Imagens de IA Local São Gratuitas. Imagens de IA na Nuvem São Instantâneas. Sua GPU Decide.

Os modelos de imagem abertos alcançaram o mercado — e em algumas categorias, ultrapassaram. O HiDream-O1, um modelo de 8B lançado sob licença MIT em maio de 2026, ficou entre as principais entradas de pesos abertos na arena de texto-para-imagem da Artificial Analysis, com uma fração do tamanho de rivais maiores. O Qwen-Image, da Alibaba, renderiza texto legível dentro de imagens melhor do que a maioria das ferramentas em nuvem. E os modelos de edição — Qwen-Image-Edit, FLUX Kontext — agora alteram objetos, fundos e texto dentro de fotos existentes a partir de uma instrução em linguagem simples, localmente e de graça.

O lado da nuvem tem sua própria história em 2026: o mercado se consolidou em torno de alguns players sérios, os preços de entrada caíram para a faixa de $8-10/mês, e dados de treinamento comercialmente seguros se tornaram um diferencial real para usuários corporativos. As duas portas são genuinamente boas. A questão é qual delas combina com você — e, diferente do vídeo, a barreira de hardware para imagens é baixa o suficiente para que a porta local seja realista para muito mais gente.

Os três rodam via ComfyUI (ou uma interface local similar) na sua própria máquina. Assim como na geração de vídeo: estes são modelos de difusão, não LLMs — eles não rodam no Ollama.

A família FLUX é o padrão para trabalho local sério com imagens. O FLUX.2 [dev] (32B) lidera em fotorrealismo e alta resolução, combinando até 10 imagens de referência mantendo consistência de personagem, produto e estilo. O FLUX.1 [schnell] gera imagens de qualidade em 1–4 passos com apenas 8GB de VRAM. O FLUX.1 Kontext é o líder local em edição de imagens existentes.

Licença — leia esta parte com atenção: a família é dividida. O FLUX.1 [schnell] é Apache 2.0 — irrestrito, incluindo uso comercial. O FLUX.1/2 [dev] e o Kontext usam a licença não comercial da Black Forest Labs — usá-los em um produto comercial exige uma licença paga da BFL. "Pesos abertos" não significa "uso comercial permitido" aqui.

Hardware: 8GB (schnell), 12–16GB (dev/Kontext), 24GB (FLUX.2 dev, GGUF Q4).

O SD 3.5 (8B Large / 2.5B Medium) não é mais o líder em qualidade, mas tem algo que os outros não têm: o ecossistema mais profundo da IA local. Anos de LoRAs da comunidade (pequenos arquivos complementares que ensinam ao modelo um estilo, um personagem ou a aparência de um produto), ControlNets e tutoriais significam que, seja o que for que você queira criar, alguém já construiu as peças.

Hardware: 8–12GB dependendo da variante; o SDXL roda bem com 8GB.

Licença: Stability Community License — gratuita para uso comercial se sua receita anual for abaixo de $1M; acima disso, é necessária uma Enterprise License. Adequado para freelancers e pequenas empresas; uma restrição real em escala.

A Alibaba abriu o código do Qwen-Image (20B) em agosto de 2025 sob Apache 2.0 — sem limites de receita, sem cláusulas não comerciais, sem jogos territoriais. Sua especialidade é algo em que a maioria dos modelos ainda falha: texto legível e corretamente escrito dentro da imagem, em vários idiomas. Pôsteres, placas, infográficos, thumbnails com títulos — este é o modelo.

Bônus: o Qwen-Image-Edit faz edições precisas e baseadas em prompt em fotos existentes — muda a cor de um objeto, troca um fundo, corrige texto — preservando tudo o mais.

Hardware: 8GB (quantizado em GGUF) a 24GB (precisão total). Licença: Apache 2.0 — o único modelo de imagem de ponta sem nenhuma letra miúda.

Lançado em maio de 2026 sob a licença MIT — ainda mais permissiva que a Apache 2.0 — o HiDream-O1 (8B) ficou entre as principais entradas de pesos abertos na arena de texto-para-imagem da Artificial Analysis pouco depois do lançamento, competindo com modelos várias vezes maiores. É jovem, o ecossistema ainda é fino, e o suporte de longo prazo não está comprovado (este ranking é de fonte única até o momento da publicação — verifique antes de tratá-lo como definitivo). Mas se a trajetória se mantiver, esta lista será reescrita dentro de um ano.

Se o nosso artigo sobre vídeo te assustou em relação à IA local, esta é a tabela de boas notícias: imagens são simplesmente uma carga de trabalho muito mais leve. Uma RTX 3060 12GB usada cobre as duas primeiras linhas abaixo. Compare isso com a geração de vídeo, onde 24GB é o patamar confortável.

Não sabe onde seu hardware se encaixa? Estes guias fazem a conta: Calculadora de VRAM para requisitos exatos por modelo, Quanta VRAM Você Precisa? para gráficos entre tamanhos de modelo, Melhores GPUs para IA Local e Melhores GPUs Econômicas para escolhas de hardware, e GPU vs CPU vs Apple Silicon para comparações de plataforma.

A mesma honestidade do artigo sobre vídeo. Geração local de imagens significa:

A configuração. ComfyUI ou uma interface similar, arquivos de modelo nas pastas certas, o eventual erro de dependência. Uma noite, não uma semana — configurações de imagem são bem mais simples que as de vídeo — mas ainda assim, a sua noite.

O prompting. Sem assistente de prompt embutido, sem presets de estilo, sem filtro de conteúdo (controle total — e responsabilidade total). Você escreve os prompts sozinho. Nossos guias sobre prompts de sistema vs. prompts de usuário e engenharia de prompt para modelos locais cobrem os fundamentos que se aplicam diretamente aqui.

O acabamento. Upscaling, correção de rosto, organização em lote — ferramentas e nós separados que você escolhe. Quer um personagem consistente em 30 imagens? Isso é treinamento de LoRA: viável, documentado, mas um projeto à parte.

Antes de escolher uma porta, saiba para que você está passando por ela. O mapa realista de casos de uso:

• Sites de conteúdo e blogs: imagens de destaque, ilustrações de artigos, cards de pré-visualização social.
• YouTube e redes sociais: thumbnails, arte de canal, gráficos de posts, criativos de anúncios — incluindo variantes rápidas para teste A/B.
• E-commerce e marketing: mockups de produtos, cenas de estilo de vida, variantes sazonais da mesma foto.
• Materiais de trabalho: visuais de apresentação, gráficos de pitch deck, mockups de conceito.
• Projetos criativos: capas de livros, arte conceitual, mood boards, designs para print-on-demand.
• Edição, não só criação: com o Qwen-Image-Edit ou o FLUX Kontext — troque fundos, remova objetos, reestilize fotos de produtos, corrija texto em gráficos.

Dois limites honestos: imagens de IA ainda têm dificuldade com consistência exata de marca em lotes grandes (LoRAs locais ajudam; ferramentas em nuvem estão se atualizando), e qualquer coisa que exija pessoas reais, produtos reais ou precisão factual precisa de fotografia, não de geração.

Escolhemos o Adobe Firefly e o getimg.ai porque eles cobrem genuinamente as duas necessidades mais comuns de nuvem: máxima segurança comercial, e a ponte mais fácil entre o local e a nuvem. O Midjourney e o ChatGPT também são amplamente usados para geração de imagens, mas nenhum dos dois atende a essas duas necessidades específicas de forma tão direta — Firefly e getimg.ai são as escolhas mais úteis para esta comparação, não uma opção padrão.

O Firefly é treinado com conteúdo do Adobe Stock e conteúdo licenciado abertamente — o que significa que a Adobe o projetou para que usuários corporativos não herdem risco de direitos autorais — e ele se integra diretamente com o Photoshop e o restante do Creative Cloud. Se trabalho com clientes ou segurança de marca é sua preocupação, esta é a porta da nuvem. Existe uma avaliação gratuita para testar antes de pagar; os planos pagos começam em $9,99/mês por 2.000 créditos generativos (plano Standard). Melhor para: profissionais, agências, qualquer um cujos clientes perguntem "isso é juridicamente seguro?"

Aqui está a reviravolta que a maioria das comparações não percebe: o getimg.ai roda os mesmos modelos abertos que você instalaria localmente — FLUX e companhia, mais de 20 modelos em uma única interface — nas GPUs deles em vez das suas. Sem configuração, sem contas de VRAM, direitos comerciais incluídos em todos os planos. Se a porta local te atrai mas seu hardware diz não, esta é a ponte. Os preços são apenas pagos desde o início de 2026 (o plano gratuito foi descontinuado) — a partir de $8/mês na cobrança anual ($10/mês na cobrança mensal) por 3.000 créditos; planos superiores escalam a partir daí. Melhor para: usuários curiosos sobre o local mas sem GPU, e qualquer um que queira variedade de modelos abertos sem a curva de aprendizado do ComfyUI.

(Menção honrosa: Ideogram — líder de nuvem em texto-em-imagem, com um plano gratuito limitado que publica imagens em uma galeria pública, e planos pagos a partir de cerca de $20/mês.)

A versão resumida, mapeada para situações comuns:

Vá para o local se você tem (ou vai comprar) uma GPU de 8GB+, gera imagens regularmente, e quer privacidade, custo marginal zero e controle criativo total. O Qwen-Image é a base mais segura — Apache 2.0, renderização de texto de ponta — com o FLUX para fotorrealismo (atenção à divisão de licença por variante) e o SD 3.5 pelo seu ecossistema de estilos incomparável.

Vá para a nuvem se você quer resultados nos próximos cinco minutos, gera ocasionalmente, ou não tem GPU. O Adobe Firefly é a escolha segura e profissional, com dados de treinamento comercialmente seguros; o getimg.ai é a ponte para quem gosta da ideia de modelos abertos, mas não da ideia de instalá-los.

E se vídeo for o próximo item da sua lista — essa é uma conversa de hardware diferente. Leia o artigo complementar: Geração Local de Vídeo com IA vs. Nuvem.