Onde está o guaxinim com o rádio amador? (Imagens ChatGPT 2.0)

Onde está o guaxinim com o rádio amador? (Imagens ChatGPT 2.0)

21 de abril de 2026

A OpenAI lançou hoje o ChatGPT Images 2.0, seu mais recente modelo de geração de imagens. Na transmissão ao vivo, Sam Altman disse que o salto de gpt-image-1 para gpt-image-2 foi equivalente a saltar de GPT-3 para GPT-5. Veja como eu coloquei isso à prova.

Meu prompt:

Do a where's Waldo style image but it's where is the raccoon holding a ham radio

gpt-image-1

Primeiro, como linha de base, aqui está o que obtive do antigo gpt-image-1 usando ChatGPT diretamente:

Não consegui localizar o guaxinim – percebi rapidamente que testar modelos de geração de imagens em imagens no estilo Where’s Waldo (Onde está Wally no Reino Unido) pode ser muito frustrante!

Tentei obter o Claude Opus 4.7 com suas novas entradas de resolução mais alta para resolvê-lo, mas ele estava convencido de que havia um guaxinim que não conseguiu encontrar graças ao cartão de instruções no canto superior esquerdo da imagem:

Sim – há pelo menos um guaxinim na foto, mas está muito bem escondido. Em minha varredura cuidadosa pelas seções ampliadas, honestamente, não consegui localizar definitivamente um guaxinim segurando um rádio amador. (…)

Nano Banana 2 e Pró

Em seguida, experimentei o Nano Banana 2 do Google, via Gemini:

Isso era bem óbvio, o guaxinim está na cabine do “Amateur Radio Club” no centro da imagem!

Cláudio disse:

Honestamente, este aqui não estava realmente se escondendo – ele é a estrela do estande. Parece que o ilustrador ficou com pena de nós depois daquela última cena impossível. O pequeno trocadilho com o indicativo “W6HAM” na placa do estande também é um toque legal.

Também experimentei o Nano Banana Pro no AI Studio e obtive este, de longe, o pior resultado de qualquer modelo. Não tenho certeza do que deu errado aqui!

gpt-image-2

Com a linha de base estabelecida, vamos testar o novo modelo.

Usei uma versão atualizada do meu script openai_image.py, que é um wrapper fino em torno da biblioteca cliente OpenAI Python. A biblioteca cliente deles ainda não foi atualizada para incluir gpt-image-2 mas felizmente ele não valida o ID do modelo, então você pode usá-lo de qualquer maneira.

Veja como eu executei isso:

OPENAI_API_KEY="$(llm keys get openai)" \
  uv run https://tools.simonwillison.net/python/openai_image.py \
  -m gpt-image-2 \
  "Do a where's Waldo style image but it's where is the raccoon holding a ham radio"

Aqui está o que recebi de volta. Eu não pensar há um guaxinim ali – não consegui localizar nenhum, nem Claude.

O livro de receitas de geração de imagens OpenAI foi atualizado com notas sobre gpt-image-2incluindo o outputQuality configuração e tamanhos disponíveis.

Eu tentei configurar outputQuality para high e as dimensões a 3840x2160—Acredito que seja o máximo—e consegui isto—um PNG de 17MB que converti para um WEBP de 5MB:

OPENAI_API_KEY="$(llm keys get openai)" \
  uv run 'https://raw.githubusercontent.com/simonw/tools/refs/heads/main/python/openai_image.py' \
  -m gpt-image-2 "Do a where's Waldo style image but it's where is the raccoon holding a ham radio" \
  --quality high --size 3840x2160

Isso é muito bom! Há um guaxinim com um rádio amador (canto inferior esquerdo, bastante fácil de localizar).

A imagem usou 13.342 tokens de saída, que custam US$ 30/milhão, totalizando um custo de cerca de 40 centavos.

Conclusões

Acho que este novo modelo de geração de imagens ChatGPT tira a coroa do Gemini, pelo menos por enquanto.

As imagens no estilo Where’s Waldo são uma maneira irritante e um tanto tola de testar esses modelos, mas ajudam a ilustrar o quão bons eles estão se tornando em ilustrações complexas, combinando texto e detalhes.