Quantas fotos a IA gera antes de parar (e o que ela faz depois disso)

Ninguém publica um número por dia, e isso dá para medir

Você chegou aqui por um de dois caminhos: o aplicativo avisou que a cota acabou no meio de uma sessão de retrato, ou você quer planejar quantas tentativas cabem antes de começar. Nos dois casos a pergunta que se faz é "quantas imagens por dia", e é exatamente essa pergunta que os fornecedores não respondem.

A medição, primeiro. Somamos as cinco páginas oficiais que descrevem cota de imagem no ChatGPT e nos apps do Gemini, lidas em 26 de agosto de 2026: 7.516 palavras no total. A expressão "por dia" não aparece uma única vez em relação a imagens. "Limite diário" também não. "24 horas" também não. O que aparece, nas duas casas, é outra coisa.

A página de limites dos apps do Gemini escreve que eles têm limites de uso com base em computação, e que esses limites "consideram a complexidade do comando, os modelos e recursos usados e a duração da conversa". Na mesma página está a mecânica de renovação, também literal: "O limite é renovado de 5 em 5 horas até atingir o valor máximo semanal." Não é meia-noite, não é a cada 24 horas, e não é um contador de fotos.

Do lado da OpenAI, a FAQ do plano gratuito publica que a conversa de texto é ilimitada e a imagem não: "free users have unlimited everyday text chats" e "file uploads, image generation, voice, data analysis, and other tools have separate usage limits". Quando a cota de imagem acaba, o texto publicado é "you will need to wait for a later time", ou seja, espere um momento posterior. "Um momento posterior" é literalmente indefinido, e a página não converte isso em horas nem em dias.

A consequência é que a sua pergunta muda de forma. Não existe um contador descendo de dez para zero: existe um orçamento de computação, dentro do qual gerar imagem é o item caro, e uma janela de tempo que devolve esse orçamento aos poucos. Se a sua sessão travou e você ainda não sabe se foi cota, moderação ou erro de servidor, vale lembrar que a tela vazia tem seis causas diferentes e só uma delas é recusa. Identifique o sintoma lá e volte para cá quando a resposta for limite.

O resto deste texto entrega um orçamento de tentativas, para a cota acabar no lugar certo, e mostra o que muda na imagem quando ela acaba. Porque, ao contrário do que a busca em português repete, acabar a cota nem sempre significa parar.

O orçamento de tentativas de um retrato, em três rodadas

O guia do pilar já publica a regra de iteração: rodar o mesmo pedido três a cinco vezes antes de mudar qualquer coisa. Este artigo é o custo dessa regra. Três a cinco execuções não são três a cinco cliques: são três a cinco vezes o item mais caro do cardápio, e é isso que decide se você termina a sessão com uma foto usável ou com a cota zerada e nenhuma.

O fato que organiza o orçamento: uma tentativa ruim custa igual a uma tentativa boa. Medimos isso no próprio blog, em três execuções idênticas do mesmo pedido: o consumo declarado foi idêntico nas três, 1.756 tokens de imagem na saída, e só a foto mudou. Não existe desconto por saída inútil. Logo, a única variável sob o seu controle é a ordem em que você gasta as tentativas.

Essa ordem é fidelidade, enquadramento, estética. Nessa sequência, por um motivo prático: erro de fidelidade invalida tudo o que vier depois, e erro de estética é o único que ainda dá para contornar fora do gerador.

1. Rodada 1, fidelidade: 3 execuções mudando nada. Escreva o pedido uma vez, anexe a referência e rode três vezes sem tocar em uma vírgula. O objetivo não é escolher a foto: é ver se o rosto volta o seu nas três. Se voltar, o pedido está calibrado e as rodadas seguintes partem dele. Se não voltar, pare, porque o problema não está no texto.
2. Rodada 2, enquadramento: uma variável por execução, a mais barata primeiro. Só agora entram proporção, altura de câmera e corte. Comece pela proporção, que é a mudança de menor custo na única régua pública que existe: na camada de desenvolvedor do gpt-image-2, sair de 1024x1024 para 1024x1536 na mesma qualidade reduz em 21,9% os tokens de saída da tentativa. O aplicativo de consumo não publica a unidade dele, então trate isso como ordem de grandeza, não como desconto garantido na sua cota. Uma variável por vez, senão você não sabe qual delas mexeu no resultado.
3. Rodada 3, estética: fundo, roupa, cor e clima. É a rodada que quase todo mundo faz primeiro e é a que menos deveria consumir cota. Fundo e roupa mudam a foto sem mudar quem está nela, e boa parte das correções desta faixa (recorte, leve ajuste de brilho, conversão para 1:1) você faz depois, fora do gerador, sem gastar nada.

A regra de parada é o item mais importante da lista. Se o rosto errou nas três execuções da rodada 1, mais tentativas não vão consertar: o problema está na entrada, e a foto de referência que você anexou é o que decide isso. Trocar a referência custa uma execução. Insistir no mesmo pedido custa a sessão inteira.

E quando as três saídas da rodada 1 estiverem na mesa com o rosto certo, o passo seguinte não é gerar mais: é escolher. Os critérios para decidir entre saídas parecidas resolvem em dois minutos o que mais três gerações não resolveriam.

O bloco abaixo é o pedido travado da rodada 1. Ele existe para ser colado uma vez e repetido sem edição nas três execuções, que é a condição para a rodada medir alguma coisa.

Use the attached photo as the only identity reference.
Preserve face shape, skin tone, age, hair, facial proportions and natural asymmetries.
Do not beautify, de-age or slim my face.
Setting: contemporary Brazilian office, background softly out of focus.
Outfit: navy blazer over a light-blue shirt, no tie.
Lighting: soft window daylight from camera-left, gentle fill, realistic shadows.
Framing: chest-up, eye-level camera, hands outside frame, small margin above my hair.
Lens: 85mm portrait perspective, sharp eyes.
Mood: confident and approachable, subtle natural smile.
Style: realistic corporate photography with visible pores and flyaway hairs, no beauty retouching.
Output: square 1:1, 1024x1024.

Tradução em português, linha a linha: use a foto anexada como única referência de identidade; preserve formato do rosto, tom de pele, idade, cabelo, proporções e assimetrias naturais; não embeleze, não rejuvenesça, não afine o rosto; ambiente de escritório brasileiro contemporâneo, com fundo levemente desfocado; blazer marinho sobre camisa azul-clara, sem gravata; luz suave de janela vindo da esquerda da câmera, com preenchimento leve e sombras realistas; enquadramento do peito para cima, câmera na altura dos olhos, mãos fora do quadro e uma margem acima do cabelo; perspectiva de 85 mm com olhos nítidos; expressão confiante e acessível, com sorriso leve; estilo de fotografia corporativa realista, com poros e fios soltos visíveis, sem retoque de beleza; saída quadrada 1:1, em 1.024 px.

Por que cada linha está lá, do ponto de vista da cota. As três primeiras existem para você não gastar a rodada 2 corrigindo rosto, que é o erro mais caro que existe neste fluxo. As quatro do meio (ambiente, roupa, luz e enquadramento) fecham as portas que o modelo preencheria pela média do treino, e cada porta deixada aberta vira uma execução extra depois. A linha de estilo evita a pele plástica, que é o defeito que faz alguém regerar sem saber pedir o quê. E a linha de saída existe porque proporção não declarada é sorteio, e sorteio custa tentativa. Variações por área e por estilo estão na biblioteca de prompts testados do blog; aqui o que importa é que o texto não mude entre as três execuções.

A unidade não é imagem: é computação, e imagem é o item caro do cardápio

A tabela acima tem uma coluna que resume o artigo inteiro, a de unidade do limite. Em nenhuma linha ela diz "imagens".

No Gemini, a página que anuncia a troca de regime dá a data e a mecânica: "a partir de 17 de maio de 2026, os limites de uso e a disponibilidade de modelos nos apps do Gemini mudaram para usuários maiores de 18 anos" e "o Gemini vai passar a usar limites de uso com base em computação, que serão atualizados a cada 5 horas até você atingir o limite semanal". A mesma página lista, literalmente, o que consome mais: "geração de mídia (imagens, vídeos e músicas), Deep Research, modelo Pro, raciocínio estendido e Deep Think". Gerar a sua foto é o primeiro item da lista.

A página de limites reforça noutra frase: "certas funcionalidades, como geração de mídia ou Deep Research, consomem mais do seu uso". Quanto a mais não é publicado. E os planos são vendidos como multiplicadores desse valor que não é publicado: "limites padrão" para quem não assina, "2x maior que os limites padrão" no AI Plus, "4x" no AI Pro. Multiplicar um número que ninguém conhece dá outro número que ninguém conhece.

Não é falta de hábito de publicar número, e isso é importante para não virar teoria de conspiração. Na mesma página o Google publica a janela de contexto de cada plano sem rodeio: 32 mil tokens para quem não assina, 128 mil no AI Plus, 1 milhão no AI Pro e no Ultra. Onde existe um valor fixo, ele está escrito. A cota de imagem não está porque ela não é um valor fixo.

Do lado da OpenAI existe exatamente um fator numérico publicado sobre imagem contra cota, e ele vive numa superfície específica: a documentação do Codex e do ChatGPT Work, não o aplicativo de consumo. Lá está escrito que gerar imagem consome os limites incluídos de 3 a 5 vezes mais rápido, em média, que turnos semelhantes sem geração de imagem, dependendo de qualidade e tamanho. A mesma página traz o rodapé que fecha a simetria com o Google: nos planos do ChatGPT, mensagens e conversas dividem uma "five-hour window", com limites semanais adicionais.

Ou seja: nas superfícies em que os dois fornecedores publicam alguma coisa, eles publicam a mesma arquitetura. Janela de cinco horas, teto semanal por cima, mídia como item caro dentro da janela. Nenhum dos dois publica imagem por dia.

A conta prática, com o escopo declarado junto. Se uma geração de imagem consome de 3 a 5 vezes mais que um turno equivalente, uma rodada de três tentativas equivale a algo entre 9 e 15 turnos de texto. As três rodadas que este artigo recomenda comem o mesmo que dezenas de mensagens comuns. É por isso que a cota some rápido em dia de foto e não some em dia de conversa, e é por isso que a ordem das rodadas importa mais do que a quantidade delas.

A figura acima é o que a busca em português não desenha. Não é um contador diário: é um orçamento que se recompõe em janelas curtas, com um teto por cima que só vira na semana seguinte. Quem organiza a sessão por janela, e não por dia, gera mais foto com a mesma conta.

Quanto custa uma tentativa, medido em tokens de saída

O aplicativo de consumo não publica a unidade da cota dele, mas a camada de desenvolvedor publica a sua, e ela é a melhor régua disponível para comparar tentativas entre si.

Como medimos. A página de geração de imagem da OpenAI serve uma calculadora interativa de tokens para o gpt-image-2. Baixamos o componente que ela usa, em 26 de agosto de 2026, e a conta está legível no arquivo: um número de blocos por qualidade (16 em baixa, 48 em média, 96 em alta) projetado no lado menor da imagem, multiplicado e depois escalado pela área. Reimplementamos a função e rodamos as três proporções que o nosso produto usa.

Três conferências independentes batem. A própria página entrega 196 renderizado no estado inicial da calculadora, e a nossa reimplementação devolve 196. O nosso teste de API de 19 de agosto de 2026, publicado aqui no blog, mediu 1.756 tokens de imagem na saída para uma imagem de 1024x1024 em qualidade média, e a calculadora devolve 1.756: bate token a token, sete dias depois e por outro caminho. E o comportamento contraintuitivo que sai da conta é exatamente o que a documentação avisa em prosa, que uma resolução maior e não quadrada às vezes produz menos tokens de saída que uma menor ou quadrada na mesma qualidade.

Leia a tabela pelas colunas. Subir de qualidade baixa para média multiplica o custo por 9,0; de média para alta, por 4,0; de baixa para alta, por 35,8. Trocar o quadrado pelo vertical na mesma qualidade economiza 21,9%. E a última linha é o aviso mais útil: na geração anterior ao gpt-image-2 a relação era invertida, com o quadrado custando menos que o vertical. Intuição herdada de um modelo não vale no seguinte.

Três limites honestos, e eles importam. Primeiro: isto é a contabilidade da camada de API, não a unidade de cota do aplicativo que você abre no navegador, que continua não publicada. Segundo: é a conta do arquivo publicado em 26 de agosto de 2026, e esse arquivo pode ser trocado sem aviso. Terceiro: tokens de saída não incluem o texto do pedido nem a selfie anexada, que entram por outra porta. A ponte honesta entre as duas camadas é a declaração do próprio Google, de que a conta é de computação e de que geração de mídia consome mais.

Quando acaba, você não para: você troca de motor

Aqui está o achado que nenhuma das sete páginas em português que medimos tem. A página de limites do Google escreve, literalmente: "Se você tiver uma assinatura com IA do Google e atingir o limite, poderá continuar a conversa com o Flash-Lite."

Leia a condicional com atenção, porque ela é metade da frase. Quem assina continua conversando, em outro motor. Quem não assina recebe a outra instrução da mesma página: "faça upgrade para uma assinatura com IA do Google que tenha cotas maiores ou espere a atualização do limite do seu modelo". Para quem não paga, portanto, as opções publicadas são esperar ou assinar. Generalizar a frase do Flash-Lite para todo mundo é o erro fácil deste assunto.

O Flash-Lite é descrito pelo próprio Google como "um modelo de trabalho eficiente projetado para ser rápido" e "ideal para as tarefas do dia a dia", com exemplos de uso que são todos de texto. Repare no que a descrição não menciona: imagem.

A ligação com a sua foto está em outra página do mesmo emissor, e quem encadeia as duas somos nós, não o Google. A página sobre gerar e editar imagens nos apps do Gemini descreve as variantes uma a uma: "Nano Banana 2 Lite: essa opção é usada quando o modelo do Gemini está definido como Flash-Lite. Ela é otimizada para velocidade." A mesma descrição diz que essa variante serve para imagens rápidas e para rascunhos, e fecha com a linha decisiva: "Ela não foi criada para várias referências de imagens ou edições." Sobre a variante padrão, a página diz que ela é selecionada com o modelo em Flash ou Pro e que "pode aceitar várias imagens de referência".

Junte as duas frases e o resultado é desconfortável para quem está fazendo foto de perfil: o motor que passa a te atender depois do limite é aquele que o fabricante descreve como não feito para várias referências nem para edição. E foto profissional a partir de selfie é exatamente edição com referência. Nenhum fornecedor escreve "a sua foto vai piorar"; o que existe são essas duas páginas, e a cadeia entre elas basta para você não julgar o seu pedido por uma saída gerada depois da cota estourar.

A mesma assimetria aparece nas matrizes de plano dos dois. No Google, "geração de imagens com o Nano Banana 2" está marcada nos quatro planos, inclusive em "sem um plano com IA do Google", enquanto "refazer imagens com o Nano Banana Pro" não está marcada para quem não assina. Na OpenAI, a matriz de planos lista "image generation" como "limited" no Free e "image generation with Thinking" como indisponível no Free e no Go. Os dois dão a geração básica a todo mundo e guardam a variante cara para quem paga.

Uma divergência interna que vale publicar como divergência. A página de imagens do Gemini fala em "cota diária de imagens" ao explicar que, esgotada a do Nano Banana 2, não dá mais para refazer imagens com o Nano Banana Pro. A página de limites, da mesma casa, diz que a cota é de computação e renova de cinco em cinco horas. As duas estão publicadas hoje e nós não temos como decidir qual descreve o seu caso. Registramos as duas, com a data de leitura, em vez de escolher a mais conveniente.

Na OpenAI o movimento é o inverso, e a diferença é interessante. Em vez de o sistema te rebaixar de modelo, a documentação sugere que você mesmo faça isso: "if you are approaching usage limits, you can also switch to a smaller model to make your usage limits last longer", escrito no escopo do Codex e do ChatGPT Work. Na mesma superfície, quem tem Plus ou Pro pode comprar créditos adicionais em vez de trocar de plano. E no aplicativo de consumo a FAQ do plano gratuito publica a única promessa firme dessa família: assinar zera as taxas de uso de quem estourou o limite no grátis.

O teste de 30 segundos: motor principal ou motor reserva?

Nenhum dos dois fornecedores carimba na imagem qual motor a gerou. O que existe são sinais indiretos, e eles bastam para a decisão que interessa: regerar agora ou voltar na próxima janela.

1. Olhe o seletor de modelo, não a foto. No Gemini é o modelo selecionado que decide a variante de imagem: Flash-Lite leva ao Nano Banana 2 Lite; Flash e Pro levam ao Nano Banana 2. Se o seletor caiu para Flash-Lite sozinho, a resposta já está dada antes de você olhar o resultado.
2. Tente anexar duas referências. A variante do modelo reserva é declarada como não feita para várias referências de imagens. Se um pedido com duas fotos anexadas passa a ser tratado como se houvesse uma, ou se a edição pedida sobre a referência é simplesmente ignorada, o sinal é forte.
3. Leia a notificação, que é publicada. O Google escreve que os apps avisam quando você está perto do limite e que, ao atingir a capacidade máxima, mandam outra notificação informando quando o limite será renovado. A OpenAI escreve que o ChatGPT notifica ao atingir um limite aplicável e mostra o horário de reinício na própria tela.
4. Abra o painel de uso. No Gemini o caminho está literal na página de ajuda: acesse gemini.google.com e, na parte de baixo à esquerda, selecione Configurações e depois Limites de uso. Do lado da OpenAI, o painel equivalente que a documentação publica é o do Codex, e é honesto dizer que ele mede aquela superfície, não o aplicativo de consumo.

O limite deste teste, escrito na cara. Os quatro sinais são de interface e de documentação, não de metadado da imagem. Se você precisa de certeza sobre qual motor gerou um arquivo, ela não existe do lado de fora. O que o teste entrega é a decisão prática: com dois ou três sinais apontando para o motor reserva, guarde o pedido e volte depois da renovação, em vez de queimar as tentativas que sobraram achando que o texto está errado.

Por que todo número por dia que circula em português está errado por construção

Os números que você encontra na busca não saíram do nada. Boa parte deles foi, um dia, publicada pelo próprio fornecedor. E depois foi retirada.

Rodamos o arquivo público sobre a URL de ajuda do Google. Nas capturas de 2 de março e de 1º de abril de 2026, a mesma página publicava uma tabela com "up to 20 images / day" para quem não tem plano, "up to 50" no AI Plus, "up to 100" no AI Pro e "up to 1000" no AI Ultra, junto de um aviso de que aqueles limites mudavam com frequência e eram redefinidos diariamente. Na captura de 7 de junho de 2026 não há um único número por dia: no lugar deles já está a frase da janela de cinco horas e a do Flash-Lite.

O aviso oficial dá a data da virada, 17 de maio de 2026. Entre as três capturas, a contagem da expressão "per day" é 1, 1 e 0, e a de "flash-lite" é 0, 0 e 3. Não é interpretação: é a mesma URL, três leituras, um regime substituindo o outro. A data exata da troca fica entre 1º de abril e 7 de junho, e o emissor a declara no meio desse intervalo.

Isso muda o julgamento sobre a busca. Os textos em português que ainda dizem "100 imagens por dia no Gemini grátis" não inventaram: citaram corretamente um documento que deixou de existir. O problema não é má-fé, é prazo de validade. Nas sete páginas que medimos em 26 de agosto de 2026, somando 11.100 palavras, a palavra Flash-Lite não aparece nenhuma vez, "a cada 5 horas" não aparece nenhuma vez, e nenhuma delas cita o endereço da página do fornecedor. As duas mais honestas do lote dizem que o número não é divulgado, e param aí.

A regra vale para cá também, sem drama: qualquer tabela de maio de 2026 que diga "2 imagens por dia" ou "100 imagens por dia", inclusive a comparação de ferramentas que publicamos neste blog, descreve o regime anterior. Aquele artigo continua sendo o lugar certo para comparar ferramenta e custo em dinheiro; a unidade de consumo e o que acontece quando ela acaba são deste aqui.

Um detalhe datado ajuda a calibrar a idade do que você lê por aí: um dos resultados bem posicionados explica a cota do ChatGPT falando do DALL·E. A página de ajuda da OpenAI publica, em leitura de 26 de agosto de 2026, que em 30 de agosto de 2026 o GPT oficial do DALL·E será aposentado do ChatGPT, e que a geração de imagens atual está disponível em todos os planos. Um texto que explica a sua cota por um produto em vias de sair não está descrevendo o seu botão.

E uma coisa que este artigo não vai fazer: ensinar a contornar o limite. Existe resultado na busca prometendo isso, e o caminho passa invariavelmente por criar contas para escapar da cota, o que fere os termos dos dois serviços. Gastar melhor a cota é engenharia de pedido; furar a cota é outra conversa, e não é a nossa.

Onde o limite morde mais: justamente no retrato

Existe uma ironia estrutural aqui. Entre os pedidos comuns, o fluxo de foto profissional é ao mesmo tempo o mais caro e o mais penalizado pela troca de motor. Três motivos, todos publicados.

Primeiro, ele é edição com referência, não geração do zero. A documentação da OpenAI escreve que, como o gpt-image-2 sempre processa imagens de entrada em alta fidelidade, pedidos de edição que incluem imagens de referência podem consumir mais tokens de entrada. Para o modelo atual não há número publicado. Para o gpt-image-1, a geração anterior, há, e ele é grande: em alta fidelidade de entrada, a documentação declara 4.160 tokens extras para imagem quadrada e 6.240 para retrato ou paisagem, sobre um custo base de 65 tokens mais 129 por bloco. A ordem de grandeza da entrada compete com a da saída.

Segundo, anexar e gerar são trilhos diferentes. A FAQ do plano gratuito da OpenAI lista, como ferramentas com cota própria, a análise de dados, os envios de arquivo e imagem e a criação de imagens no ChatGPT, em linhas separadas. Subir as suas cinco selfies e gerar a partir delas não bebem do mesmo balde, e quem estoura primeiro nem sempre é o que você imagina.

Terceiro, o motor de reserva é justamente o que menos serve para isso. Pela descrição do fabricante, a variante de imagem do motor reserva é otimizada para velocidade, serve para rascunho rápido e não foi criada para várias referências nem para edição. Um pedido de paisagem sobrevive melhor a uma troca de motor do que o seu rosto sobrevive.

Vale separar isso de um problema vizinho que parece igual. Quando o mesmo pedido, no mesmo modelo, devolve fotos diferentes, isso é variação estocástica do próprio motor, com causas e sinais próprios. O que este artigo descreve é outra coisa: substituição de motor. A diferença prática está no padrão do desvio. Variação estocástica muda o ângulo, a luz e o fio de cabelo, mantendo a classe do resultado; troca de motor muda a classe, e isso aparece primeiro em texto renderizado, mãos, microtextura de pele e aderência ao que você pediu.

Se a sua última saída ficou notavelmente pior e você não mudou uma linha do texto, a primeira hipótese não é que você escreveu errado. É a hora do relógio.

Resumo e próximos passos

Não existe número de imagens por dia porque nenhum dos dois fornecedores conta imagens. Eles contam computação, renovam em janelas curtas com teto semanal, e publicam isso em páginas que a busca em português ainda não cita.

• A unidade é computação, e gerar imagem é um dos itens que mais consomem. Onde existe fator publicado, ele é de 3 a 5 vezes, na documentação do Codex e do ChatGPT Work.
• A renovação é em janelas de cinco horas até um teto semanal, nos dois fornecedores, nas superfícies em que eles descrevem a mecânica. Esperar até o dia seguinte é conselho do regime antigo.
• Ao estourar, quem assina o plano de IA do Google continua a conversa no Flash-Lite, cuja variante de imagem é declarada como não feita para várias referências nem para edição. Quem não assina espera ou assina.
• Gaste as tentativas em fidelidade, depois enquadramento, depois estética. E pare se o rosto errou nas três primeiras: o problema está na referência, não no texto.

O passo seguinte depende de onde você está. Se ainda está decidindo entre fluxo manual, ferramenta pronta e fotógrafo, o guia do pilar organiza a decisão inteira. Se já decidiu e quer o texto que roda dentro deste orçamento, os 30 modelos por área e por estilo estão reunidos no hub de prompts. E, se a cota acabou agora, a decisão é uma só: guarde o pedido e volte na próxima janela.