GPT Image 2.5 vs Nano Banana 2.1: teste com o mesmo prompt e preço

Em 26 de outubro de 2026, passamos os mesmos quatro prompts por GPT Image 2.5 Sunburst, GPT Image 2.5 Flare e Nano Banana 2.1. Sunburst venceu o menu, Flare a foto de produto, e dois testes empataram. Uma imagem 2K custou cerca de $0.50 nos preços da OpenAI com GPT em high, e cerca de $0.056 nos da Google para Nano Banana 2.1.

O GPT Image 2.5 Flare fez a melhor foto de produto, mas desenhou um farol que ninguém pediu no menu e errou a contagem dos dois potes. Tem os mesmos preços por token do Sunburst e não foi mais rápido nas nossas execuções.

Os três estão na OmniaKey: GPT Image 2.5 Sunburst, GPT Image 2.5 Flare e Nano Banana 2.1.

Como testamos

• Modelos: gpt-image-2.5-sunburst, gpt-image-2.5-flare e gemini-nano-banana-2.1 na OmniaKey. A OpenAI também publica snapshots com data, gpt-image-2.5-sunburst-2026-09-08 e gpt-image-2.5-flare-2026-09-08; usamos os IDs sem data.
• Configurações: Sunburst e Flare com size 2048x2048 e quality high, Nano Banana 2.1 com image_size 2K, aspect_ratio 1:1 e o raciocínio padrão. Todas as imagens têm 2048×2048.
• Data: 26 de outubro de 2026. O menu rodou duas vezes no Sunburst e no Nano Banana 2.1 e uma no Flare, e cada outro teste uma vez por modelo. Com a imagem de origem da edição e três execuções extras de qualidade, são 18 chamadas, todas bem-sucedidas na primeira tentativa.
• A imagem de origem da edição foi feita com GPT Image 2, um modelo mais antigo, e os três modelos receberam o mesmo arquivo.
• O tempo vai da criação da tarefa até vê-la concluída, consultando a cada 4 s pela API assíncrona de mídia da OmniaKey, então inclui a fila.
• A avaliação foi em tamanho real: cada palavra e cada preço, os objetos contados em recortes ampliados, se cada imagem segue cada linha do prompt e, na edição, quais itens ficaram iguais.
• A OmniaKey vende acesso de API aos três modelos, então os testes passaram por ela. Todo preço abaixo é o de tabela da OpenAI ou da Google, não o nosso.
• Fontes: as páginas de modelo da OpenAI do GPT Image 2.5 Sunburst e do Flare, seus preços de API, o guia de geração de imagens e o registro de mudanças; e da Google os preços da API Gemini, a geração de imagens e o registro de mudanças, todos verificados em 25 de outubro de 2026.

Uma ou duas imagens por prompt e por modelo é uma amostra pequena, então cada resultado é um exemplo para olhar.

Quatro testes, os mesmos prompts

Teste 1: menu de café com seis preços (1:1)

Este teste lê cada palavra e cada preço de um cartão de menu impresso e verifica se os preços ficam em uma só coluna.

Prompt:

A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads "HARBOR CAFÉ". Below it, six items, each on its own line with the price aligned to the right: "Flat White — $4.50", "Oat Latte — $5.25", "Cardamom Bun — $3.75", "Avocado Toast — $9.00", "Shakshuka — $11.50", "Lemon Tart — $4.25". At the bottom, in small italic text: "Open daily 7am–3pm". Natural window light, soft shadows, a sprig of rosemary at one corner of the card.

O que o prompt pede: um cartão de menu de café apoiado em uma mesa de mármore, fotografado de cima. O cartão é de papel creme com tinta verde-escura, o título grande diz "HARBOR CAFÉ" e abaixo vêm seis itens, um por linha, com o preço alinhado à direita. Embaixo, em itálico pequeno, "Open daily 7am–3pm", com luz de janela, sombras suaves e um ramo de alecrim em um canto do cartão.

• GPT Image 2.5 Sunburst (36.7 s e 34.3 s): cada palavra e cada preço certos nas duas execuções, incluindo o acento de "CAFÉ" e o traço médio de "7am–3pm". As duas tiraram os travessões longos e puseram os preços em uma coluna alinhada à direita, como um menu impresso. O alecrim está no canto do cartão, em parte fora dele; a primeira execução acrescentou uma xícara e um copo de água nas bordas, a segunda uma xícara.
• GPT Image 2.5 Flare (42.9 s): cada palavra e cada preço certos, travessões longos fora, preços alinhados à direita, com um fio fino entre os itens e uma moldura em volta do cartão. Acrescentou um pequeno desenho de farol e pássaros acima do título, mais uma xícara e um copo de água.
• Nano Banana 2.1 (36.5 s e 32.8 s): cada palavra e cada preço certos nas duas execuções, e o alecrim no canto do cartão como pedido. Manteve os travessões longos, então os preços nunca se alinham: a primeira execução tem linhas-guia de tamanhos diferentes e a segunda não tem alinhamento à direita nenhum.

Veredicto: GPT Image 2.5 Sunburst. Os cinco menus escreveram cada palavra e cada preço certo, então o texto é um empate. O Sunburst transformou as linhas "Flat White — $4.50" em um menu de verdade com coluna de preços alinhada à direita, duas vezes, e não acrescentou nada ao cartão. O Nano manteve os travessões ao pé da letra, então os preços nunca se alinham, e o Flare desenhou um farol que ninguém pediu.

Teste 2: contar objetos em uma prateleira (1:1)

Este teste verifica duas contagens exatas em uma só imagem e se a prateleira fica como pedido.

Prompt:

A studio photo of a wooden shelf against a light gray wall. On the shelf, from left to right: a clear glass jar holding exactly five red marbles, an empty clear glass jar, and a clear glass jar holding exactly three yellow lemons. A small white paper tag hangs from the middle jar with the number "2" written on it in black marker. A single blue feather lies on the shelf in front of the right jar. Soft, even lighting and no other objects.

O que o prompt pede: uma foto de estúdio de uma prateleira de madeira contra uma parede cinza-clara. Da esquerda para a direita, um pote de vidro transparente com exatamente cinco bolinhas vermelhas, um pote vazio e um pote com exatamente três limões amarelos. No pote do meio pende uma etiqueta de papel branca com o número "2" escrito à caneta preta, e na frente do pote da direita há uma única pena azul. Luz suave e uniforme, e nenhum outro objeto.

• GPT Image 2.5 Sunburst (32.9 s): exatamente 5 bolinhas vermelhas no pote da esquerda e o pote do meio vazio com a etiqueta "2". O pote da direita mostra 3 limões na frente e um quarto meio escondido atrás, então 4. A pena está na frente, entre o pote do meio e o da direita.
• GPT Image 2.5 Flare (37.7 s): 6 bolinhas em pirâmide e 4 limões à direita, 3 na frente e um meio escondido. O pote do meio está vazio com a etiqueta "2".
• Nano Banana 2.1 (37.5 s): 7 bolinhas no pote da esquerda e exatamente 3 limões à direita, empilhados contra o vidro. O pote do meio está vazio com a etiqueta "2", e os potes são mais altos, estilo Mason.

Veredicto: empate entre Sunburst e Nano Banana 2.1. Nenhum modelo acertou os dois potes: o Sunburst escondeu um quarto limão, o Nano pôs sete bolinhas e o Flare errou os dois. Se a contagem importa, confira cada imagem e tente pedir os itens lado a lado ("three lemons in a row, none behind").

Teste 3: foto de produto de um tênis de corrida de couro branco (1:1)

Este teste verifica se um pedido de estúdio se mantém: reflexos brilhantes, neon fora de foco, sem texto e sem logotipos.

Prompt:

Product photo of a white leather running shoe on wet black asphalt at night, low angle, close-up. Pink and teal neon signs are out of focus in the background, and their colors reflect in the puddles and on the shoe's glossy surfaces. Small water droplets on the toe box. Sharp focus on the shoe, shallow depth of field, realistic commercial photography, no logos and no text.

O que o prompt pede: uma foto de produto de um tênis de corrida de couro branco sobre asfalto preto molhado à noite, ângulo baixo e close-up. Letreiros de neon rosa e turquesa ficam fora de foco ao fundo e a cor deles se reflete nas poças e nas áreas brilhantes do tênis. Gotas pequenas na ponta, foco nítido no tênis, pouca profundidade de campo, fotografia comercial realista, sem logotipos e sem texto.

• GPT Image 2.5 Sunburst (41.5 s): asfalto molhado, reflexos de neon rosa e turquesa, gotas na ponta, um acabamento brilhante tipo envernizado e nenhum texto. Mas o tênis está sendo usado: um tornozelo e uma calça de corrida preta entram no quadro, então é uma foto de estilo de vida e não a foto de produto pedida.
• GPT Image 2.5 Flare (41.8 s): um tênis sozinho no asfalto molhado à noite, de ângulo baixo, neon fora de foco atrás, cor nas poças e no acabamento brilhante, gotas na ponta, sem texto nem logotipos. É o mais próximo de cada linha do pedido.
• Nano Banana 2.1 (47.3 s): um tênis sozinho, de couro fosco perfurado, o mais parecido com couro de verdade dos três, com gotas na ponta. A linha "sem texto" falhou: o neon rosa desfocado ao fundo tem forma de palavra, o chão parece brilhante em vez de molhado e o tênis não tem brilho.

Veredicto: GPT Image 2.5 Flare. Foi o único a entregar uma foto de produto simples, com reflexos brilhantes e sem texto. O Sunburst pôs o tênis no pé de alguém, e o Nano fez o tênis mais parecido com couro mas acrescentou um neon em forma de palavra.

Teste 4: edição de uma sala (1:1)

Este teste verifica uma edição que preserva a sala: só o sofá muda e uma planta chega.

Prompt:

Change the sofa to dark green velvet and put a tall potted fiddle-leaf fig plant on the left side of the sofa. Keep everything else exactly the same: the walls, the window, the coffee table, the books, the rug, the light and the camera angle.

O que o prompt pede: trocar o sofá por veludo verde-escuro e colocar à esquerda dele uma figueira-lira alta em vaso. Todo o resto fica exatamente igual: as paredes, a janela, a mesa de centro, os livros, o tapete, a luz e o ângulo da câmera.

A foto de origem foi feita com GPT Image 2, um modelo mais antigo, a partir de um prompt de sofá de três lugares em tecido cinza-claro contra uma parede branca, mesa de centro redonda de carvalho com dois livros, tapete de lã creme e uma janela grande à direita com cortinas translúcidas, na luz da tarde. Os três modelos receberam o mesmo arquivo.

• GPT Image 2.5 Sunburst (43.1 s): um sofá de veludo verde-escuro e uma figueira-lira alta em um cesto à esquerda. As paredes, os dois quadros, a janela, as cortinas, as almofadas, a manta, a mesa de carvalho, os dois livros, as letras da lombada, o tapete, a luz e o ângulo batem com a origem. A estante da ponta esquerda sumiu e a planta ficou no lugar dela.
• GPT Image 2.5 Flare (37.5 s): o mesmo resultado do Sunburst, com a figueira à esquerda, cada item pedido e as letras da lombada mantidos, e a estante fora.
• Nano Banana 2.1 (33.2 s): um sofá de veludo verde-escuro e uma figueira em vaso branco à esquerda, com a estante mantida. Mas encurtou o sofá, movendo a ponta esquerda para a direita para caber a planta junto com a manta e as almofadas, e transformou as letras da lombada em outras ilegíveis. Mesa, tapete, janela e luz ficaram.

Veredicto: empate entre Sunburst e Flare. Os dois mantiveram cada item pedido, até as letras da lombada, e abriram espaço para a planta tirando a estante. O Nano manteve a estante mas encurtou o sofá e mudou as letras da lombada, e o prompt pedia que os livros ficassem iguais.

Resultado por teste

Todos os menus escreveram cada palavra e cada preço certo, então o layout decidiu esse teste: o GPT tratou os travessões longos como separadores e alinhou os preços, o Nano os manteve. Cada modelo também deixou cair uma linha de um pedido: o Sunburst fez foto de estilo de vida em vez de foto de produto, o Flare desenhou no menu e o Nano pôs neon em forma de palavra em uma foto "sem texto".

Preço e velocidade

A OpenAI cobra o GPT Image 2.5 por token e não publica preço por imagem, então os números abaixo são os tokens que nossas imagens consumiram vezes os preços da OpenAI.

A OpenAI cobra $30 por milhão de tokens de saída de imagem, então uma imagem em high custa 16,640 × $30 por milhão = $0.4992, mais 79–160 tokens de texto na entrada a $5 por milhão, no máximo $0.0008.

No tamanho de celular as três parecem iguais; em tamanho real o menu em low fica um pouco mais suave. É um prompt só, então trate como uma pista.

Sunburst e Flare cobraram os mesmos tokens na mesma qualidade: 16,640 em high, 4,224 em medium. A edição em high acrescentou 1,659 tokens de imagem na entrada a $8 por milhão e 56 tokens de texto, cerca de $0.51.

Os preços de tabela da Google, verificados em 25 de outubro de 2026, são $30 por milhão de tokens de saída de imagem, $7.50 por milhão de tokens de saída de texto e raciocínio, e $1.50 por milhão de tokens de entrada.

Nossa edição com o Nano usou 258 tokens de raciocínio e uma imagem de entrada de 1,120 tokens, cerca de $0.054. Em high, o GPT Image 2.5 custa cerca de 9 vezes mais por imagem 2K, em medium cerca de 2.3 vezes, e em low custa menos: $0.033 contra $0.056.

O Nano custa mais que o preço de imagem divulgado pela Google porque o raciocínio vem ligado por padrão em medium e é cobrado como saída de texto a $7.50 por milhão. Nosso teste Qwen Image 3 vs Nano Banana 2.1 mediu o mesmo efeito.

As duas empresas cobram metade do preço padrão em tarefas Batch.

As qualidades low e medium não deixaram o GPT mais rápido: os menus em low e medium levaram 37.3 s no Sunburst e 37.8 s no Flare em medium. Para os preços atuais da OmniaKey, veja as páginas do Sunburst, do Flare e do Nano Banana 2.1.

Sunburst ou Flare?

Sunburst para texto, layout e contagem, e Flare para fotos de produto; por token eles custam o mesmo. O conselho da própria OpenAI é "Choose Sunburst for workflows where editing precision matters most, and Flare for fast, high-quality everyday image generation." As páginas de modelo marcam o Sunburst como "Highest" com velocidade "Medium" e o Flare como "Higher" com "Very fast", ambos nos mesmos preços por token.

Nas nossas execuções os dois cobraram tokens idênticos e deram edições quase idênticas, e o Flare fez a melhor foto de produto. O Flare também desenhou no menu, errou os dois potes e teve a mediana mais lenta, 41.8 s. A documentação da OpenAI lista mais dois níveis de qualidade, xhigh e max, que não testamos, e o que mudou em relação à geração anterior está em GPT Image 2.5 vs GPT Image 2.

Prós e contras

GPT Image 2.5 Sunburst

• Prós: cada palavra certa nas duas execuções do menu com os preços alinhados, a contagem de bolinhas certa, uma edição que manteve cada item pedido, e a mediana mais rápida, 35.5 s.
• Contras: colocou o tênis no pé de uma pessoa, escondeu um quarto limão, acrescentou uma xícara e um copo de água à cena do menu, e custa cerca de $0.50 por imagem 2K em high.

GPT Image 2.5 Flare

• Prós: a melhor foto de produto, e uma edição tão boa quanto a do Sunburst.
• Contras: desenhou um farol não pedido no menu, errou os dois potes, e teve a mediana mais lenta, 41.8 s, apesar do rótulo "Very fast" da OpenAI.

Nano Banana 2.1

• Prós: cada palavra certa, exatamente três limões, o alecrim onde foi pedido, a estante mantida, e cerca de $0.056 por imagem 2K. A documentação da Google dá a ele 4K e até 14 imagens de referência, o que Nano Banana 2.1 vs Pro mede ao lado do Pro.
• Contras: manteve os travessões longos e os preços nunca se alinham, sete bolinhas em vez de cinco, neon em forma de palavra em uma foto "sem texto", sofá encurtado e letras da lombada mudadas na edição, e tokens de raciocínio em cada imagem.

Qual modelo para qual trabalho

Rodar o mesmo teste por uma única API

Isto envia o prompt do menu do teste 1 ao Sunburst em 2048×2048 e qualidade high, como rodamos:

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: harbor-cafe-menu-001" \
  -d '{
    "model": "gpt-image-2.5-sunburst",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads \"HARBOR CAFÉ\". Below it, six items, each on its own line with the price aligned to the right: \"Flat White — $4.50\", \"Oat Latte — $5.25\", \"Cardamom Bun — $3.75\", \"Avocado Toast — $9.00\", \"Shakshuka — $11.50\", \"Lemon Tart — $4.25\". At the bottom, in small italic text: \"Open daily 7am–3pm\". Natural window light, soft shadows, a sprig of rosemary at one corner of the card."},
    "parameters": {"size": "2048x2048", "quality": "high"}
  }'

1. A resposta é 202 com um id de tarefa.
2. Consulte https://api.omniakey.com/v1/media/tasks/{id} a cada poucos segundos até status ser succeeded.
3. Baixe a imagem em assets[0].url.

Troque model por gpt-image-2.5-flare para o Flare. Na OmniaKey, quality aceita low, medium, high ou auto, e medium baixou nossos tokens de saída de 16,640 para 4,224.

Para o Nano Banana 2.1, ponha model como gemini-nano-banana-2.1 e parameters como {"aspect_ratio": "1:1", "image_size": "2K"}, porque a OmniaKey recusa size nesse modelo. Para editar, ponha operation como edit e envie a origem em input.image com {"data": "<base64>", "mime_type": "image/jpeg"}, mantendo a requisição inteira em no máximo 1 MiB. Modelos GPT Image devolvem PNG e os da Gemini, normalmente JPEG.

Comece pelas páginas do GPT Image 2.5 Sunburst, do GPT Image 2.5 Flare e do Nano Banana 2.1, e veja a documentação da API de imagens para cada parâmetro.

Perguntas frequentes

O GPT Image 2.5 é melhor que o Nano Banana 2.1?

Por teste: o Sunburst venceu o menu, o Flare a foto de produto, e a contagem e a edição da sala empataram. O preço vai ao contrário, cerca de $0.50 contra cerca de $0.056 por imagem 2K em high. Escolha os modelos GPT para layout e edições que precisam ser mantidas, e o Nano quando a conta pesa mais.

Qual é a diferença entre GPT Image 2.5 Sunburst e Flare?

A OpenAI posiciona o Sunburst para precisão de edição e o Flare para geração rápida do dia a dia, marcando o Sunburst como "Highest" a velocidade "Medium" contra "Higher" e "Very fast" do Flare. Os dois usam os mesmos preços por token e cobraram os mesmos tokens nas nossas execuções. O Flare deu a melhor foto de produto, o Sunburst o layout de menu mais limpo.

Quantos tokens usa uma imagem do GPT Image 2.5?

Em 2048×2048, as nossas cobraram 1,088 tokens de saída em low, 4,224 em medium e 16,640 em high, e a edição acrescentou 1,659 tokens de imagem na entrada. A calculadora da OpenAI não estima o uso de tokens do 2.5, então meça um primeiro lote e multiplique por $30 por milhão de tokens de saída.

Por que o Nano Banana 2.1 custa mais que o preço de imagem divulgado?

Porque o raciocínio vem ligado por padrão em medium e é cobrado como saída de texto a $7.50 por milhão. Nossas quatro gerações usaram uma mediana de 730 tokens de raciocínio, cerca de $0.0055 em cima dos $0.0504 da imagem.

O gpt-image-2 está obsoleto?

Não. A página de modelos obsoletos da OpenAI não tem linha para gpt-image-2, e o guia de imagens ainda documenta o modelo. Os mais antigos gpt-image-1-mini, gpt-image-1.5 e chatgpt-image-latest saem da API em 1º de dezembro de 2026, com Sunburst ou Flare como substitutos, e o gpt-image-1 foi desligado em 23 de outubro de 2026.

Registro de atualizações

• 26 de outubro de 2026: primeira versão, com os quatro testes de mesmo prompt feitos no mesmo dia.