Bildgenerierung in OpenClaw

OpenClaw erzeugt und bearbeitet Bilder über ein einziges Tool, das auf den von Ihnen konfigurierten Bildanbietern aufsetzt. In einer Chat-Sitzung läuft es asynchron: OpenClaw legt eine Hintergrundaufgabe an, gibt sofort die Task-ID zurück und weckt den Agenten, wenn der Anbieter fertig ist; die Abschlussantwort enthält eine kurze Bildunterschrift und jeden erzeugten Anhang, ein Fehler kommt als knappe sichtbare Nachricht zurück, und ist die anfragende Sitzung inaktiv, werden die Bilder direkt zugestellt, damit das Ergebnis nicht verloren geht. Hier sind die Einrichtung, die Routen, was das Tool akzeptiert, und die Vorbehalte.

Einrichtung

• Ein API-Schlüssel für mindestens einen Anbieter, darunter OpenAI, Gemini oder OpenRouter, oder eine Anmeldung über ChatGPT oder Codex; ist ein OpenAI-OAuth-Profil konfiguriert, laufen Bildanfragen darüber statt über den Schlüssel.
• Optional ein Standardmodell im Block für Medienmodelle mit einem Timeout; eine explizite OpenAI-Anbieterkonfiguration, also ein Schlüssel oder eine eigene Basis-URL, aktiviert wieder die direkte Route über die Images API.
• Fragen Sie den Agenten. Eine Zulassungsliste ist nicht nötig: Das Tool ist standardmäßig aktiv, wenn ein Anbieter verfügbar ist, und fehlt andernfalls.

Das Tool erscheint nur, wenn mindestens ein Anbieter für Bildgenerierung verfügbar ist.

Die Routen

Die Dokumentation nennt eine Route pro Ziel: das Bildmodell von OpenAI mit API-Abrechnung oder mit der ChatGPT-Anmeldung, die Varianten von GPT Image 2.5 über die explizite Schlüsselroute, ein PNG oder WebP mit transparentem Hintergrund über das ältere OpenAI-Modell, FLUX über DeepInfra, Krea 2 und GPT Image 2.5 über fal, das Flash-Image-Modell von Gemini über OpenRouter oder direkt über Google, LiteLLM sowie Deployments in Microsoft Foundry. Dasselbe Tool übernimmt Text-zu-Bild und die Bearbeitung mit Referenzbildern, mit einem oder mehreren Bildern als Referenz; bei Krea werden die Referenzen zu Stilreferenzen. Ausgabehinweise für Qualität, Format und Hintergrund werden weitergegeben, wenn der Anbieter sie unterstützt, und als ignoriert gemeldet, wenn nicht, und OpenAI akzeptiert die Moderation low oder auto sowohl für die Generierung als auch für Bearbeitungen.

Die Vorbehalte

• Ein OpenAI-kompatibler LAN-Endpunkt wie LocalAI benötigt die eigene Basis-URL und eine explizite Freischaltung in der SSRF-Richtlinie des Browsers; private und interne Bild-Endpunkte bleiben standardmäßig blockiert.
• In WebChat und der macOS-App bleiben die erzeugten Anhänge an der Abschlussantwort, statt erneut in einer separaten Nachricht nur mit Bildern zu erscheinen, und eine wiederholte Zustellung behält dieselben Identitäten.
• Der Task-Eintrag selbst bleibt stumm; die sichtbare Antwort folgt dem aktuellen Vertrag der Sitzung für sichtbare Antworten, weshalb ein Kanal eine Nachricht mit Bildunterschrift sieht statt eines Stroms von Fortschrittsmeldungen.

OpenClaw mit OpenRouter und OpenClaw mit Gemini sind die beiden Anbieter-Beiträge, über die die meisten Leser hierher kommen.

Wo es sich einordnet

Bildgenerierung ist eines der Medien-Tools neben Video, Musik und Sprache, und sie folgt demselben Muster wie die Websuche von OpenClaw: ein Tool, das der Agent aufruft, ein Anbieter, den Sie gewählt haben, und ein Ergebnis, das über die Antwort zurückkommt statt über eine separate Oberfläche.

Auf Diali

Auf Diali folgt das Tool derselben Regel wie überall sonst: Es erscheint, wenn für den Assistenten ein Anbieter konfiguriert ist, der Bilder erzeugen kann, und diese Wahl treffen Sie im Dashboard. Gehostetes OpenClaw auf Diali ist der Assistent.

• Ein Tool, viele Anbieter, eine Hintergrundaufgabe pro Bild.
• Text-zu-Bild und Referenzbearbeitungen über denselben Aufruf.
• LAN-Endpunkte bleiben blockiert, bis Sie sie freischalten.