API GPT Image 2.5 Flare para geração e edição de imagens

O que é o GPT Image 2.5 Flare

Um modelo da série GPT Image 2.5 da OpenAI para geração rápida de imagens

Apresentamos o GPT Image 2.5 Flare como um modelo de imagens por IA para geração cotidiana, produção de materiais comerciais e iteração visual rápida. A OpenAI lançou a série GPT Image 2.5 em 8 de setembro de 2026, com duas versões: Flare e Sunburst. O Flare prioriza velocidade de geração e eficiência de custos, enquanto o Sunburst é mais adequado a trabalhos que exigem mais detalhes e precisão de edição.

Em relação ao GPT Image 2, o principal valor do Flare vai além de gerar imagens bonitas: ele permite concluir várias rodadas de experimentação com menos espera. A OpenAI o posiciona como opção padrão para a maioria das aplicações e afirma que sua latência de geração é aproximadamente 50% menor que a do GPT Image 2, além de melhorar detalhes, preservação de referências e recursos de edição. Anúncio oficial de lançamento da OpenAI

Consideramos que vale testar o Flare primeiro quando há necessidade frequente de gerar imagens publicitárias, materiais para redes sociais, imagens de produtos e protótipos. Entretanto, não consideramos que ele supere o GPT Image 2 em todas as métricas de qualidade. Se suas exigências de resultado forem menores e a velocidade tiver mais importância, o Flare pode ser uma boa escolha.

Um modelo multimodal de imagens com suporte a texto para imagem e imagem para imagem

O GPT Image 2.5 Flare recebe entradas de texto e imagem e gera novas imagens. Ele pode criar conteúdo visual diretamente a partir de descrições escritas ou modificar fotos, rascunhos de design e referências existentes.

Consideramos que essas duas capacidades atendem a fluxos diferentes. Para gerar uma nova imagem promocional de produto, descreva diretamente o elemento principal, a composição, a iluminação e o estilo. Se você já tem uma imagem em grande parte satisfatória e precisa apenas trocar o fundo, ajustar a roupa de alguém ou mudar o texto, envie uma URL de referência pelo mesmo endpoint Images generations da RequestBeam, em vez de começar do zero.

Na API, o Flare oferece várias configurações de qualidade, incluindo low, medium, high, xhigh, max e auto. As dimensões de saída são personalizáveis, com suporte a imagens de até aproximadamente 4K dentro dos limites oficiais de pixels. Ele também pode gerar materiais PNG ou WebP com fundo transparente.

Recomendamos escolher qualidade e dimensões conforme o uso final, sem definir todas as tarefas diretamente como max. Por exemplo, miniaturas comuns de sites e prévias de redes sociais podem começar em medium; para imagens principais de produtos que precisam mostrar muitos detalhes, aumente a qualidade gradualmente.

Um modelo de geração de imagens com foco em edições locais e consistência do elemento principal

Consideramos que uma mudança importante no GPT Image 2.5 Flare é a maior atenção às partes da imagem que não devem ser modificadas.

Antes, a edição de imagens por IA frequentemente apresentava um problema: você queria mudar apenas a cor da roupa, mas o rosto da pessoa, o fundo ou a composição também mudavam. No design comercial, isso significa revisar novamente materiais já aprovados.

No GPT Image 2.5, a OpenAI concentrou esforços em melhorar edições locais, preservação dos elementos das referências e revisões sucessivas. Nos materiais oficiais de lançamento, o diretor de produto da Higgsfield AI, Axultan Alimkulov, elogiou especificamente a capacidade do Flare de preservar pessoas, composição e identidade visual ao modificar imagens. Relatos de clientes iniciais da OpenAI

Consideramos essa capacidade especialmente valiosa para fotografia de produtos, modelos virtuais e materiais de marca. Por exemplo, equipes de comércio eletrônico podem testar a produção de anúncios sucessivos com fundos diferentes, mantendo a forma, o logotipo e o rótulo do produto.

Isso, porém, não significa preservar tudo perfeitamente no nível de pixels. Ainda recomendamos informar explicitamente o que pode mudar e o que deve permanecer, além de inspecionar a imagem final, principalmente rostos, logotipos, embalagens e textos dos produtos.

Ferramenta on-line e API GPT Image 2.5 Flare da RequestBeam

Com a RequestBeam, queremos ajudar você a entender mais rapidamente como o GPT Image 2.5 Flare se comporta em situações reais de negócio.

Basta entrar na RequestBeam, criar uma chave de API e adicionar um pequeno valor de crédito para começar a testar a geração de imagens na ferramenta on-line. Durante a avaliação, não é necessário escrever uma integração de API nem contratar um plano fixo para um teste breve. Isso também reduz o trabalho de manter contas em várias plataformas de modelos.

Principais recursos e áreas de destaque do GPT Image 2.5 Flare

Geração criativa rápida: adequada a lotes de anúncios e materiais de redes sociais

Consideramos que uma das principais vantagens do GPT Image 2.5 Flare é reduzir o tempo gasto em tentativas criativas.

Para profissionais de publicidade e redes sociais, a possibilidade de usar uma imagem depende frequentemente de muitos detalhes, como ângulo do produto, cor do fundo, pose da pessoa e estilo geral. Mesmo com uma direção criativa clara, normalmente ainda é preciso gerar várias versões para escolher.

Nos testes reais de API publicados pela OneWave em 8 de setembro de 2026, a mediana do tempo de geração do Flare em 1024×1024 e qualidade high foi de 16,7 segundos, contra 117,8 segundos do GPT Image 2. Consideramos que uma diferença assim altera diretamente a produção de materiais, pois testar uma ideia nova exige muito menos espera. Teste prático da OneWave

Para quem precisa produzir muitas variações de anúncios, recomendamos usar o Flare na exploração criativa, preparando de uma vez diferentes direções de fundo, câmera e estilo e depois escolhendo as versões que merecem refinamento.

Naturalmente, velocidade não substitui revisão de qualidade. Ainda recomendamos conferir descrições dos produtos, elementos da marca e detalhes humanos nas imagens publicitárias. Em especial, não elimine a revisão humana final só porque a geração ficou mais rápida.

Imagens fotorrealistas: iluminação, pele e materiais mais naturais

O GPT Image 2.5 Flare é adequado para fotografias de produtos, imagens de estilo de vida e materiais fotorrealistas. A OpenAI destaca melhorias da nova série na iluminação natural, nas texturas de superfícies e na fidelidade às referências, que também consideramos entre os avanços mais perceptíveis para usuários comuns.

Um dos nossos clientes relatou que um retrato gerado em uma única tentativa com o Flare o satisfez sem novas edições. O criador disse que a iluminação e a representação dos materiais foram os pontos mais surpreendentes.

Nem todo usuário, é claro, alcança o resultado ideal com o Flare. Com base na nossa experiência, recomendamos descrever todos os detalhes necessários com a maior clareza possível. Por exemplo, ao pedir imagens de produtos para uma marca de café, recomendamos fornecer uma referência da embalagem e exigir explicitamente a preservação das proporções, do logotipo, do rótulo e das cores da marca, em vez de escrever apenas "gere uma imagem publicitária de café de alta qualidade".

Edição precisa de imagens: alterar apenas o necessário

Nos relatos dos nossos clientes, observamos que a edição ocupa uma parcela maior do trabalho cotidiano que a geração do zero; nossos dados atuais mostram uma proporção próxima de 3:1.

Por exemplo, a composição e o design do personagem de um anúncio já podem estar prontos, mas o cliente deseja outra cor de roupa ou um fundo diferente para o produto. O resultado ideal modifica apenas o conteúdo especificado e mantém consistentes os demais detalhes aprovados.

Em um teste independente de 8 de setembro de 2026, a Genflick tentou trocar o cachecol amarelo-mostarda de um personagem por azul-cobalto, exigindo que rosto, óculos, pose e fundo permanecessem iguais. Mantendo a proporção da tela, as amostras do Flare em medium e high concluíram a edição preservando os demais elementos visuais principais. Teste de edição de imagens da Genflick

Ressaltamos, porém, que essa preservação é semelhança visual, não identidade de pixels fora da região editada.

Por isso, recomendamos testar o Flare primeiro para imagens comuns de produtos, revisões de cartazes e mudanças de roupa. Para logotipos, estruturas complexas de produtos ou materiais comerciais que exigem preservação rigorosa do original, teste também o Sunburst ou combine o modelo com ferramentas tradicionais de edição para ajustes finos.

Combinação de várias referências: manter continuidade entre personagens e cenas

Consideramos os recursos de múltiplas referências muito valiosos para storyboards de séries curtas, personagens de quadrinhos, combinações de produtos e produção visual de marcas.

Suponha que você preparou fichas de referência de dois personagens e uma imagem de fundo de um cenário fixo. A próxima necessidade pode ser fazer esses dois personagens executarem uma ação específica nesse cenário, preservando suas roupas e características originais.

Um dos nossos clientes de quadrinhos animados descreveu um teste com três referências ao todo: dois personagens + um cenário. Ele pediu uma imagem de um personagem entregando uma xícara ao outro. Nos resultados apresentados em medium e high, o Flare preservou as características principais, as roupas e os elementos do ambiente, além de organizar posições e ações conforme solicitado. Esse resultado nos faz considerar que o Flare já pode participar da pré-produção de alguns conteúdos visuais sequenciais.

Texto e materiais transparentes: adequados a cartazes, ícones e design de produtos

Muitos modelos anteriores de imagens por IA geravam cartazes atraentes, mas erros de ortografia e números eram comuns quando a imagem precisava conter textos, datas ou preços exatos.

Em testes reais de cartazes de calçados e roupas feitos por nossos clientes de comércio eletrônico, o Flare também reproduziu corretamente os títulos, subtítulos e preços solicitados. Esse teste mostra que o GPT Image 2.5 Flare já pode ser usado em trabalhos práticos de design nessa área.

Além do texto, fundos transparentes são outro recurso útil. A equipe de avaliação da Manus elogiou as melhorias do Flare na geração de transparência nos materiais oficiais de lançamento da OpenAI.

Recomendamos o Flare para primeiros rascunhos de cartazes de eventos, adesivos de produtos, ilustrações de sites, cartões de redes sociais e ícones simples. Para imagens com fundo transparente, você pode usar IA para desenvolver uma ferramenta que verifique o canal alfa do arquivo de saída e evite possíveis erros.

Benchmarks e desempenho do GPT Image 2.5 Flare

Nesta seção, usamos principalmente materiais oficiais da OpenAI e resultados publicados por OneWave, Genflick, HummingBytes, IMG.LY e Fuser.

As resoluções, configurações de qualidade, prompts e ambientes de execução não são idênticos entre os testes. Por isso, preservamos as condições importantes em vez de combinar diretamente resultados de fontes diferentes em um único ranking de modelos.

Velocidade de geração: mediana de 16,7 segundos, significativamente mais rápida que o GPT Image 2

Nos testes independentes da OneWave em 8 de setembro de 2026, três modelos usaram o mesmo prompt, resolução de 1024×1024 e qualidade high. Cada modelo passou por 9 testes de geração.

Os resultados foram os seguintes:

Nesse conjunto, o Flare gerou imagens aproximadamente 7 vezes mais rápido que o GPT Image 2, uma vantagem bastante clara. Outra série da HummingBytes observou tendência semelhante. Nas suas 19 gerações em qualidade high, o tempo médio do Flare foi de aproximadamente 25,1 segundos, contra 128,4 segundos do GPT Image 2. Os tempos absolutos diferiram entre os dois testes independentes, mas ambos mostraram a clara vantagem do Flare na velocidade de geração. Teste da OneWave · Teste da HummingBytes

Se seu negócio exige que usuários experimentem prompts com frequência, como um site de geração de imagens por IA, uma ferramenta de marketing ou um gerador de imagens para comércio eletrônico, recomendamos testar o Flare primeiro.

Entretanto, para serviços on-line que precisam prometer um tempo fixo de resposta, recomendamos medir a latência P95 e P99 além da velocidade média e implementar timeouts e novas tentativas adequados. Não trate os 16,7 segundos desses testes como um tempo estável de resposta do serviço.

Custo de geração: aproximadamente um quarto do GPT Image 2 nas mesmas condições de teste

Outra vantagem do Flare é seu custo de geração.

Segundo os preços oficiais da API da OpenAI, os preços de processamento padrão do GPT Image 2.5 Flare são os seguintes:

O Flare e o GPT Image 2 têm os mesmos preços por token. A diferença no custo real de geração vem principalmente do consumo de tokens durante a geração, não de uma redução do preço unitário do token. Preços do modelo Flare da OpenAI

No teste da OneWave, com o mesmo prompt, resolução e qualidade high, o Flare custou $0.0532 por imagem, contra $0.2112 do GPT Image 2. O custo real do Flare foi aproximadamente um quarto do da versão anterior.

Consideramos isso muito importante para produtos SaaS que precisam gerar imagens em escala. Por exemplo, se uma ferramenta de marketing por IA permite modificar prompts repetidamente, gerar opções e escolher a versão final entre vários resultados, um menor custo por imagem afeta diretamente a margem bruta de todo o produto.

Antes da integração formal, recomendamos testar separadamente a qualidade e o consumo de tokens em medium, high e xhigh para encontrar a menor configuração de qualidade aceitável aos usuários.

Precisão do texto: 24 itens corretos, mas cartazes complexos ainda precisam de revisão humana

Consideramos a precisão do texto dentro das imagens um indicador importante de que um modelo de IA pode entrar em fluxos de design comercial.

A OneWave usou três modelos para gerar uma tabela comparativa de preços com 24 itens de texto específicos, incluindo números, decimais, preços e sequências de caracteres determinadas.

Nesse teste, o GPT Image 2 e o GPT Image 2.5 Flare geraram corretamente todos os 24 itens, enquanto o GPT Image 1 acertou apenas 19.

Além disso, alguns dos nossos usuários de comércio eletrônico compararam recentemente três tarefas: um banner, uma imagem de detalhes de produto e um folheto. O Flare gerou corretamente todos os 583 caracteres solicitados nas três imagens do teste.

Por isso, consideramos que esses resultados mostram que o Flare já consegue lidar com muitos conteúdos visuais com texto, como cartazes de eventos, cardápios, conceitos de embalagens e materiais de redes sociais com explicações.

Para cartazes promocionais gerais, recomendamos o Flare no primeiro rascunho. Se o negócio impõe requisitos rigorosos ao texto, recomendamos usar o Flare para gerar o fundo e os elementos visuais e adicionar o texto final com uma ferramenta de diagramação programática, o que costuma ser mais confiável.

Seguimento de instruções complexas: todas as 8 restrições cumpridas, mas o estilo solicitado ainda pode não ser atendido

No design comercial real, um prompt frequentemente faz mais do que descrever um elemento: ele inclui vários requisitos que precisam ser atendidos simultaneamente.

A OneWave elaborou um prompt complexo de aproximadamente 1253 caracteres com 8 condições verificáveis, como quantidade de objetos, ordem de posicionamento, localização do texto, direção da luz e elementos que não deveriam aparecer.

Nesse teste:

Os resultados mostram que, nessa tarefa, o Flare não só entendeu corretamente quais objetos gerar, mas também lidou com as relações espaciais e as condições de exclusão. Teste de prompt complexo da OneWave

Entretanto, consideramos necessário distinguir esse sucesso do controle completo do estilo artístico.

Segundo um dos nossos clientes, seu fluxo de negócio envolvia storyboards de nove quadros. Ao trocar o GPT Image 2 pelo Flare, o mesmo prompt gerou corretamente nove quadros em uma tentativa, preservando as características principais dos personagens e seguindo em grande parte a ordem das tomadas. Porém, embora o prompt pedisse estilo de ilustração, o resultado ainda tendia claramente a imagens cinematográficas fotorrealistas.

Isso mostra que entender a estrutura da cena não significa seguir rigorosamente todos os requisitos de estilo visual. Na nossa experiência, recomendamos prompts estruturados que descrevam separadamente os elementos, posições, quantidades, texto e conteúdo que precisa permanecer igual. Isso tende a produzir resultados mais estáveis do que uma descrição sem estrutura.

Se o projeto exige especialmente consistência de estilo, como quadrinhos, ilustrações de marca ou storyboards de animação, recomendamos acrescentar referências para tornar a saída mais controlável.

Desempenho de edição: melhores alterações locais, mas não necessariamente mais rápidas que o GPT Image 2

A OpenAI aponta a edição precisa como uma das principais melhorias do GPT Image 2.5, mas consideramos necessário avaliar separadamente os resultados e a velocidade da edição.

A OneWave usou a mesma imagem de origem nos testes de edição e obteve os seguintes resultados:

Nesses testes, o Flare não foi mais rápido que o GPT Image 2; foi ligeiramente mais lento, e os custos de edição foram idênticos.

Por outro lado, os testes da Genflick de troca de cor do cachecol de um personagem com Flare e Sunburst mostraram que ambos conseguiam concluir mudanças locais preservando as características principais e a proporção original da tela. O teste de ícone de bule transparente da Genflick também confirmou que o Flare pode gerar PNG transparente com um canal alfa real. Teste de desempenho de edição da OneWave · Testes de edição e transparência da Genflick

Consideramos que o Flare oferece maior valor de atualização quando o negócio gera principalmente imagens do zero. Se os usuários fazem sobretudo edições sucessivas de imagens existentes, não há necessidade de mudar imediatamente apenas porque saiu uma versão nova.

Recomendamos manter o GPT Image 2 se ele já atende ao negócio e ampliar o uso do Flare apenas quando reduzir claramente alterações indevidas e retrabalho manual.

GPT Image 2.5 Flare em comparação com GPT Image 2, GPT Image 2.5 Sunburst, Nano Banana 2.1 e FLUX.3 Image

Em comparação com o GPT Image 2: Flare para geração frequente, enquanto a versão anterior mantém valor na edição

Consideramos que a principal vantagem do GPT Image 2.5 Flare sobre o GPT Image 2 é concluir tarefas de geração de qualidade semelhante com menos tempo e tokens.

Nos testes da OneWave sob as mesmas condições, a mediana de geração do Flare foi de 16,7 segundos, contra 117,8 segundos do GPT Image 2. Os custos correspondentes por imagem foram $0.0532 e $0.2112.

Com base nesses números, tendemos a escolher primeiro o Flare para projetos novos que precisam gerar imagens frequentemente.

Entretanto, nos testes de edição de imagens existentes, o GPT Image 2 teve uma mediana de tempo ligeiramente menor, e os custos dos dois modelos foram iguais. Isso mostra que a vantagem de velocidade do Flare não se estende a todas as tarefas de edição. Teste comparativo da OneWave

Nossa recomendação: se você usa o GPT Image 2 para criar um produto de texto para imagem, priorize testar a migração para o Flare. Se o produto oferece principalmente alterações de fotos, troca de fundos e edições locais, compare primeiro as taxas de sucesso e a preservação dos elementos antes de decidir atualizar.

Para projetos novos, recomendamos colocar o Flare no topo da lista inicial, pois suas vantagens práticas de velocidade e custo são mais pronunciadas.

Em comparação com o GPT Image 2.5 Sunburst: Flare para rapidez, Sunburst para criação detalhada

O GPT Image 2.5 Flare e o Sunburst pertencem à mesma família, mas não se destinam exatamente ao mesmo trabalho.

As definições oficiais da OpenAI são claras: o Flare é um modelo menor que prioriza velocidade, enquanto o Sunburst é um modelo base com maior ênfase em qualidade e precisão de edição.

Nos 19 testes de geração em qualidade high da HummingBytes, o tempo médio do Flare foi de aproximadamente 25,1 segundos, contra 36,3 segundos do Sunburst. O Flare foi perceptivelmente mais rápido nesse conjunto. Comparação prática da HummingBytes

No teste de prompt complexo da OneWave, Flare e Sunburst cumpriram todas as 8 restrições. Alguns testes da Genflick com cartazes simples e troca local de cores também não encontraram vantagem clara na taxa de conclusão ao passar ao Sunburst.

Consideramos que, quando os requisitos de qualidade já estão atendidos, o Sunburst pode apenas acrescentar espera sem trazer um benefício suficientemente claro.

Recomendamos uma estratégia em duas etapas: primeiro, usar o Flare para gerar rapidamente variações criativas; depois, experimentar o Sunburst para revisões de alta precisão, quando o usuário tiver definido composição e estilo.

Por exemplo, uma ferramenta de design publicitário pode usar o Flare para gerar dez conceitos e depois o Sunburst para refinar os detalhes da imagem escolhida. Isso facilita equilibrar eficiência e qualidade.

Em comparação com o Nano Banana 2.1: priorizar Flare para consistência de personagens, mas comparar fotografias de produtos na prática

O Nano Banana 2.1 do Google é um dos modelos que consideramos valer a pena avaliar junto com o Flare.

Em 6 de outubro de 2026, a Fuser realizou uma série de testes práticos com cinco tarefas para comparar o Nano Banana 2.1 e o GPT Image 2.5 Flare.

Nesses testes, o Nano Banana 2.1 foi melhor em fotografia de produtos, reproduzindo fundos e sombras com maior precisão. O Flare apresentou vantagens na consistência de personagens, em algumas cenas fotorrealistas e na edição de fundos de produtos. Ambos geraram corretamente o conteúdo solicitado no teste de texto de cartaz. Teste prático da Fuser com os dois modelos

Consideramos esses resultados úteis porque mostram como os pontos fortes de um modelo dependem da tarefa específica.

Se o produto precisa preservar traços faciais e detalhes de roupas de um personagem virtual em várias cenas novas, recomendamos testar o Flare primeiro.

Se o negócio envolve principalmente fotografia de produtos, apresentações e imagens principais para comércio eletrônico, o Nano Banana 2.1 também merece teste, especialmente quanto à precisão da geometria, dos materiais e da iluminação.

Para integração comercial, recomendamos usar suas próprias imagens de produtos como referências e gerar várias imagens em cada modelo com a mesma resolução-alvo. Compare taxa de sucesso na primeira tentativa, proporção final de imagens utilizáveis e custo real por imagem aceitável antes de decidir qual atende melhor ao negócio.

Em comparação com o FLUX.3 Image: precisão de texto semelhante, com prioridade ao FLUX.3 em testes rigorosos de edição local

Consideramos o FLUX.3 Image outro modelo que merece comparação com o Flare, especialmente para edição e produção de materiais de marca.

Em uma série publicada em 2 de outubro de 2026, a Fuser comparou os dois modelos em três tarefas de texto e duas de edição local.

Nos testes de texto, FLUX.3 Image e GPT Image 2.5 Flare geraram corretamente todos os 583 caracteres especificados, sem diferença perceptível.

Entretanto, o desempenho do FLUX.3 Image em edição local merece atenção mais detalhada.

Por exemplo, ao substituir um copo de papel por uma caneca em uma foto de cafeteria, a Fuser mediu que 7,7% dos pixels fora da região de edição especificada mudaram além da tolerância definida com o Flare, contra apenas 0,4% com o FLUX.3 Image. Em outra revisão da data de um cartaz, as proporções de mudanças fora da região-alvo foram 25,0% e 12,9%, respectivamente. Comparação prática da Fuser com o FLUX.3 Image

Consideramos que esses números mostram que, embora o Flare tenha melhorado suas edições locais, o FLUX.3 Image pode ter vantagem em algumas situações que exigem preservação rigorosa do original.

Nossa recomendação: para ferramentas gerais de geração, criação publicitária e design rápido, considere o Flare primeiro. Se a aplicação precisa fazer mudanças muito pequenas em cartazes finalizados, fotos de produtos ou imagens de marca, preservando ao máximo o restante, priorize o FLUX.3 Image como modelo de comparação.

Nesse segundo caso, valorizamos mais a capacidade de modificar precisamente a região indicada sem prejudicar conteúdo já aprovado do que simplesmente gerar imagens atraentes.

Perguntas frequentes sobre a integração da API GPT Image 2.5 Flare

Como chamar este modelo pela API Hop?

Crie uma chave API API Hop para seu servidor e envie JSON para POST /openai/v1/images/generations com o ID do modelo desta página e um prompt. Omita image_urls para uma nova imagem. Confira o preço atual antes de enviar: a geração é cobrada e não é um teste gratuito de conexão.

Como editar uma imagem de referência pela API Hop?

Envie o modelo escolhido, um prompt de edição e image_urls para POST /openai/v1/images/generations. Forneça até 16 URLs HTTP(S) de imagens acessíveis publicamente. Este endpoint API Hop usa JSON para gerar e editar imagens de referência. O contrato público atual não aceita uploads multipart, URIs de dados base64, máscaras nem uma rota /images/edits separada. Descreva as alterações e os detalhes a preservar e revise o resultado inteiro. Para outra edição, envie o resultado anterior novamente como URL de referência; o endpoint não mantém o histórico da conversa.

Onde está a URL da imagem gerada?

Com stream: false, a API Hop aguarda a conclusão e retorna as URLs de imagem em data[].url, com as informações de uso disponíveis. Confira o status HTTP e o corpo da resposta antes de ler o resultado. Use o formato documentado para este endpoint, não um analisador de respostas Base64 do provedor. Baixe as imagens concluídas para seu próprio armazenamento se a aplicação precisar de acesso duradouro.

Como ler um resultado em streaming?

Com stream: true, leia os eventos SSE até image_generation.completed e [DONE] e trate os eventos de erro. Prévias parciais de imagens não são garantidas. Este endpoint Images generations não retorna um ID de tarefa para consulta periódica. Se a conexão terminar antes da conclusão, guarde qualquer ID de solicitação e confira os registros e o uso da conta antes de enviar outra geração possivelmente cobrada. A desconexão do cliente não prova que a geração foi cancelada.

Referência completa de parâmetros e respostas da API Hop