Geração de imagem por IA em 2026: mapa atualizado de modelos e pipelines

Edição maio de 2026. Atualizo este mapa a cada três meses, porque o campo se mexe nesse ritmo. O método de prompts está em post separado, porque o método sobrevive a versões.

Como ler este mapa

A pergunta “qual é a melhor IA de imagem” tem uma resposta correta e uma resposta útil. A correta é “depende”. A útil é uma matriz: tipo de tarefa contra modelo. Tem modelo que é referência para retrato editorial e mediano para infográfico. Tem modelo que destrói em tipografia e travanca em cena lifestyle. Em 2026, escolher bem virou metade do trabalho.

Em vez de listar features, organizei por intenção. Você vê primeiro o que quer fazer, depois o que costuma resolver essa tarefa hoje, em maio de 2026.

O que mudou no começo do ano

Três coisas reorganizaram o campo nos últimos meses, e elas afetam a decisão diretamente.

A primeira é que Midjourney V8 Alpha entrou em março de 2026, com resolução 2K nativa e geração cerca de cinco vezes mais rápida que o V7. Isso fechou parte da distância em que o Midjourney perdia (velocidade e resolução), sem perder o que ele já ganhava (estética).

A segunda é que OpenAI aposentou o DALL-E 3 e lançou o GPT Image 2 em abril de 2026 dentro do ChatGPT (também chamado ChatGPT Images 2.0). A novidade real é a etapa de raciocínio introduzida no fluxo de geração, que melhorou substancialmente prompt adherence, cenas multielemento e renderização de texto.

A terceira é a entrada do Imagen 4 do Google em abril de 2026 e o amadurecimento do Nano Banana 2 (Gemini 3 Pro Image), que reorganizou o jogo de fotorrealismo e edição contextual. Hoje, parte significativa dos times profissionais combina Midjourney com Nano Banana, gerando no primeiro e editando no segundo.

A consequência prática: ficou raro um único modelo resolver um briefing inteiro. Pipeline virou padrão.

Mapa por tipo de tarefa

Essa tabela responde 90% das dúvidas práticas. Os próximos blocos detalham cada modelo, sem entrar em spec sheet, focando no que importa para decidir.

Os modelos relevantes hoje

GPT Image 2 (ChatGPT Images 2.0)

Substituiu o DALL-E 3 dentro do ChatGPT em abril de 2026. O ganho real foi a etapa de raciocínio: o modelo “pensa” antes de gerar, o que melhorou prompt adherence em cenas multielemento e estabilizou a renderização de texto. Disponível também via API.

Ponto forte: facilidade. Você descreve em linguagem natural, o ChatGPT refina o prompt nos bastidores, e o GPT Image 2 entrega. Para iteração rápida, edição conversacional, layouts úteis e protótipos de UI, é o mais prático.

Ponto fraco: ainda não é referência estética. Para campanhas em que o visual precisa carregar peso autoral, costuma perder para Midjourney.

Quando vale: prototipagem rápida, conteúdo de blog e redes, mockups, infográficos, qualquer coisa onde clareza ganha de sofisticação visual.

Midjourney V8 Alpha

Lançado em março de 2026 com engine reescrita. Resolução 2K nativa, cinco vezes mais rápido que o V7, e o cref (character reference) ficou substancialmente melhor para consistência de rosto entre gerações.

Ponto forte: ainda é a referência em direção de arte. Cinematografia, composição, mood, iluminação dramática, retrato editorial. O Midjourney entrega imagens que parecem intencionais em vez de acidentais. O modo --hd com qualidade alta produz resultados de campanha em uma única geração.

Ponto fraco: não tem API oficial (acesso por Discord ou web app), tipografia continua fraca, e às vezes é menos literal do que você precisaria para um briefing técnico.

Quando vale: hero shots, conteúdo aspiracional, capas, peças onde estética precisa carregar.

FLUX 2 (Pro, Flex, Dev, Klein)

A família FLUX 2 da Black Forest Labs saiu em novembro de 2025 (Pro, Flex, Dev), com o Klein 4B chegando em janeiro de 2026 sob licença Apache 2.0. Em maio de 2026, é o modelo de referência para developers e times que precisam de qualidade alta com API confiável e custo previsível.

Ponto forte: fotorrealismo, iluminação natural (luz direcional, bounce suave, multi-light), API limpa, latência competitiva e a melhor relação qualidade por custo para produção em volume. O Klein roda local em GPU de consumo, o que abre porta para soluções privadas.

Ponto fraco: estética por default é menos opinativa que Midjourney. Para resultado artístico, exige mais prompt craft.

Quando vale: pipelines automatizados, produção em escala, fotorrealismo de produto, qualquer projeto que precise rodar via código.

Imagen 4 (Google)

Lançado em abril de 2026 via Google Cloud Vertex AI e Google AI Studio. Atacou diretamente as fraquezas do DALL-E 3 em rostos humanos e cenas naturais, e em maio de 2026 está em S-tier em fotorrealismo, especialmente fotografia de produto com fundo transparente.

Ponto forte: rostos humanos, natureza, fotografia documental, e renderização de texto de boa qualidade. Integração com ecossistema Google ajuda em fluxos corporativos.

Ponto fraco: licenciamento e termos exigem leitura cuidadosa para uso em larga escala comercial, e a estética artística ainda fica atrás de Midjourney.

Quando vale: enterprise, marketing institucional, peças onde precisão humana e naturalidade contam mais que estilo autoral.

Nano Banana 2 (Gemini 3 Pro Image)

Codinome do modelo de imagem do Gemini 3 Pro. Disponível via API e dentro do ecossistema Google. Lançado em 2026 com foco em fotorrealismo 4K e renderização confiável de texto. Em maio de 2026, virou referência para edição contextual em pipeline com outros geradores.

Ponto forte: edição. Você manda uma imagem (gerada em outro modelo, fotografada, escaneada) e instrui mudanças cirúrgicas. Trocar fundo, ajustar iluminação, remover objeto, adicionar elemento sazonal, preservar rosto. Essa é a operação onde ele se diferencia.

Ponto fraco: como gerador puro, não tem assinatura estética tão clara. Brilha mais como editor que como criador.

Quando vale: segundo passo de qualquer pipeline. Geração de variantes, ajustes contextuais, refinamento de assets gerados em outros modelos.

Ideogram V3

A referência absoluta para tipografia em imagem. Em maio de 2026, opera com 90 a 95% de accuracy em texto dentro de imagem, contra 30 a 40% do Midjourney. A diferença é o que separa material publicável de material descartável quando texto importa.

Ponto forte: cartazes, logos, capas de social com texto, infográficos, qualquer peça onde a palavra precisa estar legível e formatada. Suporte a Style Reference mantém consistência entre peças de uma campanha.

Ponto fraco: estética geral é boa mas não excepcional. Para imagem sem texto, outros modelos entregam mais.

Quando vale: marketing com texto integrado, peças de design, qualquer coisa onde o problema clássico de “texto bugado” é deal-breaker.

Recraft V4

Subiu para V4 em 2026 com foco em controle profissional de marca e saída vetorial. Posição diferente dos outros: Recraft pensa como software de design, não como gerador de fotografia.

Ponto forte: consistência de marca entre múltiplas gerações, saída em SVG, ícones em sistema coerente, ilustração editorial. Vantagem real para quem produz sistemas visuais, não imagens isoladas.

Ponto fraco: fotorrealismo não é o objetivo. Para cena fotográfica realista, vá para outro modelo.

Quando vale: sistemas de ícones, ilustração de produto, branding escalado, peças de design vetorial.

Adobe Firefly Image 3

A escolha mais conservadora do mapa, e isso é qualidade, não defeito. O Firefly é treinado em dados licenciados (Adobe Stock, conteúdo de domínio público, conteúdo licenciado), o que dá indenização contratual para uso comercial em empresa. Integração nativa com Creative Cloud (Photoshop, Illustrator, Lightroom, Express).

Ponto forte: segurança jurídica para uso corporativo, fluxo de trabalho integrado em times de design, suporte completo a C2PA com Content Credentials embutidos por default.

Ponto fraco: qualidade estética por geração ainda fica atrás de Midjourney e FLUX. O ganho não é “melhor imagem”, é “menos exposição jurídica”.

Quando vale: cliente corporativo, marca regulada, peça publicitária com risco de exposição, projeto onde proveniência precisa estar embutida.

Stable Diffusion 3.5

Em maio de 2026, é a opção open-weights de referência, mas grande parte da comunidade técnica migrou para FLUX. SD 3.5 segue forte para casos específicos: fine-tuning com LoRA, ControlNet para guia estrutural (depth, canny, pose), pipelines locais com privacidade total.

Ponto forte: controle absoluto, customização via LoRAs e checkpoints, zero custo por geração depois do hardware, privacidade total para conteúdo sensível.

Ponto fraco: qualidade base muitas vezes precisa de fine-tuning para competir com Midjourney ou FLUX. Curva de aprendizado é maior, infraestrutura é por sua conta.

Quando vale: pesquisa, projeto local, conteúdo sensível, customização profunda por domínio, produção em volume muito alto onde a economia de não pagar por imagem compensa o esforço de manter infra.

Menções rápidas

Grok Imagine (xAI): lançado com extensão nativa para vídeo, aplica grão de filme e color grading por default. Único modelo da lista que conecta imagem estática a movimento sem trocar de ferramenta. Vale acompanhar.

Z-Image Turbo: o mais rápido do mercado em maio de 2026, otimizado para produção de altíssimo volume. Útil para pipelines onde latência é a métrica que mais importa.

Seedream 3.0: forte em suporte multilíngue (inclusive português), competitivo em retratos estilizados. Vale teste para quem trabalha em outros idiomas e contextos.

Pipelines que viraram padrão em 2026

A virada importante do ano não é “qual modelo ganha”. É “qual sequência de modelos resolve o briefing”. Três pipelines que viraram referência:

Midjourney V8 + Nano Banana 2

O mais comum em times de performance e criativo de marca. Midjourney gera o hero asset com estética forte, Nano Banana edita: troca de fundo, ajustes de iluminação, variantes para A/B test, adaptação para diferentes formatos. Esse fluxo resolve em duas horas o que antes levava um dia.

FLUX 2 Pro + ControlNet local

Para projetos com necessidade de controle estrutural (pose específica, profundidade, bordas precisas) e API confiável. FLUX 2 entrega qualidade e velocidade, ControlNet local entrega a guia estrutural. Comum em e-commerce e produto.

Stable Diffusion 3.5 + LoRA customizado

Para domínios específicos (estilo de marca, personagem proprietário, estética de produto) e contextos sensíveis. Treina-se uma LoRA com 20 a 50 imagens de referência, monta-se pipeline local. Custo inicial alto, custo marginal próximo de zero.

Custo e licenciamento

Os valores mudam, mas a estrutura econômica em maio de 2026 fica mais ou menos assim. Midjourney começa em 10 dólares por mês e sobe com nível de uso. ChatGPT Plus, que dá acesso ao GPT Image 2, custa 20 dólares mensais. FLUX via API custa em torno de 0,01 a 0,06 dólar por imagem, dependendo da variante. Imagen 4 sai por uso via Google Cloud. Firefly Image 3 entra no plano Creative Cloud. Stable Diffusion roda local, custo zero por imagem depois do hardware.

Sobre licenciamento, três níveis valem distinção:

Mais seguro juridicamente: Adobe Firefly (com indenização contratual), e em segundo lugar Imagen 4 via Google Cloud.

Permitido com nuance: Midjourney (planos pagos liberam uso comercial), GPT Image 2 (saída é sua), FLUX 2 (variantes diferentes têm termos diferentes, vale ler).

Verifique caso a caso: Stable Diffusion (modelo é livre, mas dados de treino têm questionamentos abertos, e isso pode importar dependendo do uso).

Para projeto institucional, educacional ou jornalístico, prefira o caminho com licenciamento claro e proveniência embutida (C2PA). Para projeto interno ou exploratório, qualquer ferramenta serve. Para campanha de marca exposta, leia os termos da plataforma com cuidado antes de assinar a peça.

Quando este mapa será atualizado

Próxima edição prevista: agosto de 2026. O motivo é simples. Em quatro a cinco meses, três coisas vão mudar: Midjourney V8 sai do alpha e entra em estável (provavelmente com novas features de personagem e cena), FLUX 2 ganha variantes (FLUX 2 Ultra, FLUX 2 Kontext), e o enforcement do artigo 50 do AI Act europeu começa em agosto de 2026, o que vai alterar requisitos de proveniência para qualquer peça distribuída na União Europeia.

Se você está aqui depois de agosto, vale checar se já apareceu uma edição nova. Se você está aqui antes, este mapa está dentro da validade.

Para o método por trás dos prompts, fui mais fundo em Como gerar imagens com IA: um sistema de prompts agnóstico de ferramenta. O método é independente de qual modelo dessa lista você escolher.

Nota: Este conteúdo foi cocriado com Inteligência Artificial Generativa a partir de aulas, palestras e pesquisas do professor Isaac D’Césares.¹