Geradores de Imagem de IA de Código Aberto: Um Guia Honesto para 2026
Os geradores de imagem de IA de código aberto que valem a pena conhecer em 2026 são o GLM-Image (licença MIT, ~16B parâmetros, o especialista em texto bilíngue), o Stable Diffusion 1.5 e o SDXL (os cavalos de batalha do ecossistema) e o FLUX.1 (o concorrente em fotorrealismo da Black Forest Labs). Qual deles é o certo para você depende de três perguntas — o seu trabalho contém texto, qual GPU você tem e o que a sua licença permite —, não de um ranking, e este guia se recusa a inventar um.
Essa recusa é o ponto. Uma versão anterior deste artigo trazia tabelas com percentuais de precisão de concorrentes, pontuações FID, tamanhos de comunidade e medições de velocidade, todos fabricados, além de uma atribuição de licença incorreta para o GLM-Image. A reescrita mantém o framework de decisão honesto e o panorama real dos modelos, e descarta todo número que não possa ser comprovado.
O que o "open source" realmente te oferece?
Um modelo de imagem aberto publica seus pesos: você baixa o modelo, roda no hardware que controla e fica com os resultados sem cobrança por imagem. Disso decorrem três consequências.
Primeiro, o custo marginal. Depois do hardware, cada imagem adicional custa aproximadamente a eletricidade para gerá-la. Em volumes mensais altos, hospedar por conta própria geralmente vence o preço de serviços hospedados só no custo marginal — embora o "geralmente" esconda custos reais de hardware, tempo de configuração e manutenção, aos quais voltaremos.
Segundo, o controle. O modelo roda onde você decidir. Nada dos seus prompts ou imagens precisa sair da sua máquina, o que importa para trabalho com clientes sob NDA, setores sensíveis ou qualquer um que já tenha lido a política de retenção de dados de um provedor de nuvem.
Terceiro, a modificabilidade. Pesos abertos podem receber fine-tuning, ser quantizados e integrados a qualquer pipeline que você quiser. O mundo dos modelos fechados oferece qualidade; o mundo aberto oferece alavancagem.
Há um porém: "aberto" é um termo de licença, não uma filosofia. As licenças diferem de forma significativa — algumas são permissivas, outras impõem restrições de uso, outras proíbem o uso comercial por completo. Confira o model card antes de construir um negócio em cima de qualquer modelo, inclusive os recomendados aqui.
GLM-Image: O Especialista em Texto Bilíngue
O GLM-Image é o modelo aberto de geração de imagens da Z.ai: cerca de 16B parâmetros, lançado sob a licença MIT — tão permissiva quanto uma licença pode ser, permitindo uso comercial, modificação e redistribuição com condições mínimas. Na arquitetura, é um híbrido autorregressivo e de difusão com um Glyph Encoder dedicado, um componente específico para renderizar texto. Ele oferece suporte a text-to-image e image-to-image.
O diferencial está no texto dentro da imagem, tanto em chinês quanto em inglês. No CVTG-2K, um benchmark que mede a precisão com que as imagens geradas reproduzem o texto solicitado, ele pontua 91,16% — o único número de benchmark que este site verificou para qualquer modelo neste artigo. Na prática: cartazes, rótulos, cardápios e sinalização com as palavras realmente escritas corretamente, muitas vezes em uma única passagem de geração, em vez da dança habitual de gerar a arte e depois corrigir o texto em uma ferramenta de design.
O custo dessa capacidade: é um modelo pesado. A implantação local exige uma GPU com cerca de 12 GB de VRAM ou mais, e a geração por imagem é mais lenta do que a dos modelos mais leves do Stable Diffusion na mesma placa. O ecossistema em torno dele — fine-tunes, LoRAs, ferramentas da comunidade — é bem menor do que o do SD, porque o modelo é mais recente. Você troca a maturidade do ecossistema pela capacidade de texto e por uma licença MIT.
O perfil técnico completo está em Especificações do GLM-Image: o que foi verificado; a história da arquitetura por trás da força no texto está em como funciona o híbrido AR + difusão.
Stable Diffusion 1.5 e SDXL: a jogada do ecossistema
O Stable Diffusion, da Stability AI, é o motivo pelo qual a geração aberta de imagens se popularizou, e sua família — especialmente o SD 1.5 e o SDXL — ainda é o pilar do mundo da auto-hospedagem. Os modelos são mais leves que o GLM-Image e o FLUX, rodam em GPUs modestas e contam, de longe, com o maior ecossistema: milhares de fine-tunes e LoRAs da comunidade, ferramentas maduras (ComfyUI e similares), orientação no estilo ControlNet, upscalers e uma pilha de tutoriais acumulada ao longo de uma década.
O ponto fraco é o texto. Letras em inglês são uma loteria; o chinês é praticamente inutilizável sem complementos especializados — e, mesmo assim, frágil. Se suas imagens não têm texto — concept art, ilustração, texturas, experimentos de estilo — essa fraqueza não importa, e a amplitude do ecossistema é inigualável.
Nota sobre licenciamento: a família Stable Diffusion é distribuída sob licenças da família CreativeML OpenRAIL, que permitem uso comercial, mas impõem restrições de uso — o modelo não deve ser usado para determinados fins nocivos, e as restrições acompanham os derivados. É um acordo diferente do MIT: mais ecossistema, mais amarras. Leia a licença específica do checkpoint que você baixar, porque os fine-tunes da comunidade podem carregar seus próprios termos.
FLUX.1: O desafiante do fotorrealismo
FLUX.1, da Black Forest Labs, é o mais novo peso-pesado do cenário aberto e o mais frequentemente comparado a modelos fechados em qualidade bruta de imagem — forte aderência ao prompt e resultados fotorrealistas, com a melhor renderização de texto em inglês entre os modelos abertos antes da chegada do GLM-Image. É um modelo grande; hospedá-lo por conta própria é uma empreitada que exige GPU potente, da mesma classe que o GLM-Image.
O licenciamento é a nuance importante e um bom estudo de caso de por que “aberto” precisa ser verificado: a variante schnell é Apache 2.0 (permissiva, amigável ao uso comercial), enquanto a variante dev tem licença não comercial — usar a dev em um produto exige um acordo diferente. Mesma família, variantes diferentes, direitos diferentes. Quem diz que “o FLUX é open source, faça o que quiser” não leu o model card.
Qualitativamente, quem escolhe entre FLUX e GLM-Image geralmente está optando entre priorizar o fotorrealismo ou priorizar o texto. FLUX para cenas e títulos em inglês em que a qualidade da imagem predomina; GLM-Image quando a correção do texto em chinês ou bilíngue é o que importa.
Como escolher: um verdadeiro framework de decisão
Percorra estas perguntas na ordem:
- A imagem contém texto? Nenhum — qualquer um dos três serve; avalie o ecossistema e a velocidade. Apenas inglês — GLM-Image ou FLUX. Chinês ou bilíngue — GLM-Image; esta é a sua força comprovada.
- Qual hardware você tem? GPU modesta — família Stable Diffusion. Uma placa de 12GB+ — o self-hosting do GLM-Image é realista. Sem GPU ou sem interesse — use um app hospedado e pule a pergunta por completo.
- O que a sua licença permite? Produto ou implantação comercial — GLM-Image (MIT) ou FLUX schnell (Apache 2.0) são as escolhas limpas; as restrições OpenRAIL e os termos não comerciais do FLUX dev precisam ser lidos primeiro.
- O que o seu fluxo de trabalho precisa? Pipelines ControlNet e milhares de fine-tunes — SD. Pôsteres bilíngues em uma única passagem — GLM-Image. Fotorrealismo máximo — FLUX.
Auto-hospedar ou usar um app hospedado?
Os modelos abertos também têm um caminho intermediário: o glmimage.app roda o GLM-Image no navegador, com um número limitado de gerações gratuitas por dia e planos pagos a US$ 9,90, US$ 29,90 e US$ 79,90 por mês para 500, 2.000 e 6.000 créditos. A 10 créditos por imagem, isso dá cerca de 50, 200 ou 600 imagens por mês — aproximadamente US$ 0,20, US$ 0,15 e US$ 0,13 por imagem. É o preço certo para quem não quer hardware, configuração nem manutenção; os detalhes estão na página de preços e em preços do GLMImage explicados.
O self-hosting vence quando o volume é alto, a privacidade é obrigatória ou você precisa customizar o modelo. Perde nas noites: configuração, briga com drivers e manter a stack atualizada são custos reais que as tabelas de ponto de equilíbrio nunca incluem — e as da versão antiga deste artigo foram inventadas, de qualquer forma. Um caminho sensato para muitas equipes: prototipar no app hospedado (como usar o GLMImage cobre o fluxo de trabalho) e só migrar para o self-hosting quando o volume justificar.
Perguntas Frequentes
Qual é o melhor gerador de imagens de IA de código aberto?
Não existe um ranking verificado de benchmarks entre modelos. O GLM-Image é a escolha óbvia para texto em chinês ou bilíngue (licença MIT, 91,16% verificado no CVTG-2K); SD 1.5/SDXL pelo ecossistema e pelo hardware leve; FLUX.1 para fotorrealismo — conferindo primeiro as licenças de cada variante.
Posso usar geradores de imagens de código aberto comercialmente?
Depende da licença, modelo a modelo: o GLM-Image é MIT (uso comercial permitido), o FLUX.1 schnell é Apache 2.0, enquanto o FLUX.1 dev é não comercial e as licenças OpenRAIL do Stable Diffusion impõem restrições de uso. Leia a ficha do modelo antes de lançar.
Qual GPU preciso para auto-hospedar?
Os modelos Stable Diffusion rodam em placas modestas; o GLM-Image, na prática, pede cerca de 12 GB de VRAM ou mais; o FLUX.1 é igualmente pesado. Os requisitos exatos variam com a resolução e as otimizações, então confira nas notas de implantação atuais do modelo.
A auto-hospedagem realmente sai mais barata?
Em volumes mensais altos, geralmente sim — o custo marginal por imagem se aproxima da eletricidade. Abaixo disso, o preço do serviço hospedado (glmimage.app a partir de cerca de US$ 0,13 por imagem no plano mais alto) supera a compra e a manutenção de uma GPU.
Pule o hardware de vez e comece no navegador: abra o gerador GLM-Image →
