinen Datei: Bei 300 Pixeln pro Zoll ergeben 2016 × 1344 Pixel einen Druck von etwa 17 × 11 cm (6.7 × 4.5 Zoll). MegaPotato geht bis 8×, Let's Enhance bis 16×, Topaz Gigapixel bis 6×.
- Tausende Bilder über eine API: Für Fotos MegaPotato ($0.079 pro Foto bei 1 000 im Monat), Topaz ($0.26 über die eigene API ab $50 im Monat oder $0.24 über fal.ai) oder Crystal ($0.35). Recraft Crisp ($0.033) nur für saubere Grafiken. Geschwindigkeit und Zuverlässigkeit bei großen Mengen haben wir nicht getestet.
Preise der KI-Upscaler: Was sie wirklich kosten#
Bar chart of 4 bars: MegaPotato $0.073, Let's Enhance $0.22, Topaz Wonder 3.5 · fal.ai $0.24, Crystal $0.35. Highest: Crystal; lowest: MegaPotato.
| value | |
|---|---|
| MegaPotato | $0.073 |
| Let's Enhance | $0.22 |
| Topaz Wonder 3.5 · fal.ai | $0.24 |
| Crystal | $0.35 |
Die vier Tools, deren Gesamtwertung höchstens zwei Punkte hinter der Spitze liegt (80.8 bis 82.6), und ihr jeweiliger Preis pro Foto: 100 Fotos im Monat, gemittelt über drei Größen. Die Balken beginnen bei null. MegaPotato ist um den Faktor 3.1 bis 4.8 günstiger als die anderen drei. Die Topaz-eigene API fehlt im Diagramm: Ihr Abo beginnt bei $50 im Monat. Bei 100 Fotos im Monat bezahlst du deshalb vor allem das Abo, also $0.54 pro Foto. Bei 1 000 Fotos im Monat sind es $0.26.
Scatter plot of 14 points: Gesamtwertung against Preis pro Foto, $ (log scale). Preis pro Foto, $ from 0.033 to 2.051. Highest Gesamtwertung: MegaPotato (82.6); lowest: Recraft Creative (33.3). Highlighted: MegaPotato (82.6 at 0.073). Hollow points are estimates.
| Preis pro Foto, $ | Gesamtwertung | Gesamtwertung from | Gesamtwertung to | series | estimate | |
|---|---|---|---|---|---|---|
| MegaPotato | 0.073 | 82.6 | MegaPotato | |||
| Topaz Wonder 3.5 | 0.24 | 81.9 | Topaz | |||
| Let's Enhance | 0.223 | 81.8 | Let's Enhance | |||
| Crystal | 0.35 | 80.8 | Crystal | |||
| ChatGPT | 0.162 | 73.2 | OpenAI | yes | ||
| Gemini | 0.113 | 70.9 | yes | |||
| Topaz Standard MAX | 0.453 | 69.9 | Topaz | |||
| Topaz Bloom 2 | 0.907 | 68.1 | Topaz | |||
| Topaz Precision, 3 Modelle | 0.107 | 53.9 | 34.1 | 65.1 | Topaz | |
| Recraft Crisp | 0.033 | 63.9 | Recraft | yes | ||
| Krea Enhance | 0.21 | 53.7 | Krea | yes | ||
| Magnific Precision V2 | 1.130 | 53.5 | Magnific | |||
| Magnific Creative | 1.020 | 46.3 | Magnific | yes | ||
| Recraft Creative | 2.051 | 33.3 | Recraft | yes |
Gesamtwertung im Verhältnis zum Preis pro Foto bei 100 Fotos im Monat, gemittelt über drei Größen, eine Farbe pro Anbieter, Topaz über fal.ai. Die Preisachse ist logarithmisch: Derselbe Abstand bedeutet dasselbe Verhältnis, nicht denselben Dollarbetrag. Ungefüllte Punkte stehen für Preise, die anhand des Preises pro Megapixel normiert wurden. Upscayl fehlt im Diagramm: Die App selbst ist kostenlos, benötigt aber deine eigene Grafikkarte und Strom. Diese Kosten haben wir nicht berechnet. So wurden die Preise berechnet ↓
So wurden die Preise in den Diagrammen berechnet
Der Preis pro Foto wird über drei Aufgaben gemittelt, jeweils mit 4× Vergrößerung (0.17 → 2.7 MP, 1 → 16 MP, 3 → 48 MP), bei 100 Fotos im Monat. Die Kosten für ein Paket zum Einmalkauf oder für nicht verfallende Credits verteilen wir auf die Monate, für die das Guthaben bei diesem Verbrauch reicht, höchstens 12. Für jede Menge wählen wir das günstigste Paket oder Abo. Für Topaz gelten die Preise von fal.ai (nach Verbrauch). Über die Topaz-eigene API mit ihrem Mindestbetrag von $50 im Monat wandert jeder Topaz-Punkt nach rechts (Wonder 3.5 auf $0.54). Die drei Precision-Modelle von Topaz (Standard V2 62.6, Low Resolution V2 65.1, High Fidelity V3 34.1) kosten gleich viel und teilen sich einen Punkt bei ihrem Mittelwert; der Balken reicht vom niedrigsten bis zum höchsten Wert. Für MegaPotato gelten die Preise der Web-App samt −20 % Rabatt für 3 oder mehr gemeinsam gesendete Fotos. Bei 100 Fotos im Monat sind die günstigsten Pakete $25 für 600 Chips für die kleine Größe und $50 für 1 300 Chips für die beiden größeren. Die API bietet keinen Serienrabatt und kommt bei dieser Menge auf $0.091 pro Foto. Für Gemini und OpenAI gelten die Preise ihrer Batch-APIs (halber Preis, Ergebnisse innerhalb von 24 Stunden). Kann ein Tool eine Größe nicht erzeugen (ChatGPT über 8 MP, Gemini bei 48 MP, Magnific Creative über 25 MP, Recraft bei jeder fest vorgegebenen Größe), oder liegt nur für eine Größe ein Preis vor (Krea), wird der Preis anhand des Preises pro Megapixel normiert. Diese Punkte sind ungefüllt. Die Tabellen unten zeigen 10 und 1 000 Fotos im Monat. Preise vor Steuern.
Preise pro Foto verbergen zwei Dinge: was du zuerst kaufen musst und ob du das Tool ohne Programmieren nutzen kannst. Deshalb folgen hier die Kosten für einen ganzen Monat mit der kleinen Vergrößerung aus dem Kerntest (ein Foto mit 504 × 336 Pixeln 4× vergrößert, 2.7 MP), die jedes Tool schafft. Die Preise stammen von der jeweiligen Anbieter-Website oder API, wurden am 15. November 2026 erneut geprüft (jede Quelle trägt ihr Datum) und verstehen sich vor Steuern. Die Seiten sind in den Quellen verlinkt.
| MegaPotato[26] | $0.50 | $3.33 | $31 | Chip-Pakete zum Einmalkauf ab $5. Chips verfallen nicht. 3 oder mehr Fotos zusammen: −20 % | Ja |
| Crystal API (Clarity AI)[27] | $0.50 | $5 | $50 | Nach Verbrauch ab $1 | Nein |
| Crystal-Website (Clarity AI)[27] | $13–19 | $13–19 | $199–299 | Ein Monatsabo: Starter $19 ($13 bei jährlicher Zahlung) für 1 200 Credits, 5 Credits pro kleinem Foto. Für 1 000 im Monat ist Business mit 30 000 Credits nötig. Im günstigsten Abo fehlt die „Unterstützung kleiner Bilder“ | Ja |
| Topaz Wonder 3.5 (Topaz API)[28] | $50 | $50 | $100 | Topaz-eigene API, ab $50 im Monat. 1 Credit pro Foto | Nein |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (Topaz API)[28] | $50 | $50 | $100 | Dasselbe API-Abo. 1 Credit pro Foto | Nein |
| Topaz Standard MAX (Topaz API)[28] | $50 | $50 | $100 | Dasselbe API-Abo. 1 Credit pro Foto | Nein |
| Topaz Bloom 2 (Topaz API)[28] | $50 | $50 | $200 | Dasselbe API-Abo. 2 Credits pro Foto | Nein |
| Topaz Wonder 3.5 (fal.ai)[29] | $0.80 | $8 | $80 | Nach Verbrauch. $0.08 je angefangene 8 MP des Ergebnisses | Nein |
| Topaz Standard MAX (fal.ai)[29] | $0.80 | $8 | $80 | Nach Verbrauch. $0.08 je angefangene 4 MP des Ergebnisses | Nein |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai)[29] | $0.80 | $8 | $80 | Nach Verbrauch. $0.08 je angefangene 24 MP des Ergebnisses | Nein |
| Topaz Bloom 2 (fal.ai)[29] | $1.60 | $16 | $160 | Nach Verbrauch. $0.08 je angefangene 2 MP des Ergebnisses | Nein |
| Topaz for Web, Image (Wonder 3, nicht 3.5)[30] | $14–19 | $14–19 | $14–19 | Eine Flatrate: $199 im Jahr, $19 im Monat mit Jahresbindung oder $19 im Monat, monatlich kündbar, im Angebot für $169 und $16 (mit Jahresbindung) am 15. November 2026. Topaz bezeichnet die Bildverarbeitungen als unbegrenzt. Veröffentlichte Grenzen: Export bis 32 MP, zwei Bilder gleichzeitig, Nutzung privat oder in kleinen Unternehmen | Ja |
| Topaz Gigapixel (Desktop, Wonder 3)[30] | $11–29 | $11–29 | $11–29 | $149 im Jahr, $19 im Monat mit Jahresbindung oder $29 im Monat, monatlich kündbar, im Angebot für $127 und $16 (mit Jahresbindung). Lokale Bildverarbeitungen unbegrenzt, Cloud-Verarbeitungen „unbegrenzt“ mit zwei Bildern gleichzeitig | Ja |
| Let's Enhance[31] | $3.25 | $9 | $72 | Abos oder Pakete zum Einmalkauf. 1 Credit pro Foto | Ja |
| Gemini (API)[32] | $0.50 | $5 | $50 | Batch-API, nach Verbrauch. Erzeugt ein 2K-Bild (2528 × 1696). Ohne Code liefert die kostenlose App 1264 px | Nein |
| ChatGPT (OpenAIs Bild-API)[33] | $0.42 | $2.71 | $27 | Batch-API mit Qualität „high“. Mindestens $5 Vorauszahlung. Ohne Code lieferte die App 1536 × 1024 | Nein |
| Recraft Crisp (API)[34] | $0.08 | $0.40 | $4 | Nach Verbrauch ab $1 | Nein |
| Recraft Creative (API)[34] | $2.50 | $25 | $250 | Nach Verbrauch ab $1 | Nein |
| Magnific Creative (ComfyUI-Node)[35] | $3.40 | $34 | $340 | Vorausbezahlte Comfy-Credits, mindestens $10, ein Jahr gültig. Magnifics eigene Abos ab €16 im Monat | Nein |
| Magnific Precision V2 (ComfyUI-Node)[35] | $3.40 | $34 | $340 | Dieselben Credits. Zwei 2×-Schritte | Nein |
| Krea (Pro-Abo)[36] | $21–35 | $21–35 | $21–35 | Pro $35 im Monat oder $21 bei jährlicher Zahlung: 20 000 Recheneinheiten. Krea gibt nicht mehr an, wie viele Enhancer-Bilder damit möglich sind (im Oktober waren es laut Krea 2 500 im Monat) | Ja |
| Upscayl | kostenlos | kostenlos | kostenlos | Deine eigene Grafikkarte | Ja |
Was das praktisch bedeutet: Wenn du programmieren kannst, ist MegaPotatos API unter den behutsamen Tools am günstigsten: $0.091 pro Foto (Mittelwert über drei Größen bei 100 Fotos im Monat, ohne Serienrabatt in der API; in der Web-App gilt er, dort kosten dieselben Fotos $0.073), gegenüber $0.54 für Topaz Wonder 3.5 über die Topaz-eigene API ($0.24 über fal.ai) und $0.35 für Crystals API. Ohne Programmieren ist die Auswahl kleiner. Die Nutzung von Crystals Website kostet ab $13 im Monat bei jährlicher Zahlung ($19 bei monatlicher Zahlung). Wonder 3.5 für Fotos gibt es nur über eine API: fal.ai nach Verbrauch oder die Topaz-eigene ab $50 im Monat (die eigenen Apps von Topaz haben Wonder 3, das wir nicht getestet haben). Damit sind MegaPotato und Let's Enhance im Grunde die einzigen beiden Spitzentools, die du im Browser per Einmalkauf ohne Abo nutzen kannst. MegaPotato ist bei jeder von uns berechneten Größe günstiger. Bei sehr intensiver Nutzung, etwa 1 000 Fotos im Monat, sind die Topaz-Flatrates mit Wonder 3 schwer zu schlagen (Gigapixel $149 im Jahr, Topaz for Web $199, im Angebot für $127 und $169 am 15. November 2026): Topaz bezeichnet die Bildverarbeitungen als unbegrenzt und veröffentlicht kein Monatslimit, sondern nur eine Exportgrenze von 32 MP und maximal zwei Bilder gleichzeitig. Ob das auch bei Tausenden Verarbeitungen pro Monat gilt, konnten wir nicht testen. Bei 100 Fotos im Monat ist MegaPotato bereits günstiger.
Kleingedrucktes, das den tatsächlichen Preis verändert, und nicht getestete Tools
- Mindestbetrag: Topaz-eigene API $50 im Monat (das $0-Abo „Starter“, das im Oktober als „bald verfügbar“ angezeigt wurde, ist verschwunden; die Credits pro Foto stehen in der Dokumentation[37]), keiner bei fal.ai. Crystals Website $13–19 im Monat. MegaPotato einmalig $5. Die APIs von Crystal und Recraft nach Verbrauch ab $1. Die APIs von Gemini und OpenAI mit $5 Vorauszahlung.
- Credits, die verfallen: Abo-Credits von Let's Enhance verfallen bei Kündigung (Pakete zum Einmalkauf verfallen nicht). Credits auf Crystals Website werden nicht in den nächsten Monat übertragen. API-Credits von Gemini und OpenAI verfallen nach 12 Monaten. MegaPotato-Chips, Recraft-Einheiten und Crystal-API-Credits verfallen nicht.
- Preissprünge und Größenlimits: Crystal verdoppelt den Preis knapp über 16 MP ($0.20 auf $0.40). Topaz Standard V2 verdoppelt ihn über 24 MP, und Wonder 3.5 kostet in der Topaz-API bereits 2 Credits bei 16 MP. Auf fal.ai kostet Wonder 3.5 $0.08 je angefangene 8 MP des Ergebnisses ($0.16 bei 16 MP, $0.48 bei 48 MP). Bei MegaPotato steigt der Preis jeweils um einen Chip (0.06 Chip pro Kachel, aufgerundet). OpenAIs Bild-API endet bei etwa 8 MP. Die kostenlose Gemini-App bei 1264 px. Das kostenlose Angebot von Let's Enhance bei 8 MP, mit Logo.
- Nicht getestet: VanceAI[38], Pixelcut[39] und Remini[40]. Ihre Preise stehen in den Toolbeschreibungen.
Alle getesteten KI-Upscaler im Einzelnen#
Kurze Notizen zu jedem Tool: was es ist, was es gut macht und wo es scheitert. Die Bewertungen stehen in der Rangliste, die Preise in den Preistabellen. Es bringt nichts, sie hier zu wiederholen.
1. KI-Upscaler MegaPotato: Erster in beiden Tests und am günstigsten unter den Spitzenreitern#
MegaPotato ist unser eigenes Tool: eine Web-App und eine API, ein Modell für 2×, 4×, 8× oder Verfeinern bei gleicher Größe, Chip-Pakete statt Abo.
Am stärksten ist es bei echten Fotos in schlechter Qualität, Nachtaufnahmen und KI-Bildern. Die Gesichter wirken natürlich, und alte Abzüge säubert es besser als die anderen (Papierstruktur, Staub). Die Schwachstelle sind kleine Gesichter: Sie weichen etwas stärker von der echten Person ab als bei Crystal und Wonder 3.5. Bei dunklen, stark beeinträchtigten Fotos veränderte es das Alter und manchmal die Gesichter, bei sehr kleinen Ausgangsbildern hinterlässt es verschmierte Ränder.
2. Topaz Wonder 3.5: die originalgetreuesten Gesichter, aber nur über eine API#
Topaz Labs ist wohl der bekannteste Name beim Upscaling (seit September 2026 Teil von Adobe), mit drei Modellfamilien, die sehr unterschiedlich arbeiten: Precision, Generative und Creative. Entscheidend ist Wonder 3.5. Es ist nur per API verfügbar, über Topaz selbst oder über fal.ai, wo wir es getestet haben. Die Apps haben Wonder 3.
Die originalgetreuesten Gesichter von allen, das einzige Tool, das die Startnummer des Läufers las, das beste bei Scans mit Druckraster und das behutsamste bei stark beeinträchtigten Gesichtern. Die Probleme: Es behandelt Statuen und Puppen wie Menschen und Gemälde wie Fotos, verändert das Alter von Personen und lässt alte, verblasste Abzüge weich. Bei den anderen Topaz-Modellen sieht es anders aus: Standard V2, Low Resolution V2 und Standard MAX lassen kleine Gesichter wie Plastik wirken und neigen dazu, Accessoires zu entfernen. High Fidelity V3 verändert ein kleines Foto kaum (es ist für große gedacht), Bloom 2 zeichnet Gesichter neu.
3. Let's Enhance: fast genauso originalgetreu und einfach zu bedienen#
Let's Enhance ist einer der ältesten Browser-Upscaler, mit einer Handvoll Modi. Es läuft nur im Browser (seine API wird separat als Claid angeboten, die haben wir nicht getestet). Wir verwendeten den Standardmodus Prime. Du bezahlst mit Credits, als Paket oder Abo.
Behutsam und originalgetreu: Der Bewerter für Gesichter mochte seine Gesichter am liebsten, und es erfand keine größeren Details dazu. Bei der Schärfe fällt es zurück: Seine Ergebnisse sind die weichsten der vier Spitzenreiter, sowohl laut Bewerter für Ausschnitte als auch nach den Metriken für die Bildwirkung. Die Gesichter bleiben etwas weiter von der echten Person entfernt als bei Wonder und Crystal.
4. Crystal Upscaler (Clarity AI): sehr originalgetreu bei normalen Fotos, schwach bei Rauschen und Druckvorlagen#
Crystal ist das geschlossene Modell von Clarity AI, auf Gesichter und Produkte abgestimmt: eine API mit Bezahlung pro Bild und eine Website mit Abo.
Laut Bildmetriken am nächsten an den Originalen: Es erhält die Person und die Farben, fügt nichts hinzu und ist am besten, wenn keine Menschen im Bild sind. Rauschen und JPEG-Blöcke bleiben aber erhalten, nur schärfer, Rasterpunkte bleiben Punkte. In unseren Härtefällen machte es dunkle Sonnenbrillen durchsichtig und ließ Kinder auf alten Fotos wie Erwachsene aussehen. Nichts für Scans, beschädigte Abzüge oder verrauschte Fotos.
5. ChatGPT als Upscaler: auf den ersten Blick toll, aber wichtige Details ändern sich#
ChatGPT hat keinen Knopf zum Vergrößern: Du bittest um eine größere Version, und das Bildmodell zeichnet ein neues Bild.
Auf den ersten Blick die schönsten Ergebnisse von allen. Aber das bekannte Problem beim Neuzeichnen bleibt: Es verschiebt Farben, macht Menschen jünger und schreibt voller Selbstvertrauen neue Texte. Auch ein strenger Prompt mit der Anweisung „don't invent anything“ hält es nicht davon ab. Gut für ein hübsches Bild, nicht für Familienfotos, Dokumente, Produkte oder irgendetwas mit Namen und Zahlen.
6. Gemini-App (Google Nano Banana): behutsam bei Gesichtern, kleine Dateien#
Auch Gemini ist kein Upscaler, sondern zeichnet das ganze Bild neu.
Das behutsamste der Chatmodelle: Es erhält Gesichter und Farben. Die Bilder sind allerdings klein und unscharf, und es schreibt klar gezeichnete, aber falsche Zahlen sowie erfundene Wörter.
7. Recraft (Crisp und Creative): günstig für Grafiken, ungeeignet für kleine Gesichter#
Recraft ist ein Designtool mit zwei Upscalern: Crisp schärft Vorhandenes, Creative zeichnet neu. Die Ergebnisgröße lässt sich nicht wählen.
Crisp kommt mit KI-Kunst und sauberen Kanten gut zurecht und ist die günstigste API im Test, verzerrt aber kleine Gesichter. Creative zeichnet einfach ein anderes Foto, neue Menschen und unsinnige Wörter inklusive. Für Logos, Grafiken und KI-Kunst in großen Mengen, nicht für Menschen.
8. Upscayl: kostenlos und offline, aber ungeeignet für kleine Gesichter#
Upscayl ist eine kostenlose Open-Source-Desktop-App, die Modelle vom Typ Real-ESRGAN auf deiner eigenen Grafikkarte ausführt: kein Konto, kein Wasserzeichen, die Fotos verlassen nie deinen Computer (drei der mitgelieferten Modelle sind als nicht kommerziell gekennzeichnet).
Kostenlos, datenschutzfreundlich, ordentlich bei KI-Kunst und sauberen Kanten, und es erfindet keine Wörter. Kleine Gesichter werden verzerrt, kleine Schrift bleibt verschwommen. Kostenlose Offline-Vergrößerung sauberer Bilder, das ist alles.
9. Krea: viele Werkzeuge, getestet haben wir den eigenen Enhancer#
Krea ist eine Kreativplattform. Ihr Enhancer bietet eigene Modelle und Partnermodelle (Topaz, Magnific). Wir haben die eigenen von Krea getestet.
Viele Tools an einem Ort, wenn du dort ohnehin Bilder generierst. Bei Fotos entfernte sich Kreas eigenes Enhance-Modell weit von den echten Gesichtern, zeichnete schwarze Linien über die Gesichter von 1914 und machte rote Kreide grau. Im Test landete es weit hinten.
10. Magnific: Der Promi unter den Upscalern zeichnet ein neues Bild, der Fotomodus überschärft#
Magnific ist der Upscaler, den alle zuerst nennen, mit zwei Modi: Creative und Precision. Wir haben beide über ComfyUIs Magnific-Nodes mit deren Standardeinstellungen ausgeführt. Der Node lieferte unabhängig von unserer Vorgabe 2×, deshalb vergrößerten wir mit zwei 2×-Durchläufen auf 4×.
Creative erzeugt ein detailreiches neues Bild, gut für Concept Art und Illustrationen. Bei einem Foto ist genau das das Problem: Es zeichnet ein neues, mit anderen Menschen und anderen Wörtern. Precision erhält die Szene, überzieht aber alles mit scharfen, erfundenen Texturen. Mit den Standardeinstellungen kam keiner der beiden Modi in die Nähe der Spitze. Precision könnte mit niedrigeren Detaileinstellungen besser abschneiden als in unserem Durchlauf.
Drei beliebte Tools, die wir nicht getestet haben: VanceAI, Pixelcut, Remini
- VanceAI. Eine Online-Werkzeugsammlung (Vergrößern, Entrauschen, Restaurieren, Kolorieren). Abos ab $15 im Monat für 260 Credits, eine 4×-Vergrößerung kostet 2 Credits. Neue Nutzer erhalten 10 kostenlose Credits.
- Pixelcut. Ein Fotoeditor für Onlinehändler. 3 kostenlose Downloads pro Tag bei 2×, für 4× ist Pro nötig ($8–10 im Monat, „unbegrenzte“ Vergrößerungen). API $0.10 pro Vergrößerung, mit Abos ab $10 im Monat.
- Remini. Eine Handy-App mit Fokus auf Gesichter. Eine Größe lässt sich nicht wählen, deshalb ist sie eher ein Gesichts-Enhancer als ein Upscaler. Wird als Abo angeboten, oft wöchentlich.
So lässt sich dieser Test wiederholen#
Alles, was du brauchst, um den Test zu wiederholen, steht auf dieser Seite und in vier kleinen Dateien:
- Die Fotos: Alle 137 Fotos der beiden Haupttests, mit Quelle, Lizenz und Beschreibung, wie das kleine Ausgangsbild erstellt wurde, stehen in photos.csv. Wie jede Art von Ausgangsbild entstand, steht im Anhang. Die Härtefälle sind in ihrem Abschnitt beschrieben.
- Die Tools: Wo jedes Tool lief, mit Einstellungen und Prompts, steht unter Einstellungen, Prompts und Ausrichtung.
- Die Bewertung: Die Bewerter, Messungen und Formel stehen unter So haben wir getestet. Die Zahlen jedes Tools für beide Tests findest du in der Tabelle des erweiterten Tests und im Anhang.
- Jeder Messwert: Jedes Tool auf jedem Foto in scores.csv, jedes Gesicht in faces.csv. README.txt erklärt jede Spalte und wie daraus die Tabellen auf dieser Seite entstehen. Die Daten sind unter CC BY 4.0 mit einem Link auf diese Seite frei nutzbar.
Version 1.1, 15. November 2026. Die Preise wurden bei allen Anbietern erneut geprüft. MegaPotato ist günstiger geworden (ein Foto mit 48 MP kostet jetzt 4 Chips statt 5) und ist damit jetzt 7.4× günstiger als Topaz Wonder 3.5 über die Topaz-eigene API und 3.3× günstiger als über fal.ai. Topaz hat für seine Apps ein Jahresabo mit monatlicher Zahlung hinzugefügt und die Aktionspreise geändert, und Krea gibt keine Anzahl an Enhancer-Bildern pro Abo mehr an. Alle anderen Preise sind unverändert, ebenso die Testergebnisse.
Version 1.0, 14. Oktober 2026. Die Tools liefen Anfang Oktober 2026. Die Preise wurden am 17. Oktober 2026 erneut geprüft; jede Quelle trägt ihr Datum. Änderungen an den Zahlen werden hier aufgelistet.
Wir haben geprüft, ob sich die Zahlen reproduzieren lassen. Als wir die gespeicherten Ergebnisse des Kerntests mit demselben Code erneut bewerteten, wich jeder Wert bei jedem Foto um höchstens 0.15 % vom ersten Durchlauf ab. Bei erneuter Bewertung von 201 Gesichtern mit denselben Prompts und Ausschnitten vergab Qwen3.8 in 85 % der Fälle dieselbe Note und für 99.5 % der Gesichter dieselbe Antwort auf „Ist das dieselbe Person?“. Claude Opus 5.5 sah ein Ergebnis pro Foto zweimal unter zwei Buchstaben. Im Kerntest waren seine beiden Noten bei 9 der 16 Fotos identisch, bei den übrigen lagen sie einen halben Punkt auseinander. Die Upscaler selbst können bei einem zweiten Durchlauf ein anderes Ergebnis liefern.
So zitierst du diesen Test
MegaPotato Research Team. The Best AI Image Upscalers of 2026–2027: Benchmark With Reproducible Metrics and Prices. megapotato.app, 14. Oktober 2026, Version 1.1 vom 15. November 2026. https://megapotato.app/blog/best-ai-image-upscalers-2026
@misc{megapotato2026upscalers,
title = {The Best AI Image Upscalers of 2026--2027: Benchmark With
Reproducible Metrics and Prices},
author = {{MegaPotato Research Team}},
year = {2026},
month = oct,
howpublished = {\url{https://megapotato.app/blog/best-ai-image-upscalers-2026}},
note = {Version 1.1, 15 November 2026}
}Anhang: Metriken, Einstellungen, Prompts und Fotoquellen#
Alle Zahlen des Kerntests (18 Tools und Einstellungen)
Die Bestandteile der Gesamtwertung, gemittelt über die 16 Fotos. „Andere Person“ ist der Anteil der 67 Gesichter, die Qwen3.8 als andere Person einstufte. A-FINE, DreamSim, DINOv2 und TOPIQ-FR wurden auf Kopien in halber Größe berechnet (1008 × 672). Wenn du den Mauszeiger auf den Namen einer Messgröße bewegst, erscheint eine Erklärung. Alle Definitionen stehen unter Was die Messgrößen bedeuten.
| MegaPotato | 82.6 | 7.00 | 6.98 | 6.85 | 0.481 | 0.0 | 0.560 | 0.207 | 17.4 | 59.9 | 3.19 |
| Topaz Wonder 3.5 | 81.9 | 7.09 | 7.15 | 7.01 | 0.549 | 0.0 | 0.570 | 0.211 | 36.3 | 61.7 | 3.07 |
| Let's Enhance | 81.8 | 6.81 | 6.69 | 7.03 | 0.514 | 1.5 | 0.592 | 0.209 | 23.2 | 59.1 | 3.31 |
| Crystal | 80.8 | 6.78 | 6.85 | 6.76 | 0.545 | 1.5 | 0.583 | 0.193 | 37.1 | 59.7 | 2.98 |
| ChatGPT, strenger Prompt | 73.2 | 6.16 | 6.80 | 6.52 | 0.474 | 4.5 | 0.562 | 0.269 | 27.7 | 61.2 | 4.34 |
| ChatGPT, einfacher Prompt | 73.2 | 5.81 | 6.75 | 6.46 | 0.455 | 6.0 | 0.565 | 0.287 | 23.5 | 63.6 | 4.08 |
| Gemini-App | 70.9 | 6.66 | 6.48 | 6.51 | 0.519 | 1.5 | 0.540 | 0.242 | 35.2 | 50.4 | 4.63 |
| Topaz Standard MAX | 69.9 | 5.78 | 5.95 | 5.84 | 0.497 | 10.4 | 0.499 | 0.223 | 27.1 | 56.4 | 3.98 |
| Topaz Bloom 2 | 68.1 | 5.81 | 6.27 | 5.78 | 0.263 | 9.0 | 0.531 | 0.285 | 27.4 | 63.6 | 3.40 |
| Topaz Low Resolution V2 | 65.1 | 5.47 | 5.40 | 5.57 | 0.484 | 13.4 | 0.483 | 0.235 | 38.1 | 54.7 | 3.77 |
| Recraft Crisp | 63.9 | 5.42 | 5.24 | 5.16 | 0.490 | 7.5 | 0.405 | 0.222 | 30.1 | 53.6 | 4.01 |
| Topaz Standard V2 | 62.6 | 4.89 | 5.15 | 5.21 | 0.469 | 11.9 | 0.479 | 0.248 | 45.5 | 54.9 | 3.16 |
| Upscayl (Standard) | 59.7 | 5.12 | 4.66 | 4.28 | 0.476 | 19.4 | 0.385 | 0.240 | 35.2 | 55.7 | 3.65 |
| Krea Enhance | 53.7 | 4.12 | 5.02 | 4.70 | 0.281 | 31.3 | 0.501 | 0.317 | 47.5 | 58.2 | 3.04 |
| Magnific Precision V2 | 53.5 | 5.20 | 5.49 | 5.24 | 0.464 | 9.0 | 0.493 | 0.490 | 46.5 | 52.5 | 4.61 |
| Magnific Creative | 46.3 | 2.34 | 4.10 | 3.66 | 0.146 | 61.2 | 0.529 | 0.324 | 28.1 | 61.4 | 3.02 |
| Topaz High Fidelity V3 | 34.1 | 4.20 | 4.12 | 3.84 | 0.539 | 20.9 | 0.326 | 0.402 | 61.0 | 30.3 | 6.23 |
| Recraft Creative | 33.3 | 2.03 | 3.20 | 2.81 | 0.166 | 76.1 | 0.479 | 0.416 | 27.6 | 50.2 | 4.22 |
| Einfache Vergrößerung | – | 4.34 | 4.18 | 3.76 | 0.551 | 25.4 | 0.266 | 0.471 | 62.7 | 27.1 | 7.61 |
| Echtes Foto | – | – | 9.09 | – | 1.000 | – | 0.577 | 0.000 | 39.8 | 53.3 | 3.58 |
Weitere Werte, die nicht in die Gesamtwertung einfließen. Nähe zum Original:
| MegaPotato | 0.144 | 0.0125 | 0.969 | 0.697 | 2.49 |
| Topaz Wonder 3.5 | 0.128 | 0.0096 | 0.981 | 0.710 | 2.32 |
| Let's Enhance | 0.131 | 0.0172 | 0.973 | 0.664 | 2.29 |
| Crystal | 0.122 | 0.0076 | 0.983 | 0.707 | 2.12 |
| ChatGPT, strenger Prompt | 0.161 | 0.0233 | 0.980 | 0.621 | 4.82 |
| ChatGPT, einfacher Prompt | 0.176 | 0.0315 | 0.975 | 0.605 | 6.19 |
| Gemini-App | 0.136 | 0.0155 | 0.976 | 0.667 | 2.83 |
| Topaz Standard MAX | 0.149 | 0.0197 | 0.958 | 0.674 | 2.46 |
| Topaz Bloom 2 | 0.172 | 0.0265 | 0.966 | 0.571 | 4.60 |
| Topaz Low Resolution V2 | 0.159 | 0.0156 | 0.938 | 0.672 | 2.19 |
| Recraft Crisp | 0.154 | 0.0196 | 0.948 | 0.685 | 2.51 |
| Topaz Standard V2 | 0.153 | 0.0194 | 0.958 | 0.640 | 2.53 |
| Upscayl (Standard) | 0.163 | 0.0232 | 0.950 | 0.666 | 2.66 |
| Krea Enhance | 0.183 | 0.0347 | 0.933 | 0.489 | 4.27 |
| Magnific Precision V2 | 0.207 | 0.0102 | – | 0.663 | 3.20 |
| Magnific Creative | 0.191 | 0.0626 | – | 0.446 | 5.51 |
| Topaz High Fidelity V3 | 0.213 | 0.0389 | 0.973 | 0.595 | 2.88 |
| Recraft Creative | 0.228 | 0.0645 | 0.885 | 0.326 | 6.97 |
| Einfache Vergrößerung | 0.222 | 0.0271 | 0.972 | 0.608 | 2.57 |
| Echtes Foto | 0.000 | 0.0000 | 1.000 | 0.818 | 0.00 |
–: nicht berechnet (die beiden Magnific-Zeilen).
Werte für die Bildwirkung, die ohne Original auskommen:
| MegaPotato | 0.394 | 0.602 | 0.532 |
| Topaz Wonder 3.5 | 0.422 | 0.624 | 0.570 |
| Let's Enhance | 0.420 | 0.591 | 0.524 |
| Crystal | 0.389 | 0.600 | 0.541 |
| ChatGPT, strenger Prompt | 0.374 | 0.622 | 0.483 |
| ChatGPT, einfacher Prompt | 0.400 | 0.651 | 0.513 |
| Gemini-App | 0.305 | 0.524 | 0.368 |
| Topaz Standard MAX | 0.362 | 0.579 | 0.478 |
| Topaz Bloom 2 | 0.435 | 0.616 | 0.579 |
| Topaz Low Resolution V2 | 0.345 | 0.545 | 0.458 |
| Recraft Crisp | 0.333 | 0.519 | 0.431 |
| Topaz Standard V2 | 0.324 | 0.535 | 0.465 |
| Upscayl (Standard) | 0.353 | 0.552 | 0.468 |
| Krea Enhance | 0.396 | 0.593 | 0.542 |
| Magnific Precision V2 | 0.373 | 0.539 | 0.491 |
| Magnific Creative | 0.415 | 0.637 | 0.552 |
| Topaz High Fidelity V3 | 0.219 | 0.285 | 0.222 |
| Recraft Creative | 0.329 | 0.513 | 0.431 |
| Einfache Vergrößerung | 0.254 | 0.418 | 0.222 |
| Echtes Foto | 0.323 | 0.538 | 0.433 |
Monatliche Kosten für Ergebnisse mit 16 MP
Dieselben Regeln wie in der Tabelle für die kleine Vergrößerung unter Preise der KI-Upscaler: ein Foto mit 1224 × 816 Pixeln 4× vergrößert.
| MegaPotato | $1.00 | $6 | $53 | Chip-Pakete zum Einmalkauf ab $5. 3 oder mehr Fotos zusammen: −20 % | Ja |
| Crystal API (Clarity AI) | $2 | $20 | $200 | Nach Verbrauch ab $1 | Nein |
| Crystal-Website (Clarity AI) | $13–19 | $33–49 | $199–299 | Ein Monatsabo | Ja |
| Topaz Wonder 3.5 (Topaz API) | $50 | $50 | $200–360 | Topaz-eigene API, ab $50 im Monat. 2 Credits pro Foto (4 laut einer anderen Topaz-Seite) | Nein |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (Topaz API) | $50 | $50 | $100 | Dasselbe API-Abo. 1 Credit pro Foto | Nein |
| Topaz Standard MAX (Topaz API) | $50 | $50 | $360 | Dasselbe API-Abo. 4 Credits pro Foto | Nein |
| Topaz Bloom 2 (Topaz API) | $50 | $88 | $660 | Dasselbe API-Abo. 8 Credits pro Foto | Nein |
| Topaz Wonder 3.5 (fal.ai) | $1.60 | $16 | $160 | Nach Verbrauch. Zwei angefangene Blöcke mit 8 MP im Ergebnis | Nein |
| Topaz Standard MAX (fal.ai) | $3.20 | $32 | $320 | Nach Verbrauch. Vier Blöcke mit 4 MP | Nein |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai) | $0.80 | $8 | $80 | Nach Verbrauch. Ein Block mit 24 MP | Nein |
| Topaz Bloom 2 (fal.ai) | $6.40 | $64 | $640 | Nach Verbrauch. Acht Blöcke mit 2 MP | Nein |
| Topaz for Web, Image (Wonder 3, nicht 3.5) | $14–19 | $14–19 | $14–19 | Eine Flatrate ($199 im Jahr, $19 im Monat mit Jahresbindung oder $19 im Monat, monatlich kündbar. $169 und $16 im Angebot am 15. November 2026). „Unbegrenzte“ Bildverarbeitungen, Export bis 32 MP, zwei Bilder gleichzeitig | Ja |
| Topaz Gigapixel (Desktop, Wonder 3) | $11–29 | $11–29 | $11–29 | $149 im Jahr, $19 im Monat mit Jahresbindung oder $29 im Monat, monatlich kündbar ($127 und $16 im Angebot). „Unbegrenzte“ Bildverarbeitungen, zwei Cloud-Bilder gleichzeitig | Ja |
| Let's Enhance | $6.50 | $24 | $160 | Abos oder Pakete zum Einmalkauf. 2 Credits pro Foto mit 16 MP | Ja |
| Magnific Creative und Precision V2 (ComfyUI-Node) | $6.80 | $68 | $680 | Vorausbezahlte Comfy-Credits. 143.6 Credits pro Foto mit 16 MP | Nein |
| Gemini (API) | $0.76 | $7.60 | $76 | Batch-API. Zeichnet in einer vorgegebenen Größe neu (5056 × 3392) | Nein |
| ChatGPT (OpenAIs Bild-API) | nicht möglich | nicht möglich | nicht möglich | Die maximale Bildgröße beträgt 8.2 MP | entfällt |
| Recraft Crisp und Creative (API) | nicht möglich | nicht möglich | nicht möglich | Keine Größeneinstellung | entfällt |
| Krea (Pro-Abo) | $21–35 | $21–35 | $21–35 | 20 000 Recheneinheiten. Krea gibt nicht mehr an, wie viele Enhancer-Bilder damit möglich sind (im Oktober waren es laut Krea 2 500 im Monat) | Ja |
| Upscayl | kostenlos | kostenlos | kostenlos | Deine eigene Grafikkarte | Ja |
Einstellungen, Prompts und Ausrichtung
Erstellung des kleinen Ausgangsbilds (Kerntest). Wir schnitten aus jedem Foto einen Bereich im Format 3:2 aus, erstellten daraus das Referenzbild mit 2016 × 1344 Pixeln, verkleinerten es auf 504 × 336 (Flächenmittelung), fügten leichte Unschärfe (Sigma 0.3 px) und etwas Rauschen (Sigma 1.5 auf einer Skala von 0–255) hinzu und speicherten es zweimal als JPEG (Qualität 60, dann 80). Das KI-Bild wurde nur verkleinert. Die Ausgangsbilder des erweiterten Tests sind für jedes Foto in der Fotoliste beschrieben.
Wo die Tools liefen. Standardeinstellungen, außer der Größe. Die Tools liefen Anfang Oktober 2026.
| Tool | Wo es lief | Einstellungen |
|---|---|---|
| MegaPotato | Web-App auf megapotato.app | 4× |
| Topaz Wonder 3.5, Standard MAX | fal.ai topaz/upscale/image/generative | Modellname wie angegeben, upscale_factor 4, PNG |
| Topaz Bloom 2 | fal.ai topaz/upscale/image/creative | Modellname wie angegeben, upscale_factor 4, PNG |
| Topaz Standard V2, Low Resolution V2, High Fidelity V3 | fal.ai topaz/upscale/image/precision | Modellname wie angegeben, upscale_factor 4, PNG |
| Crystal | fal.ai clarityai/crystal-upscaler | scale_factor 4, creativity 0, PNG |
| Recraft Crisp, Recraft Creative | fal.ai fal-ai/recraft/upscale/crisp, fal-ai/recraft/upscale/creative | keine Größeneinstellung |
| Let's Enhance | Web-App auf letsenhance.io | Prime, 4× |
| Krea | krea.ai Enhance | 4× |
| Magnific Creative | ComfyUI-Partner-Node Magnific Image Upscale (Creative), vorausbezahlte Comfy-Credits | 4×, standard, creativity, HDR, resemblance und fractality 0, engine automatic |
| Magnific Precision V2 | ComfyUI-Partner-Node Magnific Image Upscale (Precise V2) | zwei 2×-Durchläufe (der Node lieferte unabhängig vom gewünschten Faktor 2×); flavor photo, sharpen 7, smart grain 7, ultra detail 30 |
| ChatGPT | ChatGPT Plus, Bildtool | die Prompts unten |
| Gemini | Gemini-App (Nano Banana 2) | der einfache Prompt |
| Upscayl | Upscayls Kommandozeilenprogramm | Modell Standard, 4× |
Auf fal.ai ist die Gesichtsverbesserung bei Topaz standardmäßig eingeschaltet. Die Ecke mit dem Logo von Let's Enhance wurde bei der Bewertung ausgelassen.
Prompts. Einfach, für ChatGPT und Gemini: „Upscale this photo 4x. Keep everything exactly the same.“ Streng, für ChatGPT: „Super-resolution only, 4x. Resolve the detail that is already in the pixels — do not restore, retouch or reinterpret. If you downscale your result back to the original size it must match the original pixel for pixel. Do not use any knowledge of who or what this is: import nothing from other versions of this image. Keep geometry, crop, identity, expression, lighting, colour, grain and lens character exactly as they are. Add only micro-texture implied by the input: pores, hair strands, fabric weave, edges. No retouching, no smoothing, no relighting, no grading, no new elements. Where a region is unresolvable, leave it soft instead of inventing detail.“
Ausrichtung. Jedes Ergebnis wurde auf die 4×-Größe seines Ausgangsbilds skaliert. Ein um mehr als 0.75 Pixel verschobenes Ergebnis wurde zurückversetzt (gemessen per Phasenkorrelation mit dem bikubisch vergrößerten Ausgangsbild). Die Metriken für die Nähe zum Original lassen die wenigen dadurch freigelegten Randpixel aus. ChatGPT und Gemini verschieben und beschneiden das Bild, deshalb haben wir ihre Ergebnisse anhand übereinstimmender Bildmerkmale ausgerichtet.
Die Bewerter. Qwen3.8-27B-FP8 über vLLM, Greedy Decoding. Claude Opus 5.5 (claude-opus-5-5), jedes Ergebnis unter einem zufälligen Buchstaben. Ihre Anweisungen stehen unten.
Die Anweisungen für die Bewerter im Wortlaut
Claude Opus 5.5, Kerntest. Dieses Bewertungsschema galt für jede Vergleichstafel. Die Zeilen zu Dateipfaden und zur Ausgabedatei sind ausgelassen.
You are a blind judge of AI image upscaling quality. You will score anonymous upscaled images against the real photo. You do not know which tools made them, and you must not try to find out. Setup: for each photo there are 3 or 4 sheets named <photo>_<view>.jpg: one "overview" (the whole frame) and 2–3 zoomed views (faces, text, textures). In every sheet the first tile, labelled REAL PHOTO, is the real full-resolution photo. The other tiles, labelled with letters, are upscaled versions made from a small, damaged copy of that photo (504x336 pixels, with blur, noise and JPEG artifacts). Within one photo a letter always means the same image in every view. Letters are shuffled differently for each photo, so letter A of one photo has nothing to do with letter A of another photo. In the overview sheets, the bottom-left corner of every tile, including the real photo, is covered by the same grey box on purpose; ignore it. The grocery photo is an old 1943 black-and-white photo: its real photo is itself soft and grainy. Task: for each photo, look at all its views first, then give every letter one score from 0 to 10 (half points allowed) for overall quality, the way a careful person would judge it looking at the result next to the real photo: is it sharp, clean and natural, and is it true to the real photo? - 10: looks like the real photo, equally sharp and clean; no visible changes. - 8–9: very close; sharp and natural; only tiny differences in fine texture. - 6–7: good; clearly an upscale (a bit soft, over-sharpened or waxy) or small invented details, but the same people, text and colours. - 4–5: clear problems: blurry, plastic skin, garbled details, a noticeable colour change, or one important thing changed. - 2–3: serious problems: faces turned into other people or broken, invented or missing objects or text, the scene redrawn. - 0–1: unusable. Judge the whole image: the overview shows colours, the whole scene and overall sharpness; the zoomed views show faces, text and textures. A serious error in a zoomed view (a broken or replaced face, a new object, wrong readable text) must pull the score down even if the rest is good. Blurry but faithful results should not get high scores either. Be consistent across photos. Score each letter on its own merits.
Claude Opus 5.5, erweiterter Test (KI-Bilder, Fotos ohne Menschen, echte Fotos in schlechter Qualität und alte Abzüge): die Anweisung, die der Bewerter las. Das Ausgabeformat ist ausgelassen. Bei den ursprünglich kleinen Fotos verwendete er das Bewertungsschema des Kerntests, mit einer einfachen Vergrößerung des Ausgangsbilds anstelle des echten Fotos.
You are a blind judge. Three image upscalers (anonymous, letters A, B and C) each enlarged the same small photo 4 times. You do not know which tool is which, and the letters are shuffled on every sheet. Please judge each sheet on its own. What a sheet looks like. Each sheet is split into image files. Read every part of a sheet before you judge it. Part 1 is the whole image. The later parts are zooms. A red box under "Where this zoom is" shows the zoom's place. Top row: "What every tool got": the small input that all three tools were given, enlarged with plain bicubic (soft on purpose). "Original (answer)": only on some sheets. It is the real photo before it was damaged and shrunk. When it is there, it is the answer: the best result is the one closest to it. "Where this zoom is": the location of the zoom. Bottom row: A, B, C, the three results. How to judge. 1. Fidelity, 0 to 10. With an original: how close is the result to the original? Same people (face shape, identity, age, expression, skin tone, hair, glasses, beard), same objects, same text, same colours, same textures. Without an original: is the result a believable sharper version of the input, without changing what is there? Fidelity errors include inventing content (new objects, jewellery, glasses, a different face, eyes opened or closed, text or letters that are not there, fake texture) and losing real content (glasses, moustache, text, patterns, people). A statue or doll must stay a statue or doll. A painting must stay a painting. An old print may stay an old print. 2. Naturalness, 0 to 10. Does it look like a good, natural photo? Look for waxy or plastic skin, a painted look, halos, oversharpening, leftover noise or JPEG blocks, smears, garbled text, repeating patterns, seams and bands at the edges. 3. Rank A, B and C overall. Fidelity matters most, then naturalness. Use "=" only when you truly cannot separate two results. 4. Invented or lost content. For each letter, list concrete changes you can see. Write "none seen" if you saw none. Rules. Judge by eye only. Do not run code, do not measure pixels, do not compute statistics, do not compare file sizes or metadata. Do not try to guess which tool is which, and do not use names of tools. Some sheets may look alike. Judge every sheet fresh from its own images. Look closely at faces, hands, text and fine textures in the zooms.
Qwen3.8, vergrößerte Ausschnitte. Zuerst der Systemprompt, dann die Anfrage für jeden Ausschnitt jedes Ergebnisses ({what} benennt, worauf in diesem Bereich zu achten ist; „overall“ fließt in die Gesamtwertung ein):
System: You are a meticulous photo-restoration evaluator. You compare an AI upscaler's output with the real high-resolution photo. Be strict: invented, removed or changed content (objects, letters, digits, faces, textures) is a serious fault even when the result looks sharp. Answer ONLY with the requested JSON.
Image 1 is the REFERENCE: a crop of the real high-resolution photo. Image 2 is the SAME crop taken from an AI upscaler's output; the upscaler only received a small, degraded version of the photo. What to look at in this region: {what}. Rate Image 2 against the reference and return JSON with keys: fidelity (0-10, 10 = same content as the reference, nothing invented, removed or changed), quality (0-10, sharpness and naturalness of Image 2 on its own: 10 = looks like a real high-resolution photo; blur, plastic skin, oversharpening, halos or painterly texture lower it), overall (0-10, how good a restoration of the reference this is), identity (only if the region shows a human face: 'same' | 'changed' | 'different' | 'destroyed'; otherwise 'n/a'), text (only if the reference contains readable letters or digits: 'correct' | 'partly' | 'wrong' | 'illegible'; otherwise 'n/a'), issues (a list of at most 4 short phrases naming concrete differences from the reference, or []). JSON only.Wenn kein Original vorliegt, steht im Systemprompt „with the small input photo it received“ statt „with the real high-resolution photo“, und die Anfrage beginnt mit: „Image 1 is the INPUT: a crop of the small photo that an AI upscaler received, enlarged by plain resizing, so it is blurry by nature (no better original exists). Image 2 is the SAME crop taken from the upscaler's output.“ Die Schlüssel bleiben gleich, mit „the input“ statt „the reference“.
Qwen3.8, Gesichter. Für jedes Gesicht jedes Ergebnisses („overall“ fließt als Gesichtsnote in die Gesamtwertung ein; „same_person“ = „no“ bedeutet ein verändertes Gesicht):
Three tiles of the SAME face. Image 1: the REAL face (crop of the real high-resolution photo). Image 2: the degraded small input that the upscaler received, enlarged (blurry by nature). Image 3: the AI upscaler's result for the same tile. Compare Image 3 with Image 1 and answer as JSON with keys: same_person ('yes' | 'probably' | 'no' - is it still the same person as in Image 1?), expression ('kept' | 'changed' - eyes open/shut, mouth, smile, gaze), accessories ('kept' | 'changed' | 'none' - glasses, moustache/beard, mask, hat, badge, earrings), artefacts (list from: 'none', 'melted', 'painted', 'plastic_skin', 'extra_features', 'distorted', 'blurred', 'oversharpened'), overall (0-10: how faithful and natural a reconstruction of the real face Image 3 is; 10 = indistinguishable from Image 1, 0 = a different or destroyed face), note (one short sentence). JSON only.Wenn kein Original vorliegt, enthält der Gesichtsprompt zwei Kacheln: eine einfache Vergrößerung des Ausgangsbilds und das Ergebnis. Er stellt dieselben Fragen im Vergleich zum Ausgangsbild.
Der erweiterte Test. Fotos ohne Original wurden mit dem bikubisch vergrößerten Ausgangsbild verglichen; die Prompts wiesen darauf hin. Bei KI-Bildern, Fotos ohne Menschen, echten Fotos in schlechter Qualität und alten Abzügen ist die Opus-Bewertung der Mittelwert seiner beiden Noten von 0–10 für Originaltreue und Natürlichkeit. Bei ursprünglich kleinen Fotos ist es eine einzelne Note von 0–10 im Vergleich zum Ausgangsbild. Qwen3.8s vergrößerte Ausschnitte bei diesen Fotos: die vier detailreichsten Quadrate (jeweils mit einem Drittel der kürzeren Bildseite als Kantenlänge) und die 8 größten Gesichter. Der Bewerter Opus 5.5 sah wie im Kerntest jedes Ergebnis ganz und in vergrößerten Ausschnitten.
Gesichter. Einmal mit SCRFD im Original in der 4×-Größe erkannt (im auf 4× vergrößerten Ausgangsbild, wenn kein Original vorliegt). Jedes Gesicht mit mindestens 10 Pixeln Breite im Ausgangsbild. Derselbe ausgerichtete Ausschnitt mit 112 × 112 Pixeln aus jedem Ergebnis. Gesichtserkennungsmodelle mit Mittelung der Ergebnisse für ungespiegelte und gespiegelte Ansichten. Die Identitätsähnlichkeit ist der Mittelwert der Bewertungen von AdaFace (IR-101, WebFace12M), ArcFace (R100, Glint360K), AuraFace v1 und MagFace (R100). Im Kerntest lief MagFace nur auf den 14 Gesichtern des Straßenlauf-Fotos, im erweiterten Test auf jedem Gesicht.
Metriken. LPIPS (AlexNet) und der CIEDE2000-Farbabstand (nach gaußscher Weichzeichnung mit 2 px) in voller Größe; DISTS auf Kacheln mit 512 px; A-FINE, DreamSim, DINOv2 (ViT-L) und TOPIQ-FR auf Kopien in halber Größe; MUSIQ, CLIP-IQA+ und TOPIQ als Mittelwert aus 5 festen Kacheln mit 512 px; MANIQA und NIQE auf dem ganzen Bild; eDifFIQA (L) auf den Gesichtsausschnitten.
Grenzen dieses Tests
- 16 Fotos sind eine kleine Stichprobe für 18 Tools. 135 Fotos sind eine größere, für drei.
- Ein Durchlauf pro Foto und Einstellung. Generative Tools können jedes Mal ein anderes Ergebnis liefern.
- Standardeinstellungen. Viele Tools haben Regler, mit denen sie behutsamer oder kreativer arbeiten.
- ChatGPT und Gemini konnten nicht exakt 4× vergrößern.
- Fotos ohne Original lassen sich nur mit dem weicheren Ausgangsbild vergleichen. Die Bewerter wurden darauf hingewiesen.
- Die Gewichtung der Gesamtwertung haben wir festgelegt. A-FINE, einer ihrer zehn Bestandteile, bevorzugt Ergebnisse, die natürlicher wirken als das Original. Das begünstigt Upscaler, die stärker eingreifen. Alle Bestandteile sind veröffentlicht, damit du sie anders gewichten kannst.
- Topaz, Crystal und Recraft liefen über fal.ai, Magnific über ComfyUI-Nodes, nicht über die eigenen Apps der Anbieter. Diese können sich anders verhalten.
- Die Gesichtserkennungsmodelle verglichen jedes Ergebnis nur mit seinem eigenen Original. Es wurde nicht nach Identitäten gesucht, und es werden keine Gesichtsdaten veröffentlicht.
- Preise und Modelle ändern sich häufig. Die Tests liefen Anfang Oktober 2026, die Preise entsprechen dem Stand vom 15. November 2026; jede Preisquelle trägt ihr Datum.
Was die Messgrößen bedeuten
Alle Spalten der obigen Tabellen an einem Ort. Auf der Seite erscheint bei gepunktet unterstrichenen Spaltennamen der zugehörige Eintrag, wenn du den Mauszeiger darauf bewegst.
- Gesamtwertung
- die Punktzahl auf einer Skala bis 100: 28 % die Bewertung durch Opus 5.5 und jeweils 8 % für neun weitere Bestandteile (die beiden Qwen3.8-Bewertungen, Identitätsähnlichkeit, Anteil veränderter Gesichter, Gesichtsqualität, LPIPS, A-FINE, MUSIQ und NIQE). Die Noten der Bewerter von 0–10 werden mit 10 multipliziert. Jeder andere Bestandteil wird so skaliert, dass das beste der 18 Tools im Kerntest 100 erhält und das schlechteste 0. Siehe So haben wir getestet.
- Opus 5.5: Bewertung
- Claude Opus 5.5, ein multimodales LLM von Anthropic, sah jedes Ergebnis unter einem zufälligen Buchstaben, ganz und in vergrößerten Ausschnitten, neben dem Original (oder dem Ausgangsbild, wenn kein Original vorliegt), und vergab 0–10 Punkte. 28 % der Gesamtwertung.
- Qwen3.8, vergrößerte Ausschnitte
- Qwen3.8-27B, ein offenes multimodales LLM auf einer gemieteten H100-GPU, bewertete die detailreichsten vergrößerten Ausschnitte jedes Ergebnisses neben dem Original mit 0–10 Punkten.
- Qwen3.8, Gesichter
- Dasselbe Modell bewertete jeden Gesichtsausschnitt neben dem Originalgesicht mit 0–10 Punkten und beantwortete die Frage, ob es noch dieselbe Person ist.
- Identitätsähnlichkeit
- die mittlere Ähnlichkeit zwischen einem Gesicht im Ergebnis und demselben Gesicht im Original, gemessen mit vier Gesichtserkennungsnetzen: ArcFace (CVPR 2019, trainiert auf Glint360K), MagFace (CVPR 2021), AdaFace (CVPR 2022, trainiert auf WebFace12M) und AuraFace (2024). 1 bedeutet dasselbe Gesicht, verschiedene Personen erreichen etwa 0–0.3.
- Andere Person, %
- der Anteil der Gesichter, die der Qwen3.8-Bewerter als andere Person einstufte.
- Gesichtsqualität (eDifFIQA)
- eDifFIQA (IEEE T-BIOM 2024), ein diffusionsbasierter Qualitätswert für Gesichtsbilder: wie sauber und erkennbar ein Gesicht ohne Vergleich mit dem Original wirkt. Höher ist besser.
- LPIPS
- Learned Perceptual Image Patch Similarity (CVPR 2018): der Abstand zwischen Ergebnis und Original anhand der Merkmale eines AlexNet-Netzes. Niedriger bedeutet näher am Original.
- A-FINE
- Adaptive Fidelity-Naturalness Evaluator (CVPR 2025): bewertet, wie nah ein Ergebnis am Original ist und wie natürlich es wirkt. Wirkt das Ergebnis natürlicher als das Original, erhält die Natürlichkeit mehr Gewicht. Niedriger ist besser.
- MUSIQ
- Multi-Scale Image Quality transformer (ICCV 2021): ein Wert für die Bildwirkung, der kein Original benötigt. Höher ist besser.
- NIQE
- Natural Image Quality Evaluator (IEEE Signal Processing Letters 2013): wie weit die statistischen Eigenschaften eines Bilds von denen natürlicher Fotos abweichen, ohne Original. Niedriger bedeutet natürlicher.
- DISTS
- Deep Image Structure and Texture Similarity (IEEE TPAMI 2022): Nähe zum Original in Struktur und Textur. Niedriger bedeutet näher am Original.
- DreamSim
- eine auf menschlichen Urteilen trainierte Bildähnlichkeitsmetrik (NeurIPS 2023). Niedriger bedeutet näher am Original.
- DINOv2
- die Ähnlichkeit der Merkmale von DINOv2 ViT-L (TMLR 2024) zwischen Ergebnis und Original. Höher bedeutet näher am Original.
- TOPIQ-FR
- ein Netz zur Bildqualitätsbewertung nach dem Top-down-Prinzip (IEEE TIP 2024), von der Bildbedeutung bis hin zu den Bildfehlern; TOPIQ-FR vergleicht mit dem Original, TOPIQ bewertet ohne Original. Höher ist besser.
- Farbabstand ΔE
- der CIEDE2000-Farbabstand zwischen Ergebnis und Original, nach einer Weichzeichnung mit 2 px, damit Farbe und nicht Schärfe gemessen wird. Niedriger bedeutet näher am Original.
- MANIQA
- Multi-dimension Attention Network zur Bildqualitätsbewertung, kein Original nötig (CVPR Workshops 2022). Höher ist besser.
- CLIP-IQA+
- die Bildwirkung aus Sicht des CLIP-Modells (AAAI 2023), kein Original nötig. Höher ist besser.
- Preis pro Foto
- der mittlere Preis für Ergebnisse mit 2.7, 16 und 48 MP bei 100 Fotos im Monat, vor Steuern. Siehe Preise der KI-Upscaler.
Die 137 Fotos: Quellen, Lizenzen und Ausgangsbilder
Jedes Foto mit Quelle, Lizenz und genauem Ausschnitt, Bildbereich oder Seed steht in photos.csv. So wurde jede Art von Ausgangsbild erstellt:
- Der Kerntest (16 Fotos). Der Ausschnitt aus der Datei in voller Größe wurde auf 2016 × 1344 skaliert (das Original für den Vergleich) und per Flächenmittelung auf 504 × 336 verkleinert. Danach gaußsche Weichzeichnung (Sigma 0.3 px), gaußsches Rauschen (Sigma 1.5 von 255, mit dem Seed des Fotos) und zweimal JPEG (Qualität 60, dann 80; 4:2:0). Der erweiterte Test verwendet 14 dieser Fotos (nicht die Preisschilder und das Midjourney-Bild).
- KI-Bilder (16). FLUX.1 [schnell] auf fal.ai (
fal-ai/flux/schnell, 4 Schritte, 1536 × 1152) mit dem Prompt und Seed des Fotos; dieses Bild ist das Original. Ausgangsbild: Flächenmittelung auf 384 × 288, dann dieselbe Unschärfe, dasselbe Rauschen (derselbe Seed) und dieselbe JPEG-Kompression wie im Kerntest. - Fotos ohne Menschen (13). Der Bildbereich aus der Quelldatei wurde auf 1536 × 1152 skaliert (das Original) und per Flächenmittelung auf 384 × 288 verkleinert. Dann folgten dieselbe Unschärfe, dasselbe Rauschen und dieselbe JPEG-Kompression wie im Kerntest.
- Echte Fotos in schlechter Qualität (29), kein hochauflösendes Original. Ausgangsbild: der Ausschnitt der veröffentlichten Datei in ihrer ursprünglichen Auflösung, sonst nichts.
- Alte Abzüge und Filmscans (19), kein unbeschädigtes Original. Ausgangsbild: die heruntergeladene Datei, per Flächenmittelung (OpenCV INTER_AREA) auf 480 px an der langen Seite verkleinert, sonst nichts.
- Ursprünglich kleine Fotos (44), kein hochauflösendes Original. Ausgangsbild: die Datei genau wie veröffentlicht (37 Flickr-Fotos, 2001–2007) oder ein Einzelbild aus dem Video (7 Einzelbilder aus Webvideos, 2005–2009). Dateien unter NC- oder ND-Lizenzen und die Video-Einzelbilder werden verlinkt, nicht weiterverbreitet; ihre Ergebnisse sind auf dieser Seite nicht zu sehen.
Quellen
- [1]Du Chen et al. Toward Generalized Image Quality Assessment: Relaxing the Perfect Reference Quality Assumption. CVPR, 2025.
- [2]Dongping Chen et al. MLLM-as-a-Judge: Assessing Multimodal LLM-as-a-Judge with Vision-Language Benchmark. ICML, 2024.
- [3]Lianmin Zheng et al. Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena. NeurIPS Datasets and Benchmarks Track, 2023.
- [4]Anthropic. Introducing Claude Opus 5.5. Ankündigung von Anthropic, 2026.
- [5]Qwen Team. Qwen3.8-27B-FP8 (Modellkarte). Modellkarte auf Hugging Face (keine Forschungsarbeit), 2026.
- [6]Jia Guo et al. Sample and Computation Redistribution for Efficient Face Detection. ICLR (Poster), 2022.
- [7]Jiankang Deng et al. ArcFace: Additive Angular Margin Loss for Deep Face Recognition. CVPR, 2019.
- [8]Xiang An et al. Partial FC: Training 10 Million Identities on a Single Machine. ICCV Workshops (MFR), 2021.
- [9]Qiang Meng et al. MagFace: A Universal Representation for Face Recognition and Quality Assessment. CVPR (Vortrag), 2021.
- [10]Minchul Kim, Anil K. Jain, Xiaoming Liu. AdaFace: Quality Adaptive Margin for Face Recognition. CVPR (Vortrag), 2022.
- [11]Zheng Zhu et al. WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face Recognition. CVPR, 2021.
- [12]fal. AuraFace (Modellkarte von AuraFace-v1). Modellkarte auf Hugging Face (keine Forschungsarbeit), 2024.
- [13]Žiga Babnik, Peter Peer, Vitomir Štruc. eDifFIQA: Towards Efficient Face Image Quality Assessment based on Denoising Diffusion Probabilistic Models. IEEE Transactions on Biometrics, Behavior, and Identity Science (T-BIOM), Bd. 6, Nr. 4, S. 458–474, 2024.
- [14]Žiga Babnik, Peter Peer, Vitomir Štruc. DifFIQA: Face Image Quality Assessment Using Denoising Diffusion Probabilistic Models. IJCB (IEEE International Joint Conference on Biometrics), 2023.
- [15]Richard Zhang et al. The Unreasonable Effectiveness of Deep Features as a Perceptual Metric. CVPR, 2018.
- [16]Keyan Ding et al. Image Quality Assessment: Unifying Structure and Texture Similarity. IEEE TPAMI, Bd. 44, Nr. 5, S. 2567–2581, 2022.
- [17]Stephanie Fu et al. DreamSim: Learning New Dimensions of Human Visual Similarity using Synthetic Data. NeurIPS (Spotlight), 2023.
- [18]Maxime Oquab et al. DINOv2: Learning Robust Visual Features without Supervision. Transactions on Machine Learning Research (TMLR), 2024.
- [19]Chaofeng Chen et al. TOPIQ: A Top-down Approach from Semantics to Distortions for Image Quality Assessment. IEEE Transactions on Image Processing, Bd. 33, S. 2404–2418, 2024.
- [20]Gaurav Sharma, Wencheng Wu, Edul N. Dalal. The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations. Color Research & Application, Bd. 30, Nr. 1, S. 21–30, 2005.
- [21]Junjie Ke et al. MUSIQ: Multi-scale Image Quality Transformer. ICCV, 2021.
- [22]A. Mittal, R. Soundararajan, A. C. Bovik. Making a “Completely Blind” Image Quality Analyzer. IEEE Signal Processing Letters, Bd. 20, Nr. 3, S. 209–212, 2013.
- [23]Sidi Yang et al. MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment. CVPR Workshops (NTIRE), 2022.
- [24]Jianyi Wang, Kelvin C. K. Chan, Chen Change Loy. Exploring CLIP for Assessing the Look and Feel of Images. AAAI, Bd. 37, Nr. 2, S. 2555–2563, 2023.
- [25]Chaofeng Chen, Jiadi Mo. IQA-PyTorch: PyTorch Toolbox for Image Quality Assessment. Software auf GitHub (pyiqa), 2022.
- [26]MegaPotato. Pricing. Unsere eigene Seite, abgerufen am 15. November 2026.
- [27]Clarity AI. Pricing. Anbieterseite, abgerufen am 15. November 2026.
- [28]Topaz Labs. API plans and credits. Anbieterseite, abgerufen am 15. November 2026.
- [29]fal.ai. Topaz Image Upscale: Generative, Precision, Creative. Anbieterseiten, abgerufen am 15. November 2026.
- [30]Topaz Labs. Pricing: Gigapixel, Topaz for Web. Anbieterseite, abgerufen am 15. November 2026.
- [31]Let's Enhance. Pricing. Anbieterseite, abgerufen am 15. November 2026.
- [32]Google. Gemini API pricing. Anbieterseite, abgerufen am 15. November 2026.
- [33]OpenAI. API pricing. Anbieterseite, abgerufen am 15. November 2026.
- [34]Recraft. API pricing. Anbieterseite, abgerufen am 15. November 2026.
- [35]Magnific über ComfyUIs Partner-Nodes: API node pricing (35.91 Credits pro 2×-Schritt bei einem Ausgangsbild bis 1.3 MP, 71.82 bis 3 MP, 107.73 bis 6.4 MP; $1 = 211 Credits), abgerufen am 15. November 2026. Magnifics eigene Abos: Pricing, Anbieterseite, abgerufen am 15. November 2026.
- [36]Krea. Pricing. Anbieterseite, abgerufen am 15. November 2026.
- [37]Topaz Labs. Model Pricing. Entwicklerdokumentation, abgerufen am 15. November 2026.
- [38]VanceAI. Pricing. Anbieterseite, abgerufen am 15. November 2026.
- [39]Pixelcut. Pricing und API pricing. Anbieterseiten, abgerufen am 15. November 2026.
- [40]Remini. remini.ai: Die Abos werden in der App angezeigt. Anbieterseite, abgerufen am 15. November 2026.
