Etapa 12 de 22
Modelos de imagem
Gerar e editar imagens a partir de texto e imagens de referência. Os modelos de imagem diferem muito em renderização de texto, realismo, edição e licença. Escolha pela tarefa, não pelo ranking.
Por Andrew Miller · Verificado em 23 de out. de 2026 · Como avaliamos
Como escolher
- Texto na imagem (pôsteres, miniaturas): um modelo conhecido pela tipografia.
- Consistência de marca ou de personagem: um modelo com boa edição e imagens de referência.
- Estilos self-hosted ou com fine-tuning: um modelo de pesos abertos com uma ferramenta de fluxo de trabalho baseada em nós.
O que observar
As perguntas que separam as opções, em ordem de importância.
01
O Elo da arena com as margens de erro, não o número da posição
O ranking de texto para imagem da Artificial Analysis ordena os modelos por Elo a partir de votos cegos de preferência, com um intervalo de ± 95% dentro da coluna Elo e uma coluna Range com as posições possíveis. Em outubro de 2026, as posições quatro a seis (Nano Banana 2.1, Grok Imagine Image 2.0, MAI-Image-2.6) ficam a poucos pontos umas das outras e estão, na prática, empatadas. Use o filtro Open weights se você precisa hospedar por conta própria, e passe para o ranking separado de Image Editing se a maior parte do seu trabalho é alterar imagens existentes. Os rankings de texto para imagem e de edição de imagem da própria Arena são uma segunda opinião útil.
02
Preço por imagem na qualidade que você vai de fato usar
A coluna de preço do ranking é o custo de 1.000 imagens em 1024x1024 na API do fabricante com as configurações padrão, e vai de cerca de $10 a $211. As entradas da OpenAI no topo são avaliadas na qualidade 'max', que custa cerca de $211 a cada 1.000; configurações de qualidade menores são mais baratas, mas ficam mais abaixo no ranking. Calcule também o preço na sua resolução real: o Nano Banana 2.1 custa cerca de $0,034 em 1K e $0,076 em 4K, enquanto o FLUX 3 Image Klein custa $0,009 em 1K.
03
Renderização de texto e layout
Se você faz pôsteres, slides, embalagens ou anúncios, texto legível importa mais do que o Elo geral. Procure modelos que destacam texto multilíngue e controle de layout (as bounding boxes do Ideogram, as edições por coordenadas do Seedream) e teste com os seus próprios textos, incluindo alfabetos não latinos. Os rankings gerais misturam todos os tipos de prompt, então um modelo focado em design pode ficar no meio da tabela e ainda assim ser a melhor escolha para tipografia.
04
Edição e controle por referências
Trabalhos de produto e de marca dependem de manter um personagem, um logo ou um produto consistente entre as imagens. Verifique quantas imagens de referência um modelo aceita (o Nano Banana 2.1 aceita até 14, o FLUX 3 Image Klein e o Qwen-Image-2.1 até 10), se as edições preservam intactas as áreas não alteradas e se ele suporta máscaras, camadas ou saída com transparência. A edição em várias rodadas em uma interface de chat é prática; o controle no nível da API é o que os pipelines precisam.
05
Licença e uso comercial
As APIs hospedadas geralmente permitem o uso comercial das imagens geradas, conforme os seus termos. Os pesos abertos variam muito: o FLUX 3 Image Klein é gratuito apenas para organizações com menos de $5 milhões de receita anual, o Qwen-Image-2.1 passou para uma licença de pesquisa não comercial e os pesos do Ideogram 4.0 são descritos como não comerciais por padrão. Leia a licença no model card antes de construir um produto sobre pesos self-hosted.
06
Resolução, velocidade e acesso
Saída nativa em 4K (GPT Image 2.5, Nano Banana, FLUX 3 Image Klein) poupa uma etapa de upscaling para impressão e imagens de destaque; muitos modelos param em 2K. A Artificial Analysis também informa o tempo mediano de geração, o que importa para apps interativos, e as configurações de alta qualidade mais lentas podem levar um minuto ou mais. Verifique também o acesso: o Midjourney não tem API pública, então não pode fazer parte de um pipeline automatizado.
07
Os executores são uma escolha separada
ComfyUI, InvokeAI e Diffusers não são modelos; eles rodam modelos de pesos abertos no seu próprio hardware. Escolha um apenas se for hospedar por conta própria: ComfyUI para pipelines em grafos de nós e os modelos mais novos, InvokeAI para um editor no estilo canvas, Diffusers para código Python. Confira as necessidades de VRAM no model card; builds quantizadas (FP8, INT8, NVFP4) levam alguns modelos para GPUs de consumo.
Como as opções se diferenciam
Modelos fechados hospedados (o GPT Image da OpenAI, o Nano Banana do Google, o MAI-Image da Microsoft, o Seedream da ByteDance) lideram os rankings de votação cega e são cobrados por imagem ou por token por meio de uma API. O Midjourney é um modelo fechado vendido apenas como app por assinatura, forte em visual e acabamento, mas sem API.
Modelos de pesos abertos (FLUX 3 Image Klein, Qwen-Image-2.1, Ideogram 4.0) ficam atrás dos líderes no Elo geral, mas podem passar por fine-tuning, rodar de forma privada e custar pouco por imagem; as suas licenças, e não a qualidade, costumam ser o fator decisivo. Para rodá-los, você precisa de um executor: ComfyUI, InvokeAI ou Diffusers.
12 ferramentas comparadas
Ordenadas pela nossa nota. Abra qualquer avaliação para ver as fontes, os preços e o veredito completo.
| Ferramenta | Nota | Nosso veredito | Ideal para | Preço |
|---|---|---|---|---|
| GPT Image 2.5 (Flare and Sunburst)modelo | 4.7/5 | Sunburst e Flare lideram os rankings de votação às cegas, a cerca de seis vezes o preço por imagem do Nano Banana 2.1. | Agências e equipes de produto cujas imagens chegam aos clientes e justificam um preço premium por imagem, sobretudo em edições iterativas. | API: $5 por 1M de tokens de entrada de texto, $8 por 1M de entrada de imagem e $30 por 1M de saída de imagem, tanto no Flare quanto no Sunburst (saída em Batch $15). A Artificial Analysis calcula uma imagem 1024x1024 em qualidade máxima a cerca de $211 por 1.000. Incluído nos planos do ChatGPT. |
| ComfyUIrepositório | 4.7/5 | Novos modelos abertos de imagem e vídeo chegam aqui primeiro; o grafo de nós e um servidor sem autenticação são o preço de entrada. | Artistas e desenvolvedores que querem controle total sobre a geração local de imagens e vídeos. | Gratuito e de código aberto sob a licença GPL-3.0. O Comfy Cloud custa a partir de US$ 20 por mês (US$ 16 com cobrança anual); os Partner Nodes são pagos por uso. |
| Nano Banana 2.1modelo | 4.6/5 | Quarto em votações às cegas por um sexto do preço dos líderes, o Nano Banana 2.1 é o modelo de imagem diante do qual todo rival agora precisa justificar o seu custo. | Equipes de produto e marketing que geram milhares de imagens por mês e precisam de personagens consistentes ou texto legível. | Gemini API: cerca de $0,034 por imagem 1K, $0,050 por 2K e $0,113 por 4K; o Batch corta cada um pela metade. Sem nível gratuito na API; gratuito para testar no app Gemini. |
| Hugging Face Diffusersrepositório | 4.4/5 | O Diffusers é a forma de rodar modelos abertos de imagem e vídeo a partir de código, e parte do princípio de que você vai ler o guia de memória antes de rodar qualquer coisa grande. | Desenvolvedores e pesquisadores Python que constroem sobre modelos de difusão. | Gratuito e de código aberto sob a licença Apache 2.0. |
| Midjourney V8modelo | 4.3/5 | Ainda é o modelo de imagem com o olhar mais apurado, vendido como uma assinatura de estúdio que proíbe automação e publica o seu trabalho a menos que você pague pelo Pro. | Ilustradores, diretores de arte e pequenos estúdios que geram à mão e valorizam estilo mais do que automação. | Só assinatura: Basic $10/mês, Standard $30, Pro $60, Mega $120; 20% de desconto no pagamento anual. Tempo extra de Fast GPU a $4/hora. Sem API pública. |
| MAI-Image-2.6modelo | 4.3/5 | O MAI-Image-2.6 entrega qualidade de imagem entre as cinco melhores por um quinto do preço do GPT Image 2.5, freado pelos termos de preview e por cotas que começam em seis imagens por minuto. | Equipes que constroem no Azure e querem um modelo de imagem forte do mesmo fornecedor. | Foundry Global Standard: $38 por 1M de tokens de saída ($19 no Flash), Data Zone 10% a mais; a Artificial Analysis indica cerca de $39 a cada 1.000 imagens, $19,50 no Flash. |
| Nano Banana Pro (Gemini 3 Pro Image)modelo | 4.2/5 | Ainda é o especialista em realismo do Google, embora os votantes às cegas e os próprios testes do Google agora prefiram um modelo que custa um quarto do preço. | Equipes que produzem uma quantidade modesta de imagens fotorrealistas de alto impacto, como imagens principais e cenas de produtos, e podem absorver o adicional por imagem. | $0,134 por imagem 1K ou 2K e $0,24 por imagem 4K na Gemini API; o Batch custa metade ($0,067 e $0,12). Sem nível gratuito na API. |
| Seedream 5.0 Promodelo | 4.1/5 | O Seedream 5.0 Pro é uma ferramenta de layout vendida a preço de modelo topo de linha, e em qualidade bruta de imagem o Nano Banana 2.1, mais barato, do Google o supera. | Equipes de design e marketing que precisam de saídas em camadas e editáveis e de texto multilíngue mais do que da melhor qualidade em votações às cegas. | A Artificial Analysis lista US$ 90 por 1.000 imagens na API da ByteDance; a BytePlus anuncia pacotes de primeira compra a partir de US$ 0,045 por imagem. Runway: US$ 0,05 por imagem 1K, US$ 0,09 por 2K. |
| FLUX 3 Image Kleinmodelo | 4.0/5 | O Klein é o caminho confiável mais barato para a edição e a saída 4K no estilo do FLUX 3, embora todas as afirmações sobre sua qualidade até agora sejam da própria Black Forest Labs. | Pequenas empresas e desenvolvedores que querem um modelo aberto de imagem atual com edição embutida, ou um modelo de API muito barato. | Pesos gratuitos abaixo de US$ 5M de receita anual. API da BFL: $0,008 (768px), $0,009 (1K), $0,011 (1.5K), $0,014 (2K), $0,036 (4K) por imagem, geração ou edição. |
| Ideogram 4.0modelo | 4.0/5 | O Ideogram 4.0 é um especialista em tipografia cujos pesos para download você pode estudar, mas não colocar em produto, então para trabalho pago ele é um modelo de API. | Designers e equipes de marca que precisam de texto preciso nas imagens via API, e pesquisadores que querem pesos para estudar. | API a cerca de US$ 0,06 por imagem (padrão) ou US$ 0,10 (Quality), segundo a Artificial Analysis; a fal hospeda as variantes Fast e Instant a partir de US$ 0,0075. Planos do app a partir de US$ 15/mês no anual. Pesos gratuitos apenas para uso não comercial. |
| Qwen-Image-2.1modelo | 4.0/5 | Primeiro entre os modelos de imagem abertos em votações às cegas, e vetado para qualquer coisa que você venda até a Alibaba assinar uma licença separada. | Pesquisadores e equipes prototipando recursos de imagem que vão licenciar corretamente antes de lançar. | Pesos gratuitos para pesquisa e avaliação; o uso comercial exige uma licença separada da Alibaba. O Qwen-Image-2.1-Pro hospedado custa US$ 0,04 por imagem no QwenCloud; o -Turbo custa US$ 16 por 1.000 imagens, segundo a Artificial Analysis. |
| InvokeAIrepositório | 3.9/5 | Um app local de imagens amigável para artistas que sobreviveu à própria empresa e agora está no meio de uma reescrita arriscada para a v7. | Artistas que querem geração e edição de imagens no estilo canvas na própria máquina. | Gratuito e de código aberto sob a licença Apache 2.0. Sem plano pago desde que o serviço hospedado fechou em outubro de 2025. |
Lado a lado
As especificações que importam nesta etapa. Verificadas em 23 de out. de 2026; confirme no site do fornecedor antes de decidir.
| Ferramenta | Fornecedor | Pesos / licença | Saída máxima | Imagens de referência | Preço por imagem |
|---|---|---|---|---|---|
| GPT Image 2.5 (Flare and Sunburst) | OpenAI | Fechado | Até 3840 px de lado | Até 16 | Cerca de $0,21 na qualidade máxima (1K) |
| ComfyUI | Comfy Org (executor) | Software GPL-3.0 | Depende do modelo | Depende do modelo | Gratuito; o seu hardware |
| Nano Banana 2.1 | Fechado | 4K | Até 14 | $0,034 (1K), $0,076 (4K) | |
| Hugging Face Diffusers | Hugging Face (biblioteca) | Software Apache 2.0 | Depende do modelo | Depende do modelo | Gratuito; o seu hardware |
| Midjourney V8 | Midjourney | Fechado; sem API pública | Não publicado | Não publicado | Assinatura, $10-$120/mês |
| MAI-Image-2.6 | Microsoft AI | Fechado | Não publicado | Edição com várias referências | Cerca de $0,039 (estimativa da AA) |
| Nano Banana Pro (Gemini 3 Pro Image) | Fechado | 4K | Não publicado | $0,134 (1K/2K), $0,24 (4K) | |
| Seedream 5.0 Pro | ByteDance | Fechado | 2K | Até 10 | Cerca de $0,09 (estimativa da AA) |
| FLUX 3 Image Klein | Black Forest Labs | Aberto; gratuito abaixo de $5M de receita | 4K | Até 10 | $0,009 (1K), $0,036 (4K) na API da BFL |
| Ideogram 4.0 | Ideogram | Aberto; descrito como não comercial | 2K | Não publicado | $0,03-$0,10 na API |
| Qwen-Image-2.1 | Alibaba (Qwen) | Aberto; licença de pesquisa | Cerca de 2048 px | Até 10 | Pro por cerca de $0,035 (estimativa da AA) |
| InvokeAI | Comunidade (executor) | Software Apache 2.0 | Depende do modelo | Depende do modelo | Gratuito; o seu hardware |
Comparativos diretos e rankings
Onde esta etapa se encaixa
- Pipeline de geração de imagens: começaríamos com FLUX 3 Image Klein, GPT Image 2.5 (Flare and Sunburst).
- Produção de vídeo: começaríamos com Nano Banana Pro (Gemini 3 Pro Image).
Fontes deste guia
- Artificial Analysis: ranking de texto para imagem
- Artificial Analysis: visão geral e metodologia de texto para imagem
- Ranking da Arena (texto para imagem e edição de imagem)
- OpenAI: guia de prompts para imagens
- OpenAI: guia de geração de imagens (tamanhos do GPT Image 2.5, 3840 px de lado)
- Referência da API da OpenAI: edição de imagens (até 16 imagens de entrada)
- BytePlus ModelArk: API de geração de imagens (limites do Seedream 5.0 pro)