OpenAI: GPT-5 Image

O GPT-5 Image é um modelo da OpenAI que combina o modelo de linguagem GPT-5 com capacidades de geração de imagens. Ele situa-se na categoria de imagem e também lida com texto, por isso é um modelo multimodal e não um gerador de imagens puro. A OpenAI lançou-o em 14 de outubro de 2025. Se já utiliza o GPT-5 para trabalho com texto, este modelo estende a mesma família à geração e edição de imagens.

O modelo aceita texto, imagens e ficheiros como entrada, e pode produzir tanto texto como imagens como saída. A sua janela de contexto é de 400.000 tokens, com uma saída máxima de 128.000 tokens. Do lado das imagens, expõe um conjunto de controlos de geração: proporção (1:1, 3:2, 2:3 ou auto), qualidade (auto, low, medium ou high), fundo (auto, transparent ou opaque), uma contagem n entre 1 e 10, até 16 referências de entrada, e compressão de saída de 0 a 100. A presença de referências de entrada significa que pode fornecer imagens para o modelo trabalhar a partir delas, o que é o que torna possível a edição e a geração guiada por referência, a par da geração a partir de um prompt de texto.

Essas capacidades apontam para um conjunto bastante amplo de utilizações práticas. Pode gerar imagens diretamente a partir de prompts de texto e controlar a forma, a qualidade e o fundo do resultado, incluindo fundos transparentes para recursos que precisam de ser compostos mais tarde. Como o modelo aceita entradas de imagem e ficheiro, também o pode usar para tarefas de edição ou transformação de imagens em que a imagem de origem é passada como referência, e para fluxos de trabalho que misturam raciocínio textual com saída de imagem, como produzir uma explicação escrita a par de uma imagem gerada ou editada. Os parâmetros de raciocínio e de saída estruturada sugerem que também pode ser usado em pipelines onde a parte textual precisa de ser analisada programaticamente.

Chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "openai/gpt-5-image". Os parâmetros de pedido suportados são include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, structured_outputs, temperature, top_logprobs, top_p e verbosity. Os controlos específicos de imagem (proporção, qualidade, fundo, n, referências de entrada e compressão de saída) também são passados como parte do pedido. Como a interface é compatível com OpenAI, os clientes e ferramentas existentes do SDK da OpenAI geralmente funcionam apenas com a alteração do URL base e do id de modelo.

Não há aqui informação sobre limites de taxa, latência ou disponibilidade, por isso trate esses aspetos como desconhecidos a testar com a sua própria carga de trabalho. Se a sua tarefa for puramente textual e nunca tocar em imagens, um modelo apenas de texto da família GPT-5 pode ser uma opção mais simples. Se precisar de saída de imagem com forte seguimento de instruções e imagens de referência, este modelo é o primeiro a avaliar.