A disparidade de 12x: quanto a geração de imagens por IA realmente custa em escala de catálogo

O ranking não é a fatura

Pergunte a uma sala de designers qual modelo de imagem é o melhor e você receberá uma resposta confiante, quase sempre o que está no topo da arena. Pergunte à mesma sala qual modelo a empresa deles deveria realmente rodar em volume e a confiança evapora. São duas perguntas diferentes, e em outubro a distância entre elas se alargou a ponto de parecer quase uma falha de mercado.

Um detalhamento de preços publicado neste mês coloca números reais no problema. Para uma equipe que gera 50,000 imagens de produto por mês em cerca de 1K de resolução, uma saída por requisição, a fatura mensal entre modelos que todos se consideram escolhas razoáveis vai de cerca de $840 a cerca de $10,550. É uma disparidade de 12.5 vezes antes mesmo de contar as retentativas. Mesma carga, mesma resolução, mesmo trabalho.

A tabela de preços, traduzida

A disparidade é mais fácil de ver por imagem. Na ponta barata, um modelo em lote rápido fica em torno de $0.007 por imagem 1K. O Nano Banana 2.1 fica em cerca de $0.0168 no modo lote e $0.0336 no modo padrão. O FLUX.2 [pro] começa em cerca de $0.03, o MAI-Image-2.6 em cerca de $0.039 segundo a estimativa da arena, o Grok Imagine Image 2.0 em cerca de $0.04, o Seedream 5.0 Pro em cerca de $0.045, e o FLUX 3 Image em 1K em cerca de $0.048.

Depois os preços sobem em disparada. O GPT-Image-2 em effort médio chega perto de $0.053, o Nano Banana Pro perto de $0.134, e o GPT-Image-2 em effort alto perto de $0.211 por imagem. Na mesma carga de 50,000 imagens, a diferença entre a opção razoável mais barata e a mais cara é uma parcela de financiamento imobiliário, ou várias.

O mais maluco é a rapidez com que a resolução reordena o ranking. Em 1K, os primeiros modelos ficam praticamente colados. Em 4K, as mesmas 50,000 imagens custam cerca de $3,780 no Nano Banana 2.1 e cerca de $30,350 no FLUX 3 Image. Um modelo que parecia uma pechincha em resolução de catálogo pode se tornar insustentável no momento em que o briefing pede qualidade de impressão.

Por que o mais barato costuma vencer, e às vezes não

Quando um modelo está «só dois degraus atrás» na arena, o instinto é tratar a diferença como ruído. Para um catálogo de produtos, esse instinto costuma estar certo. Se o seu critério de aceitação é «limpo, fiel à marca, produto correto», um modelo mais barato o supera com mais frequência do que o ranking sugere, e o dinheiro economizado volta para fotografar mais ângulos ou testar mais conceitos.

Para uma imagem principal que vai num outdoor, o cálculo se inverte. O custo de uma imagem rejeitada não é a taxa de geração. É o tempo do designer, a nova sessão de fotos, o prazo perdido. Quando a aposta é tão alta, gastar quatro vezes mais por imagem é um seguro barato, e o ranking deixa de ser uma métrica de vaidade.

A resposta pragmática à qual a maioria das equipes está chegando é parar de escolher um único modelo. Rode o barato num lote de 50 produtos seus, rode o caro nesses mesmos 50, e depois conte quantas imagens passam de primeira. Esse número, não a pontuação da arena, é o que decide a sua tabela de preços.

Há uma assimetria útil escondida nesse conselho. Modelos baratos falham de forma óbvia, e falhas óbvias são baratas de detectar. Modelos caros falham de forma sutil: um logo levemente errado, uma sombra que cai para o lado errado, uma mão com um dedo a mais. Essas falhas custam mais a detectar porque sobrevivem ao primeiro olhar, e é exatamente por isso que as equipes pagam pelo modelo caro. A pergunta nunca é se o prêmio vale a pena em abstrato. É se os erros específicos do modelo mais barato são justamente os que seus revisores teriam deixado passar de qualquer forma.

As retentativas são o multiplicador escondido

O custo mais subestimado da geração de imagens por IA é a retentativa. O modelo de preços acima pressupõe uma saída por requisição. Os fluxos reais não funcionam assim. Se uma equipe precisa de uma média de 1.5 tentativa por imagem aceita, a fatura sobe 50 por cento sem qualquer mudança no preço unitário. De repente, um modelo barato que exige duas tentativas custa mais do que um caro que exige uma.

É por isso que a «taxa de aceitação» merece ficar ao lado do «preço por imagem» em qualquer planilha de comparação. Um modelo com 60 por cento de aceitação de primeira equivale na prática a 1.67 vez o seu preço de etiqueta. Um modelo com 90 por cento equivale a 1.11 vez. A diferença entre os preços efetivos de dois modelos pode ser maior do que a diferença entre seus preços de tabela, e aponta numa direção diferente.

Faça as contas nas duas pontas da tabela e a lição fica mais afiada. Um modelo a $0.02 por imagem com 50 por cento de aceitação custa $0.04 por imagem aceita. Um modelo a $0.05 por imagem com 85 por cento de aceitação custa cerca de $0.059 por imagem aceita. O modelo «caro» custa na prática só uma vez e meia a mais, e poupou a um humano várias rodadas de revisão. Quando você precifica o tempo humano que entra nessas retentativas, a diferença pode fechar por completo. O preço de etiqueta é um ponto de partida, não uma resposta.

As descontinuações também são um item

Outubro acrescentou um segundo tipo de custo que não aparece em nenhuma tabela de preços: a migração forçada. O Google agendou o desligamento do seu antigo endpoint de imagem do Gemini para o fim de outubro, o que empurra quem ainda está na geração anterior a migrar, querendo ou não. No fluxo acima, a mudança do endpoint antigo para o Nano Banana 2.1 corta a fatura mensal quase pela metade e aterrissa num modelo melhor colocado. Uma vitória grátis, entregue por um prazo.

Essa é a boa versão de uma descontinuação. A ruim é a migração que você não planejou, num modelo que você não consegue fixar, a um preço que você não modelou. Se o seu pipeline de imagens depende de um endpoint específico, o calendário agora faz parte da sua estrutura de custos, junto com a tabela de preços.

A economia, não a estética

Nada disso sustenta que os modelos baratos ficam igualmente bonitos. Muitas vezes não ficam. Sustenta que «qual modelo é o melhor» é a pergunta errada para quem produz imagens em escala. As perguntas certas são mais estreitas e menos românticas: qual é o meu critério de aceitação, qual é a minha taxa de retentativa, que resolução o entregável realmente precisa, e o que acontece com a minha fatura quando essa resolução muda.

A disparidade de 12x não é um bug do mercado. É o mercado dizendo que a geração de imagens amadureceu o bastante para ter níveis, como antes dela aconteceu com o armazenamento em nuvem e a codificação de vídeo. As equipes que tratam a geração de imagens como um problema de compras, com taxas de aceitação e economia unitária, gastarão uma fração do que gastam as que a tratam como um problema de gosto. Ambas podem estar certas sobre qual imagem é mais bonita. Só uma consegue explicar a fatura.