A renderização de texto do GPT Image 2 é realmente impecável? Submetemos letreiros, pôsteres e rótulos a um teste de estresse

O recurso que fez o GPT Image 2 explodir no lançamento foi a renderização de texto. A maioria dos modelos de imagem ainda gera caracteres embaralhados ou glifos semiformados quando solicitada a renderizar texto tipográfico. O GPT Image 2 deveria ser diferente — grafia limpa, espaçamento entre letras preciso e legendas incorporadas na imagem sem necessidade de correção posterior.

Após seis semanas e centenas de gerações, temos dados suficientes para especificar com precisão o que resiste e o que não resiste. A boa notícia: a propaganda principal é verdadeira. A notícia mais profunda está nos casos extremos e nos modos de falha em produção que as demonstrações de lançamento não mencionaram.

---

Configuração do teste

Durante a produção deste cluster de conteúdo — seis artigos, dezenas de imagens de acompanhamento — executamos deliberadamente 24 gerações com uso intensivo de texto por meio do GPT Image 2. Cada uma foi uma única geração por prompt, sem seleção. As categorias de tarefas foram:

• Títulos e subtítulos em inglês — pôsteres promocionais, banners de marca, capas para redes sociais
• Caligrafia CJK — pôsteres de cerimônia do chá em chinês e japonês, design de identidade de marca
• Infográficos com múltiplas strings — listas de etapas numeradas, diagramas com legendas, estilo de pôster científico
• Blocos de marca incorporados — slogans pequenos de fundador, selos de ano "EST.", monogramas
• Números, moedas, caracteres especiais — selos de preço, anos, porcentagens
• Mockups de UI — telas de interface contendo muitas strings de texto independentes

A seguir estão os padrões que encontramos, ordenados do "claramente funciona" ao "requer atenção".

---

O que funciona: títulos em inglês

Títulos em tipografia negrito foram renderizados corretamente em todos os casos que testamos. O pôster acima contém cinco strings de texto independentes: o título principal (NEW ARRIVAL), o subtítulo (Natural Soy Wax · 40-Hour Burn Time), o selo de preço ($24.99), a identificação da marca (VERDEA / HOME FRAGRANCE) e um pequeno slogan (SIMPLE INGREDIENTS. PURE AMBIENCE.). Cada um foi soletrado corretamente, com espaçamento adequado e apresentado no tamanho hierárquico correto.

O caractere de ponto médio (·) entre "Natural Soy Wax" e "40-Hour Burn Time" foi renderizado corretamente. O símbolo de moeda está na posição correta. A quebra de linha na identificação da marca foi preservada.

Isso funciona em diversas fontes — serifadas, sem serifa, semi-serifadas, display e pesos decorativos são todos renderizados com glifos adequados. O modelo escolhe a fonte apropriada com base no contexto visual (sem serifa para pôsteres modernos, serifada para editorial, pincelada para caligrafia) sem que você precise especificar a fonte explicitamente.

Ênfase de cor em várias palavras

Quando você especifica que uma palavra deve usar uma cor de destaque (aqui "CHANGED" aparece em laranja quente contra o marrom escuro ao redor), o modelo segue a instrução. A cor de destaque é aplicada com precisão à palavra alvo, a escolha de cor corresponde ao prompt e a tipografia ao redor permanece uniforme.

---

O que funciona: caligrafia CJK

A caligrafia chinesa e japonesa é onde a maioria dos modelos de imagem ainda se sai mal. O GPT Image 2 consegue renderizar caracteres em estilos kaishu, xingshu e pincelada, com ordem dos traços, proporções dos caracteres e textura de tinta adequadas. O pôster acima, feito para uma marca de artesanato, usa uma fonte chinesa semi-serifada com traços precisos e bem estruturados.

Na nossa comparação com o Nano Banana 2, o GPT Image 2 também renderizou corretamente o título 「新春・茶道」 e o subtítulo vertical 「京都・春茶会 二〇二六年三月」 — e adicionou dois idiomas japoneses de cerimônia do chá adequados ao contexto (一期一会, 和敬清寂), que não solicitamos, mas que complementaram bem o design.

Letras latinas e texto CJK podem aparecer na mesma imagem. Títulos mistos em chinês e inglês (comuns em marketing bilíngue) são renderizados corretamente, sem vazamento de caracteres ou desvio de proporção.

---

O que funciona: densidade de múltiplas strings

Este foi o teste de texto mais denso que executamos. O infográfico contém:

• Um título (Photosynthesis)
• Cinco títulos de etapas numeradas (Sunlight Absorption, Water Intake, Carbon Dioxide, Glucose Production, Oxygen Release)
• Cinco descrições curtas (8–12 palavras cada)
• Cinco ícones, cada um com um micro-rótulo
• Símbolos químicos (H₂O, CO₂, O₂, GLUCOSE)

Cada string de texto foi renderizada corretamente. A hierarquia foi preservada — título com peso maior, descrições com peso mais leve, micro-rótulos em tamanho adequadamente menor. A sequência numérica (1 a 5) está na ordem correta. As setas de fluxo conectam as etapas corretas.

Observação: os símbolos químicos (H₂O, CO₂, O₂, GLUCOSE) foram adicionados pelo próprio modelo sem que fossem solicitados. Ele inferiu o tema e acrescentou detalhes adequados ao tema. Esse é um comportamento recorrente do GPT Image 2 — útil na maioria das vezes, mas vale ficar atento quando você não quer isso.

---

O que funciona: números, moedas, caracteres especiais

No conjunto de teste de 24 gerações:

• Símbolos de moeda foram renderizados corretamente em $, ¥ (cluster chinês) e em contextos com aspas
• Preços com vários dígitos ($24.99, $29, ¥129) preservaram pontos decimais e vírgulas
• Datas (Tuesday, March 4) mantiveram vírgulas e ordem das palavras
• Strings de hora (9:41) foram renderizadas com os dois-pontos corretos
• Travessões (—) e pontos médios (·) foram renderizados corretamente quando incluídos literalmente no prompt
• Selos de ano (EST. 2024, 2026) mantiveram o ponto e a precisão dos quatro dígitos

O padrão é: se você incluir no prompt (com aspas retas) o caractere exato que deseja, o GPT Image 2 o reproduz fielmente. Aspas tipográficas no prompt ("/") produzem aspas tipográficas na saída. Aspas retas (") produzem aspas retas. O modelo é fiel aos caracteres — o que significa que você precisa escolher deliberadamente os caracteres que escreve.

---

O que funciona: blocos de marca incorporados

As adições não solicitadas mais interessantes vieram do modelo acrescentando textos pequenos de estilo de marca que não estavam no prompt:

• Um pôster de artigos de couro recebeu "CRAFTED TO LAST · EST. 2024" e um monograma "H | C"
• Um pôster de lançamento de velas recebeu na parte inferior um bloco "VERDEA / HOME FRAGRANCE / SIMPLE INGREDIENTS. PURE AMBIENCE."
• Um rótulo de produto recebeu "BOIS DE SANTAL" como especificação de fragrância

São pequenos elementos de texto que se encaixam na linguagem de design da imagem ao redor. Em cada caso, grafia e tipografia estavam corretas. O modelo é bom o suficiente nisso para que essas adições geralmente melhorem a saída — mas, se você quiser controle estrito, adicione uma cláusula explícita de no additional text or brand marks.

Para mais conteúdo sobre esse comportamento de adição contextual, consulte nossa análise prática do GPT Image 2.

---

Modos de falha (aquele 1%)

Nas nossas 24 gerações de teste deliberadamente intensivas em texto, as strings de texto principais foram renderizadas corretamente em 100% dos casos. Esse é o resultado de um teste controlado. O número honesto em produção fica perto de 99%, porque assim que você começa a rodar em escala, os casos extremos aparecem:

1. Substituição de caractere único em texto pequeno

A falha mais comum não é texto completamente embaralhado — é um único caractere alterado. Em legendas muito pequenas, "Burn" foi renderizado como "Bum". "Hours" ficou sem um R. Meses ("September") ocasionalmente tinham letras fora de ordem no meio. Esses erros passam despercebidos pela visão periférica e escapam se você não revisar em zoom de 100%.

Quando ocorrem, regenerar com o mesmo prompt quase sempre corrige (o problema é da aleatoriedade da amostragem, não da estrutura do prompt).

2. Texto minúsculo abaixo de 12pt

O GPT Image 2 é muito mais estável em tamanhos pequenos do que os modelos anteriores — mas existe um limite abaixo do qual os glifos começam a amolecer. Para informações nutricionais de rótulos de vinho, avisos de rótulos de medicamentos ou qualquer conteúdo que precise ser legível no equivalente a 8–10pt, espere precisar regenerar uma ou duas vezes. Aumentar a resolução solicitada de 1K para 2K ajuda — o custo extra é de 33%, mas o ganho de legibilidade em texto pequeno é real.

3. Substituição de aspas tipográficas

Se o seu prompt tiver aspas tipográficas ("/", '/') e você quiser aspas retas na saída (", '), o modelo renderizará fielmente as aspas tipográficas. Isso não é um modo de falha do modelo — é uma questão de preparação do prompt. Se aspas retas forem importantes, limpe o prompt antes de enviar.

4. Adições não solicitadas em contextos estritos

Para contextos de "sem texto, sem logotipo, sem poluição visual" (fotos limpas de catálogo de produtos), o modelo é confiável. Para contextos mais flexíveis (lifestyle, promocional, editorial), às vezes ele adiciona monogramas de marca, selos ou textos auxiliares que você não pediu. Adicione cláusulas de negação explícitas onde for necessário controle estrito.

---

Checklist de revisão para produção

Depois das 24 gerações intensivas em texto deste conjunto de testes e de muitas outras em produção, este é o checklist que usamos antes de entregar qualquer imagem com texto renderizado:

1. Abra em zoom de 100% ou mais. Miniaturas de navegador e janelas de pré-visualização de editores escondem substituições de caractere único. Sempre examine os pixels realmente renderizados.
2. Leia em voz alta cada string de texto ou acompanhe caractere por caractere. Ler por alto é o motivo pelo qual erros de digitação escapam. Acompanhe cada letra, cada número, cada sinal de pontuação.
3. Verifique primeiro o texto menor. Falhas no título são visíveis a olho nu. Legendas abaixo de 12pt falham de forma invisível até o cliente relatar o erro.
4. Se encontrar erro, regenere com o mesmo prompt. Não tente editar a imagem manualmente — a versão regenerada quase sempre é mais barata, mais rápida e visualmente mais próxima da sua intenção.
5. Para saídas intensivas em texto em escala, solicite resolução 2K. Para qualquer texto menor que o tamanho de exibição, o custo extra de 33% vale a pena em legibilidade.

A etapa de revisão leva de 30 a 60 segundos por imagem. Pulá-la é exatamente o que gera histórias do tipo "erros de digitação gerados por IA em materiais de marketing entregues", que prejudicam a credibilidade geral do trabalho com imagens de IA.

---

Quando escolher o GPT Image 2 para trabalho com texto

Para qualquer trabalho de imagem intensivo em texto em que a precisão seja crítica, o GPT Image 2 é a escolha certa:

• Pôsteres e banners promocionais — consulte os templates de prompt utilizáveis para exemplos prontos para produção
• Listagens de e-commerce com rótulos de marca — consulte o fluxo de trabalho completo de imagens para e-commerce
• Marketing multilíngue — caligrafia CJK, pôsteres em idiomas mistos
• Infográficos, pôsteres científicos, diagramas com legendas — a densidade de múltiplas strings resiste
• Mockups de UI com texto de interface realista — consulte os testes de texto em nível de tela na comparação com o Nano Banana 2

A US$ 0,03 por imagem em resolução 1K, o custo permite revisar e regenerar conforme necessário sem se preocupar com o orçamento. O tempo real (cerca de 90–120 segundos por geração) é o verdadeiro item de orçamento.

Para uma visão honesta de onde o GPT Image 2 se destaca e onde não, consulte nossa análise prática.

---

Perguntas frequentes

A renderização de texto do GPT Image 2 é confiável o suficiente para entregar trabalho comercial?

Sim, mas requer uma etapa de revisão. No nosso teste controlado de 24 gerações, as strings principais foram renderizadas corretamente em 100% dos casos. Em escala de produção, essa taxa cai para cerca de 99% — ou seja, aproximadamente 1 em cada 100 imagens terá um problema de caractere único que exige regeneração. Uma revisão visual de 30 segundos por imagem é uma taxa de produção administrável.

A renderização de texto chinês/japonês é tão precisa quanto a de inglês?

Nos nossos testes, sim. A caligrafia CJK é onde a maioria dos modelos de imagem falha gravemente. O GPT Image 2 renderiza ordem dos traços, proporções dos caracteres e textura de tinta adequadamente. Caracteres chineses e japoneses comuns são renderizados de forma confiável; caracteres mais raros ou historicamente específicos (variantes, ortografia clássica) ainda não testamos em escala.

E outros sistemas de escrita — árabe, cirílico, devanágari?

Não testamos esses nesta sessão, então não podemos fazer afirmações baseadas em evidências. Anecdotamente, o GPT Image 2 renderiza bem idiomas com sistemas cirílico e latino. Escrita da direita para a esquerda em árabe e ligaduras de escrita complexa (devanágari, tailandês) são áreas para as quais não temos dados de teste controlado.

O modelo adiciona texto que não solicitei?

Às vezes. No nosso teste de 24 gerações, o modelo adicionou texto contextualmente adequado em cerca de 4 casos (monogramas de marca, selos EST., linhas complementares de especificação de produto). Essas adições sempre estavam soletradas corretamente e eram coerentes com o contexto do design. Se você precisar de controle estrito, adicione uma cláusula de negação explícita no additional text.

A resolução solicitada afeta a renderização de texto?

Sim, especialmente para texto pequeno. A resolução 2K é claramente superior à 1K para preservar a legibilidade abaixo de 12pt. O custo extra é de 33% — vale a pena pagar por saídas intensivas em texto.

---

Resumo

A renderização de texto do GPT Image 2 está à altura da propaganda do lançamento. Nas nossas 24 gerações intensivas em texto de teste de produção — títulos em inglês, caligrafia CJK, infográficos com múltiplas strings, blocos de marca incorporados, moedas, caracteres especiais — cada string principal foi renderizada corretamente.

A taxa de erro de produção de cerca de 1% aparece no texto menor e quase sempre é corrigida por regeneração. A etapa de revisão é inegociável para a entrega. Fora isso, este é o modelo de imagem com texto mais confiável com o qual já trabalhamos — em trabalhos em que a precisão do texto faz parte da entrega, a qualidade tipográfica justifica o tempo de geração mais lento.

Experimente você mesmo um prompt intensivo em texto na página do modelo GPT Image 2 — cite algumas strings exatas, especifique o layout, execute e revise o resultado. A primeira geração geralmente é a que você entrega.