Was ist Reve 2.1? Ein Leitfaden zum KI-Bildmodell

Was Reve 2.1 wirklich ist

Reve ist ein KI-Produkt für Bildgenerierung und -bearbeitung von Reve AI, einem kleinen Labor in Palo Alto. Das aktuelle Vorzeigemodell, Reve 2.1, erschien am 9. Juli 2026, gut einen Monat nach Reve 2.0. Das Unternehmen vermarktet es unter dem Slogan "images you can touch", und die Startseite fasst die Produktaufteilung treffend zusammen: "Reve 2.1 images are the code. Reve.com is the editor."

Das ist der Teil, bei dem es sich lohnt, genauer hinzuschauen. Ich baue beruflich KI-Funktionen, und was mir hier ins Auge fiel, war nicht die Ästhetik (die ist gut), sondern die Architektur. Den größten Teil meines Alltags verbringe ich damit, KI-Output zu bauen, den ein Mensch tatsächlich prüfen und dem er vertrauen kann, bevor er etwas Reales tut, und Reve verfolgt dieselbe Idee in einem Bereich, um den sich fast niemand kümmert: Bildgenerierung.

Hier die Kurzversion, wie das Modell dorthin gekommen ist.

Reve tauchte erstmals im März 2025 mit einem Vorschaumodell auf (weithin "Halfmoon" genannt), das auf Platz 1 der Artificial Analysis Image Arena schoss und dabei Midjourney v6.1 und Googles Imagen 3 schlug. Es folgte Reve 1.0, trainiert "nicht auf Bildunterschriften, sondern auf detaillierte Datenstrukturen". Dann strukturierte Reve 2.0 im Juni alles rund um Layouts und natives 4K neu. Reve 2.1 ist die Verfeinerung dieser Grundlage, mit schärferem Prompt-Verständnis und stärkerer Textwiedergabe.

Die Wette unter der Haube: Bilder als Code

Die meisten Bildmodelle befinden sich, in Reves Worten, noch in einer "Feuerwerksphase": Man packt Material in eine Röhre, zündet es an und hofft, dass etwas Hübsches herauskommt. Man tippt einen Prompt, das Modell geht direkt zu Pixeln, und wenn die Hände falsch sind oder auf dem Schild "RSETAURANT" steht, bleibt einem nur, neu zu würfeln und zu hoffen.

Reve 2.1 teilt das in zwei Schritte auf. Es plant das Bild zuerst als strukturiertes, adressierbares Layout, in dem jedes Element eine Position, eine Größe und eine lokale Beschreibung hat, und rendert es erst danach. Der Plan ist inspizierbar und bearbeitbar, von dir oder von einem Agenten.

Am deutlichsten sieht man das in Reves eigener Demo einer Szene, die in beschriftete Teile zerlegt ist, bis hinunter zu den einzelnen Säulen eines Gebäudes. Dieses beschriftete Skelett ist die Zwischendarstellung, über die das Modell nachdenkt, bevor es auch nur einen einzigen Pixel zeichnet.

Die Analogie des Unternehmens lautet, dass ein Bild direkt aus Text zu generieren ist "wie ganze Anwendungen zu generieren, ohne zuvor eine Codebasis zu erzeugen". Unter der Haube kombiniert Reve zwei Modellfamilien: Diffusion (wunderschön, aber schwer zu steuern) und einen autoregressiven, LLM-artigen Planer (steuerbar, aber langsamer). Die Behauptung ist, dass man das Beste aus beiden bekommt.

Normalerweise bin ich gegen diese Art von Framing allergisch, weil "KI, der man vertrauen kann" die am meisten überstrapazierte Phrase der Branche ist. Aber der Mechanismus hier ist real, und es ist dasselbe Prinzip, auf das ich mich beim Bau von Support-Automatisierung verlasse: Eine Black Box, die nur eine finale Antwort liefert, ist schwer zu vertrauen, während ein System, das zuerst seinen Plan zeigt, eins ist, das man tatsächlich korrigieren kann. Es ist der Unterschied zwischen Hoffen und Prüfen.

Was neu ist in Reve 2.1

Reve beschreibt 2.1 als "einen echten Sprung in visueller Intelligenz und Reasoning" auf Basis der 2.0-Architektur. Die drei wichtigsten Verbesserungen, laut dem Launch, sind besseres Prompt-Verständnis, mehr Weltwissen und stärkere Wiedergabe fremdsprachigen Texts, mit den größten Fortschritten bei Marketingmaterial, abstrakten Mustern und Menschen.

Text ist der Punkt, den man im Auge behalten sollte. Lesbare Wörter in einem Bild darzustellen war seit Jahren die große Peinlichkeit von Bildmodellen, und genau hier sticht Reve wirklich hervor. Poster, Verpackungen, Werbe-Mockups und Logos kommen mit einer Typografie heraus, die meist zusammenhält, statt in Kauderwelsch zu zerfallen.

Weil Layout und Text vor dem Rendern geplant werden, übersteht auch kleinformatiger Branding-Text (Adressen, Telefonnummern, Produktnamen) den Prozess, genau das also, was normalerweise als Erstes zerfällt.

Designer auf X griffen das sofort auf. Wie es einer nach dem Release formulierte:

"Haven't tested yet but the improved text rendering and prompt understanding sound like game-changers for complex designs."

@CatiaKyen, X

Wie gut ist es wirklich?

Benchmarks bei Bildgenerierung sind unübersichtlich, daher lohnt es sich, genau zu sein. Auf Arena.ais Text-to-Image Arena (dem Human-Preference-Leaderboard, früher bekannt als LMArena) landete Reve 2.1 insgesamt auf Platz 2 mit einer Elo von 1306, ein Sprung um +36 gegenüber Reve 2.0 innerhalb eines Monats und +28 vor dem nächstbesten Modell. Es rangiert in sechs Kategorien in den Top 3, darunter Fotorealismus, Kunst und Textwiedergabe.

Zwei Einschränkungen halten das ehrlich. Erstens: Platz 2 bedeutet, es gibt einen Platz 1: OpenAIs GPT Image 2 liegt weiterhin darüber. Zweitens sind sich die Leaderboards uneinig. Zum Zeitpunkt dieses Textes hatte das Artificial-Analysis-Board 2.1 noch nicht eingestuft und zeigte weiterhin Reve 2.0 auf Platz 2 hinter GPT Image 2 mit 1338. "Weltweit Nummer 2" ist also speziell Arena.ais Urteil, kein universeller Fakt. Unbestritten ist, dass Reve fest in der Spitzengruppe steht, was Reve nach eigenen Angaben mit Training auf "10x weniger GPUs" erreicht hat als die größeren Labore.

Die Produktfotografie hält, was die Platzierung verspricht.

Bearbeitung ist der Teil, über den sich Nutzer wirklich freuen

Hier hört die Idee "Bilder als Code" auf, ein Slogan zu sein. Weil das Bild ein strukturiertes Layout ist, kannst du einzelne Elemente nach der Generierung auswählen und neu prompten, statt alles neu zu generieren und alles zu verlieren, was dir gefallen hat. Reves Editor legt diese Elemente direkt offen.

Ändere den Hintergrund von einem Studiohintergrund zu einer grasbewachsenen Wiese, behalte Produkt und Logo exakt an ihrem Platz, und nur diese Region wird neu gerendert.

Das ist die Funktion, die bei der Vorgängerversion die stärkste organische Reaktion auslöste, und sie zieht sich direkt bis in 2.1:

"Reve 2.0 is incredible at image editing. It automatically detects layers in images you generate, and then you can specifically prompt to make changes."

Jerrod Lew, X

Reve behauptet zudem, dass der Layout-Ansatz bedeutet, dass iterative Bearbeitungen das Bild nicht verschlechtern, so wie es bei wiederholten Diffusionsdurchgängen üblicherweise der Fall ist, da das Generieren aus einem festen Layout den Artefakt-Aufbau vermeidet, den man beim wiederholten Bearbeiten eines Rasterbilds bekommt.

Was Reve 2.1 kostet

Reve hat zwei Preisflächen: Consumer-Abo-Pläne für die App und nutzungsbasierte Credit-Preise für die API. Beide laufen über eine Credit-Einheit, die die App "Energy" nennt, und die Consumer-Stufen werden als Vielfache der kostenlosen Basisstufe angegeben statt als absolute Zahlen.

Für Entwickler ist die API Pay-as-you-go: Ein Mindestbetrag von 10 $ kauft 7.500 Credits, und eine v2-Bildgenerierung oder -bearbeitung kostet 150 Credits (etwa 0,20 $). Günstigere Legacy-"Fast"-Endpunkte laufen für so wenig wie ~0,007 $ pro Bild. Ein Punkt, den man bei der kostenlosen Stufe beachten sollte: Konten sind standardmäßig für Modelltraining angemeldet, und nur bezahlte Pläne können das abschalten.

Mit 19,99 $ für die oberste Consumer-Stufe unterbietet Reve einen Großteil der Konkurrenz, und Videogenerierung zu diesem Preis zu bekommen, ist wirklich aggressiv.

Was Leute sagen, positiv wie negativ

Das Lob ist konsistent: Prompt-Treue, Textwiedergabe und 4K-Output sind das, was Nutzer über jede Version hinweg hervorheben. Die Beschwerden sind eng gefasst und, bezeichnenderweise, nicht über die Qualität. Die meistbeachtete Antwort auf den offiziellen Launch war eine Bitte, die Inhaltsrichtlinie zu lockern:

"make it allow nsfw for paid users on text to image"

@blankbraindead, X

Und eine praktische Klage, die relevant wird, wenn du im großen Maßstab generierst:

"Nice 👍 I hope the file size has been optimized. It was much larger than expected for a generated image."

@adrenaltrades, X

Die ehrlichen Grenzen sind also: eine strikte Inhaltsrichtlinie, die selbst zahlende Nutzer nicht lockern können, schwere Ausgabedateien (ein echter Kostenfaktor bei Massengenerierung) und ein junges, proprietäres Produkt, bei dem das Modell dem umgebenden Tooling deutlich voraus ist. Reve ist zudem ausschließlich Premium, was im Kontrast zu Open-Weights-Alternativen steht, die etwa im selben Zeitfenster erschienen. Keiner dieser Punkte ist für die meisten kommerziellen Anwendungen ein Ausschlusskriterium, aber es sind die Dinge, die man kennen sollte, bevor man einen Workflow darauf aufbaut.

Wo ich es tatsächlich einsetzen würde

Wenn deine Arbeit Marketingvisuals, Poster, Verpackungen, Werbe-Mockups oder alles mit Text betrifft, ist Reve 2.1 aktuell eine der stärksten verfügbaren Optionen, und das Bearbeitungsmodell ist ein echter Produktivitätsschub. Wenn du unzensierte Generierung oder offene Gewichte brauchst, schau woanders. Und wenn du es rein am malerischen Stil mit Midjourney vergleichst, hat Midjourney auf dieser spezifischen Achse weiterhin einen Vorsprung, während Reve bei Prompt-Gehorsam und Typografie gewinnt.

Der tiefere Grund, warum ich Reve beobachtenswert finde, hat nichts mit Bildern zu tun. Es ist das Muster. Der Schachzug, der Reve gut macht, besteht darin, den Plan der KI sichtbar und bearbeitbar zu machen, statt ihn in einer Black Box zu verstecken. Das ist kein Bildgenerierungs-Trick, sondern einfach gutes KI-Design, und genau so denke ich über die Support-Automatisierung, die wir bauen.

Probiere eesel aus

Reve ist für Bilder da. Wenn das KI-Problem, das du eigentlich lösen willst, geschriebene Arbeit ist (Support-Antworten, Hilfecenter-Artikel, Blog-Entwürfe), dann ist das der Bereich, in dem eesel AI lebt, und es basiert auf demselben Prinzip, das Reve gut macht: dich nie zwingen, einer Black Box zu vertrauen.

Unser AI blog writer entwirft langformatige, recherchierte Inhalte (auch der Workflow dieses Beitrags eingeschlossen), und unser AI helpdesk agent bearbeitet Support-Tickets. Der Grund, warum Teams ihm vertrauen, ist dieselbe Idee des "Plans, den man prüfen kann": Bevor ein Agent jemals einem echten Kunden antwortet, kannst du ihn an Tausenden vergangenen Tickets simulieren, um genau zu sehen, was er geantwortet hätte, Lücken zu finden und sie zu schließen. Es ist das Gegenmittel gegen KI, die halluziniert, und der Grund, warum Kunden wie Gridwise im ersten Monat 73 % der Tier-1-Anfragen gelöst sahen.

Die Preisgestaltung ist nutzungsbasiert bei 0,40 $ pro Lösung ohne Sitzplatzgebühren, und du kannst eesel kostenlos ausprobieren mit 50 $ Nutzungsguthaben und ohne Kreditkarte. Es lässt sich in wenigen Minuten in dein Helpdesk integrieren und kennt bereits deine Dokumentation.