Leitfaden zur Optimierung der GPT-Bildmoderation: So reduzieren Sie `moderation_blocked` 400-Fehler

Etwa jede 23. GPT Image 2-Anfrage, die wir zwischen dem 19. August und dem 18. September 2026 bearbeitet haben, endete mit einem HTTP 400-Fehler. Das vorgeschaltete Sicherheitssystem wies diese ab, bevor auch nur ein Pixel gerendert wurde, und die meisten Prompts erschienen den Erstellern völlig harmlos. Dieser Leitfaden zur GPT Image Moderationsoptimierung basiert auf 30 Tagen Produktionsdaten der Image API von TokenLab sowie der offiziellen Dokumentation zur Bildgenerierung von OpenAI. Die Auslöser treten gehäuft auf, und die Lösungen bestehen eher in der Umformulierung der Prompts als in erneuten Versuchen. Wo wir Zahlen nennen, handelt es sich um aggregierte Plattformstatistiken; Kundeninhalte werden nicht reproduziert.

Wichtige Erkenntnisse

• Etwa 4,3 % der GPT Image-Aufgaben auf TokenLab – also ungefähr jede 23. – wurden innerhalb eines 30-Tage-Zeitraums vom vorgeschalteten Sicherheitssystem abgelehnt.
• Referenzbilder verdoppeln die Blockierrate: 8,4 % gegenüber 3,7 % bei reiner Textgenerierung.
• Die stärkste Kombination, die wir beobachteten, war Vokabular mit Bezug auf Minderjährige in Verbindung mit fotorealistischer Ausdrucksweise: ~9,5 %, etwa das 2,2-Fache des Basiswerts.
• Das erneute Senden eines unveränderten Prompts führte im beobachteten Zeitraum zu keiner einzigen Aufhebung einer Blockierung; blockierte Aufgaben werden automatisch erstattet.
• moderation="low" senkt die Strenge für eindeutig harmlose, stilisierte Arbeiten; es deaktiviert niemals die Filterung illegaler Kategorien.

Was der Fehler tatsächlich bedeutet

GPT Image 2 prüft jeden Prompt, jedes Eingabebild und jedes generierte Bild anhand der Inhaltsrichtlinien des Anbieters. Wenn ein Filter auslöst, schlägt die Anfrage mit einem 400-Fehler fehl, wobei der stabile Indikator der Fehlercode ist:

{
  "error": {
    "type": "image_generation_user_error",
    "code": "moderation_blocked",
    "moderation_details": {
      "moderation_stage": "input",
      "categories": ["sexual"]
    }
  }
}

Gemäß der offiziellen Dokumentation ist moderation_details optional und bewusst grob gehalten. moderation_stage gibt an, ob die Blockierung durch Ihre Eingaben (input) oder durch das generierte Bild (output) verursacht wurde. categories enthält breite öffentliche Bezeichnungen wie harassment, self-harm, sexual oder violence. Interne Klassifizierungs-Scores werden niemals offengelegt.

Auf TokenLab erscheint dasselbe Ereignis in zwei Formen:

• Synchrone Aufrufe (/v1/images/generations, /v1/images/edits) geben sofort einen HTTP 400 zurück.
• Async-Aufgaben wechseln in den Status failed mit der Meldung "The request was rejected by the safety system."

Zwei betriebliche Fakten sind in beiden Fällen wichtig. Eine Moderationsblockierung ist für denselben Inhalt deterministisch: Das erneute Senden einer unveränderten Anfrage ist im Wesentlichen nie erfolgreich. Und auf TokenLab zählt eine durch Moderation blockierte Aufgabe als fehlgeschlagene Aufgabe, sodass das vorab abgezogene Kontingent automatisch vollständig erstattet wird. Sie zahlen niemals für eine blockierte Generierung.

Dreißig Tage Daten zur GPT Image Moderationsoptimierung

Zwischen dem 19. August und dem 18. September 2026 wurden etwa 4,3 % der GPT Image-Aufgaben auf TokenLab (ungefähr jede 23.) vom vorgeschalteten Sicherheitssystem abgelehnt. Die blockierten Anfragen sind nicht gleichmäßig verteilt. Sie konzentrieren sich auf einige wenige Muster:

Signal	Blockierte Aufgaben	Alle anderen Aufgaben	Bedeutung
Prompt erwähnt Minderjährige (Kind, Baby, "7-jährig", ...)	79 %	33 %	Stärkster Einzelprädiktor
Wortwahl für fotorealistisches Rendering ("photorealistic", "real human", "live-action")	77 %	57 %	Verstärker, besonders bei Minderjährigen
Sexualisierte Deskriptoren (nackt, sexy, Dessous, körperbezogene Wortwahl)	43 %	17 %	Starker Prädiktor
Allgemeine Wörter für Action/Gewalt (Schlacht, Schwert, Explosion)	~50 %	~50 %	Kein Vorhersagewert für sich allein

Drei weitere Erkenntnisse aus demselben Zeitraum:

• Referenzbilder erhöhen das Risiko. Zum Beispiel wurden Aufgaben mit Eingabe-/Referenzbildern zu 8,4 % blockiert, gegenüber 3,7 % bei reiner Textgenerierung – also mehr als doppelt so häufig. Bilder werden genauso streng moderiert wie Text.
• Lange Prompts scheitern häufiger. Blockierte Prompts waren durchschnittlich etwa 3.600 Zeichen lang, und über die Hälfte überschritt 2.000 Zeichen. Jede zusätzliche Klausel bietet dem Klassifizierer mehr Angriffsfläche.
• Erneute Versuche waren nie erfolgreich. Jede blockierte Aufgabe im Zeitraum endete in einem terminalen Fehlerzustand; keine war durch erneutes Einreichen desselben Inputs erfolgreich. Und jede einzelne wurde automatisch erstattet.

Der am häufigsten blockierte Workflow, den wir beobachteten: fotorealistische Charakter-Design-Sheets von Minderjährigen: Prompts im Stil von "Casting-Referenz", die einen kindlichen Charakter mit ultrarealistischem Rendering, präzisen Körperproportionen und Kleidungshinweisen beschreiben. Prompts, die Vokabular mit Bezug auf Minderjährige mit fotorealistischem Rendering kombinierten, wurden zu ~9,5 % blockiert, das 2,2-Fache der Basisrate.

Bei der Durchsicht der blockierten Population fällt fast jede Ablehnung in eine von fünf Kategorien:

1. Fotorealistische Darstellungen von Minderjährigen. Kinder- oder Baby-Charaktere, die als "ein echter Mensch, fotografiert im Studio", "ultra-fotorealistisch", "kein CGI, keine Illustration" gerendert werden. Die Kombination aus Minderjährigem und Fotorealismus ist die am stärksten geschützte Grenze in der Bildmoderation, und sie greift selbst dann, wenn die Absicht ein unschuldiges Charakter-Sheet ist.
2. Kleidungs- oder körperbezogene Wortwahl bei Minderjährigen. Formulierungen wie "unbekleidet, Nahaufnahme ab Schlüsselbein" (gedacht als einfache Porträt-Zuschneidung) oder detaillierte Körpermaßangaben von Kopf bis Fuß bei einem kindlichen Charakter. Einzeln unschuldig, wirken sie in der Summe wie eine körperbezogene Beschreibung eines Minderjährigen.
3. Sexualisierte Deskriptoren bei erwachsenen Charakteren. Vokabular, das sich auf Posen, Haut und Unterwäsche konzentriert ("Dessous", "nackt", "verführerische Pose"), selbst in ansonsten SFW-Kompositionen.
4. Grafische anatomische Darstellungen von Gewalt. Horror- und Dark-Fantasy-Prompts, die verrottendes Fleisch, freiliegende Organe, offene Wunden oder Parasiten anatomisch detailliert beschreiben.
5. Referenzbilder von echten Personen. Echte Fotos von Minderjährigen, Bilder mit hoher Hautexposition oder gesichtsähnliche Abbildungen von Prominenten, die als Eingabe für Bearbeitungen verwendet werden.

Zwei Verstärker machen es wahrscheinlicher, dass die oben genannten Punkte zu einer Blockierung führen: sehr lange Prompts (mehr Text bedeutet mehr Möglichkeiten für eine schlechte Kombination) und Negativ-Wortlisten. Eine Zeile wie "keine Nacktheit, keine sexuellen Inhalte, keine Gewalt" beruhigt den Klassifizierer nicht. Sie wiederholt die Konzepte, die Sie vermeiden möchten, und fügt sie der Eingabe hinzu. Beschreiben Sie, was Sie wollen, nicht, was Sie nicht wollen.

Das Playbook zur GPT Image Moderationsoptimierung

Diese Umformulierungsschritte basieren auf den oben genannten Daten. (Beispiele dienen der Veranschaulichung, nicht dem Kundenverkehr.)

1. Halten Sie Minderjährige von Fotorealismus fern

Wenn Ihre Geschichte, Ihr Comic oder Ihr Spiel kindliche Charaktere erfordert, rendern Sie diese in einem eindeutig stilisierten Medium:

Vorher: "Ultra-fotorealistisches Casting-Foto eines 7-jährigen Mädchens,
echtes Menschenkind, fotografiert im Studio, detaillierte Körperproportionen,
unbekleidete Nahaufnahme ab Schlüsselbein ..."

Nachher: "Bilderbuch-Aquarellillustration eines jungen Mädchens in einem
Kleid der Ming-Dynastie, Porträt ab Schulterhöhe, rundes Gesicht, zwei
Haarknoten mit Stoffbändern gebunden, sanfter Ausdruck, schlichter weißer
Hintergrund"

Ändern Sie das Medium (Aquarell, 2D-Animation, 3D-Cartoon, Bilderbuchstil). Lassen Sie die Rahmung "echter Mensch / fotografiert" weg und überspringen Sie Körpermaße vollständig. Wenn Sie Kleidung beschreiben müssen, beschreiben Sie, was der Charakter trägt ("trägt eine Stoffjacke mit Rundkragen"), anstatt was er nicht trägt.

2. Löschen Sie Negativ-Wortlisten

Ersetzen Sie "keine Nacktheit, kein Blut, kein Text, kein Wasserzeichen" durch positive Formulierungen: "vollständig bekleidet", "saubere Komposition", "schlichter Hintergrund". Behalten Sie nur negative Begriffe bei, die keine eingeschränkte Kategorie benennen. "Kein Wasserzeichen" ist in Ordnung; "keine Nacktheit" hilft nicht.

3. Kürzen Sie den Prompt

Wenn Sie mehrteilige Charakter-Sheets generieren, wiederholen Sie nicht denselben Stilblock in jeder Panel-Beschreibung. Ein gemeinsamer Stilsatz plus panelspezifische Details hält Sie unter der Schwelle der Angriffsfläche, bei der versehentliche Auslöserkombinationen wahrscheinlich werden.

4. Entschärfen Sie Gewalt durch Atmosphäre, nicht durch Anatomie

Vorher: "ihr Körper verrottend, freiliegender Schädel, Fleisch, Pusteln
und Parasiten ..."

Nachher: "eine Hälfte gelassen und mütterlich, die andere Hälfte löst sich
in Schatten und Gezeitennebel auf, Verfall angedeutet durch Silhouette und
Beleuchtung statt durch anatomische Details"

Dark Fantasy übersteht die Moderation, wenn der Horror durch Stimmung, Beleuchtung und Silhouette transportiert wird, anstatt durch gewebeartige Beschreibungen.

5. Neutralisieren Sie die Nähe zu Inhalten für Erwachsene

Tauschen Sie bei erwachsenen Charakteren körper- und unterwäschebezogene Wörter gegen Mode- und Stimmungssprache aus. "Abendkleid" statt "Dessous", "selbstbewusster Kontrapost" statt "verführerische Pose".

6. Behandeln Sie Referenzbilder als Teil des Prompts

Bildeingaben werden ebenfalls moderiert, und in unseren Daten verdoppeln sie die Blockierrate mehr als. Behandeln Sie sie wie Prompt-Text:

• Bevorzugen Sie stilisierte Referenzen für Minderjährige. Eine Illustration oder ein 3D-Render eines kindlichen Charakters ist eine weitaus sicherere Eingabe als ein echtes Foto eines Kindes und funktioniert normalerweise genauso gut für die Charakterkonsistenz.
• Schneiden Sie auf das Wesentliche zu. Wenn Sie ein Gesicht für die Identitätskonsistenz benötigen, laden Sie den Gesichtsausschnitt hoch, kein Ganzkörper-Strandfoto. Weniger Haut und weniger Kontext bedeuten weniger Angriffsfläche für den Klassifizierer.
• Entfernen Sie überlagerten Text und Wasserzeichen. Bildunterschriften, Meme-Text und Wasserzeichen-Strings auf Referenzbildern werden als Eingabetext gelesen und können Auslöserwörter enthalten, deren Vorhandensein Sie vergessen haben.
• Vermeiden Sie echte Prominenten-Ähnlichkeiten, sowohl als Referenzbilder als auch als "im Stil von "-Prompt-Text.

Die Support-Hinweise zur GPT Image Edit API behandeln die Anfragenstruktur hinter Multi-Image-Edits und asynchronem Polling.

Der Moderationsparameter

GPT Image-Modelle akzeptieren gemäß der offiziellen Dokumentation einen moderation-Parameter mit zwei Werten:

• auto (Standard): Standardfilterung, die bestimmte Kategorien potenziell altersunangemessener Inhalte einschränkt.
• low: weniger restriktive Filterung.

TokenLab reicht diesen Parameter sowohl bei /v1/images/generations als auch bei /v1/images/edits durch:

curl https://api.tokenlab.sh/v1/images/generations \\
  -H "Authorization: Bearer \$TOKENLAB_API_KEY" \\
  -H "Content-Type: application/json" \\
  -d '{
    "model": "gpt-image-2",
    "prompt": "Bilderbuch-Aquarellillustration eines jungen Mädchens in einem Kleid der Ming-Dynastie, Porträt ab Schulterhöhe",
    "size": "1024x1024",
    "moderation": "low"
  }'

Verwenden Sie low, wenn Ihre Inhalte eindeutig harmlos sind, aber immer wieder markiert werden. Stilisierte Illustrationsarbeiten sind der klassische Fall. Zwei Warnungen: low ist nicht off (illegale Kategorien wie CSAM werden immer blockiert), und es ist ein Regler, keine Garantie. Korrigieren Sie zuerst den Prompt, dann greifen Sie zum Parameter.

Umgang mit Blockierungen im Code

Die offizielle Anleitung ist explizit: Fehler vom Typ image_generation_user_error sind vom Benutzer korrigierbar und sollten nicht ohne Änderung der Anfrage erneut versucht werden. Unsere Daten bestätigen dies: Keine blockierte Aufgabe im 30-Tage-Zeitraum wurde durch das erneute Senden einer unveränderten Anfrage wiederhergestellt. Der richtige Umgang:

• Unterscheiden Sie anhand von error.code, nicht anhand des Nachrichtentextes. Nur moderation_blocked (und image_generation_user_error im Allgemeinen) bedeutet "Eingabe korrigieren". Ratenbegrenzungen und 5xx-Fehler sind weiterhin wiederholbar.
• Lesen Sie die Stufe. moderation_stage: "input" bedeutet, den Prompt umzuschreiben oder das Referenzbild auszutauschen; "output" bedeutet, dass das generierte Bild selbst markiert wurde; ein erneuter Versuch mit einem leicht angepassten, risikoärmeren Prompt löst dies normalerweise.
• Halten Sie die Endbenutzermeldung allgemein ("Diese Anfrage konnte aufgrund von Sicherheitsanforderungen für Inhalte nicht abgeschlossen werden") und protokollieren Sie moderation_details sowie die Anfragen-ID für Ihr eigenes Debugging und Support.
• Vermeiden Sie Schleifen. Brechen Sie nach einer Moderationsblockierung pro eindeutiger Eingabe ab; das erneute Einreichen identischer Inhalte verschwendet Latenz und Debugging-Zeit, auch wenn TokenLab sie erstattet.

Checkliste

Ihre Situation	Wahrscheinlicher Auslöser	Lösung
Design-Sheet für Kindercharakter	Minderjährige × Fotorealismus	Stilisiertes Medium, keine Körpermaße, positive Wortwahl für Kleidung
Fotorealistisches Porträt eines Erwachsenen blockiert	Sexualisierte Deskriptoren	Mode-/Stimmungswortwahl; moderation="low" in Betracht ziehen
Dark Fantasy / Horror-Kreatur	Anatomische Gewalt	Atmosphäre und Silhouette statt Gewebedetails
Bearbeitung mit Referenzfoto blockiert	Echte Person / hautlastiges Eingabebild	Enger zuschneiden, stilisierte Referenz verwenden, Overlay-Text entfernen
Langer Multi-Panel-Prompt blockiert	Prompt-Angriffsfläche + Negativlisten	Boilerplate deduplizieren, Negativ-Wortlisten löschen
Harmlose stilisierte Arbeit wird trotzdem markiert	Konservatismus des Klassifizierers	moderation="low"

Einschränkungen. Die oben genannten Statistiken sind 30-Tage-Aggregate aus dem Produktionsverkehr von TokenLab und beschreiben Tendenzen, keine Garantien. Moderationsklassifizierer ändern sich im Laufe der Zeit, und derselbe Prompt kann nach einem vorgeschalteten Update anders behandelt werden. Die Umformulierungsvorlagen sind illustrative Beispiele, keine Kundendaten. Validieren Sie immer vor einem Batch-Lauf mit einem kleinen Test gegen das aktuelle Verhalten.

FAQ

Zahle ich für eine blockierte Generierung?

Nein. Auf TokenLab schlagen durch Moderation blockierte Aufgaben fehl, und das vorab abgezogene Kontingent wird automatisch und vollständig erstattet.

Hilft es, denselben Prompt erneut zu versuchen?

Nein. In 30 Tagen Daten war kein einziger blockierter Task bei einem unveränderten erneuten Versuch erfolgreich. Ändern Sie zuerst die Eingabe.

Deaktiviert moderation="low" die Sicherheitsfilterung?

Nein. Es reduziert die Restriktivität; illegale Inhaltskategorien bleiben unabhängig davon blockiert.

Werden Referenzbilder wirklich moderiert?

Ja. Sowohl der Prompt als auch jedes Eingabebild werden gefiltert. Aufgaben mit Referenzbildern wurden in unseren Daten mehr als doppelt so häufig blockiert wie bei reiner Textgenerierung.

Kann ich genau sehen, welche Regel ausgelöst wurde?

Nur auf der groben Ebene von moderation_details.categories, und nur wenn der vorgeschaltete Anbieter diese einbezieht. Anbieter legen die Interna der Klassifizierer bewusst nicht offen.

Um diese Modelle auszuprobieren, durchsuchen Sie den Bildmodellkatalog, lesen Sie den Leitfaden zu asynchronen Jobs und Polling für die Handhabung des Aufgabenlebenszyklus und prüfen Sie die TokenLab-Dokumentation für das aktuelle Anfrageformat.

Erstellen Sie einen API-Key und führen Sie einen kleinen Test-Batch aus, bevor Sie einen Workflow skalieren.