Avaliação do GPT Image 2: uma experiência sincera após o uso

O GPT Image 2 foi lançado no final de abril de 2026 com uma propaganda confiante: renderização de texto quase perfeita, saída em 4K e capacidade de raciocínio integrada. Durante seis semanas, o colocamos em tarefas reais de produção — pôsteres, fotografia de produto, infográficos, retratos, cenas complexas com vários elementos — e obtivemos uma compreensão mais clara do que as demonstrações de lançamento.

A versão curta: as promessas de destaque realmente se sustentam. As surpresas estão principalmente no equilíbrio entre custo e qualidade, e nas limitações que não foram mencionadas no lançamento. Este não é um modelo que supera todas as alternativas em cada tarefa, mas seu contorno é claro — e, uma vez que esse contorno fica visível, as questões de fluxo de trabalho falam por si.

---

Configuração do teste

Testamos o GPT Image 2 com tipos de tarefas semelhantes às que usaríamos para testar qualquer modelo de imagem: fotografia de produto (imagens de catálogo e lifestyle), pôsteres promocionais em chinês e inglês, infográficos, capas para redes sociais, wireframes de UI, retratos editoriais e cenas detalhadas com vários elementos. Todas as gerações foram executadas na plataforma hiapi em resoluções de 1K e 2K, sem seleção criteriosa — cada prompt foi gerado apenas uma vez, e avaliamos o resultado dessa única vez.

Várias das saídas que você verá abaixo vêm diretamente dos nossos modelos de prompt que realmente usamos; se quiser verificar qualquer um deles por conta própria, a comparação é reproduzível.

---

O que se sustenta

A renderização de texto é a verdadeira atualização

Este é o recurso principal, e ele faz jus à propaganda. Títulos grandes em inglês, caligrafia CJK, etiquetas de preço dentro da imagem, texto de rótulos, legendas de infográficos — o GPT Image 2 renderiza corretamente na primeira tentativa em quase todos os casos.

Na comparação acima (GPT Image 2 à esquerda, GPT Image 1.5 à direita), a diferença em trabalhos com sobreposição densa de texto é visível sem precisar ampliar. O modelo anterior borrava legendas pequenas ou inventava formas de letras do nada, enquanto o GPT Image 2 mantém a ortografia e o espaçamento entre letras de forma consistente.

O modelo também faz inferências razoáveis e adequadas: quando pedimos um "pôster premium" com título entre aspas, ele acrescentou um pequeno monograma de marca e uma linha "EST. 2024", que não havíamos solicitado, mas que combinava com a proposta artesanal. Esse tipo de complemento contextual é raro em modelos de imagem — a maioria ou renderiza estritamente o que você pediu, ou alucina aleatoriamente. O GPT Image 2 fica em um meio-termo útil.

Para se aprofundar no que a renderização de texto especificamente consegue e não consegue fazer, consulte nosso teste de estresse de renderização de texto.

O fotorrealismo atingiu o padrão de produção para uso comercial

Para fotografia de produto — vidro fosco, superfícies cerâmicas, tecidos macios, bordas metálicas — a saída parece fotografia de produto real. O esquema de iluminação especificado no prompt (luz de estúdio de três pontos, luz lateral, luz suave e direcionada de janela) é representado com sombras e realces corretos. Vidro fosco e cerâmica fosca, em particular, apresentam texturas de material precisas, em vez da textura levemente plástica dos modelos de imagem da geração anterior.

Composições lifestyle — o produto como sujeito principal, acompanhado de objetos de apoio — também se sustentam. O "objeto principal" permanece nítido e centralizado, os elementos de apoio (manta de tricô, livro aberto, planta) ficam no plano de profundidade correto e não roubam o protagonismo. A luz da janela é renderizada com a suavidade e o tom quente adequados.

Cenas complexas permanecem coerentes

Muitos modelos de imagem começam a perder o controle quando o prompt fica longo — ancorar vários objetos em posições espaciais específicas, manter a distinção de materiais em toda a cena — mas o GPT Image 2 se mantém organizado. Indicações espaciais como "à esquerda [X], no centro [Y], à direita [Z]" são obedecidas. A luz dourada da tarde entrando pela janela cria comprimentos de sombra e partículas de poeira corretos. Vasos de terracota, monstera, tapete de fibra natural, estante de madeira, manta de tricô e abajur de luz quente ficam onde foram posicionados.

Isso importa para ilustração editorial, visualização de interiores e qualquer trabalho em que seja necessário ler uma cena completa de relance.

Texto CJK e texto multilíngue misto

Já vimos a renderização correta de texto em inglês. A caligrafia CJK é mais difícil, e a maioria dos modelos de imagem ainda falha nisso. O GPT Image 2 não falha — traços, proporções dos caracteres e posicionamento dos selos são renderizados adequadamente em contextos de chinês e japonês. Em nossa comparação com o Nano Banana 2, o GPT Image 2 até acrescentou, sem que fosse solicitado, frases culturalmente adequadas a um pôster de cerimônia do chá (一期一会, 和敬清寂).

---

O que não se sustenta

É mais lento que a geração anterior

Essa é a maior surpresa. O GPT Image 1.5 leva de 18 a 36 segundos para gerar uma imagem. O GPT Image 2 leva em média cerca de 107 segundos em resolução 1K, e algumas gerações com prompts complexos ultrapassam 120 segundos. Aproximadamente 3 a 5 vezes mais lento.

Para fluxos interativos — testar prompts no Playground, iterar com um cliente no Zoom — essa latência é perceptível. Para fluxos em lote — você enfileira as tarefas e volta depois para pegar os resultados — a perda de throughput é aceitável. Mas é um retrocesso real, não uma nota de rodapé de marketing, e deve influenciar a forma como você usa este modelo.

A divisão natural na época era: iterar variantes de prompt no GPT Image 1.5 e depois mudar para o GPT Image 2 para a geração final. Agora que o 1.5 foi retirado da plataforma, inclua os cerca de 107 segundos no seu fluxo — ou, antes de investir na renderização final, rode uma rodada barata de rascunho com gpt-image-2-beta ($0,02 por imagem).

Não suporta fundo transparente

O GPT Image 2 não suporta fundo transparente. Requisições que incluem background: "transparent" falham diretamente — não há degradação graciosa. Se o seu fluxo depende de recorte em PNG (logos para exportação, máscaras de produto para composição, adesivos para redes sociais), você precisará de outro modelo ou de uma etapa de pós-processamento para remoção de fundo. Isso não é um comportamento opcional, mas uma restrição rígida do modelo atual.

É fotógrafo, não artista

A estética padrão do GPT Image 2 tende ao realismo e ao refinamento editorial: composição limpa, iluminação cinematográfica, profundidade de campo fotográfica. Isso é perfeito para trabalho comercial — imagens de produto, visuais de marketing, imagens de marca. Mas, se você quer resultados soltos, pictóricos, experimentais ou abstratos, ele não é tão ideal.

Na comparação acima (GPT Image 2 à esquerda, GPT Image 1.5 à direita), o mesmo prompt produziu duas atmosferas diferentes. O GPT Image 2 busca sombras dramáticas e contraste profundo. O GPT Image 1.5 busca tons ilustrados e quentes. Não há um "melhor" — eles atendem a trabalhos diferentes.

Se o seu trabalho exige ilustração pictórica, aquarela ou qualquer coisa que se beneficie de imperfeição, modelos mais antigos — ou um modelo de imagem completamente diferente — podem ser mais adequados que o GPT Image 2.

Retratos às vezes parecem um pouco "gerados por IA"

Para a maioria dos objetos fotografados, o fotorrealismo do GPT Image 2 é difícil de distinguir de fotografia real. Mas em retratos close-up, o modelo às vezes gera aquele tipo de rosto exatamente simétrico demais — distância entre os olhos milimetricamente igual, textura de pele ligeiramente uniforme demais — que não permite lê-lo completamente como foto real. Câmeras de retrato reais capturam assimetria, enquanto modelos de imagem precisam escolher ativamente introduzi-la.

Esse não é um modo de falha exclusivo do GPT Image 2 — todo modelo de imagem fotorrealista tem isso em maior ou menor grau —, mas vale saber se você produz conteúdo centrado em retratos. Em termos de realismo natural de retratos, o Nano Banana 2 costuma parecer mais com uma foto real, ao custo de ser quase 3 vezes mais caro por imagem.

---

A realidade dos preços

Na hiapi, o GPT Image 2 custa $0,03 por imagem em resolução 1K — 40% mais barato que o GPT Image 1.5 (que custava $0,05 antes de ser retirado em junho de 2026). Para um modelo principal, esse é um posicionamento incomum: a maioria dos modelos de "nova geração" cobra um prêmio. O GPT Image 2, ao contrário, cobra menos.

Para saídas em 2K e 4K, multiplicadores entram em vigor (1,33× e 2×, respectivamente, ou seja, $0,04 e $0,06 por imagem). Para detalhes completos de preços (incluindo a divisão por faixas de qualidade e estratégias de redução de custo), consulte a análise de preços do GPT Image 2.

Nesses valores, para fluxos reais de trabalho, o custo raramente é a restrição real. O tempo é. Uma equipe que gera 500 imagens por dia gasta $15 — mas, se rodar em série, levará cerca de 15 horas de tempo real esperando essas gerações terminarem. Faça processamento em lote e paralelo de acordo.

---

Quem deve usar

O GPT Image 2 é a escolha certa para os seguintes cenários:

• Trabalho comercial em que a precisão do texto é crucial — pôsteres, embalagens, infográficos, capas para redes sociais, rótulos dentro da imagem. A renderização de texto é o recurso principal, e é de fato confiável.
• Fotografia de produto para e-commerce ou marketing — para o pipeline completo de criação de imagens principais de produto com o GPT Image 2, consulte nosso fluxo de trabalho de e-commerce de ponta a ponta.
• Composições editoriais de formato longo — cenas de interiores, cenas com muitos elementos espaciais, qualquer conteúdo que se beneficie de uma saída com "senso de design".
• Contextos multilíngues, inclusive CJK — caligrafia, pôsteres com idiomas mistos, visuais de marketing internacional.
• Trabalho de alto volume em que o custo por imagem importa — nessa faixa de qualidade, $0,03 por imagem em 1K é o preço mais baixo na hiapi.

Procure outra opção nos seguintes casos:

• Você precisa de ciclos rápidos de iteração. 107 segundos por imagem é lento demais para fluxos de prompt em tempo real. (O GPT Image 1.5 era a alternativa mais rápida aqui; desde sua retirada, teste a latência da linha de produtos atual no Playground antes de investir e use o gpt-image-2-beta, mais barato, para rascunhos.)
• Você precisa de fundo transparente. Não suportado. Use outro modelo ou faça pós-processamento.
• Você quer estética pictórica ou experimental. O estilo padrão do GPT Image 2 tende ao realismo; modelos mais antigos ou outros modelos de imagem darão maior variação de estilo.
• Você precisa de realismo de retrato que seja lido completamente como foto real. Ocasionalmente aparece uma ligeira simetria de IA. Modelos especializados em retrato podem atender melhor.

---

Perguntas frequentes

O GPT Image 2 é melhor que o GPT Image 1.5?

Em renderização de texto, fotorrealismo e layouts complexos — sim, claramente melhor. Em velocidade e estética pictórica solta — não, o modelo mais antigo vence. A maioria dos fluxos reais se beneficia de manter os dois disponíveis: GPT Image 1.5 para iteração rápida, GPT Image 2 para a saída final.

Quão lento é o "lento", exatamente?

Em média, cerca de 107 segundos por imagem em 1K. Prompts complexos (muito texto, cenas densas, alta resolução) podem ultrapassar 120 segundos. Em comparação, o GPT Image 1.5 leva cerca de 20 segundos. Custo menor, mas tempo real maior.

O GPT Image 2 suporta fundo transparente?

Não. Requisições com fundo transparente falham. Se você precisa de recorte em PNG, será necessário uma etapa separada de remoção de fundo ou outro modelo.

A renderização de texto melhorou tanto assim?

Nas nossas tarefas, sim. Títulos grandes em inglês, caligrafia chinesa, legendas de infográficos, etiquetas de preço dentro da imagem — na grande maioria dos casos, renderizados corretamente de primeira. A propaganda principal se sustenta.

E o Nano Banana 2?

Precisão de texto comparável na maioria das tarefas, fotorrealismo comercial ligeiramente melhor (especialmente retratos e fotografia de produto), mas cerca de 2,8 vezes mais caro por imagem e frequentemente ignora requisitos de proporção. Comparação completa item a item: GPT Image 2 vs Nano Banana 2.

Onde posso ver prompts reais e utilizáveis?

Doze modelos prontos para copiar e colar, junto com as imagens que eles realmente produzem: Prompts do GPT Image 2 que funcionam.

---

Conclusão

O GPT Image 2 é um cavalo de trabalho para design comercial. A renderização de texto é uma verdadeira atualização, o fotorrealismo atingiu o padrão de produção para fotografia de produto e cenas detalhadas, e o preço base de $0,03 torna os fluxos de alto volume economicamente simples e diretos.

O preço dessas vitórias é o tempo de geração (cerca de 107 segundos por imagem, um retrocesso real em relação ao GPT Image 1.5) e uma restrição rígida quanto a fundo transparente. Planeje seu fluxo de trabalho em torno desses dois pontos.

Para a maioria das equipes que produzem imagens comerciais finais — pôsteres, imagens de produto, visuais para redes sociais, marketing multilíngue —, o GPT Image 2 é a nova escolha padrão. Após a retirada do GPT Image 1.5, use a faixa de $0,02 do gpt-image-2-beta para rascunhos baratos e mantenha uma ferramenta de remoção de fundo na sua cadeia de ferramentas para recortes, e você cobre as lacunas.

Comece pela página do modelo GPT Image 2 para entrar no Playground, obtenha casos práticos nos modelos de prompt e planeje custos com a análise de preços.