API GPT Image 2 para geração e edição de imagens

O que é o GPT Image 2

Um modelo da OpenAI para geração e edição de imagens

Apresentamos o GPT Image 2 como um modelo de geração e edição para criar imagens. Ele pode criar novas imagens a partir de descrições textuais ou receber imagens de referência e ajustar a cena conforme solicitado.

Na prática, observamos se ele consegue transformar um briefing em uma imagem que possa ser refinada depois, como um cartaz com o texto de um evento, uma cena de produto ou um esboço visual para a tela inicial de um aplicativo.

Compreensão dos requisitos visuais por meio de texto e imagens de referência de alta fidelidade

Um recurso importante do GPT Image 2 é processar imagens de referência junto com instruções escritas. A orientação oficial da OpenAI informa que as imagens de entrada são processadas automaticamente em alta fidelidade e que a API nativa deve omitir o parâmetro input_fidelity. Isso ajuda o modelo a aproveitar informações sobre pessoas, produtos e estilos da imagem original.

Recomendamos explicar a função de cada imagem de referência. Por exemplo, a primeira fornece a aparência do produto, a segunda fornece o estilo do fundo e o texto define o que pode mudar. Em comparação com pedir apenas para "deixar mais bonito", isso facilita a avaliação e o refinamento do resultado.

Dimensões flexíveis e vários níveis de qualidade

O GPT Image 2 oferece várias dimensões de saída para imagens quadradas de produtos, capas verticais e cartazes horizontais. A API oficial aceita saída horizontal de até 3840×2160 e as dimensões verticais correspondentes, com os níveis de qualidade low, medium, high e auto.

Escolha as dimensões conforme o local de exibição final e a qualidade conforme a necessidade de detalhes e o custo. Para rascunhos cuja composição ainda muda, recomendamos confirmar a direção em uma resolução menor e gerar a versão final em alta resolução quando o tema, o texto e o layout estiverem corretos.

Ferramenta on-line e API GPT Image 2 da RequestBeam

Com a RequestBeam, queremos ajudar você a descobrir mais cedo como o GPT Image 2 se sai nas suas próprias tarefas. Depois de entrar na conta e adicionar um pequeno valor de crédito, você pode gerar ou editar imagens na ferramenta on-line, sem primeiro escrever uma integração de API nem contratar uma assinatura fixa para uma avaliação breve. Quando os resultados atenderem às suas necessidades, você poderá criar uma chave de API e integrar o modelo ao seu aplicativo, reduzindo o trabalho de gerenciar contas em várias plataformas de modelos.

Principais recursos e pontos fortes do GPT Image 2

Texto em chinês e em vários idiomas: gerar o texto do cartaz junto com a imagem

Valorizamos a capacidade do GPT Image 2 de inserir texto diretamente nas imagens. Em casos reais compartilhados por nossos clientes, a renderização de caracteres chineses do GPT Image 2 melhorou consideravelmente em relação à versão anterior do gpt-image. Eles também observaram erros ainda presentes no caractere "笼" de "小笼包" (xiaolongbao) e em alguns textos menores.

Para cartazes de eventos, imagens de argumentos de venda ou capas multilíngues, recomendamos fornecer o texto final e especificar a posição, o tamanho relativo e o idioma de cada trecho. Títulos curtos podem ser testados como parte da imagem gerada. Para preços, datas, trechos longos e textos que precisam estar totalmente corretos, recomendamos conferir cada caractere e, quando necessário, fazer a diagramação ou a correção manual depois.

Composição complexa: lidar com elementos, layout e restrições detalhadas em conjunto

Consideramos que o GPT Image 2 lida bem com tarefas que reúnem vários requisitos explícitos em uma só imagem. Um cliente compartilhou uma cena de área de trabalho com várias janelas, texto e gráficos ASCII, e depois continuou alterando o conteúdo da janela do navegador e a figura de cachorro dentro dela.

Para imagens promocionais de produtos, recomendamos definir em conjunto o elemento principal, o fundo, a posição do texto e o espaço livre, por exemplo: "coloque o produto à direita, deixe espaço para um título à esquerda e distribua três argumentos de venda na parte inferior". Na nossa experiência com o GPT Image 2, você pode descrever os requisitos com o máximo de detalhes possível, e ele consegue executar bem a tarefa.

Edição com imagem de referência: continuar refinando materiais existentes

Recomendamos o GPT Image 2 para modificar materiais existentes, como trocar fundos, experimentar combinações de cores ou explorar outro estilo visual. Em discussões públicas, um usuário criou simulações visuais a partir de referências e considerou o realismo suficiente para trabalho profissional. Outro pediu alterações na cor e na forma de escamas específicas de uma cobra, com resultados decepcionantes. Relato sobre imagens de referência · Edição local detalhada malsucedida

Com base nesses relatos, recomendamos começar com tarefas de objetivo claro e mudanças fáceis de verificar. Ao trocar o fundo de um produto, por exemplo, especifique que as proporções do frasco, o texto do rótulo e a posição precisam permanecer iguais. Após a geração, compare original e resultado lado a lado, principalmente logotipos, bordas e reflexos. Se uma região precisar ser preservada exatamente, você poderá compor depois apenas as mudanças necessárias sobre o original.

Esboços de interfaces e propostas visuais: discutir ideias de produto mais cedo

Muitos dos nossos clientes usam o Images 2.0 para criar esboços de interfaces de ideias de produto e avaliaram os resultados positivamente.

Se estiver planejando uma interface administrativa, a tela inicial de um aplicativo ou um menu de jogo, recomendamos pedir primeiro vários layouts ao GPT Image 2 e usar as imagens para discutir hierarquia da informação, cores e destaque visual. Para desenvolvedores independentes, isso pode facilitar a comunicação da ideia. Depois de definir a direção, implemente componentes reais, interações e layouts responsivos; a imagem gerada em si não inclui esse trabalho de desenvolvimento.

Personagens e storyboards: criar uma sequência com o mesmo protagonista

Consideramos que vale testar o GPT Image 2 para criação de personagens e pequenas explorações de storyboard. Um dos nossos clientes primeiro gerou um retrato antropomórfico e depois imagens de perfil e em ação, ficando satisfeito com a preservação da aparência do personagem.

Recomendamos estabelecer uma imagem de referência do personagem e depois testar uma vista frontal, uma lateral e uma ação principal, verificando rosto, roupa, cores e textura do fundo em cada imagem. Amplie a série completa apenas quando essas cenas principais estiverem aceitáveis. Para histórias com várias imagens, também recomendamos manter a referência original do personagem em vez de continuar editando resultados que já se afastaram dela.

Benchmarks e desempenho do GPT Image 2

Mantemos as versões dos rankings e os níveis de qualidade, distinguindo avaliações cegas formais, pequenos testes pessoais e experiências de uso.

Avaliação cega de texto para imagem: AA High chega a 1172 Elo

No ranking AA-Image-T2I v2.0 da Artificial Analysis, o GPT Image 2 em high alcança 1172±8 Elo, ocupando atualmente o terceiro lugar. No mesmo ranking, o GPT Image 1.5 em high alcança 1107±8, e o Nano Banana 2 alcança 1126±7. Isso indica que o GPT Image 2 continua competitivo dentro dos prompts e dos critérios de preferência humana dessa avaliação. Ranking AA de texto para imagem

Para cartazes de produtos, capas de conteúdo e imagens que exigem uma composição clara, recomendamos incluí-lo entre os primeiros modelos a testar. Equipes que já usam o Image 1.5 podem começar comparando os briefings que antes exigiam mais retrabalho e verificar se texto, layout e detalhes do elemento principal melhoram. Esse resultado corresponde a high; não o aplicamos diretamente aos níveis inferiores de qualidade.

Edição de imagem única: Arena Medium chega a 1462 pontos

O ranking de edição de imagem única da Arena em 2026-10-06 registra o GPT Image 2 em medium com 1462±3, em terceiro lugar. Já o AA-Image-Editing v2.0 atribui ao nível high 1125±8 Elo, em sexto lugar, com intervalo de classificação entre quinto e sétimo. As duas avaliações usam tarefas, níveis de qualidade e escalas de pontuação diferentes. Essa diferença de posições reforça a necessidade de validar separadamente cada necessidade de edição. Ranking Arena de edição de imagem única · Ranking AA de edição de imagem

Recomendamos verificar duas coisas em conjunto: se as alterações solicitadas foram feitas corretamente e se algo que deveria ficar igual também foi alterado. Ao trocar o fundo de um produto, confira não apenas se o novo fundo parece natural, mas também o texto da embalagem, a forma do produto e as cores. Para trabalhos que exigem preservação rigorosa dos detalhes originais, comece com um teste pequeno antes de programar processamento em lote.

Velocidade de geração: planejar a espera conforme a qualidade e a proporção

Alguns dos nossos clientes esperaram cerca de dois minutos por uma imagem complexa gerada pela API em high. A orientação da OpenAI para o GPT Image 2 também informa que imagens quadradas costumam ser as mais rápidas; o tempo real depende das dimensões e das condições da solicitação. Experiência de uso da API em High · Configurações oficiais do modelo

Recomendamos fixar primeiro as dimensões e a qualidade e registrar, nas suas tarefas habituais, o tempo entre o envio e o recebimento da imagem completa. Para recursos nos quais o usuário edita imagens repetidamente, avalie medium primeiro. Para entregas finais complexas, compare se high compensa a espera. Se a demora prejudicar perceptivelmente a experiência, também recomendamos testar o GPT Image 2.5 Flare, discutido abaixo.

Custo de geração: os níveis de qualidade do mesmo modelo têm preços muito diferentes

A OpenAI apresenta os seguintes exemplos de custo de saída por imagem para o GPT Image 2. Eles não incluem custos de entrada de texto e imagens de referência e não são os preços reais da RequestBeam. Exemplos oficiais de custos da OpenAI

Prestamos atenção especial à passagem de medium para high em 1024×1024: o custo de saída do exemplo é quase quatro vezes maior, mas isso não significa que a qualidade visual melhore na mesma proporção. Recomendamos estabelecer uma referência em medium e comparar high em problemas específicos, como texto pequeno ou materiais complexos. Inclua edições e novas tentativas ao calcular o custo total de cada imagem final utilizável.

Comparação do GPT Image 2 com GPT Image 1.5, Nano Banana 2, GPT Image 2.5 Flare e GPT Image 2.5 Sunburst

Em comparação com o GPT Image 1.5: atualizar primeiro as tarefas que exigem mais retrabalho

Na comparação em high do mesmo ranking AA, o GPT Image 2 supera o Image 1.5 em geração de texto para imagem, mas a diferença de custo depende das dimensões. Nos exemplos oficiais da OpenAI, os custos de saída em 1024×1024 e high são USD 0.211 e USD 0.133, respectivamente; em 1536×1024 e high, são USD 0.165 e USD 0.200. Comparação AA de texto para imagem · Tabela oficial de custos nas mesmas dimensões

Se você gera novamente imagens com frequência por causa de texto de embalagens, layouts de cartazes ou composição complexa, recomendamos testar primeiro o Image 2. Para tarefas simples que já produzem imagens aceitáveis de forma confiável, você pode manter o fluxo atual por enquanto.

Em comparação com o Nano Banana 2: considerar os níveis de qualidade junto com o orçamento dos lotes

O Nano Banana 2 corresponde ao gemini-3.1-flash-image do Google, posicionado oficialmente para velocidade, eficiência e alto volume de processamento. Na cobrança padrão, a saída de uma imagem 1K custa cerca de USD 0.067. Em comparação com os exemplos oficiais do Image 2 acima, isso é menos que high a USD 0.211, mas mais que medium a USD 0.053; portanto, toda comparação de custos precisa informar o nível de qualidade. Modelo e preços oficiais do Google

Para grandes volumes de imagens de redes sociais, opções de miniaturas e ideias que precisam ser experimentadas rapidamente, recomendamos incluir o Nano Banana 2 na comparação. Para imagens principais de eventos, layouts complexos e imagens com muito texto, recomendamos testar primeiro o GPT Image 2.

Em comparação com o GPT Image 2.5 Flare: vale reavaliar em produtos com edição repetida de imagens

Quando lançou o Image 2.5 em 2026-09-08, a OpenAI afirmou que o Flare entregava qualidade de imagem superior à do GPT Image 2 e reduzia a latência de geração da API em 50%. Essa comparação foi publicada pelo fornecedor, e o anúncio não apresenta todas as condições dos testes. Para suas tarefas, meça novamente com suas próprias dimensões e configurações de qualidade. Anúncio de lançamento do OpenAI Image 2.5

Se você está criando uma ferramenta de imagens on-line na qual usuários trocam fundos, mudam cores e testam alternativas repetidamente, recomendamos executar o mesmo conjunto de tarefas no GPT Image 2.5 Flare e no GPT Image 2. Observe os tempos de espera e se o elemento principal muda após cada edição. Para equipes já integradas ao Image 2, consideramos que o Image 2.5 Flare merece um teste comparativo inicial de pequena escala.

Em comparação com o GPT Image 2.5 Sunburst: a edição fina dá mais peso à preservação de detalhes

A OpenAI posiciona o Sunburst para tarefas que exigem controle mais preciso da edição, como materiais de marketing finalizados e imagens de produtos retocadas, observando que a geração demora mais do que no Flare. No ranking atual de edição da AA, o Sunburst em max alcança 1183±8 Elo, enquanto o Image 2 em high alcança 1125±8 Elo. Posicionamento dos modelos pela OpenAI · Avaliação AA de edição

Com base nos relatos de clientes, os casos de uso do GPT Image 2.5 Sunburst tendem a ser mais complexos que os do Image 2. O Image 2.5 Sunburst se sai melhor em materiais de marca que exigem várias rodadas de edição fina. Se sua tarefa envolver detalhes mais complexos, recomendamos testar a atualização para o GPT Image 2.5 Sunburst.

Perguntas frequentes sobre a API GPT Image 2

Como chamar a API GPT Image 2 pela RequestBeam?

Recomendamos primeiro entrar na RequestBeam e criar uma chave de API, depois ler nossa documentação ou pedir ajuda a uma IA para configurar a conexão.

Recomendamos concluir primeiro um teste mínimo de geração na ferramenta on-line e depois integrar conforme a documentação atual da API GPT Image 2 da RequestBeam. Assim, você verifica se o modelo atende à necessidade do negócio antes da integração e evita transferir por engano caminhos de endpoints e parâmetros de outros fornecedores para a RequestBeam.

Por que as configurações de quantidade de imagens, máscara ou tamanho causam erro 400?

Recomendamos verificar primeiro se o código antigo envia parâmetros de outra API. O GPT Image 2 da RequestBeam atualmente aceita apenas n: 1, não tem uma rota separada /images/edits e não aceita multipart/form-data. Enviar mask, mask_url ou maskUrl retorna 400. Para editar uma imagem, use image_urls e instruções escritas conforme descrito acima. Limites dos parâmetros da RequestBeam

Para dimensões, você pode combinar size: "16:9" com resolution: "2k". Se especificar diretamente as dimensões em pixels, elas prevalecem sobre o nível de resolução. Escolha auto, low, medium ou high para a qualidade, não xhigh ou max do Image 2.5. Recomendamos começar com uma combinação documentada e ajustar um parâmetro por vez, em vez de alterar vários simultaneamente e dificultar o isolamento de problemas. Configurações de tamanho e qualidade da RequestBeam

Por que b64_json não aparece no resultado e como ler imagens de uma solicitação em streaming?

Com stream: false, esse endpoint da RequestBeam espera a geração terminar e retorna uma URL de imagem; leia data[0].url. Recomendamos verificar se a URL existe antes de baixar e salvar a imagem. A API Images nativa da OpenAI retorna uma estrutura de imagem Base64 diferente, portanto o código de leitura dela não pode ser copiado diretamente. Estrutura de resposta da RequestBeam · Estrutura de resposta nativa da OpenAI

Com stream: true, continue processando SSE, aguarde o evento image_generation.completed e leia sua URL de imagem, continuando até [DONE]. Esse endpoint não retorna primeiro um jobId, portanto não consulte /v1/jobs/{id} em busca dos resultados da imagem. Recomendamos tratar "conectado" e "imagem gerada" como estados separados. Tratamento de resultados na RequestBeam

Por que não devo tentar novamente imediatamente após um timeout e como investigar?

Um timeout ou a interrupção da espera significa apenas que o cliente deixou de aguardar o resultado; não comprova que o servidor cancelou a geração. Recomendamos conferir o histórico disponível e o uso da conta antes de decidir reenviar, para evitar solicitações pagas repetidas quando o resultado ainda não está claro. Após o sucesso, baixe a imagem para seu próprio armazenamento em vez de tratar a URL retornada como um local permanente. Timeouts e salvamento de imagens na RequestBeam

Para erros explícitos, comece pelo código de status: verifique a chave de API em 401, o saldo em 402, se o modelo existe ou está habilitado em 404 e a frequência das solicitações em 429; para 5xx, use o erro específico para avaliar problemas do serviço ou da geração. Recomendamos guardar o horário da solicitação, o modelo, os parâmetros e os detalhes do erro. Não se limite a aumentar o timeout nem aplique a mesma política de nova tentativa a todos os erros. Códigos de erro da RequestBeam