GPT Image 2.5 em análise

Em 8 de setembro, a OpenAI lançou o ChatGPT Images 2.5, cinco meses depois do Images 2.0. No ChatGPT, ele passou a ser o modelo de imagem de todos os usuários. Na API, chegou como dois modelos: o GPT-Image-2.5 Flare, o padrão rápido, e o GPT-Image-2.5 Sunburst, que leva mais tempo para um trabalho mais preciso.

A OpenAI diz que as pessoas já criam mais de 3 bilhões de imagens por semana com suas ferramentas. Veja o que mudou, o que o modelo faz bem, onde ainda escorrega, quanto custa e o que isso significa para uma marca que quer usá-lo.

O que mudou

As principais promessas são detalhes mais nítidos, luz e textura mais naturais e resultados mais rápidos, com até 50 por cento menos espera do que o Images 2.0. A OpenAI também diz que o modelo mantém o tema de uma foto de referência mais reconhecível e segue instruções de edição com mais confiabilidade ao longo de várias rodadas, para que as mudanças anteriores não se desfaçam.

O ChatGPT ganhou ferramentas em torno do modelo. O Sketch transforma um rascunho feito à mão em uma imagem pronta. Os templates começam um pôster ou uma foto de produto a partir de uma estrutura, e não de um prompt em branco, e é possível deixar comentários direto na imagem para orientar uma edição.

Boa parte da base veio em abril, com o GPT Image 2. O TechCrunch o achou “surpreendentemente bom” com texto, com um cardápio de restaurante plausível o bastante para ser usado, e a OpenAI destacou a melhor renderização de escritas como japonês, coreano, híndi e bengali. Ele também ganhou uma etapa de raciocínio: o modelo pode pesquisar na web, gerar várias imagens a partir de um único prompt e conferir o próprio resultado.

Qualidade, texto e edição

As votações às cegas o colocam no topo. No ranking de texto para imagem da Arena, em que as pessoas comparam duas imagens anônimas e escolhem a melhor, o Sunburst ficou em primeiro e o Flare em segundo em 7 de outubro, à frente do GPT Image 2 e bem à frente do Grok Imagine, do MAI-Image-2.6 da Microsoft e do Nano Banana 2.1 do Google. Votações assim medem o que as pessoas preferem num relance, não se uma imagem é a certa para uma marca, mas a liderança é consistente.

É no texto que o avanço mais aparece. Títulos, cardápios, rótulos e elementos de interface que saíam embaralhados há dois anos agora costumam vir escritos corretamente. A documentação da própria OpenAI é mais cautelosa do que o post de lançamento: o modelo “ainda pode ter dificuldade com o posicionamento preciso e a nitidez do texto”. Na nossa visão, isso significa sim para rascunhos e mockups, e sim para embalagens finais ou textos jurídicos só depois que uma pessoa conferir cada palavra.

Para uma marca, a edição importa mais do que a primeira imagem. A OpenAI diz que o Images 2.5 está melhor em mudar só o que foi pedido, de modo que um produto, um fundo ou uma linha de texto podem ser trocados sem mexer na composição. A documentação nomeia os limites com clareza. Uma máscara é uma orientação, não um estêncil, e o modelo “pode não seguir o formato exato dela com total precisão”. Ele também pode ter dificuldade para manter personagens recorrentes ou elementos de marca consistentes entre gerações e para posicionar elementos com precisão em layouts.

A regra prática decorre daí. Trate cada edição como uma nova renderização da imagem inteira e compare-a com o original antes que ela vá para qualquer lugar. Quando um produto precisa ficar exatamente como é, como um frasco com rótulo regulamentado, mantenha a fotografia real e deixe o modelo construir a cena em volta dela, em vez de redesenhar o objeto.

Velocidade, preço e limites

O Flare é o modelo que a OpenAI recomenda para a maioria dos usos. O Sunburst é pensado para trabalhos de campanha em que as edições precisam se manter, e leva mais tempo. Os dois custam o mesmo por token: 30 dólares por milhão de tokens de saída de imagem, mais a entrada. A calculadora da própria OpenAI estima uma imagem quadrada de 1'024 pixels em cerca de meio centavo de dólar em baixa qualidade, cerca de 5 centavos em alta qualidade e cerca de 21 centavos na nova configuração máxima.

As imagens podem chegar a 3'840 pixels no lado maior, embora tudo acima de 2'560 por 1'440 ainda seja marcado como experimental, e prompts complexos podem levar até dois minutos. A OpenAI pode pedir que uma organização se verifique antes de usar os modelos de imagem na API. Os modelos também saem de linha depressa: o gpt-image-1 será desativado em 23 de outubro, e o GPT Image 1.5 e sua versão mini o seguem em 1º de dezembro. Todo fluxo de trabalho construído sobre um modelo precisa ser testado de novo no seguinte.

Contra o Google e os demais

O Google respondeu em 6 de outubro com o Nano Banana 2.1, construído sobre o Gemini 3.6 Flash. Ele aceita até 14 imagens de referência, mantém até quatro personagens e dez objetos consistentes, renderiza em até 4K e custa, segundo o The Decoder, 3,36 centavos de dólar por imagem em 1K e 7,56 centavos em 4K. O próprio model card do Google lista os pontos fracos: texto pequeno muitas vezes borrado em 1K, semelhança imperfeita com as imagens de referência e confusão ocasional entre esquerda e direita.

A troca, portanto, é clara. O GPT Image 2.5 lidera na preferência geral e no texto, e sua edição melhorou. O Google é mais barato em alta resolução, aceita mais referências de uma vez e está dentro do Google Ads, do Flow e do Stitch. Nos testes do The Decoder, o Nano Banana Pro do Google, mais antigo e mais caro, ainda produzia muitas vezes a imagem mais natural. Nenhum modelo vence todos os trabalhos, e é por isso que a escolha funciona melhor trabalho a trabalho, e não uma vez por ano.

O que isso significa para uma marca

Nosso veredito: com base no que se sabe hoje, o GPT Image 2.5 é o modelo de imagem generalista mais forte disponível, sobretudo onde texto e layout importam. Use o Flare para rascunhos, conceitos e formatos para redes sociais, e o Sunburst para o trabalho final de campanha. Confira cada palavra, mantenha a fotografia real do produto para tudo o que precisa ser exato e tenha um segundo modelo à mão para os trabalhos em que o Google é mais barato ou melhor. A OpenAI marca suas imagens com metadados C2PA e uma marca d'água invisível, o que ajuda na transparência.

Ainda assim, não é um sistema de marca. Ele não conhece a sua luz, o seu enquadramento nem as suas cores, a menos que você mostre, e pode variar de uma geração para outra. É para essa parte que o Reel foi construído: estilos travados a partir de referências reais, o melhor modelo escolhido para cada trabalho, com o GPT Image e o Gemini entre eles, uma verificação de qualidade em cada resultado e uma pessoa que escolhe o que será usado. Um modelo melhor torna esse processo mais rápido. Não o substitui.