Todos na internet estão hypando o novo modelo de geração de imagens da OpenAI, o GPT-Image2, mas eu preciso jogar um pouco de água fria: chegou tarde demais! 🤷♂️ Primeiro, não vou exagerar com elogios exagerados sobre o quão incrível é o novo modelo da OpenAI (código da arena: duct-tape)...
O que quero dizer é que o progresso do GPT-image2 é um "Trovão do Despertar dos Insetos" tardio.
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 seu verdadeiro recurso assustador 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?
Deixa eu bater um papo rápido sobre 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 do Gemini, junto com o 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 porque o hype anterior durou muito tempo. Seu único rival de verdade é o Gemini. No passado, muitos prompts do Nano Banana foram herdados da era do ChatGPT.
Como a primeira geração de modelos de imagem de IA online, seu material estreou com alta qualidade. No entanto, desde novembro de 2025, basicamente todos os juros compostos foram consumidos pelo Nano Banana Pro. Por exemplo, muitas pessoas, inclusive eu, usaram o Nano Banana para escrever prompts de imagem e entrar no campo AIGC;
Pense bem: a atual queda no hype é porque o modelo é ruim ou porque a repetição de conteúdo é muito alta?
Acho que provavelmente é a segunda opção~
Então pense sério: é impossível para o modelo Image2 do ChatGPT atingir o mesmo nível de hype que o Nano Banana. Ele deveria ter competido quando o Nano Banana Pro estava no auge. Agora, está atrasado (estou falando com 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 só 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 de sua qualidade em chinês, e o texto continua sendo o ponto forte do GPT.
Mas antes do Image2 ser lançado, o Nano Banana Pro do Gemini ainda estava com dificuldades no setor chinês, frequentemente produzindo códigos ilegíveis quando havia muitos caracteres chineses. O Image2 faz jus à sua excelente biblioteca de material chinês e conquista o mercado chinês.
Só a melhoria 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 do GPT te entende? Um prompt simples como:
"Gere uma captura de tela do Douyin de uma streamer feminina" pode te surpreender? (Ou até superar suas expectativas). Ver muita fadiga estética (o visual 'influencer' não é o mesmo em todo lugar? 😂 Senti o mesmo ao brincar com Uni-1).
Os modelos nacionais já são incríveis para produzir retratos com simples empilhamento de palavras-chave; mas o Image2 parece mais um híbrido otimizado de modelos nacionais (como Doubao Seedream) e Gemini, apresentando melhor desempenho em texto e parecendo mais realista. Outra razão pode ser que os retratos do Gemini causaram fadiga estética.
Um modelo frequentemente impressiona porque resolve os pontos problemáticos que outro modelo (Gemini) incomodou os usuários por muito tempo. Isso leva ao terceiro ponto.
3. Controlabilidade do modelo
O grau em que um modelo grande segue instruções e o fato de que não exige 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 de selfie em primeira pessoa de ângulo baixo, um cosplayer masculino chinês top de 20 anos, traços requintados, maquiagem e figurino 1:1 da recriação real de Uzumaki Naruto (Naruto de cabelo curto após se tornar o Sétimo Hokage em Boruto), mão esquerda (mão incluindo dedos e braço totalmente envoltos em bandagens) segurando uma garrafa de vidro transparente inclinada para trás bebendo vodca, mão direita em primeiro plano fazendo uma ação de girar/segurar caneta, close-up segurando uma caneta capacitiva Apple Pencil branca, detalhes claros das mãos, cena de mesa de escritório doméstico, toalha de mesa estampada azul e branca, tablet preto ao fundo exibindo wallpaper de anime rosa, ambiente desfocado, desfoque de movimento e rastros de movimento, estilo CG de jogo, altamente artístico, chocante, cores ricas, sobreposição de áreas escuras, close-up, ultra-alta definição. Grande quantidade de esfregaços de caligrafia com pincel espirrando, pedaços de papel voando, pedaços de papel em primeiro plano desfocados, desfoque de movimento, desfoque dinâmico de fundo, sol 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 segura na mão com câmera frontal de celular, luz natural suave e quente, tons de filme vintage de baixa saturação, textura de pele de retrato realista, fios de cabelo claros, textura de roupa natural, reflexo de vidro realista, ultra-alta definição 4K 8K, desfoque de grande abertura, snapshot diário relaxado, atmosférico, captura cinematográfica, realista, não posado, casual e natural.
O que são os pontos-chave no prompt?
1Prompt: 📝 Perspectiva de selfie em primeira pessoa de ângulo baixo, um cosplayer masculino sino-ocidental top de 20 anos, traços requintados, maquiagem e figurino 1:1 da recriação real de Uzumaki Naruto (Naruto de cabelo curto após se tornar o Sétimo Hokage em Boruto), mão esquerda (mão incluindo dedos e braço totalmente envoltos em bandagens) segurando uma garrafa de vidro transparente inclinada para trás bebendo vodca, mão direita em primeiro plano fazendo uma ação de girar/segurar caneta, close-up segurando uma caneta capacitiva Apple Pencil branca, detalhes claros das mãos, cena de mesa de escritório doméstico, toalha de mesa estampada azul e branca, tablet preto ao fundo exibindo wallpaper de anime rosa, ambiente desfocado, desfoque de movimento e rastros de movimento, estilo CG de jogo, altamente artístico, chocante, cores ricas, sobreposição de áreas escuras, close-up, ultra-alta definição. Grande quantidade de esfregaços de caligrafia com pincel espirrando, pedaços de papel voando, pedaços de papel em primeiro plano desfocados, desfoque de movimento, desfoque dinâmico de fundo, sol 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 segura na mão com câmera frontal de celular, luz natural suave e quente, tons de filme vintage de baixa saturação, textura de pele de retrato realista, fios de cabelo claros, textura de roupa natural, reflexo de vidro realista, ultra-alta 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 desfoque de movimento e rastros de movimento e (mão incluindo dedos e braço totalmente envoltos em bandagens). Especialmente esta 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 de que o modelo não entendesse.
Atualmente, o GPT-image2 alcançou uma pontuação perfeita 💯 (comparado a todos os outros modelos de texto para imagem, só este ponto prova que seu controle de detalhes é mais forte que o do Gemini). Graças ao rico e preciso acervo de material da OpenAI, a imagem gerada corresponde à obra original, enquanto o Gemini parece estar apenas chutando. Agora é a vez do Gemini ter um longo caminho pela frente.
Seja porque as instruções estão corretas ou pela densidade do acervo de material do modelo, atualmente, seu controle sobre instruções em chinês é, sem dúvida, excelente! Ele me entende bem.
Viu só? Quando a IA entende completamente a fala humana e não precisa mais de prompts prolixos, significa que a "barreira do prompt" desabou completamente.
Na segunda metade da futura era AIGC, a competição não será mais sobre feitiços mágicos, mas sobre a composição, criatividade e estética no seu cérebro! As iterações das ferramentas só vão te entender melhor, mas a competição interna entre criadores acabou de começar. Você está pronto para competir com sua imaginação? 👇
Pessoalmente, acho que quem pesquisa estilo chinês pode 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 simples de uma frase, sem precisar mais de modificadores excessivos ou palavras-chave complexas, é o futuro dos grandes modelos.
Uma nova escada estética precisa de iteração e substituição contínuas. Assim como os conhecidos Agents ou coisas como lagosta e Hermès. O que precisa é de iteração constante, não de 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:
Puxar cartas: https://arena.ai/
duct-tape-1/2/3 são todos modelos de geração GPT-image2.
