As melhores APIs de imagem para imagem de 2026: a mesma edição, três modelos, resultados reais

A maioria das listas de "melhores APIs de imagem para imagem" compara apenas tabelas de parâmetros. Nós comparamos as saídas. Pegamos uma foto de origem — um gotejador de cerâmica verde-sálvia sobre uma bancada de cozinha bagunçada — e enviamos a instrução de edição exatamente idêntica a três modelos de imagem para imagem pelo mesmo endpoint de tarefas do hiapi, e então colocamos os resultados lado a lado, sem nenhum retoque. Este artigo mostra cada imagem, o prompt exato, o preço em tempo real por imagem e as diferenças de schema de API que só se descobrem depois de realmente fazer a chamada.

O teste: uma imagem, um prompt, três modelos

Os participantes são todos chamados pela API de tarefas assíncronas do hiapi:

• gpt-image-2/image-to-image@ext — endpoint de edição estendido do GPT Image 2: até 16 imagens de referência, saída em 4K, três níveis de qualidade
• nano-banana-2 — o principal modelo atual do Nano Banana: edição e geração de imagens, saída em 4K, forte capacidade de renderização de texto
• nano-banana-pro — o nível premium da mesma linha, voltado à qualidade de assets principais

A imagem de origem foi propositalmente fotografada de forma bagunçada — migalhas na bancada, um pedaço de linho, objetos perto da janela — porque é assim que a tarefa real de "limpar isso para publicar no catálogo" acontece. (Esta imagem foi gerada por nós anteriormente com gpt-image-2/text-to-image; agora ela é nossa entrada padrão de teste de i2i.)

Cada modelo recebeu exatamente a instrução abaixo, palavra por palavra:

Replace the background: put this exact sage green ceramic pour-over coffee
dripper, unchanged - same shape, same matte glaze, same camera angle - on a
polished white marble countertop against a seamless pale warm-grey studio
backdrop. Remove the crumbs, cloth and clutter. Soft diffused studio lighting,
gentle realistic shadow under the product, professional e-commerce catalog
photography. No text.

Substituição de fundo clássica de e-commerce: manter o produto, trocar o ambiente. É o uso comercial mais comum de APIs de imagem para imagem e justamente o que atinge o ponto que nenhuma tabela de parâmetros consegue mostrar — a fidelidade do sujeito, ou seja, se o modelo devolve o seu produto ou apenas uma imitação convincente.

Os resultados de cada modelo

gpt-image-2/image-to-image@ext

Excelente aderência às instruções: bancada de mármore, fundo cinza-quente sem emendas, bagunça removida, sombra suave de estúdio, composição de catálogo. Mas olhe para o produto em si. O esmalte ficou mais brilhante e mais manchado do que o original fosco, e a borda ganhou uma linha de acabamento marrom-clara que não existe na imagem de origem. A forma, a parede interna canelada e a alça estão corretas — mas o material saiu do lugar. Para trabalho conceitual e moodboards isso não importa; para um produto que está sendo publicado, sua equipe de operações percebe na hora.

Esta execução usou quality: "medium", 1K — custo da imagem: US$ 0,061.

nano-banana-2

Foi esse resultado que nos fez voltar e verificar se os arquivos não haviam sido trocados. O esmalte fosco, as nervuras, a borda não esmaltada, a alça e até o ângulo da câmera ficaram basicamente iguais, enquanto a bancada e o fundo foram trocados por mármore e cinza-quente conforme solicitado. Se a tarefa é "colocar este SKU exato em um novo cenário", neste teste a fidelidade do sujeito do nano-banana-2 foi a melhor dos três — preço de US$ 0,085 em 1K, enquanto o 2K foi na verdade mais barato (US$ 0,076, veja o preço abaixo).

nano-banana-pro

Mesma linha, mesma fidelidade: o produto foi preservado como estava, a textura fosca intacta, o cenário ligeiramente mais quente, a textura do mármore mais evidente — um toque a mais de "editorial de revista" no resultado direto. Se vale quase o dobro do nano-banana-2 (US$ 0,17 tanto em 1K quanto em 2K) depende da tarefa; a vantagem do Pro costuma aparecer em composições complexas com vários elementos e assets principais de alto nível, não em uma troca de fundo para um único produto como esta.

Tabela de avaliação

Modelo	Segue a instrução de edição	Preserva a fidelidade do produto	Imagens de referência	Saída máxima	Preço por imagem
gpt-image-2/image-to-image@ext	Totalmente	Parcial — esmalte e borda saíram do lugar	Até 16 imagens	4K	US$ 0,007–0,76
nano-banana-2	Totalmente	Quase exata	Várias	4K	US$ 0,076–0,114
nano-banana-pro	Totalmente	Quase exata	Várias	4K	US$ 0,17–0,2992

As observações acima vêm de uma edição controlada executada em 5 de julho de 2026. Sujeitos diferentes (rostos, tecidos, tipografia) podem mudar o ranking dos modelos — o sentido deste artigo é justamente que você pode repetir este experimento com suas próprias imagens em poucos minutos.

Preços, verificados na página de preços em tempo real

Todos os preços abaixo foram verificados em 5 de julho de 2026 na página de preços do hiapi. Todos cobram por imagem, pagos conforme o uso, sem planos de assinatura.

gpt-image-2/image-to-image@ext cobra por qualidade × resolução:

Qualidade	1K	2K	4K
low	US$ 0,007	US$ 0,015	US$ 0,022
medium	US$ 0,061	US$ 0,132	US$ 0,217
high	US$ 0,245	US$ 0,535	US$ 0,76

Os modelos da linha Nano Banana cobram apenas por resolução:

Modelo	1K	2K	4K
nano-banana-2	US$ 0,085	US$ 0,076	US$ 0,114
nano-banana-pro	US$ 0,17	US$ 0,17	US$ 0,2992

Três dicas práticas:

• A forma mais barata de iterar prompts de edição é o low/1K do gpt-image-2: US$ 0,007 por tentativa. Faça protótipos ali e depois rode os prompts selecionados em qualidade maior ou nos modelos Nano Banana.
• O nível 2K do nano-banana-2 é mais barato que o 1K (US$ 0,076 contra US$ 0,085). Não há motivo para não escolher o 2K.
• Níveis de qualidade mais alta deixam a renderização mais nítida; eles não mudam o comportamento de preservação do sujeito. O desvio de material que vimos no medium vira um desvio de material mais nítido no high.

Os schemas de entrada não são intercambiáveis

Os três modelos ficam atrás do mesmo endpoint — POST https://api.hiapi.ai/v1/tasks — mas o schema de input varia conforme a linha do modelo, e é aí que mora a maioria dos bugs de primeira integração.

O endpoint de edição do GPT Image 2 recebe image_urls, e tanto quality quanto resolution são obrigatórios:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2/image-to-image@ext",
    "input": {
      "prompt": "Replace the background: put this exact product on a marble countertop...",
      "image_urls": ["https://your-cdn.example.com/source.jpg"],
      "quality": "medium",
      "resolution": "1K"
    }
  }'

Os modelos da linha Nano Banana recebem image_input, além de aspect_ratio e resolution:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nano-banana-2",
    "input": {
      "prompt": "Replace the background: put this exact product on a marble countertop...",
      "image_input": ["https://your-cdn.example.com/source.jpg"],
      "aspect_ratio": "1:1",
      "resolution": "1K"
    }
  }'

Ambos retornam o ID da tarefa em data.taskId. Consulte o endpoint de detalhes da tarefa até que o status seja success e então baixe output[0].url o quanto antes — as URLs de saída expiram, então salve os bytes no seu próprio armazenamento imediatamente. Nossas edições sempre retornaram em poucos minutos na fila assíncrona.

Um detalhe atencioso: se você enviar o nome de campo errado, a resposta 400 indica o schema esperado ("image_urls: missing required field"), então errar não custa mais que alguns segundos, em vez de uma sessão de depuração.

Como a edição com múltiplas imagens de referência muda o jogo

A edição com uma única imagem de origem é o cenário básico, mas as duas linhas aceitam mais de uma imagem de entrada, e é aí que acontece o trabalho de consistência de produtos e personagens:

• O image_urls do gpt-image-2/image-to-image@ext aceita até 16 imagens de referência — o suficiente para alimentar um board de marca inteiro (fotos do produto, referências de cor, referências de layout) em uma única edição.
• Os modelos da linha Nano Banana aceitam várias imagens de referência em image_input e são especialmente bons em manter o sujeito estável entre cenários.

Duas saídas do nano-banana-2 do nosso próprio acervo mostram isso na prática — ambas guiadas pela referência do mesmo frasco e da mesma pessoa:

O truque está no prompt: nomeie o que não pode mudar ("este frasco de sérum exato, mantido inalterado — o mesmo vidro âmbar, a mesma tampa conta-gotas preta") e deixe o modelo reconstruir todo o resto. O tutorial completo está no nosso guia de imagens de produto com Nano Banana.

Como escolher

• Editar seu próprio produto ou personagem, com fidelidade do sujeito como requisito obrigatório → comece pelo nano-banana-2. No nosso teste, ele teve a melhor relação custo-benefício em fidelidade; escolha o 2K, que é o nível mais barato.
• Grande volume, iteração sensível a custo → gpt-image-2/image-to-image@ext com low/1K, US$ 0,007 por tentativa. Itere barato e depois faça upgrade do prompt vencedor.
• Fluxos de trabalho com boards de marca que precisam de muitas imagens de referência de uma vez → gpt-image-2/image-to-image@ext, o único dos três que aceita 16 imagens de referência.
• Assets principais em 4K de alto nível → nano-banana-pro, mas antes faça uma comparação A/B com o nano-banana-2 a US$ 0,114/4K — para trabalhos de sujeito único, a diferença é menor do que o preço sugere.

Se você está ponderando integrar cada fornecedor de modelo separadamente, os critérios que realmente importam em produção são: preço por imagem verificável em página pública, uma única autenticação e um único laço de polling de tarefas em vez de vários, e a capacidade de trocar a string do "model" sem reescrever o pipeline. Esta é a razão para um endpoint unificado; compare isso com o que sua stack atual já oferece.

Perguntas frequentes

Qual é a diferença entre uma API de imagem para imagem e uma API de texto para imagem? Texto para imagem gera uma imagem apenas a partir de uma descrição. Imagem para imagem recebe uma ou mais imagens de entrada mais uma instrução e retorna a imagem modificada — substituição de fundo, mudança de estilo, edição de objetos, ou composições construídas com várias imagens de referência. Os modelos deste teste todos fazem i2i; a maioria também gera do zero.

Qual é a API de imagem para imagem mais barata desta comparação? Pelo preço de tabela, gpt-image-2/image-to-image@ext em qualidade low e 1K: US$ 0,007 por imagem. A edição mais barata que também manteve a aparência exata do nosso produto foi o nano-banana-2 em 2K: US$ 0,076.

Quantas imagens de referência posso enviar? gpt-image-2/image-to-image@ext aceita até 16 pelo array image_urls. Os modelos da linha Nano Banana aceitam várias referências em image_input — exatamente para o fluxo de consistência mostrado acima.

Esses modelos conseguem renderizar texto em imagens editadas? O nano-banana-2 lista a renderização de texto como um ponto forte e é a escolha mais segura quando a edição envolve rótulos ou textos de embalagem. Qualquer que seja o modelo, revise o texto renderizado antes de publicar — a tipografia gerada por modelo ainda precisa de verificação humana.

Faça o teste com suas próprias imagens

O jeito mais rápido de resolver "qual modelo de imagem para imagem serve para o meu conteúdo" é o mesmo que usamos: escolher uma imagem de origem, escrever um prompt de edição e rodar em gpt-image-2/image-to-image@ext, nano-banana-2 e nano-banana-pro — no hiapi, são três POSTs idênticos, mudando só a string do modelo. Obtenha uma chave de API no guia de início rápido; nos níveis que usamos, o experimento inteiro com três modelos custa cerca de US$ 0,32. Mais barato que o café que aquele gotejador faz.