WaveSpeedAI
← Blog

Preços do GPT Image 2 em 2026: O Que as Equipes Pagam

Entenda os preços do GPT Image 2 em 2026, incluindo custos por imagem, preços baseados em tokens, custos de edição e o que as equipes devem orçar para uso em produção.

9 min read
Preços do GPT Image 2 em 2026: O Que as Equipes Pagam

Reconstruí minha planilha de precificação três vezes na semana passada. Cada vez, o valor por imagem saiu diferente, e cada vez eu estava usando o mesmo modelo — gpt-image-2. O problema não era o cálculo. O problema era que eu continuava tratando o GPT Image 2 como se ele tivesse uma etiqueta de preço, quando o que ele realmente tem é um sistema de cobrança. Há uma diferença significativa entre essas duas coisas, e é nessa diferença que a maioria dos orçamentos de equipe começa a vazar silenciosamente.

Meu nome é Dora. Passo mais tempo do que gostaria lendo páginas de preços. A maior parte do que escrevo surge da tentativa de responder a uma única pergunta para uma equipe de produto ou um parceiro financeiro: quanto isso vai nos custar no nosso volume? Este artigo é a versão dessa resposta que eu gostaria de ter tido há duas semanas, quando um designer da minha equipe me perguntou se poderíamos nos dar ao luxo de gerar 200 variantes de anúncios por semana e eu disse “provavelmente” — o que acabou sendo uma margem de erro de 40% para mais ou para menos, dependendo do dia.

Se você está tentando colocar um número ao lado de “geração de imagens” em uma linha de orçamento de 2026, veja como o modelo realmente cobra, onde os custos se escondem e o que as equipes em produção costumam pagar.

Como Funciona a Precificação do GPT Image 2

Preço por imagem vs. precificação por token de imagem

O GPT Image 2 é vendido de duas formas, e confundi-las é a maneira mais rápida de destruir sua previsão.

A primeira forma é a voltada para o consumidor: ChatGPT Plus a $20/mês, Pro a $200/mês, ou o nível gratuito com limites de uso. É fixo. Você não pensa nisso por imagem. Você atinge um limite de uso ou não.

A segunda forma é a API, e a API é baseada em tokens, não por imagem. De acordo com a página de preços da API da OpenAI, o gpt-image-2 cobra $8,00 por milhão de tokens de entrada de imagem, $2,00 por milhão de tokens de entrada de imagem em cache, $30,00 por milhão de tokens de saída de imagem, mais $5,00 por milhão de tokens de entrada de texto. Os números “por imagem” que você vê citados em artigos — $0,006, $0,053, $0,211 — são estimativas derivadas da calculadora, não preços de tabela.

Essa distinção importa porque o consumo de tokens não é constante. Ele varia com o tamanho, a qualidade, as edições e a clareza do seu prompt. Uma equipe que acha que está pagando $0,05 por imagem frequentemente descobre, três semanas depois, que seu custo médio real é de $0,11.

O que muda com as configurações de tamanho e qualidade

A qualidade é o maior fator. Segundo a calculadora referenciada no guia de geração de imagens da OpenAI, uma saída de 1024×1024 custa aproximadamente $0,006 em qualidade baixa, $0,053 em média e $0,211 em alta. Isso é uma variação de 35x para o mesmo tamanho de tela. Mude para 1024×1536 (retrato) e os mesmos níveis de qualidade ficam em torno de $0,005, $0,041 e $0,165 — um pouco mais barato, o que é contraintuitivo até você aceitar.

O tamanho também não move a conta de forma previsível. 4K via hosts de terceiros como fal.ai chega a cerca de $0,41 por imagem em alta qualidade. Esses são números reais, mas não são números “oficiais da OpenAI” — superfície diferente, contrato diferente.

Os Verdadeiros Fatores de Custo que as Equipes Ignoram

Entradas de edição, novas tentativas e tamanhos grandes de saída

Aqui está a parte sobre a qual a página de preços não grita, e que me custou dois dias de confusão.

Quando você envia uma solicitação de edição — ou seja, quando está passando uma imagem de referência — o gpt-image-2 processa essa entrada com alta fidelidade. Você não pode desativar isso. O guia oficial de geração de imagens é explícito: o parâmetro input_fidelity está bloqueado, e toda imagem de referência é cobrada à taxa de entrada de alta fidelidade, independentemente do que você defina para a qualidade da saída.

Tradução prática: se seu fluxo de trabalho é “gerar, depois editar quatro vezes até ficar certo,” seu custo real por ativo finalizado fica mais próximo de 2 a 3 vezes o valor por imagem citado. Uma equipe fazendo mockups de produtos, trabalho de consistência de personagens ou variantes de anúncios — qualquer pessoa que itera em referências carregadas — está neste grupo, perceba ou não.

As novas tentativas se acumulam da mesma forma. Uma imagem de qualidade média a $0,053 é barata. O mesmo prompt executado cinco vezes porque os primeiros quatro saíram errados custa $0,265, e você ficou apenas com um. A taxa de falha é um item de linha real que ninguém coloca em sua comparação de preços.

Geração de rascunho vs. geração de ativo final

A medida de controle de custos mais eficiente que encontrei é separar a exploração da entrega. Use baixa qualidade para ideação — a $0,006 por imagem, você pode executar 30 variações de prompt por menos de vinte centavos. Depois, re-renderize apenas os vencedores em alta qualidade. De acordo com a cobertura do lançamento pelo The Decoder, o salto de qualidade do modelo em relação ao GPT Image 1.5 é real, mas irregular entre tamanhos, o que torna “rascunho barato, finalização cara” genuinamente viável em vez de apenas um argumento de marketing.

O outro fator: A Batch API reduz as taxas de tokens de entrada e saída em 50% se você tolerar até 24 horas de latência. Para execuções de conteúdo semanais, é dinheiro de graça. Para fluxos de produtos em tempo real, não é uma opção.

Orçando o GPT Image 2 para Fluxos de Trabalho em Equipe

Não confio em projeções de custo mensal que vêm apenas de uma calculadora. O cálculo que eu realmente faço é assim:

  • Custo base por imagem na qualidade e tamanho que você vai usar em produção
  • Multiplicar pela sua taxa de novas tentativas (a minha fica em torno de 1,4x para qualidade média, 1,8x para alta)
  • Adicionar sobrecarga de edição se imagens de referência fazem parte do fluxo — orçar mais 30–60% por cima
  • Subtrair economia do Batch para qualquer carga de trabalho que não precise de resposta síncrona

Uma pequena equipe de marketing executando 200 imagens sociais de qualidade média por mês, com edição leve, fica em torno de $15–$25/mês em custo bruto de API. O mesmo volume em alta qualidade com iteração intensa fica em $80–$140/mês. Nenhum número é o número da calculadora, e nenhum aparece na página de preços. São os valores que vejo quando exporto o faturamento.

O ponto não são os valores específicos — seu fluxo de trabalho vai movê-los. O ponto é que o “custo por imagem” como publicado é uma linha de partida, não uma linha de chegada.

Quando o Preço Direto É Simples o Suficiente e Quando Não É

Para uso ocasional, o ChatGPT Plus a $20/mês é provavelmente a resposta certa e você pode parar de ler. O cálculo não favorece a API até você passar de aproximadamente 400 imagens de qualidade média por mês, ou estar criando geração de imagens em um produto onde o acesso por assinatura não se aplica.

Onde o preço direto deixa de ser simples: qualquer fluxo de trabalho com entradas de imagem de referência, qualquer fluxo de produto com volume de usuário imprevisível, qualquer coisa envolvendo o modo Thinking (que adiciona sobrecarga variável de tokens de raciocínio que não é publicada como um valor limpo por imagem), e qualquer coisa que você planeja hospedar por meio de um terceiro como o endpoint gpt-image-2 do fal.ai, onde a precificação é de propriedade do provedor e estruturalmente diferente do faturamento da OpenAI.

Para qualquer pessoa nesses grupos, a medida honesta de orçamento é um piloto de uma semana com registro de custos em cada chamada. A calculadora é boa para verificações de sanidade. Não é adequada para comprometer um trimestre de gastos.

Perguntas Frequentes

Quanto custa o GPT Image 2 por imagem?

Não existe um número único. Via API, uma imagem de 1024×1024 em baixa qualidade custa cerca de $0,006, média cerca de $0,053 e alta cerca de $0,211 — essas são estimativas da calculadora da OpenAI, não preços de tabela. O custo real depende do tamanho, das edições e das novas tentativas.

As edições são mais caras do que as gerações novas?

Sim, frequentemente de forma substancial. O gpt-image-2 sempre processa imagens de referência com alta fidelidade, o que adiciona tokens de entrada de imagem a cada solicitação de edição. Fluxos de trabalho com muitas edições podem custar 2 a 3 vezes o valor base por imagem.

Quais configurações aumentam o custo mais rapidamente?

Em ordem: nível de qualidade (variação de 35x entre baixo e alto), tamanho de saída no limite superior (4K via terceiros chega a ~$0,41/imagem) e entradas de imagem de referência em edições. As configurações output_format e compressão não movem a conta.

Como as equipes devem estimar os gastos mensais?

Execute um piloto de uma semana na qualidade e tamanho que você realmente vai usar. Registre cada chamada. Multiplique o custo semanal por 4,3 e adicione uma margem para novas tentativas. A página do modelo gpt-image-2 aponta para a calculadora oficial, que é adequada para planejamento, mas subestima a sobrecarga de edição.

Posso reduzir custos sem alterar a qualidade?

Sim — a Batch API reduz as taxas de tokens pela metade se você tolerar 24 horas de latência, e as entradas de texto em cache caem de $5,00 para $1,25 por milhão de tokens quando os prompts são reutilizados. Ambos se acumulam.

Conclusão

O GPT Image 2 não é caro. Ele é simplesmente cobrado de uma forma que penaliza qualquer pessoa que o trate como um produto de preço fixo. Os números por imagem nas manchetes são reais, mas descrevem uma solicitação específica — síncrona, sem edições, sem novas tentativas, tamanho médio. A conta que você realmente paga é moldada pelo fluxo de trabalho que você realmente executa.

O único hábito que vale a pena cultivar: registre uma semana real de chamadas antes de se comprometer com um orçamento. A calculadora vai colocá-lo no bairro certo. Seu extrato de faturamento vai lhe dizer o endereço exato.

Posts anteriores:

Compartilhar