Os modelos de imagem transformam um prompt de texto — e, opcionalmente, uma imagem de referência ou uma máscara — num raster final. A categoria abrange tudo, desde fotografias de produto fotorrealistas a ilustrações em estilo vetorial e inpainting/outpainting controláveis. Recorre-se a um modelo de imagem quando se precisa de visuais on-brand em escala, quando a fila de um designer é o estrangulamento ou quando se quer lançar uma funcionalidade generativa dentro do próprio produto.
Ao contrário dos modelos de texto, a geração de imagem é faturada por chamada e não por token. No Railwail, uma imagem custa hoje desde menos de meio cêntimo (FLUX Schnell, 0,0036 USD) até cerca de onze cêntimos (Ideogram v3 Quality, 0,108 USD); o FLUX 1.1 Pro e o Imagen 4 custam 0,048 USD por imagem. Resoluções mais altas e mais passos de difusão custam proporcionalmente mais. Alguns fornecedores expõem um endpoint de edit separado com tarifa diferente; verifique o cartão do modelo antes de integrar.
O compromisso central é fotorrealismo versus controlo. Os flagships de difusão (FLUX 1.1 Pro, Imagen 4, Recraft V3) produzem output de qualidade de revista mas ignoram instruções composicionais detalhadas cerca de metade das vezes. Os modelos mais pequenos (SDXL, Playground V3, Stable Diffusion 3.5) custam dez vezes menos, renderizam em menos de dois segundos e permitem guiar o resultado com ControlNet, IP-Adapter ou LoRA. Para produção em batch, o pipeline mais pequeno e direcionável ganha quase sempre; para hero shots pontuais, recorra ao flagship.
Atenção à diluição de contexto nos prompts de imagem: a maior parte dos modelos de difusão limita o comprimento útil do prompt a cerca de 75 tokens, pelo que enfiar doze adjetivos e três referências de estilo normalmente faz a média de tudo em vez de empilhar. Escreva primeiro o sujeito, a ação e a iluminação; tudo o que vier depois da terceira cláusula tem influência decrescente no resultado.
As licenças importam: a maior parte dos fornecedores concede licença comercial perpétua sobre as imagens geradas, mas alguns (tier gratuito do FLUX Schnell, alguns checkpoints open) restringem ao uso não comercial. O cartão do modelo explica-o — leia antes de pôr o output num outdoor.
As top picks abaixo cobrem o flagship de fotorrealismo, o cavalo de batalha mais barato, o modelo com o prompt mais longo e a opção mais rápida em tempo real da categoria.