O pitch
A OpenAI lançou o ChatGPT Images 2.0 (gpt-image-2) em 21 de abril, substituindo o modelo gpt-image-1.5 com foco em layouts espaciais guiados por raciocínio. O sistema se afasta da simples previsão de pixels e caminha para um modo “Thinking” que lida com infográficos complexos, mockups de interface e texto multilíngue com alta precisão. (Fonte: The New Stack, abril de 2026)
Por dentro
O centro desta atualização é o modo “Thinking”, que permite ao modelo raciocinar sobre os layouts e verificar dados da web antes de renderizar o primeiro pixel. (Fonte: VentureBeat) Essa arquitetura entrega 99% de precisão no texto e resolve os problemas antigos com escritas não latinas, como hindi, bengali, japonês e coreano. (Fonte: Gadgets 360)
A integração com os padrões C2PA de proveniência agora é nativa, o que garante que todas as saídas atendam às exigências atuais do setor em marca d’água. (Fonte: VentureBeat) Mas essa precisão tem um custo, literalmente. O preço da API agora é baseado em tokens: US$ 8 por 1 milhão de tokens de entrada e US$ 30 por 1 milhão de tokens de saída. (Fonte: The Decoder)
Uma geração padrão de 1024x1024 custa cerca de US$ 0,21, enquanto gerações avançadas no modo “Thinking” em resolução 2K podem chegar a US$ 0,40 por imagem. (Fonte: Simon Willison’s Weblog) Para ambientes de produção de alto volume, esses custos unitários pesam o suficiente para fazer um CFO recorrer aos betabloqueadores.
Embora o modelo lidere em fidelidade ao texto e ao layout, ele ainda sofre com a estética de “vale da estranheza” em figuras humanas. Concorrentes como o Gemini NB2, do Google, continuam sendo a escolha preferida para precisão anatômica e fotorrealismo. (Fonte: Startup Fortune) Também há uma notável falta de transparência sobre os requisitos de hardware para implantação local em ambientes corporativos.
Além disso, o recente encerramento da equipe do Sora deixa em aberto o futuro dos workflows integrados de vídeo e imagem na OpenAI. O sentimento da comunidade continua morno no plano ético, já que ainda não existe um framework claro para remunerar os criadores cujo trabalho treinou o modelo. (Fonte: Hacker News)
Nossa opinião
Se a sua stack exige prototipagem automatizada de interfaces ou infográficos técnicos, o gpt-image-2 é o primeiro modelo confiável o bastante para pipelines de produção. A renderização de texto finalmente é confiável para implantações globais em mercados de escrita não latina. No entanto, para aplicações B2C que envolvem retratos de pessoas ou geração em alto volume, o preço de 40 centavos por imagem e a estética “estranha” fazem dele uma escolha ruim. Use-o para documentação interna complexa e mockups de interface; fique com o Gemini 2.5 ou o NB2 para fotorrealismo de alta fidelidade.