GPT-Image-2.5 vs Nano Banana 2: Os Motores de Imagem Padrão do ChatGPT e Gemini

As imagens de IA que a maioria das pessoas realmente vê vêm de um padrão, e os dois mais novos padrões de setembro são GPT-Image-2.5 e Nano Banana 2. Em 8 de setembro, a OpenAI lançou o GPT-Image-2.5 — o modelo por trás do ChatGPT Images 2.5, vendido via API como GPT-Image-2.5 Flare e GPT-Image-2.5 Sunburst — para todos os níveis do ChatGPT, ChatGPT Work e Codex. O Nano Banana 2 é o apelido do Google para o Gemini 3.1 Flash Image, o modelo que tem sido o gerador de imagens padrão nos modos Fast, Thinking e Pro do aplicativo Gemini desde fevereiro e que alcançou disponibilidade geral para desenvolvedores em 28 de maio. Esses são os mecanismos de imagem dos dois assistentes de IA mais usados do planeta — a OpenAI relata mais de três bilhões de imagens por semana entre o ChatGPT e a API de imagens — e ambos agora estão disponíveis como plataformas maduras e acessíveis via API. O que os separa não é mais o acesso, mas para que cada um foi projetado para ser bom.

A assimetria de evidências é a mesma que atravessa toda comparação entre GPT-Image-2.5 e Nano Banana 2 deste mês: o modelo da OpenAI é tão novo que nenhum ranking independente o avaliou até 9 de setembro de 2026, enquanto o Nano Banana 2 está nos rankings da Artificial Analysis desde a primavera — dentro do top cinco tanto para texto-para-imagem quanto para edição de imagem no snapshot de setembro. Tudo o que a OpenAI afirma sobre o 2.5 abaixo é informado pelo fornecedor. O modelo do Google, por outro lado, é um dos modelos de imagem mais medidos em produção.

Como cada um se tornou um padrão

A OpenAI tornou o ChatGPT Images 2.5 o motor de imagens do ChatGPT ao transformá-lo em produto: o lançamento adicionou o Sketch, em que você desenha uma referência visual aproximada com @Sketch e o modelo trabalha a partir dela; Templates para formatos comuns, como pôsteres e fotos de produto; comentários de imagem que direcionam edições para uma região específica; e compartilhamento de prompts. A distribuição fez o resto — é simplesmente o que o ChatGPT usa agora, em todos os planos, incluindo o gratuito, no desktop, no celular e na web. Para a maioria desses usuários, a escolha do modelo é invisível.

Google chegou ao mesmo lugar por um caminho diferente. O Nano Banana 2 fica dentro do app Gemini como o gerador padrão em todos os três modos de raciocínio, e o Google o levou além de qualquer superfície de chat — para o Google Search via Lens e AI Mode em mais de 140 países, para a ferramenta de edição de vídeo Flow e para o Google Ads. Também é o raro modelo de imagem totalmente multimodal na API: os desenvolvedores o chamam pela Gemini API com modalidades de resposta para texto e imagem, de modo que um único modelo pode legendar, raciocinar e gerar imagens em uma única rodada. Essa distribuição embutida em tudo é o contexto para qualquer comparação de qualidade.

As fichas de capacidades, reivindicação por reivindicação

A história de engenharia do Google para o Nano Banana 2 é consistência e controle em escala. Ele mantém até cinco personagens consistentes e quatorze objetos em um fluxo de trabalho, renderiza texto dentro de imagens, incluindo tradução e localização, fundamenta assuntos do mundo real com conhecimento ao vivo da web e de busca de imagens, e suporta proporções de aspecto tão estreitas quanto 1:4 e 1:8 — os formatos de banners, pôsteres e papéis de parede de celular que modelos de imagem quadrada não conseguem preencher. A saída chega a 4K. Ele também expõe níveis de raciocínio configuráveis (Mínimo e Alto) para que um desenvolvedor possa trocar latência pelo raciocínio do modelo em um prompt complexo, além de um recurso de pré-visualização que transforma entrada de vídeo em imagens estáticas sensíveis ao contexto.

A história de engenharia da OpenAI para o GPT-Image-2.5 é fidelidade e precisão de edição. O modelo é dividido em dois endpoints justamente para que esses aspectos não entrem em conflito: o GPT-Image-2.5 Flare é o padrão rápido para geração cotidiana e de alto volume, com latência que a OpenAI afirma ser até 50% menor que a do GPT-Image-2, e o GPT-Image-2.5 Sunburst aceita tempos de geração mais longos para um controle de edição mais rigoroso. As principais alegações da OpenAI são fidelidade de referência — uma pessoa, animal de estimação ou produto permanece reconhecível quando você muda o cenário ou o estilo — além de edição em múltiplas etapas que altera apenas o que foi pedido, detalhes finos mais nítidos, fundos transparentes, renderização de texto que lida corretamente com chinês e proveniência C2PA em cada saída.

Os dois modelos são mais fortes em eixos diferentes. Nano Banana 2 é o modelo que mantém dez coisas diferentes consistentes em todo um sistema de design; GPT-Image-2.5 é o modelo voltado para a cadeia de edição, em que cada revisão tem de deixar todo o resto intacto. Essas são forças complementares, e nenhum fornecedor está perseguindo o núcleo do outro.

O que os conselhos independentes dizem sobre os dois

Nano Banana 2 fica logo dentro do top cinco em ambos os principais rankings de imagens do Artificial Analysis em setembro de 2026 — um modelo consistente e bem medido, cuja força se destaca mais em text-to-image e nas pontuações de consistência do que em edição pura, onde fica atrás dos líderes atuais, MAI-Image-2.6 e GPT Image 2 (alto). Não é o melhor modelo de imagem em nenhum ranking, mas é o modelo do top cinco mais bem medido e com a distribuição mais ampla, o que é uma posição defensável.

A GPT-Image-2.5 ocupa a posição oposta: todas as alegações de qualidade são da OpenAI, e o único dado de terceiros até agora é um teste de velocidade da Manus reportando geração 2–4× mais rápida que a GPT-Image-2. A antecessora da OpenAI, a GPT Image 2 (high), lidera o ranking de texto-para-imagem da AA e fica em 2º lugar em edição, então o prior racional é que a 2.5 vá se situar em algum lugar próximo ou acima desses números quando aparecer — mas um prior não é uma medição, e esta é a primeira geração GPT-Image em um ano que chega sem validação independente no primeiro dia.

O preço molda, e a única conversão honesta

A Google precifica o Nano Banana 2 em tokens de saída a US$ 60 por milhão, o que resulta em preços limpos por imagem: cerca de US$ 0,067 para uma imagem de 1024×1024, US$ 0,101 para 2048×2048, aproximadamente US$ 0,151 no limite de 4K, e cerca da metade disso no modo lote — com a entrada de texto cobrada separadamente a US$ 0,25 por milhão de tokens. A OpenAI precifica o GPT-Image-2.5 a US$ 8 de entrada de imagem / US$ 30 de saída de imagem por milhão de tokens, a mesma tabela de preços do GPT-Image-2, mas não publica nenhum valor por imagem; com o predecessor ancorado perto de US$ 211 por 1.000 imagens na listagem do Artificial Analysis, uma imagem principal da OpenAI em alta qualidade provavelmente custará várias vezes mais do que uma imagem do Nano Banana 2 em resolução comparável. Nenhum dos dois preços torna qualquer um dos modelos barato em escala real, mas o da Google é o único dos dois que você consegue prever.

Como ambas as empresas operam suas próprias nuvens, a questão de roteamento é real para uma equipe que deseja usar ambas. A OrcaRouter carrega hoje a linha de imagens do Google — o snapshot de preview do Gemini 3.1 Flash Image (google/gemini-3.1-flash-image-preview) e o mais antigo gemini-2.5-flash-image — pelo preço de tabela do Google, repassado com 0% de markup. Assim, se sua stack já chama os modelos de imagem Gemini por um único endpoint, a família do Nano Banana 2 fica acessível sem um segundo contrato. O GPT-Image-2.5 não está no catálogo da OrcaRouter em 9 de setembro de 2026 — apenas a geração anterior, GPT-Image-2 — então o novo modelo da OpenAI exige uma chave direta da OpenAI por enquanto.

Qual padrão seu produto deve usar por padrão?

• Lançamento — GPT-Image-2.5: GA em 8 de setembro de 2026. Nano Banana 2 (Gemini 3.1 Flash Image): lançamento em fevereiro de 2026, GA em 28 de maio.

• Preço — GPT-Image-2.5: $8/$30 por milhão de tokens de imagem, preço por imagem não divulgado. Nano Banana 2: $0,067 por imagem de 1K, $0,101 por 2K, ~$0,151 por 4K; lote pela metade.

• Resolução e formato — GPT-Image-2.5: até 3840×2160. Nano Banana 2: 4K, além das proporções estreitas de 1:4 e 1:8.

• Recursos de consistência — GPT-Image-2.5: fidelidade de referência entre edições (alegada). Nano Banana 2: cinco personagens / quatorze objetos, embasamento no conhecimento de mundo (alegado).

• Pontuações independentes — GPT-Image-2.5: nenhuma ainda. Nano Banana 2: AA top cinco em ambos os rankings.

• Formato da API — GPT-Image-2.5: API de imagens, dois endpoints de qualidade. Nano Banana 2: API Gemini multimodal, texto e imagem em uma única chamada.

Se o seu produto é um sistema de design ou mecanismo de conteúdo que precisa de personagens e objetos consistentes em milhares de imagens em proporções incomuns, {{1}}o Nano Banana 2 é a resposta projetada, é mensurável e é o padrão mais seguro nesta comparação — você pode acessá-lo diretamente pelo Google ou pela rota de passagem do OrcaRouter hoje{{/1}}. Se o seu produto é uma criação com muita edição, em que a imagem marginal precisa ser impecável e o orçamento vem em segundo plano, {{2}}o endpoint Sunburst do GPT-Image-2.5 é a aposta não medida mais atraente do mercado{{/2}}. A disciplina que se aplica a todos os confrontos desta série também vale aqui: {{3}}o próprio predecessor da OpenAI, o GPT Image 2 (high), ainda é o modelo de texto-para-imagem com maior pontuação no Artificial Analysis; portanto, o GPT-Image-2.5 precisa bater seu próprio recorde antes de ganhar o direito de ser comparado ao padrão bem medido do Google{{/3}}. {{4}}Acompanhe os rankings para a sua primeira aparição — esse é o evento que transforma esta comparação de alegações em dados{{/4}}.