Images 2.6: quatro bilhões de imagens por semana e um novo gargalo

A OpenAI lançou o Images 2.6 em 4 de novembro, e a demonstração que todo mundo compartilhou era um funcionário de escritório em estilo chibi chorando diante de um gráfico de ações despencando. Seis quadros, uma sprite sheet, um loop perfeito. Fofo, levemente brutal, extremamente compartilhável.
O número enterrado sob os GIFs é mais interessante. Hoje as pessoas geram cerca de quatro bilhões de imagens por semana entre ChatGPT, Codex e API. É mais de meio bilhão por dia. Oito semanas atrás, quando o Images 2.5 chegou, o número era três bilhões. Nada no modelo por baixo ficou três vezes melhor em oito semanas. O que mudou é que gerar imagem deixou de ser um evento e virou reflexo.
O que de fato chegou
Três coisas, e só uma delas é sobre o modelo.
Velocidade. A geração está cerca de 50% mais rápida. A API se divide em duas variantes: GPT-Image-2.6 Flare, que em qualidade baixa devolve uma imagem em cerca de seis segundos, e GPT-Image-2.6 Sunburst, a escolha quando um assunto precisa sobreviver a várias rodadas de edição sem escorregar.
Movimento. GIFs agora são nativos. Você digita um prompt ou solta uma imagem parada e recebe uma animação em loop. A velocidade de reprodução é ajustável, quadros individuais podem ser editados dentro do ChatGPT e o resultado publica direto. Os usos sugeridos pela OpenAI são mascotes, memes de reação e storyboards animados antes de alguém contratar uma diária de filmagem.
Edição como interface. É a parte que eu continuo revisitando. A API agora aceita marcação na imagem, então você pode apontar para uma região e dizer “muda isso”. As imagens exportam em SVG. Existe um parâmetro de complexidade que controla quanto planejamento o modelo faz antes de renderizar — algo estranho de expor até você perceber que é um botão de latência para quem edita em ciclos, não em disparo único.
Some as referências salvas — você guarda a foto de uma pessoa, de um bicho ou de um personagem recorrente e reutiliza depois sem subir de novo — e o formato do produto fica claro. Não é um gerador com recursos extras. É uma ferramenta de design que, por acaso, é movida por um modelo.

O GIF é a parte menos interessante, e também a mais importante
Todo veículo abriu com os GIFs, e a OpenAI claramente queria isso. Coco Mao, CEO da OpenArt, aparece citada dizendo que GIFs são “a língua nativa das redes sociais”, o tipo de frase que existe para virar release.
Ela não está errada, porém. Uma imagem parada é um post. Um loop é um formato. Quando um modelo devolve um loop a partir da mesma caixa de prompt, o resultado compete com vídeo, não com ilustração — e compete por uma fração do custo e do tempo. Para uma equipe de social, a pergunta prática deixa de ser “temos verba de vídeo” e passa a ser “essa ideia precisa de som”.
O detalhe curioso é do que os loops são feitos. Os próprios exemplos da OpenAI são sprite sheets: seis quadros, três colunas por duas linhas, dimensões idênticas, câmera fixa, o sexto quadro retornando suavemente ao primeiro. Não é assim que um modelo de vídeo pensa. É assim que um animador pensa. O prompt está fazendo design de produção, e o modelo está preenchendo células.
O que significa que a habilidade que ficou mais valiosa esta semana não é escrever prompt. É saber como um loop precisa parecer para não tremer quando reinicia.
Quatro bilhões por semana mudam o gargalo
Quando você gera quarenta imagens para uma campanha, a parte difícil é produzir. Quando gera quatro mil, a parte difícil é achar as onze que servem — e lembrar quais onze.
Dois recursos lançados só fazem sentido nesse mundo. Referências salvas existem porque consistência ao longo de uma série virou a restrição, não a novidade. Marcação na imagem existe porque corrigir uma mão ruim sai mais barato que regerar um quadro bom. Nenhum dos dois é recurso criativo. Os dois são recursos de revisão.
Já vi esse padrão antes, no texto. No momento em que o volume de saída cruzou um limite, as ferramentas migraram de “me ajuda a escrever” para “me ajuda a achar o que escrevi”. As ferramentas de imagem estão na mesma curva, mais ou menos dois anos atrás.
A divisão da API mostra quem a OpenAI acha que compra
Flare e Sunburst não formam uma escada bom/melhor. O Flare é ajustado para vazão e composição: a OpenAI afirma especificamente melhor enquadramento para pôsteres, fotos de produto e outros visuais profissionais. Seis segundos em qualidade baixa é o número que você cita para um gerente de produto que quer miniaturas numa grade.
O Sunburst é ajustado para consistência em qualidade média e alta, uma promessa bem diferente. Consistência é o que você precisa quando o mesmo personagem aparece em doze painéis, ou quando um kit de marca tem que sobreviver a uma rodada de edição feita por alguém que não é designer.
Juntos, os dois descrevem dois trabalhos que antes eram um só: explorar barato, depois comprometer caro. Quem já rodou um design sprint reconhece o desenho. É o mesmo motivo pelo qual agências fazem cinquenta rascunhos e um comp final.
O que eu testaria de verdade
Se você tem um pipeline, o teste honesto não é a qualidade da imagem. É se as partes chatas ficaram mais curtas.
Pegue um briefing real — o hero de uma página de produto, digamos — e cronometre três passagens: o primeiro rascunho, a rodada de edições depois que o cliente diz “mais quente” e a exportação. Na minha experiência com gerações anteriores, a passagem do meio sempre foi a assassina, porque toda edição arriscava mudar a forma do produto. Sunburst, mais marcação, mais referências, miram exatamente isso.
Segundo teste: o loop. Peça um GIF perfeito de algo com uma peça em movimento e confira o sexto quadro. Se ele volta com um salto visível, o modelo ainda pensa em imagens paradas e costura. Se ele suaviza, está de fato planejando o ciclo.
Terceiro teste, e o que a maioria das equipes pula: o arquivo. Pergunte onde vivem aquelas quatro mil imagens, quem consegue buscá-las e se as que você rejeitou ainda geram custo. Volume tem o hábito de transformar um problema criativo em problema de acervo.
A parte incômoda
Marcas d'água e proveniência ficam mais difíceis conforme a saída fica mais barata. Quatro bilhões de imagens por semana é muita superfície, e um GIF que faz loop convence mais que uma foto parada, porque movimento é lido como evidência. A mesma propriedade que torna loops bons para mascotes os torna bons para falsificações.
O enquadramento da própria OpenAI é cuidadoso aqui: os exemplos se apoiam em marcas, mascotes, fotos de produto, storyboards. Não em notícia, não em pessoas dizendo coisas. É uma linha sensata de traçar por vontade própria, porque a alternativa é traçá-la sob pressão depois.
E daí
O Images 2.6 não é um salto na qualidade de imagem. Leia o changelog e você encontra velocidade, loops e uma pilha de recursos de edição. A afirmação interessante é estrutural: a geração de imagem está sendo dobrada para dentro da parte do trabalho em que as pessoas decidem — marcar, revisar, exportar, reutilizar.
É uma história menos empolgante que a de um funcionário de escritório caricato chorando. Também é a que muda como uma equipe gasta a semana. O número de quatro bilhões não é alarde sobre escala. É um aviso de que o escasso já não é a imagem. É saber qual imagem.
Artigos relacionados
O conselho criou um comitê de exportação na mesma semana do balanço
Só o resultado virou notícia. O comitê de controle de exportação é o que pode mudar de fato como a empresa opera.
A Nvidia nunca formou um banco de sucessores. Essa é a descoberta.
A empresa passou trinta e três anos decidindo, sem dizer, que a pergunta sobre quem vem depois não era urgente.
A AMD ganhou 19% só por ser a outra opção
O dinheiro não saiu de IA. Saiu do único nome com problema de governança e foi para os dois que não tinham.
Dez rebaixamentos em quatro sessões e nenhum número novo
Ninguém publicou dado novo sobre o livro de pedidos. O que mudou foi a largura da faixa, não o ponto do meio.