GPT Image 2.5 vs GPT Image 2: rodei os mesmos prompts nos dois. É aqui que eles realmente diferem
A OpenAI lançou o ChatGPT Images 2.5 em 8 de setembro e resumiu assim: "sharper details, more precise editing, and faster generation". No lado da API, isso significa dois modelos novos, GPT-Image-2.5 Flare e GPT-Image-2.5 Sunburst. O ZOOOP colocou os dois no ar no dia seguinte, como duas versões de um mesmo modelo dentro do gerador de imagens IA.
Post de lançamento sempre soa bem. Se você gera imagens todo dia, só uma pergunta vale a resposta: estou satisfeito com o GPT Image 2 — o que eu realmente ganho indo para o 2.5? Então rodei o mesmo lote de prompts nas duas gerações mudando só o modelo. Aqui está o que dá para ver, e o que não dá.
O que é o GPT Image 2.5, e o que são Flare e Sunburst
Nomes primeiro, porque a OpenAI soltou três de uma vez.
ChatGPT Images 2.5 é o nome do produto dentro do ChatGPT. Não existe um modelo de API chamado "2.5" — existem dois: Flare e Sunburst. Segundo a OpenAI, o Flare é o padrão para a maioria das aplicações e entrega imagens de qualidade maior que o GPT-Image-2 com metade da latência. O Sunburst foi feito para fluxos premium que querem controle mais fino sobre edições, e leva mais tempo para gerar. Os dois compartilham os mesmos prompts, parâmetros e proporções.
No ZOOOP, não listamos os dois como modelos separados — isso sugeriria que você está escolhendo entre duas coisas diferentes. São duas versões dentro do GPT Image 2.5, a uma chave de distância. É também por isso que toda comparação deste post roda no Flare por padrão; o Sunburst tem uma seção só dele mais abaixo.
Comparado ao GPT Image 2, três coisas mudaram no nível dos parâmetros: a escala de qualidade vai de Low / Medium / High para cinco níveis, com XHigh e Max no topo; há uma nova resolução 4K; e uma única requisição agora aceita até 16 imagens de referência em vez de 10. Tudo o mais é igual — onze proporções, prompts escritos do mesmo jeito.
Método: mesmos prompts, só o modelo muda
Quatro prompts, cobrindo as quatro coisas com que mais me importo. Detalhe de tecido e metal: um close da lapela de um blazer azul-marinho espinha de peixe com um pin de lapela de latão. Texto pequeno no quadro: a placa de madeira pintada à mão de uma padaria. Reflexos e materiais: um bule preto fosco sobre uma bancada de pedra polida. Tipografia: um cartaz de show vintage preso numa parede de tijolos.
Cada prompt rodou uma vez em cada modelo — 16:9, mesma resolução, qualidade Low. Low é o nível que mais uso, e é o que expõe o piso de um modelo; qualquer modelo empilha detalhe no nível máximo. Para o prompt do tecido, adicionei um par em High e um render em Max, que só o 2.5 oferece, para ver até onde a escada realmente vai.
Não testado aqui: edição e composição com várias referências. São as áreas de que a OpenAI mais fala sobre o 2.5, e merecem um post só delas.
Diferença um: detalhe resolvido
A versão curta: os dois renders em Low são utilizáveis; a diferença aparece no zoom. O GPT Image 2 tem a espinha de peixe, mas ela é macia, como vista através de uma gaze. O GPT Image 2.5 levanta cada nervura, e a costura ao longo da borda da lapela é mais firme. A outra diferença não é textura, é obediência. Pedi um pin de lapela de latão; o 2.0 desenhou um pingente em forma de lanterna, o 2.5 desenhou um botão redondo de latão com um brasão. Nenhum é de manual, mas o 2.5 está mais perto do prompt.
O par de bules é a ilustração mais clara do que "detalhe resolvido" quer dizer. Os dois acertam o material do bule; a diferença é a bancada. O reflexo do 2.0 é um borrão escuro vago. O 2.5 espelha alça, corpo e tampa um a um na pedra, com os veios do mármore aparecendo por baixo. Esse é o ponto fraco que mais encontro em qualquer gerador de imagens IA — o assunto está bom, o anel onde o assunto encontra o ambiente fica empastado. O 2.5 é visivelmente mais denso nesse anel.
Quanto ao texto no quadro: "MORNING LOAF · est. 1987" na placa da padaria e as três linhas do cartaz saíram letra por letra corretas nos dois modelos. Tipografia legível sempre foi a assinatura da linha GPT Image; o 2.5 não regride nisso, e também não abre vantagem. As diferenças estão ao redor das letras. A placa do 2.5 é madeira de verdade desgastada, pendurada em ganchos de ferro, e o cartaz tem dobras e cabeças de alfinete. A placa do 2.0 parece recém-pintada, e o cartaz adicionou um carro vintage que o prompt nunca pediu.
Diferença dois: três níveis de qualidade virando cinco
Com os três níveis do GPT Image 2, minha regra era: Low basta, Medium resolve composições cheias, High raramente. O 2.5 adiciona XHigh e Max acima do High, e a primeira reação é "então, um High mais caro".
O que encontrei foi diferente: subir um nível não deixa a mesma imagem mais nítida — gera uma imagem nova. Entre os renders Low, High e Max, o pin mudou de um brasão redondo para um formato de folha, e a peça por baixo foi de camisa branca para suéter creme e de volta. A composição se moveu; a única coisa que subiu de forma constante foi o tecido. A espinha de peixe do Max é densa o bastante para contar os fios, o High vem em seguida, e o Low é quase indistinguível do High em tamanho de web. Então, se o plano era "travar a composição no Low e re-renderizar o mesmo quadro em Max para impressão", esse caminho não existe. Suba a escada enquanto ainda aceita que a composição mude.
Meu conselho é o mesmo de quando usava o 2.0, só que numa escada mais longa: explore no Low, trave a composição, promova só o quadro que você vai de fato entregar. Qual nível depende de quão grande ele vai ser visto. Um cartaz impresso, um hero de landing page, um plate 4K — é aí que XHigh e Max entram. Subir um post de rede social só custa mais.
Diferença três: 4K widescreen e 16 imagens de referência
O 4K é a adição concreta. O GPT Image 2.5 entrega 3840×2160 e 2160×3840 direto, sem 2K e depois upscale — e nativo versus ampliado é outra coisa em detalhe de alta frequência como folhas e cabelo.
Uma coisa para saber de cara: o 4K só está disponível em quatro proporções widescreen e verticais — 21:9, 16:9, 9:16 e 9:21. As outras sete proporções chegam no máximo a 3K. É o teto de pixels do modelo, não um limite do ZOOOP; nós deixamos em cinza as combinações que não dão para escolher, para você não pagar, esperar meio minuto e receber uma falha.
O limite de referências indo de 10 para 16 imagens é uma conveniência real para composições de e-commerce e trabalho de layout: packshots, props, uma cartela de cor e um layout aproximado, tudo em uma requisição, com o prompt descrevendo o arranjo. Não fiz comparação para isso, mas "preservar melhor os assuntos das suas fotos de referência" é um dos fios principais do anúncio da OpenAI, e bate com o que vimos em testes esparsos no editor de imagens IA.
Diferença quatro: Flare e Sunburst renderizam diferente?
Essa era a que eu mais queria resolver, porque no ZOOOP as duas versões custam o mesmo. Se o Sunburst é mais lento e não é melhor, para que ele serve?
Rodei o prompt da lapela da diferença um no Sunburst com parâmetros idênticos. Lado a lado, a densidade do tecido, o metal do pin e a queda de profundidade de campo empatam; toda diferença é aleatória — o Flare deu um botão redondo de latão, o Sunburst deu um pin de folha de carvalho e adicionou um lenço de bolso. Em outras palavras, para gerar do zero, o Sunburst não é melhor que o Flare.
Ele é mais lento, mas não consigo te dar um número. Medi duas vezes o mesmo conjunto de pares pareados: nas duas rodadas a mediana do Sunburst ficou atrás da do Flare, só que a diferença entre elas variou bastante e algumas células se inverteram. O que se sustenta é a direção, não o multiplicador. Isso bate com o posicionamento da OpenAI: a força do Sunburst é a edição, do tipo "muda só isso, deixa o resto", não o text-to-image.
Então a regra é simples. Flare por padrão. Troque para o Sunburst só quando estiver fazendo uma edição precisa numa imagem existente e a mudança tiver que cair exatamente onde você aponta. Para texto para imagem e rascunhos em lote, o Sunburst só faz você esperar.
O que levar para o 2.5 e o que deixar como está
Juntando as quatro diferenças em uma lista.
Levar para o GPT Image 2.5: tudo que vai ser visto em tamanho grande — key visuals impressos, heroes de landing page, fundos de tela grande; tudo com texto pequeno ou tipografia densa; tudo que precise de 4K widescreen nativo; tudo que componha uma dúzia ou mais de imagens de referência. Nesses casos a diferença é visível.
Sem pressa: imagens cotidianas para redes sociais, imagens vistas só no celular, rascunhos de pura exploração de estilo. No Low, a diferença entre as gerações não justifica rodar de novo um conjunto existente. Se você tem um lote feito com o GPT Image 2 e precisa de mais algumas que combinem, ficar no 2.0 é a aposta mais segura.
Para trabalho novo, comece no 2.5. No gerador de imagens IA do ZOOOP ele fica à frente do GPT Image 2 na lista, o Flare é a versão padrão, e os cinco níveis de qualidade e o 4K estão no mesmo painel. Os créditos são compartilhados entre os dois modelos, então alternar não precisa de um segundo orçamento.