A API de Geração de Imagens em 2026
Nesta página
Atualizado em 2 de novembro de 2026 — Modelos de imagem. O modelo
gpt-image-1, para o qual este curso foi originalmente escrito, foi descontinuado em 23 de outubro de 2026. Além disso, os modelosgpt-image-1.5,gpt-image-1-miniechatgpt-image-latestserão retirados de serviço em 1 de dezembro de 2026. Os exemplos agora utilizam ogpt-image-2.5-sunburst, que oferece a maior precisão para edição; ogpt-image-2.5-flareé mais rápido para geração padrão. Ambos os modelos suportam também as definições de qualidadexhighemax. Os modelos GPT Image devolvem sempre imagens em base64: o parâmetroresponse_formatdos modelos DALL·E mais antigos não é suportado e foi removido do código. Fonte: Image generation (OpenAI).
A API de Geração de Imagens em 2026
A geração de imagens por IA evoluiu significativamente. Em 2026, o GPT Image é o modelo de referência da OpenAI para criar e editar imagens através da API; substitui os agora obsoletos modelos DALL·E 2 e DALL·E 3. Se possui código existente para estas gerações anteriores, encare-o como um ponto de partida para uma reescrita e não como uma base a manter: os parâmetros, os formatos de retorno e, especialmente, as estratégias de engenharia de prompts mudaram todos.
Esta lição apresenta o ecossistema atual, as capacidades do GPT Image e a forma como irá interagir com a API ao longo deste curso.
O que o GPT Image Altera
A primeira grande mudança envolve o texto. As gerações anteriores produziam letras aproximadas, decorativas mas ilegíveis; o GPT Image renderiza tipografia fiel, tornando finalmente viáveis cartazes, banners promocionais e maquetes de interfaces onde a mensagem importa tanto quanto a imagem. A segunda mudança diz respeito à compreensão contextual: o modelo interpreta instruções complexas com nuance, pelo que um prompt de várias frases que descreve uma cena, a sua iluminação e enquadramento produz um resultado coerente em vez de uma colagem de palavras-chave.
Segue-se a edição nativa. Já não precisa de começar sistematicamente numa página em branco: o modelo pode modificar uma imagem existente substituindo uma área interior (inpainting) ou estendendo a imagem para além das suas fronteiras (outpainting). Na prática, alterar o céu numa fotografia de paisagem já não exige regenerar tudo e perder o sujeito no processo. Acrescente-se a isto a consistência estilística mantida através de gerações sucessivas — valiosa ao produzir uma série de ilustrações para o mesmo artigo — e múltiplas opções de resolução, desde formatos quadrados a retrato e paisagem.
Os Dois Principais Endpoints
A API expõe dois métodos, que irá explorar em profundidade nas lições subsequentes. O primeiro cria uma imagem a partir de uma descrição textual.
import base64
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="A Breton lighthouse at sunset, watercolor style",
n=1,
size="1024x1024"
)
with open("lighthouse.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
O segundo recebe uma imagem que fornece e regenera apenas a parte designada por uma máscara.
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open("original_photo.png", "rb"),
mask=open("mask.png", "rb"),
prompt="Replace the sky with a starry sky"
)
Instalação e Configuração
Instale primeiro o SDK oficial.
pip install openai
De seguida, coloque a sua chave de API num ficheiro .env, nunca codificada diretamente no seu script: um script partilhado ou enviado para um repositório exporia a sua chave.
OPENAI_API_KEY=sk-your-api-key
O cliente recupera-a então automaticamente no arranque, sem que precise de a passar como argumento.
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI() # automatically uses OPENAI_API_KEY
Modelo e Preços
Os modelos atuais são o gpt-image-2.5-sunburst, o mais preciso para edição, e o gpt-image-2.5-flare, mais rápido para geração padrão; o gpt-image-1, modelo para o qual este curso foi originalmente escrito, foi descontinuado em 23 de outubro de 2026. Eis as características com que irá lidar constantemente.
| Parâmetro | Valor |
|---|---|
| Modelo | gpt-image-2.5-sunburst ou gpt-image-2.5-flare |
| Resoluções | 1024×1024, 1024×1536, 1536×1024 recomendadas; dimensões personalizadas possíveis (múltiplos de 16, até 3840 pixels por lado) |
| Qualidades | low, medium, high, xhigh, max, auto (padrão) |
| Formatos de Saída | Imagem codificada em Base64, PNG (padrão), JPEG ou WebP |
| Preços | Por token, varia consoante a qualidade e o tamanho |
Tenha em mente um ponto que surpreende os veteranos do DALL·E: os modelos GPT Image nunca devolvem um URL, devolvem sempre uma imagem codificada em base64. Descodifique-a e guarde o ficheiro imediatamente após a geração; a sua aplicação armazena e serve este ficheiro, não a resposta da API.
O que Vai Aprender
O curso progride em quatro etapas. Começa com os fundamentos do GPT Image através da API — geração e edição — antes de avançar para casos de uso concretos em comércio eletrónico, marketing e design. Técnicas avançadas ensinar-lhe-ão depois a construir prompts visuais complexos e a integrar a geração em pipelines de múltiplas ferramentas. A parte final cobre a implementação em produção, incluindo otimização de custos e moderação de conteúdos. Cada lição contém código Python funcional que pode executar diretamente.
Antes de avançar, verifique se o seu ambiente está pronto. Execute este script mínimo: se aparecer um ficheiro de imagem, a sua chave é válida, o SDK está corretamente instalado e pode prosseguir para a próxima lição.
import base64
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="A ginger cat sitting on a pile of books, realistic photo",
n=1,
size="1024x1024",
quality="medium"
)
with open("cat.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print("Image generated: cat.png")