OpenAI Images 2.6: agora mais rápido, com suporte a GIFs

Até a semana passada, para conseguir uma imagem em movimento no ChatGPT você precisava pedir um sprite sheet, baixar e juntar os quadros em outra ferramenta. Fiz isso mais vezes do que gostaria de admitir. 

No dia 4 de novembro, a OpenAI lançou o Images 2.6, e agora é só digitar "make a gif of a cat dancing" e você recebe um GIF em loop de volta.

GIFs são o grande destaque, mas não resumem o release. A OpenAI diz que as imagens agora geram 50% mais rápido, as edições mantêm personagens e produtos com mais fidelidade e a API foi dividida em dois modelos com funções diferentes. 

Neste artigo, eu explico o que é o Images 2.6, o que mudou e como criar um GIF tanto no ChatGPT quanto via API. 

O que há de novo no OpenAI Images 2.6?

OpenAI Images 2.6 é a atualização de imagens da OpenAI de 4 de novembro de 2026 para o ChatGPT, Codex e a API. As principais mudanças incluem:

• GIFs animados: Transforme um prompt, foto ou esboço em um GIF curto em loop, depois ajuste a velocidade ou edite quadros individuais.

• Geração mais rápida: a OpenAI afirma que as imagens geram 50% mais rápido do que no Images 2.5.

• Edições mais estáveis: personagens, produtos e detalhes de marca sofrem menos alterações ao longo de várias rodadas de edição.

• Dois modelos na API: use gpt-image-2.6-flare para velocidade e gpt-image-2.6-sunburst para mais detalhes.

• Outras adições: exporte imagens em SVG, faça edições guiadas por marcação na API, referencie imagens salvas e use o parâmetro complexity.

Está disponível em todos os planos do ChatGPT, inclusive no Free, embora a criação de GIFs esteja sendo liberada gradualmente para as contas.

O que é o OpenAI Images 2.6?

OpenAI Images 2.6 é o release de geração e edição de imagens que a OpenAI lançou em 4 de novembro de 2026. Ele está disponível como a ferramenta de imagem dentro do ChatGPT e do Codex e como dois modelos separados na OpenAI API.

No ChatGPT, você não escolhe o modelo nem alterna entre Flare e Sunburst; você só digita o pedido e recebe um GIF. Já na API, você pode escolher entre dois modelos pelo nome e controlar configurações como qualidade e complexidade por conta própria.

Ambos os modelos da API custam o mesmo por token, e essas taxas são iguais às dos modelos do Images 2.5. Então a escolha entre Flare e Sunburst é sobre velocidade versus detalhes, não preço. O custo por imagem ainda varia porque ajustes de qualidade mais altos usam mais tokens de saída.

Imagine que uma marca de café quer um GIF curto em loop do seu mascote, uma xícara de café em desenho, acenando "oi".

• No ChatGPT (uma marketeira): ela digita “Make a looping GIF of our coffee-cup mascot waving hello.” O ChatGPT escolhe o modelo e cria o GIF. Se ficar lento, ela escreve “make it faster” no chat. Ela não mexe em nenhuma configuração e não paga nada além do plano do ChatGPT.

• Com a API (um desenvolvedor): ele está adicionando um botão “Make a GIF” no app da marca, então escreve o código. Seleciona gpt-image-2.6-flare por ser o modelo mais rápido, define output_format: "gif" e escolhe a contagem de quadros e a qualidade. Cada GIF é cobrado por tokens, então quanto maior a qualidade, maior o custo por imagem.

O que há de novo no OpenAI Images 2.6?

O Images 2.6 adiciona GIFs animados, geração mais rápida, edições mais estáveis em várias rodadas e layouts melhores para visuais profissionais. 

O OpenAI Images 2.6 é realmente mais rápido?

A OpenAI diz que o Images 2.6 gera imagens 50% mais rápido que o Images 2.5, e que o gpt-image-2.6-flare pode devolver uma imagem de baixa qualidade em até seis segundos. É uma afirmação ousada, e o anúncio não explica como foi medida. Então eu testei por conta própria.

Passei o mesmo prompt para o Flare e o Sunburst, “A ceramic coffee mug on a wooden desk, morning light, product photo,” em 1024x1024 com complexidade baixa. O Flare rodou em baixa e média qualidade, já que baixa é a configuração por trás do número de seis segundos da OpenAI, e o Sunburst rodou em média. 

Cada configuração rodou cinco vezes, e eu considerei a mediana, porque uma resposta lenta pode distorcer a média. Depois repeti tudo, já que a velocidade de rede varia e eu não queria que uma tarde de sorte (ou azar) decidisse o resultado.

Se quiser conferir meus números com os seus, aqui está o script que rodei no Google Colab:

import statistics
import time

from openai import OpenAI

# Reads OPENAI_API_KEY from your environment
client = OpenAI()
prompt = "A ceramic coffee mug on a wooden desk, morning light, product photo."

# Each setup: (model, quality)
setups = [
    ("gpt-image-2.6-flare", "low"),
    ("gpt-image-2.6-flare", "medium"),
    ("gpt-image-2.6-sunburst", "medium"),
]

for model, quality in setups:
    times = []
    for _ in range(5):
        start = time.perf_counter()
        client.images.generate(
            model=model,
            prompt=prompt,
            size="1024x1024",
            quality=quality,
            extra_body={"complexity": "low"},  # skip extra planning for a simple scene
        )
        times.append(time.perf_counter() - start)
    # The median ignores one unusually slow or fast request
    print(model, quality, round(statistics.median(times), 1), "s")
Tecnologia

Aqui está o que eu obtive:

O Flare nunca ficou abaixo dos seis segundos da OpenAI; minha melhor mediana foi 6,9. Não chega a ser uma promessa quebrada, já que “em até” descreve o melhor caso, não o típico. Na segunda bateria, baixa e média qualidade inverteram, e o Flare em média terminou mais rápido que em baixa. 

Nesse tamanho, a configuração de qualidade mal muda a velocidade do Flare, e o ruído de rede é maior que a diferença.

O Sunburst é o mais lento, e isso se manteve nos dois testes: 14,5 e 15,8 segundos, cerca do dobro do Flare.

Lembra do ajuste de complexidade lá em cima? 

Ele controla quanto o modelo planeja antes de renderizar e, por padrão, vem alto. O número de seis segundos quase certamente assume que ele está em low, por isso testei assim. Se você deixar sem definir, vai pagar por tempo de planejamento numa foto de caneca que não precisa disso.

Mais rápido não significa mais barato. Uma imagem 1024x1024 de baixa qualidade usa 823 tokens de saída no 2.6 versus 196 no 2.5. O preço por token não mudou, então a US$ 30 por 1M de tokens de saída, isso dá cerca de US$ 0,025 por imagem em vez de US$ 0,006. Pequeno por imagem, nada pequeno em 10.000 delas.

Quão mais consistente ficou a edição de imagens?

Segundo a OpenAI, o Images 2.6 mantém mais partes da imagem inalteradas quando você edita só um trecho, especialmente em várias rodadas. O Sunburst é o modelo recomendado para isso porque, em qualidade média ou alta, ele segura melhor os detalhes de uma edição para a outra.

Aqui está o que “consistência” cobrem na prática:

Para testar, eu gerei um frasco de perfume com o gpt-image-2.6-sunburst em qualidade média e troquei apenas o fundo três vezes: uma praia, um céu noturno e uma prateleira de cozinha. 

Cada edição partia do resultado anterior, não do original, então qualquer desvio iria acumulando. Todo prompt de edição terminava do mesmo jeito: “Keep the bottle, label, cap, and lighting on the bottle exactly the same.”

Aqui está o original ao lado da terceira edição:

O original: um frasco verde com tampa dourada sobre um balcão de mármore. Imagem do autor.

Depois de três rodadas, o frasco passou quase intocado. O rótulo ainda lê “MOSS No. 3” na mesma serif e com a mesma borda dourada, e a tampa, o formato quadrado e até o tubo fino dentro do vidro batem com o original.

O que mudou foi tudo ao redor:

• O fundo “pegou carona”: pedi um céu noturno na rodada 2 e recebi a praia da rodada 1 à noite, com palmeira e tudo. Como cada edição se baseia na imagem anterior, o Sunburst tratou a praia como algo a manter, e só a cozinha na rodada 3 finalmente tirou isso. O balcão de mármore sobreviveu às três edições também, o que eu nem tinha pedido. Ok: é onde o frasco está apoiado.
• A iluminação ficou exatamente como eu pedi — e esse foi o problema: o Sunburst levou ao pé da letra, então o frasco está iluminado como uma tarde ensolarada sob a lua cheia, com a mesma sombra forte em toda cena, parecendo recortado e colado.

Ainda assim, para fotos de produto, essa é a consistência que muita gente pedia. Só não diga para manter a iluminação quando a luz da cena deveria mudar.

Visuais profissionais como cartazes ficaram melhores?

Para trabalhos de layout como cartazes e imagens de produto, a OpenAI indica o Flare, não o Sunburst. O Flare deveria posicionar texto, imagens e espaçamentos com mais intenção, enquanto o Sunburst foca em detalhe fino e consistência. 

Isso me surpreendeu um pouco. Você esperaria que o modelo mais rápido fosse o menos cuidadoso, então testei os dois em um cartaz para ver.

Passei o mesmo prompt para ambos em qualidade média e tamanho retrato 1024x1536: “A poster for a Saturday farmers market. Title: ‘Riverside Market’. Subtitle: ‘Every Saturday, 8 AM to 1 PM’. Illustrated vegetables at the bottom, clean sans-serif type.”

Veja os resultados abaixo: Flare à esquerda, Sunburst à direita:

Comparativo de cartazes do Flare e Sunburst. Imagem do autor.

Cada palavra saiu certa nos dois, o que eu não esperava de nenhum. Eles também leram “Riverside” literalmente e pintaram um rio com uma ponte atrás dos legumes, mesmo sem eu ter pedido.

A diferença está no quanto cada um adiciona: 

• O Flare manteve simples: título enorme, subtítulo em um selo verde e os legumes. Dá para ler do outro lado da rua. 

O Sunburst construiu uma cena inteira, com bainhas de feira, girassóis, uma árvore e uma faixa amarela, parecendo mais uma ilustração finalizada.

O Sunburst levou três vezes mais tempo. Para um cartaz, em que as pessoas precisam ler o título e seguir, eu ficaria com a versão do Flare.

O que dá para fazer com a geração de GIFs animados?

O Images 2.6 transforma um prompt de texto, uma foto enviada ou um rascunho em um GIF curto em loop. No ChatGPT, você pode depois mudar a velocidade de reprodução e editar quadros individuais sem sair do chat. Antes deste release, o ChatGPT não conseguia fazer um GIF em uma etapa.

Para que é bom:

• Personagens animados: um mascote ou doodle que acena, pisca ou salta.
• Reaction GIFs e conteúdo social: loops curtos para posts e respostas.
• Animações de produto: uma foto estática vira um loop que chama atenção no feed.
• Storyboards: testar como um personagem se move antes de investir em produção de vídeo. A OpenAI deixa claro que isso não é um gerador de vídeo; um GIF são poucos quadros repetidos, não um clipe.

Você não precisa de um design final. Faça um rabisco do personagem, envie e peça para ele acenar. Eu vou mostrar o fluxo completo na próxima seção.

O que mais mudou?

Algumas atualizações menores, divididas entre a API e o ChatGPT:

• Exportação SVG (só API): defina output_format: "svg" para receber arquivos vetoriais para sites, apps ou impressão.
• O parâmetro complexity (API): como mencionei no teste de velocidade, aceita "low", "medium" ou "high". Use low para edições simples como troca de fundo e deixe high para cenas cheias com muitas restrições. Subir a qualidade não resolve cena lotada; subir a complexidade pode.
• Imagens de referência salvas (ChatGPT): envie uma foto sua, do seu pet ou de um mascote uma vez e o ChatGPT guarda. Em um chat futuro, basta pedir “my cat in a spacesuit” sem reenviar a foto, e o mesmo gato aparece sempre.

• Edições guiadas por marcação (ChatGPT e API): circule a parte que quer mudar e diga o que mudar, como circular um vaso e escrever “make it blue.” O ChatGPT já tinha isso; o Images 2.6 traz para a API.

Como criar GIFs com o OpenAI Images 2.6

Para fazer um GIF, peça um no ChatGPT ou chame o endpoint de imagens com output_format: "gif". O ChatGPT é mais rápido para um único caso, mas a API te dá controle sobre a contagem de quadros e o timing — algo essencial se você for criar mais do que alguns GIFs.

Como fazer um GIF no ChatGPT

Abra um novo chat e descreva o GIF: o assunto, o movimento e que ele deve ficar em loop. Aqui está o que eu pedi: “Make a GIF of a small orange robot waving, then returning to its starting pose. Keep the background plain and the camera still.”

O ChatGPT com o Images 2.6 gera um robô laranja. GIF do autor.

Você também pode começar de algo que já tem. Envie uma foto ou um rascunho e diga o que deve se mover e o que precisa ficar fixo.

Testei isso com um desenho infantil de um pássaro:

Um desenho rústico de um pássaro. Imagem do autor.

Meu prompt: “Turn this child’s drawing into a looping GIF. Keep the hand-drawn style. Make the bird hop once and flap its wing, then return to its starting pose. Keep the background plain white and the camera still.”

O GIF que o ChatGPT fez a partir de um rascunho. GIF do autor.

O ChatGPT devolveu um loop de 9 quadros a 180 ms por quadro, cerca de 1,6 segundo, em um arquivo de 183 KB. Ele manteve o estilo rabiscado, que eu meio que esperava que “corrigisse”. O pássaro agacha, salta com as pernas recolhidas e pousa.

Meu detalhe favorito é algo que eu nem pedi. A asa de um traço vira uma asa de verdade durante o bater, depois volta a ser uma curva quando o pássaro pousa. O ChatGPT ainda adicionou linhas de movimento, do jeitinho que uma criança faria.

Os três últimos quadros são quase idênticos, então o pássaro dá uma leve pausa antes do próximo salto. Essa pausa disfarça bem o ponto de loop, embora, se você observar de perto, ele se desloca um pouco quando recomeça.

Quando o GIF fica pronto, você pode desacelerar, acelerar ou ajustar quadros isolados. Nem precisa dos controles para isso. Pedidos em linguagem natural funcionam, como “Make the transition from the last frame back to the first smoother.”

Como fazer um GIF com a OpenAI API

Envie uma requisição para o endpoint de geração de imagens com output_format definido como "gif". Duas configurações são específicas para GIFs:

Com os padrões, você recebe 9 quadros a 200 ms cada, um loop de 1,8 segundo.

Rodei o código abaixo no Google Colab com a versão 3.46 do pacote openai e funcionou como escrito. A API respeitou todas as configurações exatamente, inclusive o tamanho 512x512.

import base64

from openai import OpenAI

# Reads OPENAI_API_KEY from your environment
client = OpenAI()

result = client.images.generate(
    model="gpt-image-2.6-flare",  # Flare: faster; switch to sunburst for detail
    prompt=(
        "A small orange robot waves, blinks, and returns to its starting pose. "
        "Plain white background, fixed camera, seamless loop."
    ),
    output_format="gif",
    frame_count=9,  # 9 frames x 200 ms = a 1.8-second loop
    frame_duration_ms=200,
    size="512x512",  # smaller frames keep the file size down
    quality="low",
    complexity="low",  # a simple motion doesn't need extra planning
)

# The GIF comes back as base64; decode it and save it to disk
gif_bytes = base64.b64decode(result.data[0].b64_json)
with open("robot.gif", "wb") as f:
    f.write(gif_bytes)
Tecnologia

A API image-2.6-flare gera um robô laranja acenando em loop. GIF do autor.

Compare com o robô do ChatGPT. Ambos mostram um robô laranja acenando, mas este parece mais bruto porque o código define quality="low" para economizar tempo e dinheiro. A superfície parece riscada, peças pequenas como as antenas mudam entre quadros e, em um deles, o aceno vira um joinha. Baixa qualidade serve para um reaction GIF rápido no chat. Para qualquer coisa com sua marca, use "medium" ou "high".

O arquivo saiu com 429 KB, perto do limite de 500 KB que muitos sites definem para GIFs.

Antes de construir em cima disso, saiba de dois limites:

• Sem streaming: imagens parciais e output_compression também não funcionam com saída GIF.

• Orçamento de pixels: contagem de quadros, tamanho do quadro e n precisam caber dentro de um total. Se a requisição falhar, reduza algum deles.

Como conseguir um loop suave?

No prompt, peça um movimento que termine onde começou e diga o que deve ficar imóvel. Se o último quadro não bater com o primeiro, você verá um salto sempre que o GIF recomeçar. Diminuir a velocidade com frame_duration_ms não esconde esse salto. Em vez disso, peça para a ação voltar à pose inicial, como fiz com o robô e o pássaro.

Na prática:

• Escolha uma ação pequena e reversível, como acenar ou piscar.
• Mantenha câmera, fundo e escala fixos.
• Deixe textos fora do quadro.
• Assista a vários loops completos e confira os quadros do meio, não só o primeiro e o último. Foi ali que meu robô via API trocou um aceno por um joinha.

Verifique o tamanho do arquivo antes de colocar um GIF em um site. Meu robô 512x512 com 9 quadros já ficou em 429 KB, então 1024x1024 com 16 quadros não chega nem perto de um limite de 500 KB.

Considerações finais

Se você cria GIFs para redes sociais, mascotes ou storyboards, o Images 2.6 é uma grande mudança, porque você não precisa mais de uma ferramenta separada para animar suas imagens.

Agora, se GIFs não são sua praia e você busca uma ferramenta para imagens estáticas, nosso guia dos melhores geradores de imagens por IA grátis compara boas opções. Para ver como o Google está lidando com os mesmos desafios de edição, leia nosso guia do Nano Banana 2.