Ranking da Image Edit Arena 2026 — Atualização de Fevereiro

O Ranking Completo

Trinta e quatro modelos. Sete organizações. Milhões e milhões de comparações da comunidade. Coloquei links para todos os modelos para que você possa testá-los — porque nenhuma análise deve pedir que você aceite apenas a palavra de alguém.

O Que Mudou em Fevereiro

A diferença no topo está diminuindo. Quando escrevi sobre este ranking em Janeiro, o chatgpt-image-latest-high-fidelity (20251216) mantinha uma liderança confortável. Agora o gemini-3-pro-image-preview-2k (nano-banana-pro) está respirando no seu pescoço — 13 pontos de diferença em um campo onde os quatro primeiros estão separados por apenas 23. Isso é essencialmente um empate técnico quando se considera a variação nos padrões de votação da comunidade.

Quatro nomes apareceram neste ranking que não estavam aqui em Janeiro. O hunyuan-image-3.0-instruct da Tencent aterrissou diretamente no 6º lugar — sem aquecimento, sem subida lenta, direto no top dez. O p-image-edit da Pruna apareceu em 22º, um coringa de uma empresa conhecida por otimização de modelos em vez de construção de modelos. O Alibaba adicionou o wan2.6-image em 18º e o wan2.5-i2i-preview em 25º, expandindo silenciosamente sua presença na edição de imagens para quatro modelos no total. A Black Forest Labs agora divide explicitamente sua linha Klein em flux-2-klein-9b (15º) e flux-2-klein-4b (24º), tornando transparente a troca de contagem de parâmetros.

Mas a manchete de Fevereiro não é sobre quem ganhou ou perdeu algumas posições. É sobre um modelo que eu não conseguia parar de usar.

nano-banana-pro: A Escolha dos Profissionais

Quero ser honesto com você de uma forma que os números do ranking não podem ser. A arena diz que o chatgpt-image-latest-high-fidelity (20251216) é o nº 1. Meu histórico de edição diz algo diferente. Nas últimas três semanas, não usei nada além do gemini-3-pro-image-preview-2k (nano-banana-pro) para meu trabalho com clientes — cada substituição de fundo, cada reajuste de cor, cada remoção de objeto, cada correção de iluminação. O que aconteceu foi simples: parei de buscar qualquer outra coisa.

Tenho observado a comunidade de perto. Os servidores do Discord, os tópicos do Reddit, as capturas de tela de fluxo de trabalho real que as pessoas compartilham no X. Quando os profissionais postam suas comparações de antes e depois, o modelo que continua aparecendo não é o ChatGPT. É o nano-banana-pro. Não porque ele ganha algum voto de preferência abstrato, mas porque as pessoas estão entregando trabalho real com ele.

Aqui está a capacidade que me convenceu. Dei a ele uma instrução em quatro partes: "Remova o carro estacionado na entrada, estenda o jardim para preencher o espaço, combine a iluminação da tarde na grama nova e adicione um reflexo de lente sutil da posição do sol." Quatro demandas em camadas em uma passagem. O nano-banana-pro acertou as quatro. O jardim reconstruído tinha a direção correta da sombra. O reflexo da lente estava no ângulo correto em relação à fonte de luz. Tentei esse prompt exato em todos os modelos do top cinco. A maioria lida com duas instruções antes que a coerência comece a quebrar. O ChatGPT lida com três em um dia bom. O nano-banana-pro lidou com quatro sem pestanejar.

A variante 2K — gemini-3-pro-image-preview-2k (nano-banana-pro), atualmente em 2º lugar — lida com edição de alta resolução com uma compostura que não vi em outro lugar. Em 2K, muitos modelos introduzem artefatos de ringing em bordas nítidas ou perdem detalhes finos em padrões repetitivos como tecido, paredes de tijolos ou copas de árvores. O nano-banana-pro os preserva. O irmão de resolução padrão em 3º lugar acumulou mais de meio milhão de avaliações da comunidade — esse tipo de volume diz que as pessoas experimentam uma vez e ficam.

O que chamo de "inteligência de edição contextual" é onde este modelo genuinamente lidera o campo. Ele não apenas executa mudanças no nível do pixel — ele compreende a relação semântica entre os elementos em uma cena. Remova uma pessoa de uma foto em grupo, e ele reconstrói o espaçamento social naturalmente, ajustando a linguagem corporal dos sujeitos adjacentes em vez de apenas pintar um patch plano. Mude uma cena de verão para outono, e ele modifica não apenas a folhagem, mas os ângulos de sombra, a temperatura da luz ambiente e a maneira como as superfícies refletem a luz difusa. Isso não são truques de engenharia de prompt. Este é um modelo que internalizou como o mundo físico se parece.

Eu espero que o nano-banana-pro ultrapasse a posição nº 1 do ChatGPT dentro do próximo ciclo de classificação. A trajetória está lá. O Google está iterando na arquitetura nano-banana mais rápido do que a OpenAI está iterando no modo de alta fidelidade, e as vantagens práticas na edição de várias etapas dão a ele um impulso que os benchmarks de edição única lutam para capturar.

A Precisão Cirúrgica da OpenAI

Quero ser justo com a OpenAI, porque eles merecem crédito pela genuína excelência em engenharia. O chatgpt-image-latest-high-fidelity (20251216) em 1º lugar está lá por um motivo. A designação "high-fidelity" é nova desde minha última análise, e os refinamentos no pipeline de saída são visíveis. Onde o ChatGPT se destaca é em edições isoladas e cirúrgicas. "Mude apenas a cor dos olhos para verde" — ele faz isso com zero vazamento para os tons de pele ao redor. "Substitua o texto na placa sem alterar o desgaste da placa" — ele preserva a textura da superfície enquanto troca o conteúdo. Essa especificidade é genuinamente inigualável.

A OpenAI coloca quatro modelos no top 31: chatgpt-image-latest-high-fidelity em 1º, gpt-image-1.5-high-fidelity em 4º, gpt-image-1 em 29º e gpt-image-1-mini em 31º. A diferença entre o melhor e o nível econômico é significativa — 285 pontos — o que sugere que a OpenAI concentrou seu investimento em edição no topo, em vez de construir uma linha ampla. Se você está usando a OpenAI para edição de imagens, você está pagando pelo carro-chefe ou está se contentando com menos.

As Novas Caras

O hunyuan-image-3.0-instruct da Tencent é a maior surpresa sobre a qual ninguém está falando. 6º lugar na chegada. Isso não é uma subida lenta — isso é um modelo que apareceu pronto. A Tencent domina a IA em língua chinesa há anos, mas esta é a primeira aparição séria do Hunyuan em um benchmark global de edição de imagens. A designação "instruct" importa: este é um modelo arquitetonicamente ajustado para comandos de edição em vez de geração. Em meus testes, ele lida com prompts bilíngues — inglês e chinês — com fluência nativa em ambos, o que abre fluxos de trabalho reais para equipes que operam em vários idiomas.

A Bytedance continua a ter a lista mais ampla. Cinco modelos se estendem do seedream-4.5 (5º) até o seededit-3.0 (30º). O seedream-4.5 continua sendo sua joia da coroa para transformação artística — diga a ele "faça este retrato parecer um Rembrandt" e ele não apenas aquece as cores; ele simula pinceladas, iluminação chiaroscuro e textura de tela. O seedream-4-2k em 8º lida com trabalho de alta resolução, enquanto o seedream-4-fal (20º) e o seedream-4-high-res-fal (13º) cobrem caminhos de inferência mais rápidos. A Bytedance não está construindo um único campeão — eles estão construindo um kit de ferramentas completo.

O Alibaba expandiu silenciosamente para quatro modelos. O qwen-image-edit em 16º acumulou mais de 1,7 milhão de avaliações da comunidade — adoção orgânica massiva. O mais novo qwen-image-edit-2511 em 14º está subindo rápido. E os dois modelos Wan — wan2.6-image (18º) e wan2.5-i2i-preview (25º) — sinalizam que o Alibaba está investindo seriamente na transformação imagem-para-imagem como sua própria categoria de produto.

A Reve detém três posições no top 23. O reve-v1.1 em 10º e o reve-v1 em 12º são editores de médio porte competentes, e o reve-edit-fast (23º) oferece uma alternativa otimizada para velocidade. O p-image-edit da Pruna em 22º vale a pena ser observado — a Pruna é especializada em compressão e otimização de modelos, então esta é provavelmente uma abordagem destilada que soca acima do seu peso de parâmetros. E em 34º, o step1x-edit da StepFun ancora a lista como uma linha de base open-source que mantém o ecossistema honesto.

A Vantagem Open-Source

Para aqueles de nós que constroem produtos sobre esses modelos, há uma dimensão que o ranking não captura: independência. A Black Forest Labs agora detém nove posições — mais do que qualquer outra organização. Do flux-2-max em 9º até o flux-1-kontext-dev em 28º, este é um espectro completo de compensações de qualidade-velocidade que você pode executar em sua própria infraestrutura.

A linha Klein conta uma história de engenharia interessante. flux-2-klein-9b (15º) e flux-2-klein-4b (24º) — os nomes revelam contagens de parâmetros. Nove bilhões e quatro bilhões, respectivamente. A BFL está sistematicamente tornando a edição de imagem capaz acessível a hardwares menores. O flux-2-klein-4b pode rodar em uma GPU de consumidor com 8GB de VRAM. Isso importa enormemente para desenvolvedores que não podem justificar custos de API em escala ou que precisam de capacidade de edição offline. A família Kontext — flux-1-kontext-max (26º), flux-1-kontext-pro (27º), flux-1-kontext-dev (28º) — traz a edição consciente do contexto para ambientes auto-hospedados, com o flux-1-kontext-pro sozinho tendo acumulado mais de 6,4 milhões de avaliações da comunidade.

Para Onde Tudo Isso Vai

Depois de três meses imerso neste espaço, observando as mudanças no ranking e forçando modelos à falha, vejo quatro coisas convergindo.

O nano-banana-pro provavelmente reivindicará o nº 1 até o meio do ano. A velocidade de iteração do Google na arquitetura nano-banana tem sido implacável. A variante 2K já está a uma curta distância, e a vantagem da edição em várias etapas cria um volante: profissionais que o adotam produzem resultados melhores, compartilham esses resultados e atraem mais profissionais. A OpenAI precisará lançar algo fundamentalmente novo — não um refinamento incremental — para manter a primeira posição.

Modelos de edição ajustados por instrução se tornarão o paradigma padrão. A chegada do hunyuan-image-3.0-instruct da Tencent em 6º confirma o que a arquitetura nano-banana já sugeria: o futuro da edição de imagens são modelos construídos especificamente para comandos de edição, não modelos de geração reaproveitados para edição. Espere que a OpenAI e a BFL lancem variantes específicas de instrução antes do verão.

Modelos sub-4B se tornarão genuinamente competitivos. O flux-2-klein-4b já demonstra que um modelo de quatro bilhões de parâmetros pode produzir edições que competem na mesma arena que modelos dez vezes maiores. Até meados de 2026, espero ver modelos de edição de 2-3B que rodam em telefones. Quando isso acontecer, toda a economia da edição de imagens muda — de chamadas de API na nuvem para inferência no dispositivo.

Edição de imagem e edição de vídeo se fundirão. Os modelos que lidam com consistência temporal em edições de imagens — mantendo a iluminação fisicamente correta quando você move um objeto, preservando a coerência da sombra quando você muda um fundo — estão construindo exatamente a base necessária para edição de vídeo quadro a quadro. As organizações com fortes posições de edição de imagem hoje são as que dominarão a edição de vídeo amanhã. Fique de olho no Google e na Bytedance em particular.

Minhas Recomendações

Depois de executar esses modelos em fluxos de trabalho reais — não prompts de benchmark, entregáveis reais de clientes — aqui está para onde eu apontaria você, dependendo do que você realmente precisa.