Limites do GPT Image 2: o que ele não faz (e como contornar)

Por que vale a pena ler uma lista honesta de limitações

A maioria dos artigos sobre «GPT Image 2» se lê como folheto publicitário. Este não. Se você já digitou um prompt, recebeu algo quase certo e se perguntou se estava segurando a ferramenta errada, a resposta geralmente é não — você esbarrou numa restrição real do modelo, da API ou do pipeline de produto em torno dele.

A boa notícia é que a maioria dessas limitações tem uma mitigação prática, e a maioria é simples uma vez que você sabe que o limite existe. O GPT Image 2 continua forte em aderência ao prompt, texto dentro da imagem e detalhe fotorrealista. Saber onde estão as bordas só permite que você pare de lutar contra elas e contorne-as.

Tudo abaixo se baseia em como o modelo e o pipeline do gpt-img2.com realmente se comportam hoje. Quando a restrição é um limite rígido do produto (resolução, transparência, política de conteúdo), dizemos isso de forma clara em vez de fingir que um truque de prompt vai superá-la.

Limitação 1 — Sem fundo transparente

No gpt-img2.com você não recebe um PNG transparente de volta. Se pedir um fundo transparente ou com canal alfa, o pipeline o rebaixa silenciosamente para um fundo normal — você não verá um erro, só receberá uma imagem opaca. Isso pega quem quer logos limpos, adesivos, recortes de produto ou assets de UI para colocar sobre outra camada.

Por quê: a geração devolve uma imagem rasterizada finalizada e achatada, não um arquivo em camadas com canal alfa — então neste pipeline não há um modo de fundo transparente que recorte o sujeito por você. Trate a transparência como uma etapa de pós-processamento, não como algo que o gerador te entrega.

Solução: gere sobre um fundo plano de uma só cor que contraste fortemente com seu sujeito e depois remova o fundo como uma etapa de pós-processamento separada. Uma cor croma pura (verde vivo ou magenta) é recortada de forma limpa em quase qualquer removedor de fundo. Só reserve tempo extra para as bordas complicadas — cabelo fino, vidro, desfoque de movimento e sombras suaves são onde a remoção automática sofre, então projete buscando uma silhueta dura e limpa.

A single product, a white ceramic coffee mug, centered on a flat solid bright-green (#00FF00) background, even studio lighting, no shadows on the background, sharp edges, no props. Product-shot style.

O fundo plano e a instrução «no shadows on the background» são as partes importantes — elas dão à sua ferramenta de recorte uma borda limpa e inequívoca por onde cortar. Para logos e ícones, gere grande sobre um fundo sólido e recorte do mesmo jeito; não espere que o próprio modelo te entregue um arquivo transparente.

Limitação 2 — O 4K é restrito a proporções largas e altas

No gpt-img2.com você pode gerar em 1K, 2K ou 4K. Mas o 4K não está disponível para qualquer formato. Ele é suportado apenas em seis proporções: 16:9, 9:16, 2:1, 1:2, 21:9 e 9:21 — todas largas ou altas, panorâmicas. Um quadrado (1:1), 4:3, 3:2, 4:5 ou qualquer outra proporção padrão para no tier de 2K.

Por quê: no pipeline do gpt-img2.com, o preset de 4K só é habilitado para essas seis proporções largas e altas. Proporções quadradas e quase quadradas param no tier de 2K em vez de deixar você pagar a tarifa de 4K por um tamanho que o preset não produz.

Isso significa que aqui não há quadrado em 4K. Se você precisa de um 1:1 muito grande — digamos uma impressão de 4000×4000 ou um ícone de app de alto DPI — o gerador sozinho não vai entregá-lo de uma vez só.

Solução: escolha suas batalhas pela proporção de saída. Se você realmente precisa de detalhe 4K, componha sua imagem para uma das seis proporções largas/altas suportadas (16:9 e 9:16 cobrem a maioria das necessidades de tela, pôster e redes sociais). Se precisa mesmo de um quadrado grande, gere em 2K e amplie o resultado com um upscaler de imagem dedicado — subir de 2048 para 4096 num render limpo do GPT Image 2 pode funcionar bem conforme o detalhe de origem e o tamanho final de impressão. Planeje a proporção antes de escrever o prompt, não depois.

Limitação 3 — O texto na imagem é forte, mas não perfeito ao pixel

O GPT Image 2 renderiza texto legível muito melhor do que os modelos de difusão antigos — rótulos curtos, manchetes, placas e mockups de UI costumam sair limpos e corretamente escritos. Mas não é um motor de composição tipográfica. Palavras longas, parágrafos densos, nomes de marca incomuns e corpo de texto pequeno ainda podem produzir letras perdidas, caracteres duplicados ou erros sutis de grafia.

Por quê: o modelo pinta o texto como formas que parecem letras, guiado pelo seu prompt, em vez de diagramar uma fonte. Quanto mais longa e incomum a sequência, mais chances há de um glifo vacilar — e uma única letra errada arruína a palavra inteira.

Solução: mantenha curto o texto que o modelo precisa renderizar e acrescente o texto longo ou crítico como uma etapa separada.

• Cite o texto exato no seu prompt: escreva as palavras "GRAND OPENING" exatamente, não apenas "a sign that says grand opening" — citar reduz a improvisação
• Prefira algumas palavras curtas a frases; peça uma manchete, não um parágrafo
• Para qualquer coisa de peso legal ou comercial (preços, nomes de marca, dados de contato), gere a arte sem esse texto e sobreponha o texto real depois em qualquer ferramenta de design — isso garante zero erros de digitação
• Se uma única palavra voltar com grafia errada, reenvie a imagem como referência e peça uma edição que corrija só aquela palavra, em vez de refazer a cena inteira

Trate o GPT Image 2 como um ilustrador brilhante que escreve com pouca confiabilidade: deixe-o fazer a imagem e mantenha sob seu próprio controle as palavras realmente importantes.

Limitação 4 — A consistência de personagem é ajudada, não garantida

Cada geração é uma amostra independente. A menos que você passe imagens anteriores de volta como referências, o modelo não tem memória da última imagem que fez, então o «mesmo» personagem varia entre execuções até você fixar ativamente a identidade. Imagens de referência fazem uma diferença enorme, e você pode passar mais de uma (a API suporta várias; o número que a interface web expõe pode ser menor) — mas mesmo com uma referência, uma correspondência perfeita, idêntica quadro a quadro, não é garantida. Rostos e detalhes finos podem mudar ligeiramente entre gerações.

Por quê: uma imagem de referência enviesa fortemente a saída para uma semelhança, mas o modelo ainda ressintetiza a imagem inteira do zero a cada vez. Ele preserva a essência de uma identidade, não uma cópia exata ao pixel de um rosto.

Solução: empilhe as técnicas que reduzem a ambiguidade.

• Passe sempre a mesma imagem de referência e formule o prompt como uma transformação: "using the provided image, keep the face, hair, and outfit identical; change only the background"
• Adicione uma âncora de identidade escrita — um bloco fixo de traços hiperespecíficos (cabelo exato, um traço distintivo, uma roupa característica) — e cole-a literalmente em cada prompt
• Itere sobre os quase acertos em vez de refazer: quando uma imagem está 90% certa, reenvie-a e edite uma variável de cada vez, para que cada rodada preserve o que já funcionava

Temos um passo a passo completo desses métodos no nosso guia de consistência de personagem; a versão curta é que a consistência é projetada removendo ambiguidade, não pedida com uma única palavra-chave.

Limitação 5 — A política de conteúdo recusará alguns prompts

Alguns prompts não geram. Pedidos de conteúdo explícito ou NSFW, e certos prompts envolvendo figuras públicas reais ou personagens reconhecíveis protegidos por direitos autorais e marcas, podem ser recusados pelo sistema de segurança — quando isso acontece, o trabalho falha com um erro de política de conteúdo em vez de devolver uma imagem. Este é um limite rígido, não um problema de engenharia de prompt: não há formulação legítima que o contorne, e tentar isso vai contra as regras.

Por quê: as gerações rodam por trás de uma camada de moderação de conteúdo. Nem todo prompt de figura pública ou personagem é bloqueado, mas quando um prompt de fato aciona a política, ele falha em vez de devolver uma imagem, e essa decisão está fora do seu controle.

Alternativa em conformidade: projete em torno da política em vez de lutar contra ela.

• Precisa do clima de uma figura pública? Descreva uma pessoa original com os atributos que você realmente quer (idade, estilo, humor, cenário) em vez de nomear uma celebridade real
• Quer um mascote ou um personagem protagonista? Crie um personagem original — é um ponto de partida de menor risco, já que personagens protegidos por direitos autorais e marcas carregam exposição legal independentemente de quem os gerou
• Levou uma recusa em algo que parece inofensivo? Muitas vezes o gatilho é uma única palavra ambígua; reformule a cena em termos neutros e concretos e geralmente passa

Se você planeja usar as imagens comercialmente, esta limitação é discretamente um recurso: os prompts que a política bloqueia se sobrepõem bastante aos que criariam exposição de marca, imagem ou direitos autorais mais adiante. (Para o panorama completo sobre direitos de uso, veja nosso guia de uso comercial.)

Limitação 6 — Gerações de alta qualidade levam tempo

O GPT Image 2 não é o modelo mais rápido num confronto direto contra geradores leves de propósito único. Uma imagem simples de um único sujeito volta um pouco mais lenta do que num modelo de velocidade enxuto, e as combinações mais pesadas de qualidade e resolução (pense em 4K) podem levar 130 segundos ou mais para terminar — prompts complexos realmente levam alguns minutos.

Por quê: o modelo faz mais trabalho por imagem — aderência ao prompt mais forte, texto melhor, maior fidelidade — e esse processamento aparece como latência, sobretudo nos tiers de resolução mais altos.

Solução: combine o tier com a tarefa e processe em lote.

• Rascunhe e explore em 1K. É rápido e barato, então itere ali a composição e a redação do prompt até a imagem ficar certa
• Só renderize em 2K ou 4K a composição final e aprovada — não pague o custo de tempo (ou de créditos) da alta resolução em rascunhos que você vai descartar
• Gere até quatro variações numa única solicitação (o máximo por solicitação) em vez de disparar quatro trabalhos separados; você obtém várias opções de um só trabalho
• Se você precisa de velocidade acima de tudo para uma miniatura descartável, um modelo mais leve é de fato a melhor ferramenta — o GPT Image 2 merece sua latência nas imagens que precisam sair certas

Limitação 7 — Prompts muito longos e de múltiplas cláusulas são parcialmente ignorados

A aderência ao prompt é uma das verdadeiras forças do GPT Image 2 — ele segue instruções melhor do que a maioria dos modelos. Mas há um teto. Quando você empilha uma dúzia de exigências num prompt enorme (cada objeto, cor, posição, condição de luz e nota de estilo espremidos juntos), o modelo às vezes descarta ou borra silenciosamente um dos requisitos. Quanto mais subcláusulas você empilha, mais provável que uma se perca.

Por quê: uma única geração precisa satisfazer todas as suas restrições de uma vez, e quando elas competem pelos mesmos pixels, o modelo prioriza os elementos dominantes e suaviza o resto. Instruções contraditórias («minimalista» e «altamente detalhado e ornamentado») pioram isso.

Solução: estruture o prompt e reduza a competição.

• Comece pelo que mais importa — sujeito e composição — e depois acrescente modificadores em prioridade decrescente, para que, se algo cair, seja o detalhe menos importante
• Remova contradições; escolha uma única direção de estilo em vez de ficar em cima do muro entre duas
• Para uma cena com vários requisitos precisos, gere primeiro a imagem base e depois use edições iterativas para adicionar ou corrigir elementos individuais um de cada vez, em vez de exigir tudo numa única passada
• Se um detalhe específico continua sendo ignorado, dê a ele uma frase curta própria em vez de enterrá-lo no meio de uma cláusula num prompt longo e enrolado

O resumo honesto

Nenhum desses limites faz do GPT Image 2 uma ferramenta fraca. Eles são as bordas previsíveis de um modelo que, no geral, é excelente em aderência ao prompt, texto na imagem e detalhe fotorrealista. A armadilha é esperar que ele seja também um exportador de arquivos em camadas, um motor de composição tipográfica, uma máquina de 4K-qualquer-coisa e um clonador determinístico de personagens — ele não é nada disso, e nenhum prompt vai transformá-lo nisso.

Em vez disso, trabalhe com as fronteiras: renderize em fundos planos e recorte a transparência, componha para as seis proporções largas e altas quando precisar de 4K, mantenha curto o texto crítico e sobreponha o resto, fixe identidades com referências e âncoras, projete em torno da política de conteúdo, rascunhe em 1K e finalize em alta resolução, e priorize seus prompts para que nada importante dispute a atenção.

A forma mais rápida de aprender onde estão as bordas é rodar você mesmo alguns prompts. Você pode experimentar o GPT Image 2 de graça em gpt-img2.com — comece em 1K para explorar e terá uma noção exata de quais desses limites importam para o seu trabalho e quais você nunca sequer notará.