ChatGPT Images 2.5: mais rápido, mas os dados de segurança não são significativos
Poucos dias depois do anúncio do GPT-6 Astra, em 8 de setembro de 2026 a OpenAI apresentou o ChatGPT Images 2.5, o novo modelo de geração de imagens disponível no ChatGPT, no ChatGPT Work e no Codex. A oferta para quem desenvolve se desdobra na API entre o GPT-Image-2.5 Flare, definido como padrão e voltado à velocidade (com o snapshot documentado gpt-image-2.5-flare-2026-09-08), e o GPT-Image-2.5 Sunburst, orientado ao controle de precisão e à edição. A atualização traz recursos como a ferramenta Sketch, que permite desenhar diretamente no ChatGPT para guiar a geração, modelos para cartazes e merchandising, além de comentários pontuais sobre partes da imagem para edições dirigidas. Diante de um volume declarado de mais de 3 bilhões de imagens criadas por semana entre plataforma e API, a empresa indica uma redução de latência de até 50% em relação ao Images 2.0 no melhor cenário: um dado citado no anúncio oficial que vem diretamente dela, não de benchmarks independentes de terceiros.
Nos custos de API, a tabela fixa 5 dólares por milhão de tokens para a entrada de texto (1,25 em caso de cache), 8 dólares para a entrada de imagens (2 em cache) e 30 dólares por milhão de tokens na saída, com valores idênticos para Flare e Sunburst. Como a contagem de tokens difere do modelo anterior e falta uma calculadora por imagem, o valor efetivo de cada geração não pode ser determinado de antemão. No campo da segurança, a avaliação adversarial automatizada relatada na system card aponta uma parcela de conteúdos não seguros mostrados ao usuário de 1,09% para o Sunburst e de 1,41% para o Flare, contra 1,64% do Images 2.0. Ainda assim, o próprio documento da OpenAI admite de forma explícita que nenhuma dessas diferenças alcança o limiar de significância estatística de p abaixo de 0,05, e lembra que os testes se baseiam em um conjunto fixo e que as etiquetas automáticas podem conter erros.
O relatório do Deployment Safety Hub reconhece também que o realismo ampliado do modelo pode favorecer deepfakes mais convincentes sobre pessoas, lugares ou eventos reais. Para conter essas violações das diretrizes, a OpenAI aplica filtros no nível do prompt e da imagem, somados a metadados C2PA e à marca-d'água invisível SynthID, do Google DeepMind. Quanto ao Preparedness Framework, nem Flare nem Sunburst ultrapassam os limiares de risco Bio High ou Cyber High, embora a empresa mantenha por precaução as mitigações previstas para capacidades biológicas elevadas.
Três casas decimais de diferença em um teste interno não tornam um modelo mais seguro, e a OpenAI é a primeira a dizer isso. A novidade principal continua sendo a redução do tempo de espera declarada pela empresa, até 50% no melhor cenário, e fica em aberto a pergunta sobre a resistência dos filtros diante de imagens cada vez mais indistinguíveis da realidade.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Li a system card oficial em deploymentsafety.openai.com (domínio da OpenAI): dela vêm as porcentagens de segurança, a nota sobre significância estatística e as frases sobre realismo e deepfakes. A documentação de API em developers.openai.com confirma os preços por milhão de tokens, os endpoints e o snapshot datado de 08/09/2026. Como confirmações independentes abri o 9to5Mac (8 de setembro de 2026) e o Unite.AI: data, nomes dos dois modelos de API, funções para o usuário e a citação sobre latência. A página de anúncio em openai.com respondeu HTTP 403 ao nosso acesso automático: nenhum fato do artigo se apoia nela. Descartei o dado sobre saída em 4K, encontrado apenas em circuitos pagos de comunicados de imprensa.
- Incertezze
- A própria OpenAI declara que a queda de conteúdos não seguros mostrados (de 1,64% para 1,09%/1,41%) não é estatisticamente significativa: dá para dizer que o novo modelo não sai pior no teste usado, não que seja mais seguro. Todos os números de segurança vêm de um teste adversarial interno com conjunto fixo e rotulagem automática que a empresa admite falível, sem verificações independentes. Os menos 50% de latência são declaração do fornecedor, não medição de terceiros; as comparações de velocidade citadas no anúncio vêm de parceiros comerciais. Sem calculadora por imagem e com contagem de tokens diferente da do GPT Image 2, o custo real por geração continua indeterminável de antemão. As afirmações sobre saída em 4K que circulam em sites pagos de comunicados não têm confirmação oficial. Não é verificável o quanto C2PA e SynthID resistem a recompressão, capturas de tela ou remoção de metadados.
- Perché pubblicarla
- É o lançamento de um modelo de ponta com documentação técnica e de segurança completa e verificável, portanto contável sem depender de rumores. Sobretudo, é um caso exemplar de leitura crítica dos números: a empresa publica uma melhora nas métricas de segurança e, no mesmo documento, declara que essa melhora não é estatisticamente significativa, ao mesmo tempo em que admite que o maior realismo torna os deepfakes mais convincentes. O leitor precisa de alguém que separe o que foi medido do que foi apenas declarado, ainda mais diante das obrigações de transparência do AI Act sobre conteúdos sintéticos. Além disso, o tema da geração de imagens ainda não está coberto pelo arquivo.