GPT Image 2 é mais preciso no posicionamento de objetos? Ainda não dá para quantificar

O que é possível afirmar com base nas fontes

A página oficial do GPT Image 1.5 na API da OpenAI existe e descreve o modelo como voltado à geração de imagens, com melhor capacidade de seguir instruções e maior aderência aos prompts. A página do GPT Image 1, por sua vez, o apresenta como o modelo anterior de geração de imagens e diz que ele aceita entradas de texto e imagem para produzir saídas em imagem.

A documentação de geração de imagens da OpenAI também separa os fluxos de trabalho em duas categorias: Generations, para criar imagens do zero a partir de um prompt de texto, e Edits, para modificar imagens já existentes. Essa distinção é importante porque pedir uma cena complexa do zero não é a mesma tarefa que mover, preservar ou inserir um objeto dentro de uma imagem pronta.

Nos trechos verificáveis do changelog da API, das páginas de Models e de All models da OpenAI, não aparece uma comparação quantitativa oficial entre GPT Image 2 e GPT Image 1.5 para composição complexa, precisão espacial ou posicionamento de múltiplos objetos. Portanto, o que se sustenta com segurança é bem mais limitado: há documentação oficial para o GPT Image 1.5 e ela fala em melhor aderência ao prompt; não há base suficiente para transformar isso em uma frase como “GPT Image 2 é X% mais preciso em posicionamento”.

O problema: as fontes sobre GPT Image 2 não dizem a mesma coisa

O ponto mais delicado é que o próprio status público do GPT Image 2 aparece de forma inconsistente nas fontes. Uma análise da Mew Design adota uma formulação cautelosa: o GPT Image 2 parece estar em testes, mas não estaria oficialmente público como um modelo OpenAI nomeado. O getimg.ai também afirma que a OpenAI não anunciou o GPT Image 2 e que a linha pública pararia no gpt-image-1.5.

Por outro lado, uma publicação de terceiro afirma que a OpenAI lançou o ChatGPT Images 2.0, ou gpt-image-2, em 21 de abril de 2026, com Arena score de 1.512. Outra análise, da RenovateQR, diz que o autor testou o GPT Image 2 com um conjunto padronizado de prompts, incluindo fotografia de produto, mockups de UI, sinalização multilíngue, retratos e conteúdo de marca.

Mesmo assim, o trecho disponível dessa avaliação não traz uma tabela reproduzível com taxa de sucesso para múltiplos objetos, acerto de esquerda/direita, frente/fundo, oclusão ou comparação completa contra o GPT Image 1.5. Em outras palavras: há fontes de terceiros falando sobre GPT Image 2, mas elas não entregam uma resposta verificável e específica para a pergunta “quanto melhor ele posiciona objetos?”.

Por que 1.512 vs 1.241 não mede posicionamento

Uma página de terceiros lista o GPT Image 2 com pontuação de 1.512 e o GPT Image 1.5 com 1.241, diferença de 271 pontos. Isso pode ser citado, no máximo, como uma afirmação externa de que um placar geral favorece o GPT Image 2. Mas não deve ser reescrito como “a precisão de posicionamento subiu 271 pontos” nem convertido em porcentagem.

Há três motivos principais:

• O trecho não informa se a pontuação mede especificamente composição complexa, relações espaciais, oclusão ou posicionamento de múltiplos objetos.
• Uma diferença de placar não é uma taxa de acerto pass/fail; sem amostra de teste, método de avaliação e classificação dos erros, não há como transformar 1.512 vs 1.241 em “X% mais preciso”.
• As fontes da documentação da OpenAI incluídas aqui não trazem um benchmark de spatial accuracy ou object placement no mesmo conjunto de testes entre GPT Image 2 e GPT Image 1.5.

Para um texto de produto, relatório interno ou material comercial, a formulação mais segura seria: uma fonte de terceiros lista o GPT Image 2 com pontuação geral maior que a do GPT Image 1.5. O que não é seguro dizer é que a OpenAI comprovou uma melhora específica de X% no posicionamento de objetos.

Como seria um benchmark realmente útil

Para responder de forma séria se um modelo posiciona objetos melhor que outro, o teste precisa ir além de escolher a imagem “mais bonita”. Um benchmark verificável deveria incluir, no mínimo:

1. O mesmo conjunto de prompts para os dois modelos — com nome do modelo, versão ou snapshot, parâmetros usados e data do teste.
2. Tarefas focadas em relações espaciais — esquerda/direita, acima/abaixo, frente/fundo, oclusão, objeto na mão, item centralizado, item perto da borda e relações entre vários objetos.
3. Rubrica clara de pass/fail — separando identidade do objeto, quantidade de objetos, posição relativa, escala, preservação de texto e preservação de elementos de marca.
4. Avaliação cega ou por múltiplos revisores — para reduzir viés e evitar que só os melhores exemplos sejam selecionados.
5. Separação entre geração e edição — porque a própria documentação da OpenAI trata Generations e Edits como fluxos distintos.

Sem esse tipo de desenho experimental, exemplos isolados, capturas de tela em redes sociais ou uma pontuação geral não bastam para medir precisão de posicionamento.

O que equipes devem fazer agora

Para times de produto, design, marketing e e-commerce, o caminho mais seguro é tratar o GPT Image 1.5 como baseline documentado, já que há página oficial da OpenAI descrevendo sua melhor aderência a instruções e prompts.

A partir daí, vale montar uma bateria própria de testes com os cenários que realmente quebram o fluxo de trabalho: vários objetos em uma mesma cena, relações de esquerda e direita, elementos sobrepostos, textos em locais específicos, preservação de logotipos e organização de componentes em interfaces.

Na análise, avalie primeiro se a imagem cumpriu a instrução. Só depois avalie estética. Uma imagem visualmente impressionante, mas com o produto no lado errado ou com o botão deslocado, pode falhar para uso comercial. Também é recomendável registrar separadamente resultados de text-to-image e de edição de imagem, já que Generations e Edits são fluxos diferentes na documentação da OpenAI.

Ao comunicar resultados para clientes ou stakeholders, evite prometer porcentagens de melhora que ainda não têm suporte público. A frase mais honesta é: “precisamos validar no nosso conjunto de prompts e nos nossos casos de uso”.

Veredito

O máximo que as fontes verificáveis sustentam é o seguinte: o GPT Image 1.5 tem página oficial na API da OpenAI e é descrito como um modelo com melhor aderência a prompts; o GPT Image 1 é descrito como o modelo anterior de geração de imagens.

Já a pergunta principal — quanto o GPT Image 2 melhora a precisão em composição complexa e posicionamento de objetos frente ao GPT Image 1.5 — ainda não tem resposta pública confiável. As fontes de terceiros divergem sobre o status e os números do GPT Image 2, e placares gerais como 1.512 vs 1.241 não podem ser tratados como benchmark específico de spatial accuracy ou object-placement accuracy.