← Voltar ao blog
Aicerca de 7 min de leitura

Flux 3 e Imagen 4 chegam ao Replicate, e a prateleira de imagens fica lotada

Publicado 2 de out. de 2026
Flux 3 e Imagen 4 chegam ao Replicate, e a prateleira de imagens fica lotada

Em 1º de outubro, a Black Forest Labs e o Google colocaram novos modelos de imagem no Replicate. A Black Forest Labs lançou o Flux 3 para texto-para-imagem e edição, com suporte a até dez imagens de referência. O Google disponibilizou quatro modelos: Imagen 4 fast para velocidade e custo, Imagen 4 ultra para detalhe, Imagen 3 fast para trabalhos sensíveis a preço e Imagen 3 para resultados de altíssima qualidade. Chame-os pela mesma API que você já usa.

A manchete parece o lançamento de um modelo. Está mais para um anúncio de distribuição. Todos esses modelos já existiam em algum lugar. O que mudou é que um desenvolvedor com um token do Replicate agora consegue acessá-los sem abrir uma conta na Black Forest Labs ou configurar um projeto no Google Cloud.

O que dez imagens de referência realmente entregam

O número em que vale a pena parar é o das dez imagens de referência do Flux 3. Um ano atrás, edição de imagem significava uma imagem de entrada e uma instrução de texto. Dez referências mudam o que se pode pedir ao modelo. Você pode entregar a ele uma foto de produto, uma textura de uma segunda imagem, uma paleta de cores de uma terceira e um rosto de uma quarta, e então pedir uma composição que respeite todas elas.

É essa a capacidade pela qual todo o mercado vem correndo. O Nano Banana Pro combina até quatorze imagens e cinco pessoas. O GPT Image 2.5 Sunburst lidera o ranking de edição da Artificial Analysis por alterar uma região sem perturbar o resto. O Seedream 5.0 recorre à busca na web ao vivo quando uma edição precisa de uma referência do mundo real. A linha de competição saiu de quão boa fica a primeira imagem para quão bem o modelo aceita instruções na décima edição.

A dense wall of small image thumbnails of varied scenes with one tile glowing brighter and floating out from the grid

Para quem constrói um produto em cima dessas ferramentas, a contagem de imagens de referência é uma especificação mais útil que pontuações de benchmark. Ela diz quanto controle você pode entregar ao usuário. Um modelo que aceita uma referência serve para um botão de texto-para-imagem. Um modelo que aceita dez serve para uma ferramenta de design em que o usuário monta material de marca a partir de uma pasta de ativos aprovados.

Os quatro modelos do Google são, na verdade, dois níveis

A linha do Google parece quatro lançamentos. Olhe os nomes e são dois modelos divididos por custo. Imagen 4 fast e Imagen 4 ultra executam a mesma geração, um ajustado para economia e outro para detalhe. O mesmo vale para Imagen 3 fast e Imagen 3. As variantes fast não são modelos piores em um sentido relevante. São o mesmo modelo com um orçamento de computação menor, vendido a um preço menor.

Essa é uma forma sensata de vender geração de imagens, e também é uma pista sobre onde está o custo. Quando a única diferença entre um nível fast e um ultra é quanto tempo o modelo pode pensar, o próprio modelo deixou de ser o produto. A computação virou o produto, e o modelo é a coisa que a gasta.

Para uma equipe decidindo o que rodar em produção, isso muda o cálculo. A questão não é qual dos quatro é melhor. É qual nível de qualidade seu caso de uso realmente exige, porque pagar por ultra em um caso de uso que só precisa de fast é uma forma de queimar dinheiro sem melhorar nada que um usuário vá notar.

Quanto vale, de fato, uma listagem em plataforma

Vale ser preciso sobre por que um modelo chegar ao Replicate é notícia. O Replicate aluga inferência hospedada. Um desenvolvedor se cadastra uma vez, recebe um token e chama qualquer modelo do catálogo pela mesma interface. Para a Black Forest Labs e o Google, listar significa alcançar desenvolvedores que nunca abrirão uma conta separada por um único modelo, e pagar a uma plataforma por esse alcance.

Esse é o acordo a que os criadores de modelos abertos foram forçados. Publique os pesos e os tecnicamente curiosos podem rodá-los, sem custo para ninguém e sem receita para o laboratório. Liste em uma plataforma hospedada e o público se amplia para quem quer um endpoint e uma fatura mensal, mas um intermediário leva uma fatia e o modelo fica ao lado de uma dúzia de concorrentes em um seletor.

A alternativa é vender acesso diretamente, que é o que um modelo fechado faz e o que a maioria dos laboratórios não consegue fazer em escala. Assim, a plataforma hospedada vira o terreno neutro onde modelos abertos e fechados competem pelo mesmo desenvolvedor, julgados na mesma página. Um laboratório pequeno com bons pesos agora pode aparecer ao lado de um lançamento do Google, o que é competição saudável ou uma corrida de commoditização, dependendo de que lado você está.

Para um comprador, isso tem uma consequência prática. O modelo que você escolhe hoje é acessível por uma interface que você já conhece, o que torna o custo de troca baixo e a experimentação barata. Também significa que o modelo que você escolhe provavelmente não é especial, porque a mesma prateleira está aberta a todos.

O resto do dia

O mesmo dia produziu uma ampla variedade de lançamentos menores. A Cloudflare colocou o Clef, um modelo de imagem-texto-para-texto, no Hugging Face. O ISTA-DASLab publicou uma build GGUF do Qwen3.8 Flash, o que importa principalmente para quem roda modelos localmente. O AI Gateway da Vercel adicionou um modelo de decisão chamado Laya, que roteia solicitações de suporte e fluxos de trabalho de agentes com pontuações de probabilidade, gratuito até o fim de outubro, ao lado de modelos de áudio da Microsoft e ferramentas de busca da Browserbase. O Google adicionou assistência visual em tempo real ao Gemini Live, desenvolvida com usuários cegos e de baixa visão.

Nenhum desses vai mudar um pipeline de imagens por conta própria. Juntos, mostram para onde os fornecedores de plataforma estão empurrando. Replicate, Vercel e Hugging Face competem para ser o lugar onde o desenvolvedor escolhe um modelo, e a forma como competem é ampliando o catálogo e simplificando a cobrança. Os laboratórios de modelos se beneficiam, porque a distribuição por uma plataforma é como um laboratório menor alcança desenvolvedores que nunca assinarão um contrato separado.

Esse é o trade-off que todo criador de modelo aberto enfrenta. Publicar os pesos e deixar a comunidade rodá-los, o que não custa nada e alcança os tecnicamente curiosos. Ou listar em uma plataforma hospedada e alcançar os desenvolvedores que querem um endpoint e uma fatura, o que alcança mais gente e entrega uma fatia à plataforma. O Flux 3 está no Replicate, o que sugere que a Black Forest Labs quer o segundo público o suficiente para compartilhar.

O que isso significa se você está escolhendo

O efeito prático de tudo isso é que a prateleira está lotada e os rótulos estão ficando mais difíceis de ler. Quatro modelos Imagen, um lançamento do Flux e uma longa cauda de builds da comunidade competem pelo mesmo espaço em um pipeline. As diferenças que importam são mais estreitas do que o marketing sugere.

Vale checar três coisas antes de se comprometer. Quantas imagens de referência o modelo aceita, porque isso determina o teto de controle. Se a licença permite uso comercial, que é onde Apache-2.0 e builds não comerciais se separam. E se o modelo está disponível em algum lugar que se encaixa na sua forma de implantar, já que um ótimo modelo atrás de uma plataforma que você não pode usar é um modelo que você não pode usar.

Nada disso é glamouroso, e nada disso vai estar em um post de lançamento. É também a parte que decide se um modelo funciona em um produto seis meses depois de o anúncio ter passado no feed.

Artigos relacionados