GPT-5 Image estreia a US$ 10 por milhão — e é mais caro que o o3

A conta começa em US$ 10 por milhão — dos dois lados

A OpenAI colocou hoje no catálogo o GPT-5 Image, a primeira variante do GPT-5 com geração de imagem nativa. O detalhe que salta antes de qualquer benchmark é o preço: US$ 10 por milhão de tokens tanto de entrada quanto de saída. Para um modelo premium da casa, o número em si não é absurdo. O que incomoda é a comparação que o catálogo permite fazer no mesmo dia.

Pega o o3 — o modelo mais inteligente do ranking atual, com índice 31,1 — e coloca do lado: o3 sai a US$ 8 por milhão de tokens. O GPT-5 Image custa 25% mais na saída que o melhor da própria OpenAI. O gpt-oss-120b, segundo da fila, sai a US$ 0,17. A diferença para o topo do ranking de custo-benefício open-weight é de quase duas ordens de grandeza.

O que o modelo traz de novo

GPT-5 Image junta o raciocínio do GPT-5 com a capacidade de geração de imagem do GPT Image 1. A descrição oficial fala em "state-of-the-art image generation" e em instruction following superior — em outras palavras, entende melhor o que você pediu e desenha mais perto do que você queria.

A janela de contexto é de 400 mil tokens, com fluxo multimodal: entram texto, imagem e arquivo; saem texto e imagem. Para fluxo só texto, é canhão contra pombo. Para fluxo que precisa de imagem com raciocínio — mockup, ilustração técnica, diagrama a partir de especificação — é uma das poucas opções que faz tudo em uma chamada só, sem encadear modelo.

Ainda sem nota de inteligência

Um detalhe que a OpenAI não publicou e o catálogo também não: o índice de inteligência. O campo existe, está vazio. Isso não quer dizer que o modelo é ruim — quer dizer que ninguém do Artificial Analysis rodou a bateria ainda. Comparar com o3 (31,1) ou com o Qwen3 Next Thinking (16,9) por capacidade bruta de raciocínio, hoje, é chute. Quem for usar em produção esta semana está comprando no escuro no quesito benchmark.

Onde isso encaixa no tabuleiro

O catálogo fechou hoje com 256 modelos de 40 criadores e 29 lançamentos nos últimos 30 dias. O topo do ranking de inteligência continua sendo da OpenAI — o3, gpt-oss-120b — seguido por Qwen e Meta. Nenhum dos três primeiros aparece com geração de imagem multimodal na mesma chamada. O GPT-5 Image, portanto, não disputa a primeira fila do ranking de raciocínio. Disputa outro filão: o de quem precisa de uma única chamada que pense e devolva imagem.

Para esse perfil, a pergunta de hoje não é "ele é mais esperto que o o3?" — é "vale pagar US$ 10 por milhão para não ter que encadear dois modelos?".

Para quem vale — e para quem não muda nada

Vale para você se precisa gerar imagem com instrução complexa, quer evitar o custo e a latência de encadear um modelo de raciocínio com um de imagem separado, e o orçamento por chamada não é problema. Não muda nada se seu fluxo é só texto, se você já usa o gpt-oss-120b e quer pagar uma fração por token de saída, ou se a geração de imagem não é o gargalo do seu pipeline.

A implicação prática: antes de migrar qualquer pipeline de texto, espere o índice de inteligência sair. Antes de adicionar geração de imagem, faça a conta — US$ 10 por milhão de token de saída pesa em iteração longa. O alívio está no cache, a US$ 1,25 por milhão, se o seu prompt repete boa parte do contexto entre chamadas.