Images 2.6 vs FLUX 3: Fidelidade de edição versus controle de resolução

A comparação entre o Images 2.6 e o FLUX 3 costuma ser enquadrada como uma disputa de qualidade. Não é. O Images 2.6 da OpenAI, lançado em 4 de novembro de 2026 como o par de APIs GPT-Image-2.6 Flare e GPT-Image-2.6 Sunburst, está vendendo iteração: turnos rápidos, um sujeito que sobrevive a uma cadeia de edições e, agora, saída de movimento e vetorial. O FLUX 3 Image da Black Forest Labs, disponível desde 1º de outubro, está vendendo determinismo: dez imagens de referência, instruções de layout com caixas delimitadoras, níveis fixos de resolução de até 4K e um preço por imagem que você pode colocar numa planilha sem modelar contagens de tokens. Um deles é o melhor produto para uma equipe de design que precisa do mesmo layout todas as vezes. O outro é o melhor produto para uma equipe que precisa testar doze variantes antes do almoço.

Esta é a versão prática dessa escolha — o que cada superfície de controle realmente permite fazer, quanto custa uma imagem em cada uma e o que o único ranking auditado diz sobre a geração anterior a esta.

O que cada modelo realmente é

O Images 2.6 é a terceira geração de imagens da OpenAI em sete meses. O Images 2.0 chegou em abril como o primeiro modelo de imagem com raciocínio, o Images 2.5 dividiu a linha em um nível de velocidade e um nível de qualidade em setembro, e o 2.6 mantém essa divisão: Flare para latência, Sunburst para detalhe e consistência em múltiplas edições. Ambos são hospedados, ambos cobram por token e ambos são acessíveis pelos endpoints padrão de imagens. Não há pesos.

FLUX 3 Image é o carro-chefe da Black Forest Labs, lançado um mês antes. Ele lida com texto para imagem e edição com até dez imagens de referência, aceita instruções de layout de caixas delimitadoras e renderiza em níveis fixos de 768×768 a 4K com proporções de aspecto selecionáveis. Duas semanas após o carro-chefe, a BFL publicou o FLUX 3 Image Klein — um irmão destilado de 5,6B com pesos disponíveis para download e uma licença gratuita para uso comercial para receita anual inferior a US$ 5 milhões. Essa válvula de escape de pesos abertos não tem equivalente em nenhum lugar do lançamento do Images 2.6.

A superfície de controle: onde o FLUX 3 ainda vence de forma incontestável

Quatro coisas que o FLUX 3 faz e que o Images 2.6 não faz, ou não documenta.

• Layout que você especifica em vez de descrever. As caixas delimitadoras permitem posicionar elementos por coordenada. A edição guiada por marcação do Images 2.6 é poderosa, mas de natureza diferente: você mostra ao modelo onde alterar algo em uma imagem existente; você não entrega a ele uma grade de layout para uma nova imagem.

• Resolução escolhida desde o início. O FLUX 3 publica seus níveis — 768, 1K, 1.5K, 2K, 4K — e define o preço de cada um. A documentação do Images 2.6, conforme publicada em 5 de novembro, descreve configurações de qualidade e complexidade e formatos de saída, mas não publica uma tabela de resolução. Se o seu pipeline tem uma entrega obrigatória em 4K, essa assimetria por si só pode decidir a questão.

• Dez referências. A edição multirreferência do FLUX 3 é a especificação mais concreta nesta comparação. O anúncio da OpenAI fala sobre imagens de referência reutilizáveis dentro do ChatGPT e entrada de imagens na API, sem publicar um limite por solicitação.

• Um caminho auto-hospedado. Os pesos do Klein são baixáveis. Nada na linha de Imagens é baixável.

Edição: a lacuna que o Sunburst existe para preencher

A proposta da OpenAI para o Sunburst não é a beleza máxima. É que a décima edição ainda pareça a primeira — o rosto, o logotipo e o detalhe do produto se mantêm. Esse tem sido o verdadeiro modo de falha dos modelos de imagem hospedados há dois anos: cada edição é uma nova geração condicionada à anterior, e pequenos desvios se acumulam.

Duas das funcionalidades da API 2.6 apontam diretamente para esse problema. O parâmetro de complexidade permite dar ao modelo mais espaço de planejamento quando uma cena tem vários elementos que precisam todos ser preservados; as edições guiadas por marcação removem a ambiguidade de “mudar a coisa da esquerda” ao desenhar na imagem em vez disso. A resposta do FLUX 3 para o mesmo problema é estrutural — fornecer mais referências e dizer onde as coisas ficam.

Qual abordagem funciona melhor ainda não é uma pergunta que alguém possa responder com dados. O Sunburst não tem pontuação independente de edição. O FLUX 3 Image tem: 1.123 Elo no ranking de edição do Artificial Analysis, o que o coloca entre os quinze primeiros, mas confortavelmente atrás da geração anterior da OpenAI.

Quanto custa uma imagem em cada

Os modelos de cobrança são suficientemente diferentes para que uma comparação ingênua por imagem induza a erro em ambas as direções.

• FLUX 3 Image, por imagem — $0,041 em 768², $0,048 em 1K, $0,07 em 1,5K, $0,10 em 2K, $0,607 em 4K.

• FLUX 3 Image Klein, por imagem — $0,008 em 768², $0,009 em 1K, $0,011 em 1,5K, $0,014 em 2K, $0,036 em 4K.

• Images 2.6, por token — US$ 5 por milhão de tokens de entrada de texto (US$ 1,25 em cache), US$ 8 por milhão de tokens de entrada de imagem (US$ 2 em cache), US$ 30 por milhão de tokens de saída de imagem, idênticos no Flare e no Sunburst.

Feitas as contas, a taxa de tokens fica na mesma faixa do FLUX 3 em tamanhos comuns: cerca de meio centavo por um render 1K de baixa qualidade, uns cinco centavos por um 1K de alta qualidade e em torno de dez centavos no 2K em alta qualidade. Onde os dois divergem fortemente é nos extremos. Uma imagem 4K do FLUX 3 custa sessenta centavos porque você comprou uma imagem 4K; um render de baixo esforço do Images 2.6 custa quase nada porque você comprou pouquíssimos tokens de saída. Nenhum dos preços é truque — eles simplesmente cobram por coisas diferentes.

O número que nunca aparece em nenhuma das duas tabelas de preços é o custo de uma imagem rejeitada. Se a consistência de edição do Sunburst poupar uma regeração em cada cinco, o preço efetivo por ativo utilizável cai 20% e a comparação se inverte. Até haver dados independentes de edição, isso é uma suposição, não um cálculo.

Benchmarks, com os asteriscos anexados

O ranking de texto para imagem do Artificial Analysis, em 5 de novembro, coloca o GPT Image 2.5 Sunburst em primeiro lugar, com 1.224 de Elo, e o GPT Image 2.5 Flare em segundo, com 1.208. O FLUX 3 Image está em 1.119, por volta do décimo segundo lugar, a US$ 48 por mil imagens. O Klein está em 1.043, por US$ 9 por mil.

Leia isso com atenção. A geração que a OpenAI lançou em setembro supera o FLUX 3 em cerca de 105 Elo em um ranking com intervalo de confiança de ±10 — uma diferença real, não ruído. O Images 2.6 ainda não está no ranking, então a afirmação justa é que o modelo anterior da OpenAI supera o FLUX 3 em preferência humana, e o novo não foi medido. Seria fácil escrever "2.6 supera o FLUX 3"; ninguém realizou as votações.

Na edição, o FLUX 3 Image marca 1.123 e fica na faixa de nove a dezessete. O GPT Image 2.5 Sunburst lidera esse ranking com 1.199. De novo: o antecessor, não o modelo do título.

Os rankings de preferência também não medem aquilo em que o FLUX 3 é realmente melhor. Ninguém que vota em uma arena está verificando se a bounding box caiu no pixel certo ou se a exportação em 4K é genuinamente 4K. Trate o Elo como um proxy para "qual saída parece melhor para um estranho", o que é uma pergunta real e não a única.

Pesos abertos mudam o perfil de risco, não a qualidade

Klein é a parte mais subestimada deste confronto. Com 5,6 bilhões de parâmetros e nove dólares por mil imagens de 1K na própria tabela de preços da BFL, ele é barato o suficiente para ser usado como camada de rascunho, e o fato de seus pesos serem baixáveis significa que o pipeline sobrevive a uma mudança de preço, uma descontinuação ou uma indisponibilidade. O limite da licença é baseado em receita: uso comercial gratuito abaixo de US$ 5 milhões de receita anual, com termos separados acima disso. Leia essa cláusula antes de construir em cima dela.

Em qualidade, Klein não substitui nenhum dos dois carros-chefe — 1.043 Elo é um degrau perceptível abaixo dos 1.119 do FLUX 3 Image e muito distante dos números da OpenAI. O caso de uso honesto é pré-visualização em volume com um passe final de acabamento feito por um carro-chefe, não uma substituição para cortar custos.

Escolhendo entre eles

Escolha o FLUX 3 quando o resultado final for especificado antes de a geração começar: proporções de imagem fixas, um layout que precisa se repetir, saída em 4K, um pipeline de composição que prefere imagens de referência em vez de texto descritivo. Escolha o Images 2.6 quando o trabalho for iterativo e conversacional — o mesmo recurso editado vinte vezes, um personagem que precisa se manter fiel ao modelo, um ciclo de pré-visualização em que seis segundos versus doze mudam o que seus usuários fazem. Escolha o Klein quando você precisar que o modelo continue funcionando quando a API de outra pessoa parar.

Se você quer testar os dois sem dois contratos, o OrcaRouter não consegue fazer isso hoje: nem o Images 2.6 nem o FLUX 3 estão no nosso catálogo ainda. O que está: GPT-Image-2.5 Flare e Sunburst, os modelos de imagem Gemini e Imagen do Google, e o Grok Imagine Image, atrás de uma única chave com failover automático e o preço de tabela do provedor repassado com 0% de markup. Isso torna barato um comparativo entre os modelos que temos de fato, e significa que uma mudança de preço do fornecedor chega até você no mesmo dia, em vez de só na próxima renovação de contrato.

O que observar é a primeira pontuação independente do Images 2.6. Se o Sunburst atingir 1.224 ou mais, o argumento do FLUX 3 se reduz a controle e resolução — que são vantagens reais, mas mais estreitas do que parecem hoje.