Todo mundo na internet está hypando o novo modelo de geração de imagens da OpenAI, o GPT-Image2, mas eu preciso jogar um balde de água fria: é tarde demais! 🤷♂️ Primeiro, não vou exagerar dizendo que o novo modelo da OpenAI (código na arena: duct-tape) é incrível com elogios exagerados...
O que quero dizer é que o progresso do GPT-image2 é um "Trovão tardio do Despertar dos Insetos".
Mas isso não significa que o Image2 não merece ser mencionado. Pelo contrário, depois de testar profundamente alguns prompts de cena e personagem, descobri que sua característica verdadeiramente aterrorizante não é a qualidade da imagem.
Talvez seja um divisor de águas que desmonta instantaneamente a hegemonia do Gemini 🍌.
Então, por que digo que é um trovão tardio?
Deixe-me comentar rapidamente alguns pontos:
1. Por que o período de dividendos para criar contas escrevendo "prompts divinos" acabou?
Porque o período de dividendos para criar contas através de "prompts divinos" já foi devorado pelo Nano Banana Pro da Gemini, além do Seedance 2.0. A época mais adequada para entrar foi em março.
Ainda quer entrar no jogo republicando prompts? Aconselho você a pensar duas vezes.
Principalmente, o hype anterior durou muito tempo. Seu único verdadeiro rival é o Gemini. No passado, muitos prompts do Nano Banana foram herdados da era do ChatGPT.
Como a primeira geração de modelos de imagem AI online, seu material começou com alta qualidade. No entanto, desde novembro de 2025, basicamente todos os juros compostos foram consumidos pelo Nano Banana Pro. Por exemplo, muitas pessoas confiaram no Nano Banana para escrever prompts de imagem e entrar no campo AIGC, inclusive eu;
Pense bem, a queda atual no hype é porque o modelo é ruim ou porque a repetição de conteúdo é alta demais?
Acho que provavelmente é a segunda opção~
Então pense seriamente: é impossível para o modelo Image2 do ChatGPT atingir o mesmo nível de hype do Nano Banana. Ele deveria ter competido quando o Nano Banana Pro estava no auge. Agora, está atrasado (estou falando para os jogadores que querem criar contas escrevendo prompts AIGC; é tarde demais, aconselho os amigos que estão entrando no círculo a pensar duas vezes).
2. Compreensão nativa de chinês
Ele atende perfeitamente às necessidades da região de língua chinesa. Não apenas a taxa de erro na geração de caracteres chineses é praticamente imperceptível, mas os retratos também escaparam da "fadiga estética plástica" dos modelos anteriores. Acho que não preciso elaborar muito; se um modelo de IA é bom depende da sua qualidade em chinês, e o texto continua sendo o ponto forte do GPT.
Mas antes do Image2 ser lançado, o Nano Banana Pro da Gemini ainda estava lutando no setor chinês, frequentemente produzindo códigos confusos quando havia muitos caracteres chineses. O Image2 está à altura de sua excelente biblioteca de material chinês e captura o mercado chinês.
A melhoria apenas nos caracteres chineses é suficiente? Os retratos são igualmente importantes. Muitas pessoas já compartilharam capturas de tela de transmissão ao vivo semelhantes à imagem abaixo:
Depois de olhar a imagem, você sente que o novo modelo da GPT te entende? Um prompt simples como:
"Gerar uma captura de tela do Douyin de uma streamer feminina" pode te surpreender? (Ou até superar suas expectativas). Ver muita fadiga estética (o visual 'influenciador' não é o mesmo em todo lugar? 😂 Parecia a mesma coisa ao brincar com o Uni-1).
Os modelos nacionais já são incríveis em produzir retratos com simples pilhas de palavras-chave; mas o Image2 parece mais um híbrido otimizado de modelos nacionais (como Doubao Seedream) e Gemini, com melhor desempenho em texto e parecendo mais realista. Outra razão pode ser que os retratos do Gemini causaram fadiga estética.
Um modelo muitas vezes impressiona porque resolve os pontos problemáticos que outro modelo (Gemini) tem causado aos usuários por muito tempo. Isso leva ao terceiro ponto.
3. Controlabilidade do modelo
O grau em que um modelo grande pode seguir instruções e o fato de não exigir mais prompts complexos e longos para gerar imagens é a chave para julgar se um modelo é bom. Pessoalmente, acho que este é o destaque do Image 2 desta vez. Fiz um conjunto de imagens comparativas;
Com o mesmo prompt, o GPT-image2 é mais obediente que o Nano Banana 2/Pro.
Gemini 3.1 pro Nano Banana pro
GPT-image2
Prompt: 📝 Perspectiva selfie em primeira pessoa de ângulo baixo, um cosplayer masculino chinês top de 20 anos, traços requintados, reconstituição 1:1 de maquiagem e figurino de Uzumaki Naruto (Naruto de cabelo curto depois de se tornar o Sétimo Hokage em Boruto) cosplay da vida real, mão esquerda (mão incluindo dedos e braço totalmente envoltos em bandagens) segurando uma garrafa de vidro transparente inclinada para trás bebendo vodca, mão direita no primeiro plano fazendo um movimento de girar/segurar uma caneta, close-up segurando uma caneta capacitiva Apple Pencil branca, detalhes claros das mãos, cena de mesa de escritório doméstico, toalha de mesa estampada em azul e branco, tablet preto no fundo exibindo wallpaper de anime rosa, ambiente desfocado, borrão de movimento e rastros de movimento, estilo CG de jogo, altamente artístico, chocante, cores ricas, sobreposição de áreas escuras, close-up, altíssima definição. Grande quantidade de esfregaços de caligrafia com pincel espirrando, pedaços de papel voando, pedaços de papel no primeiro plano desfocados, borrão de movimento, desfoque dinâmico no fundo, luz solar brilhante, luz e sombra entrelaçadas, close-up de ângulo baixo, destacando velocidade e impacto visual, perspectiva forte. Proporção original simulando o realismo de uma foto tirada com a câmera frontal de um celular segurado na mão, luz natural suave e quente, tons de filme vintage com baixa saturação, textura de pele de retrato realista, fios de cabelo claros, textura de roupa natural, reflexo de vidro realista, altíssima definição 4K 8K, desfoque de grande abertura, snapshot diário relaxado, atmosférico, captura cinematográfica, realista, não posado, casual e natural.
Quais são os pontos-chave no prompt?
1Prompt: 📝 Perspectiva selfie em primeira pessoa de ângulo baixo, um cosplayer masculino mestiço chinês top de 20 anos, traços requintados, reconstituição 1:1 de maquiagem e figurino de Uzumaki Naruto (Naruto de cabelo curto depois de se tornar o Sétimo Hokage em Boruto) cosplay da vida real, mão esquerda (mão incluindo dedos e braço totalmente envoltos em bandagens) segurando uma garrafa de vidro transparente inclinada para trás bebendo vodca, mão direita no primeiro plano fazendo um movimento de girar/segurar uma caneta, close-up segurando uma caneta capacitiva Apple Pencil branca, detalhes claros das mãos, cena de mesa de escritório doméstico, toalha de mesa estampada em azul e branco, tablet preto no fundo exibindo wallpaper de anime rosa, ambiente desfocado, borrão de movimento e rastros de movimento, estilo CG de jogo, altamente artístico, chocante, cores ricas, sobreposição de áreas escuras, close-up, altíssima definição. Grande quantidade de esfregaços de caligrafia com pincel espirrando, pedaços de papel voando, pedaços de papel no primeiro plano desfocados, borrão de movimento, desfoque dinâmico no fundo, luz solar brilhante, luz e sombra entrelaçadas, close-up de ângulo baixo, destacando velocidade e impacto visual, perspectiva forte. Proporção original simulando o realismo de uma foto tirada com a câmera frontal de um celular segurado na mão, luz natural suave e quente, tons de filme vintage com baixa saturação, textura de pele de retrato realista, fios de cabelo claros, textura de roupa natural, reflexo de vidro realista, altíssima definição 4K 8K, desfoque de grande abertura, snapshot diário relaxado, atmosférico, captura cinematográfica, realista, não posado, casual e natural.
Os pontos-chave são o prompt borrão de movimento e rastros de movimento e (mão incluindo dedos e braço totalmente envoltos em bandagens). Especialmente a última informação-chave, qualquer um que já viu este anime sabe
O detalhe da mão do protagonista
envolta em bandagens
Está totalmente envolta em bandagens; escrevi em detalhes com medo do modelo não entender.
Atualmente, o GPT-image2 alcançou uma pontuação perfeita 💯 (comparado a todos os outros modelos de texto para imagem, este único ponto prova que seu controle de detalhes é mais forte que o Gemini). Graças à biblioteca de material rica e precisa da OpenAI, a imagem gerada corresponde à obra original, enquanto o Gemini parece estar apenas adivinhando. Agora é a vez do Gemini ter um longo caminho pela frente.
Seja porque as instruções estão corretas ou pela densidade da biblioteca de material do modelo, atualmente, seu controle sobre instruções em chinês é, sem dúvida, excelente! Ele me entende bem.
Está vendo? Quando a IA entende completamente a fala humana e não precisa mais de prompts longos e complicados, significa que a "barreira do prompt" desabou completamente.
Na segunda metade da futura era AIGC, a competição não será mais sobre magias, mas sobre a composição, criatividade e estética no seu cérebro! As iterações de ferramentas só vão te entender melhor, mas a competição interna entre os criadores apenas começou. Você está pronto para competir com sua imaginação? 👇
Pessoalmente, acho que aqueles que pesquisam estilo chinês podem dar uma chance; o estilo chinês é o mais legal.
Quando digo filme, é filme; é exatamente o sabor de filme que eu queria.
Prompts de uma frase simples, sem precisar mais de modificadores excessivos ou palavras-chave complexas, é o futuro dos modelos grandes.
Uma nova escada estética precisa de iteração e substituição contínuas. Assim como os conhecidos Agentes ou coisas como lagostas e Hermès. O que é necessário é iteração constante, não ficar parado.
Para amigos que ainda não têm uma assinatura do ChatGPT e precisam testar, vocês podem ir para a Arena (Modo Batalha) no link abaixo:
Comprar cartas: https://arena.ai/
duct-tape-1/2/3 são todos modelos de geração GPT-image2.
