Em 8 de setembro de 2026, a OpenAI lançou uma nova geração de modelos de imagem com o nome GPT Image 2.5, e ela chegou como dois modelos em vez de um: gpt-image-2.5-sunburst, o mais capaz da dupla, feito para fluxos de trabalho em que a precisão da edição é o mais importante, e gpt-image-2.5-flare, o mais rápido, para a geração de imagens de alta qualidade no dia a dia. A conclusão prática para quem tem um negócio: agora você pode editar uma região específica dentro de uma foto de produto que já possui, em vez de agendar um novo ensaio em estúdio ou gerar a imagem inteira de novo torcendo para que saia parecida.

O que a OpenAI realmente anunciou

De acordo com as páginas dos modelos na documentação oficial da OpenAI, os dois modelos aceitam entradas de texto e imagem e produzem apenas imagens como saída. Cada um tem um snapshot fixo datado do próprio dia do lançamento: gpt-image-2.5-sunburst-2026-09-08 e gpt-image-2.5-flare-2026-09-08. Esse detalhe importa na operação, porque fixar um snapshot significa que o seu resultado não muda sem aviso no dia em que o fornecedor atualiza o modelo.

Os dois modelos suportam seis níveis de qualidade: low, medium, high, xhigh, max e auto. E os dois funcionam por dois caminhos: a Image API, com seus endpoints de geração e edição, ou como ferramenta dentro da Responses API, quando você quer uma experiência de vários turnos em que o usuário refina a imagem conversando com ela. O primeiro caminho basta se você precisa de uma imagem a partir de um prompt. O segundo é o que você precisa se está construindo uma tela em que um funcionário de marketing edita uma imagem passo a passo.

Sunburst ou Flare? A regra é simples

Não escolha pelo nome, escolha pela natureza do trabalho. Se a tarefa exige precisão na edição — mudar a cor de um frasco, remover um elemento do fundo, trocar o texto de uma embalagem, manter o formato do produto exatamente como é —, isso é território do Sunburst, o modelo que a OpenAI descreve como o seu mais capaz para geração e edição de imagens. Se a tarefa é sobre volume e velocidade — dezenas de fundos para campanhas, ilustrações para artigos, rascunhos visuais rápidos antes de aprovar uma direção —, o Flare é a escolha lógica.

No uso real, a maioria das equipes precisa dos dois: o Flare na exploração, em que o que importa é a quantidade e os erros saem baratos, e depois o Sunburst na etapa final, quando a imagem vai para uma página de produto que um cliente pagante vai ver.

A mudança real é a edição parcial, não a geração

Gerar imagens a partir de texto já não é novidade nem raridade. O que merece atenção aqui é o suporte a inpainting — redesenhar uma região definida dentro de uma imagem existente enquanto o restante da imagem fica intacto. Isso transforma a ferramenta de um gerador de imagens em um editor de imagens, e a diferença entre os dois é a diferença entre algo que diverte a equipe de marketing e algo que entra em uma linha de produção de verdade.

Um exemplo concreto: uma loja com trezentos SKUs, todos fotografados em fundo branco, decide migrar para uma identidade visual cinza-claro. O caminho antigo é agendar um novo ensaio, movimentar o estoque, pagar um fotógrafo: duas semanas. O caminho novo é passar as imagens pela API com uma única instrução e acrescentar uma revisão humana dos resultados: um dia útil. A mesma foto, o mesmo produto, só o entorno mudou.

O custo é contado em tokens, não em imagens

Esse ponto confunde muitos empresários porque não se parece com o preço de serviços de design. Segundo a tabela de preços da OpenAI para os dois modelos, a tarifa é idêntica na dupla: entrada de texto a cinco dólares por milhão de tokens e um dólar e vinte e cinco em cache, entrada de imagem a oito dólares por milhão de tokens e dois dólares em cache, e saída de imagem a trinta dólares por milhão de tokens. A saída de texto não é cobrada, porque esses modelos geram imagens, e não texto. A OpenAI também observa que as tarifas por token são as mesmas da geração anterior, o GPT Image 2.

O conselho prático: não faça a estimativa no papel. Rode um lote de teste com cem imagens reais do seu próprio catálogo nas configurações exatas que você pretende usar, leia a fatura e depois multiplique. Uma estimativa baseada em cem imagens reais é mais honesta do que qualquer calculadora, principalmente porque o nível de qualidade escolhido muda diretamente o consumo.

Cinco usos que se pagam na primeira semana

  • Consistência do catálogo: fundos, iluminação e ângulos uniformes em centenas de itens fotografados em momentos diferentes e em condições diferentes.
  • Variações de campanha: uma versão de verão, uma de Ramadã e uma de White Friday da mesma foto, sem um ensaio para cada ocasião.
  • Prévia da embalagem antes da impressão: teste visualmente um texto em árabe ou um novo logotipo na embalagem antes de se comprometer com uma tiragem.
  • Restauração de imagens antigas: remova elementos que distraem, reflexos ou marcas desatualizadas das fotos de arquivo em vez de descartá-las.
  • Imagens para conteúdo: ilustrações para o seu blog e a sua newsletter em vez das mesmas fotos de banco de imagens que seus concorrentes também usam.

Três observações antes de construir em cima disso

Primeiro, a verificação da organização. A documentação da OpenAI informa que pode ser necessário concluir a verificação da organização na API pelo seu console de desenvolvedor antes de usar os modelos GPT Image. Coloque essa etapa no cronograma desde o início para que ela não pegue você de surpresa no dia do lançamento.

Segundo, a revisão humana não é opcional. Toda imagem de produto que será publicada precisa da aprovação de uma pessoa. O modelo não sabe que a cor que ajustou é a registrada na sua identidade de marca, nem sabe que a edição fez o produto parecer maior do que é. Mostrar um produto com uma imagem que não corresponde à realidade é um problema comercial e regulatório antes de ser um problema técnico.

Terceiro, não envie fotos de pessoas. Fotos de clientes ou funcionários não são matéria-prima para experimentos. Deixe a regra explícita para a sua equipe: produtos, lugares e material de marketing, sim; pessoas, não, a menos que você tenha consentimento explícito documentado dentro de uma política clara de dados pessoais.

Como isso entra no seu sistema em vez de ficar como ferramenta paralela

A diferença entre uma empresa que se beneficia desses modelos e outra que apenas fala deles está em onde os modelos são usados. Se eles vivem em uma aba do navegador que um funcionário abre para baixar um arquivo manualmente, o ganho é pequeno e desaparece nas primeiras férias. O valor aparece quando você integra a API ao seu sistema: um item novo entra no catálogo, suas variações visuais são geradas automaticamente nos tamanhos que cada canal exige, entram em uma fila de revisão e são publicadas com um clique de aprovação. Nesse ponto, você não está comprando imagens, está construindo uma linha de produção visual que funciona sem supervisão diária.

Na Origami, construímos exatamente esse tipo de integração nos sistemas que desenvolvemos para clientes: uma API conectada ao banco de dados de produtos, uma fila de revisão com permissões claras e um registro que mostra quem aprovou cada imagem e quando. A tecnologia está disponível hoje, e o fator decisivo é a própria decisão: você vai tratá-la como um brinquedo novo ou como uma etapa de um processo operacional com um responsável e uma métrica de sucesso?

Fontes