GPT Image 2 vs Seedream 5 Pro para gerar imagens fiéis ao prompt
Os resultados variam conforme a tarefa, com o GPT Image 2 se destacando em um número maior destes cenários. Escolha o GPT Image 2 para preservação da imagem original, edições baseadas em referências, alteração de iluminação, renderização de materiais, anatomia e mudanças de cenário para produtos; escolha o Seedream 5 Pro para tipografia multilíngue, layouts publicitários e expansão de imagens para outras proporções. Contagem e elementos gráficos estruturados de interface terminaram empatados.

Dados lado a lado
| Recurso | GPT Image 2 | Seedream 5 Pro |
|---|---|---|
| Desenvolvedor | OpenAI | ByteDance |
| Disponibilidade no Banana Pie | Disponível agora | Disponível agora |
| Créditos a partir de | 20 créditos | 25 créditos |
| Resolução máxima | 4K | 2K |
| Imagens de referência | Até 8 | Até 8 |
Cenário por cenário
O mesmo prompt. Dois modelos. Compare as diferenças nas imagens publicadas abaixo.
Material e iluminação do produto
Melhor neste caso: GPT Image 2A imagem da ESQUERDA atende melhor aos requisitos de material, refração e iluminação, além de cumprir as restrições de objetos. A da DIREITA se aproxima mais do nível de preenchimento pela metade, mas a da ESQUERDA corresponde melhor ao prompt no conjunto.
- Há exatamente um frasco de perfume retangular transparente visível, sem texto, logotipo ou objetos extras: empate. Ambas as imagens mostram um único frasco de perfume retangular transparente sobre pedra preta molhada, sem texto, logotipo, plantas ou objetos extras separados visíveis.
- O frasco está visivelmente preenchido até a metade com líquido âmbar: a direita se sai melhor. O líquido âmbar no frasco da direita fica próximo da metade do corpo do frasco, enquanto o da esquerda parece estar preenchido um pouco acima da metade na câmara frontal visível.
- A refração do vidro e o reflexo na pedra preta molhada são fisicamente coerentes: a esquerda se sai melhor. A imagem da esquerda tem bordas de vidro mais bem definidas, refração mais consistente através das paredes retangulares e um reflexo alinhado ao frasco e ao líquido âmbar; a imagem da direita apresenta uma linha curva de tubo interno/refração menos convincente através do líquido.
- A iluminação vinda do canto superior esquerdo produz brilhos consistentes e uma sombra de contato plausível: a esquerda se sai melhor. A imagem da esquerda apresenta claramente uma iluminação forte vinda do canto superior esquerdo, coerente com os brilhos intensos e a sombra projetada para a direita; a imagem da direita tem brilhos plausíveis, mas a direção da luz é menos claramente superior esquerda e a sombra de contato é menos definida.
Prompt e configurações usados
Prompt
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
Tipografia multilíngue
Melhor neste caso: Seedream 5 ProA imagem da direita segue o prompt com mais fidelidade porque preserva a estrutura exigida de quatro linhas e o texto exato, enquanto a da esquerda divide incorretamente a primeira linha em duas linhas separadas.
- O pôster contém exatamente quatro linhas de texto centralizadas e nenhum texto adicional: a direita se sai melhor. A direita mostra exatamente quatro linhas centralizadas: "MOONLIGHT MARKET", "月光市集", "18 OCT" e "RIVER HALL". A esquerda mostra cinco linhas centralizadas porque "MOONLIGHT MARKET" foi dividido em "MOONLIGHT" e "MARKET".
- As quatro linhas contêm exatamente "MOONLIGHT MARKET", "月光市集", "18 OCT" e "RIVER HALL", nessa ordem: a direita se sai melhor. A direita reproduz as quatro linhas exatamente como "MOONLIGHT MARKET", "月光市集", "18 OCT" e "RIVER HALL". A esquerda reproduz o texto como "MOONLIGHT", "MARKET", "月光市集", "18 OCT" e "RIVER HALL", portanto a primeira linha não corresponde ao texto exato e o formato de quantidade/ordem das linhas está incorreto.
- "月光市集" está em vermelho e as outras três linhas estão em preto: empate. Ambas as imagens reproduzem "月光市集" em vermelho, e as linhas em inglês e com a data estão em preto.
- Todo o texto está legível, com espaçamento uniforme e alinhamento visual: a direita se sai melhor. O texto da direita está legível, centralizado e com espaçamento uniforme em um layout compacto de pôster. O da esquerda está legível e centralizado, mas o título dividido cria um espaçamento visual menos uniforme e quebra o alinhamento pretendido de quatro linhas.
Prompt e configurações usados
Prompt
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
Anatomia humana e contato
Melhor neste caso: GPT Image 2A imagem da esquerda atende melhor aos requisitos de quantidade de mãos e de cinco dedos, embora a da direita tenha uma anatomia dos dedos de aparência um pouco mais natural.
- Há exatamente duas mãos totalmente visíveis, sem mãos ou pessoas extras: a esquerda se sai melhor. A esquerda mostra exatamente duas mãos e uma pessoa, com ambas as mãos mais inteiramente visíveis sobre a tigela. A direita também mostra exatamente duas mãos e nenhuma pessoa extra, mas a mão dentro da tigela tem o polegar oculto, ficando menos inteiramente visível.
- Cada mão tem exatamente cinco dedos distintos e de formação natural: a esquerda se sai melhor. A esquerda parece mostrar cinco dedos em cada mão, embora alguns estejam cobertos de argila e parcialmente próximos uns dos outros. A mão dentro da tigela na imagem da direita mostra claramente apenas quatro dedos, sem um polegar distinto visível; a mão externa parece ter cinco dedos.
- Os dedos, as articulações e o contato com a argila são anatomicamente plausíveis: a direita se sai melhor. Os dedos e as articulações visíveis na direita têm proporções mais naturais, e a forma de segurar a tigela é plausível. Na esquerda, os dedos cobertos de argila dificultam a leitura da anatomia, e algumas pontas dos dedos da mão do lado esquerdo parecem ligeiramente amontoadas ou fundidas perto do contato com a argila.
- A tigela de argila, o torno em rotação e a ação de modelar são claramente reconhecíveis: empate. Ambas as imagens mostram claramente uma tigela de argila em um torno em rotação, com mãos modelando ou firmando a argila; a esquerda enfatiza o desfoque do torno em movimento e o contato com o interior, enquanto a direita mostra claramente o formato da tigela e o torno.
Prompt e configurações usados
Prompt
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
Contagem e associação de atributos
Depende da tarefaAmbas as imagens atendem às quantidades, posições, cores, formas e materiais solicitados, à alça da caneca voltada para a direita e à ausência de texto ou objetos extras. As diferenças são pequenas e não apontam um vencedor claro segundo os critérios de avaliação.
- Exatamente três cubos vermelhos aparecem à esquerda, duas esferas azuis à direita e uma caneca amarela centralizada atrás deles: empate; ambas as imagens mostram três cubos vermelhos à esquerda, duas esferas azuis à direita e uma única caneca amarela atrás dos objetos, perto do centro.
- As cores, formas e materiais especificados estão corretamente associados a cada objeto: empate; ambas mostram formas cúbicas vermelhas, esferas azuis com aparência de vidro e uma caneca amarela com aparência de cerâmica brilhante. A textura de madeira dos cubos é um pouco mais nítida na direita, mas ambas atendem à associação solicitada.
- A alça da caneca aponta claramente para a direita: empate; em ambas as imagens, a alça está visível no lado direito da caneca.
- Não há objetos ou textos adicionais visíveis: empate; nenhuma das imagens mostra objetos extras ou qualquer texto renderizado.
Prompt e configurações usados
Prompt
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
Composição publicitária
Melhor neste caso: Seedream 5 ProA imagem da direita segue melhor as restrições de texto e layout no conjunto, embora a da esquerda posicione o tênis mais claramente no canto inferior direito.
- Exatamente um tênis prateado aparece no canto inferior direito e um rastro laranja começa no canto inferior esquerdo: a esquerda se sai melhor. A esquerda tem um tênis prateado claramente posicionado no canto inferior direito, e o rastro laranja começa visivelmente no canto inferior esquerdo; a direita tem um tênis prateado e um rastro laranja no canto inferior esquerdo, mas o tênis fica mais no meio à direita/metade inferior do que propriamente no canto inferior direito.
- Os únicos textos visíveis são "RUN LIGHT" e "42 KM", ambos escritos corretamente: a direita se sai melhor. A direita mostra apenas "RUN LIGHT" e "42 KM". A esquerda mostra "RUN LIGHT" e "42 KM" corretamente, mas também tem o texto extra "AERO" visível no tênis.
- Os 15 por cento superiores permanecem visivelmente livres de elementos, com o título posicionado logo abaixo: a direita se sai melhor. A direita mantém a área superior vazia e posiciona "RUN LIGHT" logo abaixo dela, na parte superior esquerda. A esquerda também tem uma área superior livre, mas o título está muito mais abaixo, e não logo abaixo da faixa superior vazia.
- Todos os elementos exigidos estão totalmente visíveis e formam uma hierarquia visual clara: a direita se sai melhor. A direita mantém o tênis, o rastro laranja, o título e o selo totalmente visíveis em um layout publicitário limpo; a esquerda tem uma hierarquia forte, mas o texto extra "AERO" no tênis contraria a limitação de texto solicitada e acrescenta poluição visual.
Prompt e configurações usados
Prompt
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
Design gráfico de interface estruturada
Depende da tarefaAmbas as imagens atendem aos requisitos da peça estruturada de preços, com texto exato, três colunas, três linhas por coluna e um botão azul SELECT por coluna. Nenhuma apresenta uma vantagem clara segundo os critérios de avaliação.
- A peça contém o título exato "CHOOSE YOUR PLAN" e exatamente três colunas identificadas como "STARTER", "PRO" e "TEAM": empate, ambas as imagens mostram o título exatamente como "CHOOSE YOUR PLAN" e os três rótulos das colunas exatamente como "STARTER", "PRO" e "TEAM".
- Cada coluna contém exatamente três linhas alinhadas identificadas como "PROJECTS", "STORAGE" e "SUPPORT": empate, ambas as imagens mostram cada coluna com exatamente os rótulos de linha "PROJECTS", "STORAGE" e "SUPPORT", na mesma ordem e alinhados entre as colunas.
- Cada coluna contém exatamente um botão azul com o texto "SELECT": empate, ambas as imagens mostram um botão azul por coluna, cada um com exatamente o texto "SELECT".
- As colunas estão alinhadas uniformemente, sem colunas ou textos adicionais: empate, ambas as imagens usam três colunas com espaçamento uniforme, sem colunas extras e sem nenhum texto renderizado além de "CHOOSE YOUR PLAN", "STARTER", "PRO", "TEAM", "PROJECTS", "STORAGE", "SUPPORT" e "SELECT".
Prompt e configurações usados
Prompt
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
Associação e edição de objetos com seis referências
Melhor neste caso: GPT Image 2A edição da esquerda é melhor no geral. Ela vence com ampla vantagem nos critérios de posicionamento dos objetos e preservação da cena original, enquanto a principal vantagem da direita é a aparência mais fiel dos dois limões.
- Critério 1: A esquerda se sai melhor. Sua caneca azul-marinho preserva com bastante fidelidade a posição no canto inferior esquerdo, o tamanho e a orientação da alça voltada para a direita da caneca original, enquanto o guardanapo listrado ocupa a área do pano original, com uma dobra e um padrão de listras muito próximos aos da Referência 3. A direita faz as substituições corretas, mas ambos os objetos estão menores e deslocados em relação à cena original.
- Critério 2: A esquerda se sai melhor. Ambas removem a pera e o caderno azul e mostram uma laranja e um caderno de capa dura amarelo-mostarda com elástico preto, mas a esquerda mantém os dois objetos substitutos mais próximos das posições e proporções originais da pera e do caderno.
- Critério 3: A direita se sai melhor. Ambas mostram exatamente dois limões à direita da caneca, sem nenhum a mais, mas a direita reproduz melhor a Referência 6 ao manter a grande folha verde no limão da esquerda; a esquerda omite essa folha.
- Critério 4: A esquerda se sai substancialmente melhor. Ela mantém o enquadramento amplo, os limites originais do tampo da mesa, os nós e veios reconhecíveis da madeira e o espaçamento original entre as posições dos objetos editados. A direita muda o enquadramento e a escala, corta uma parte maior da mesa e desloca a disposição dos objetos para cima e para o centro.
Imagens de referência
Prompt e configurações usados
Prompt
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
Substituição de texto na imagem
Melhor neste caso: GPT Image 2Ambos os resultados reproduzem corretamente o texto solicitado, mas o resultado da esquerda segue muito melhor a exigência de limitar a edição ao texto, preservando a imagem original fora das letras substituídas.
- Substituição exata do texto: Ambos os lados reproduzem "NIGHT OWL" exatamente, com "MORNING BEAN" totalmente removido.
- Sem caracteres adicionais ou malformados: Ambos os lados mostram apenas "NIGHT OWL", com letras nítidas, bem formadas e sem marcas extras.
- Estilo da fonte, espaçamento e perspectiva: A esquerda se aproxima mais da referência, mantendo as letras altas sem serifa, o espaçamento amplo, o posicionamento centralizado e a perspectiva original da placa. A direita usa letras semelhantes, mas altera de forma mais perceptível a escala e o ângulo de visão da placa.
- Material, iluminação e cena ao redor: A esquerda preserva quase exatamente a textura original da placa, as sombras, o enquadramento da fachada e a cena como um todo. A direita altera visivelmente o recorte, o ponto de vista, as proporções da fachada, as posições das luminárias, as janelas, as plantas e os detalhes ao redor.
Imagens de referência
Prompt e configurações usados
Prompt
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
Transferência de identidade e vestuário com múltiplas referências
Melhor neste caso: GPT Image 2O resultado da ESQUERDA é melhor no geral. Ele preserva a pessoa e a composição original com muito mais fidelidade, além de transferir mais detalhes específicos da construção e da superfície da jaqueta.
- Identidade, expressão, cabelo, pose, proporções corporais e enquadramento: A ESQUERDA se sai melhor. O rosto, a expressão, a silhueta do cabelo, a pose das mãos, a escala do corpo e o recorte seguem de perto a Referência 1, enquanto a DIREITA deixa a pessoa menor no enquadramento e altera visivelmente as proporções faciais, a disposição do cabelo e o posicionamento das mãos.
- Material, cor, gola, botões, bolsos e aplique na manga da jaqueta: A ESQUERDA se sai melhor. Ela reproduz com mais fidelidade o jeans azul-claro, a gola espessa de sherpa creme, a construção dos bolsos no peito, os aviamentos em bronze, o padrão das costuras e o aplique vermelho na parte superior da manga da Referência 2. A DIREITA capta o design principal, mas simplifica os detalhes do jeans e altera mais significativamente a abertura frontal e a disposição dos botões.
- Substituição completa sem manequim ou fundo de foto de produto: As duas empatam. Ambas substituem completamente o paletó preto pela jaqueta jeans, mantendo o ambiente interno original com parede e cortina, sem manequim ou fundo branco de foto de produto visível.
- Coerência física das mãos, caimento, oclusão, sombras e iluminação: A ESQUERDA se sai melhor. Ela mantém as mãos originais com mais fidelidade, posiciona os dois punhos da jaqueta naturalmente ao redor dos pulsos e integra a jaqueta com iluminação consistente com a cena e dobras plausíveis. A DIREITA é coerente de modo geral, mas a geometria alterada das mãos e a estrutura mais plana da peça são menos fiéis e naturais.
Imagens de referência
Prompt e configurações usados
Prompt
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
Reiluminação coerente da cena
Melhor neste caso: GPT Image 2A esquerda vence no geral. Ambas criam uma iluminação convincente de hora dourada, com projeções direcionais especialmente nítidas na direita, mas a esquerda consegue uma iluminação marcante e coerente, preservando o ambiente e os objetos originais com muito mais fidelidade.
- A luz quente da hora dourada entra claramente pela janela da esquerda: A esquerda se sai um pouco melhor; o sol baixo visível na janela da esquerda e a iluminação quente e intensa que se espalha pelo ambiente tornam a origem da luz especialmente evidente, embora a direita também mostre uma luz quente convincente entrando por esse lado.
- As áreas iluminadas e as direções das sombras respondem de forma coerente à nova fonte de luz: A direita se sai um pouco melhor; as projeções da moldura da janela, a sombra da planta, as áreas iluminadas do sofá e as sombras longas seguem de forma consistente a direção oposta à janela da esquerda. A esquerda também é coerente, mas parte da iluminação na parede é mais suave e menos definida geometricamente.
- O resultado vai além de um filtro amarelo uniforme: Ambas atendem bem a esse critério; cada uma adiciona áreas iluminadas localizadas com o formato da janela, sombras direcionais dos objetos, superfícies expostas bem iluminadas e áreas ocultas mais escuras, em vez de apenas tingir a cena.
- Nenhum móvel ou item de decoração é movido, adicionado, removido ou redesenhado: A esquerda se sai substancialmente melhor e preserva com bastante fidelidade a composição da referência e o design dos objetos. A direita muda o enquadramento e altera visivelmente o sofá, as proporções e a posição da mesa de centro, a posição da luminária, a escala da planta, a posição do tapete e as proporções da janela.
Imagens de referência
Prompt e configurações usados
Prompt
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
Expansão de imagem para diferentes proporções
Melhor neste caso: Seedream 5 ProA direita vence porque preserva com mais fidelidade a cabana original, a linha da costa e a composição interna como um todo. A esquerda tem expansões um pouco mais suaves, mas altera a cena original de forma mais perceptível.
- Critério 1: A esquerda se sai um pouco melhor. Ambos os resultados estão em formato horizontal e expandem o céu, o oceano e a praia dos dois lados, mas as áreas adicionadas na esquerda têm texturas e detalhes naturais com maior continuidade.
- Critério 2: As duas empatam. Ambas mantêm a cabana centralizada e preservam aproximadamente o enquadramento vertical original, sem esticamento ou cortes visíveis.
- Critério 3: A direita se sai melhor. O formato da cabana, a cor discreta, as proporções do telhado, as ferragens da porta, o horizonte reto e as faixas da linha da costa correspondem melhor à referência; a esquerda altera perceptivelmente as proporções da cabana e intensifica as cores da cena e a estrutura das nuvens.
- Critério 4: A esquerda se sai um pouco melhor. Suas transições na praia e no céu se integram de forma mais uniforme, enquanto a direita apresenta sutis transições verticais de textura e tonalidade na areia perto das laterais da área original centralizada. Nenhum dos resultados apresenta preenchimento espelhado evidente ou objetos repetidos.
Imagens de referência
Prompt e configurações usados
Prompt
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
Preservação do produto na mudança de cenário
Melhor neste caso: GPT Image 2A esquerda preserva o tênis da referência com mais fidelidade e o integra a uma cena de quadra de basquete molhada mais clara e fisicamente convincente.
- Inserção na quadra ao anoitecer: A esquerda se sai melhor. O aro, a tabela, o alambrado, as marcações da quadra, os refletores, o piso molhado e o céu do pôr do sol visíveis estabelecem a cena solicitada de forma mais convincente; a direita mostra uma quadra molhada cercada por alambrado ao anoitecer, mas nenhum aro está visível.
- Fidelidade do tênis: A esquerda se sai melhor. A silhueta, as proporções da ponta e do calcanhar, o solado em camadas, a disposição dos cadarços, as costuras dos painéis, a textura do couro branco e o ângulo de três quartos da câmera ficam mais próximos da referência. A direita altera as proporções do tênis e simplifica alguns detalhes do cabedal e dos cadarços.
- Símbolo geométrico lateral: A esquerda se sai melhor. Seu símbolo preto mantém o braço esquerdo longo, a ramificação superior inclinada, a junção central e o braço direito descendente da referência, com proporções muito próximas. O símbolo da direita é reconhecível, mas parece mais curto, mais grosso e mais comprimido.
- Coerência física: A esquerda se sai melhor. O tênis tem uma sombra de contato que o ancora ao chão, um reflexo expressivo na superfície molhada e uma iluminação suave, consistente com o ambiente mais escuro do anoitecer. A direita também inclui sombra e reflexo, mas o tênis está excessivamente claro em relação à cena, e a sombra de contato é mais pesada e tem aparência mais recortada.
Imagens de referência
Prompt e configurações usados
Prompt
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
Custo e tempo de geração
GPT Image 2 custa a partir de 20 créditos, enquanto Seedream 5 Pro custa a partir de 25 créditos, tornando GPT Image 2 a opção que consome menos créditos nestas gerações de imagem. Nesta rodada com prompts fixos, as amostras de latência observadas para GPT Image 2 variaram de 81370ms a 189546ms, enquanto as de Seedream 5 Pro variaram de 38569ms a 141015ms; considere esses valores como amostras desta rodada, não como resultados de benchmark.
Como comparamos e transparência
Em cada cenário, o mesmo prompt fixo foi executado em cada modelo, e os resultados selecionados foram publicados. As imagens públicas têm uma marca-d'água do Banana Pie. Banana Pie vende acesso tanto ao GPT Image 2 quanto ao Seedream 5 Pro, portanto esta página apresenta uma rodada reproduzível de comparação lado a lado, e não um benchmark independente ou uma classificação absoluta.
O Banana Pie oferece acesso pago a este modelo e a outros em um só Estúdio. Nossos vereditos vêm de testes executados pelo mesmo fluxo disponibilizado aos usuários.







































































