Os melhores ampliadores de imagens com IA de 2026–2027: teste comparativo com métricas reproduzíveis e preços

Topaz, Crystal, Let's Enhance, MegaPotato, Magnific, Gemini, ChatGPT, Recraft, Krea, Upscayl: que ferramenta e modelo ampliam melhor imagens a meio da época 2026–2027? O relatório mais completo que conhecemos: métricas reproduzíveis, métodos de ponta atuais e Claude Opus 5.5 como avaliador num teste cego.

Equipa de investigação da MegaPotato
34 min de leituraAtualizado a

Resumo: afinal, o que usar?

  • Qual usar: para ampliações do dia a dia, a nossa primeira escolha é o ampliador de imagens com IA MegaPotato (megapotato.app): nos nossos testes, a qualidade é comparável à do Topaz Wonder 3.5 e, para 100 fotos por mês, custa 7.4 vezes menos do que o Wonder 3.5 através da própria API do Topaz (3.3 vezes menos do que no fal.ai; a comparação completa de preços está mais abaixo). Tem bons resultados em todos os tipos de fotos que experimentámos, funciona diretamente no navegador e não exige subscrição. Qual escolher ↓
  • Fotos reais: o MegaPotato portou-se sempre bem com fotos antigas de telemóvel, imagens com ruído e cópias comprimidas. O Crystal pode ser muito fiel e ficou perto no teste controlado, mas teve muito mais dificuldades nas fotos reais de baixa qualidade: MegaPotato 67.2, Wonder 3.5 62.8, Crystal 46.1. Resultados por tipo ↓
  • Rostos: no teste completo, com 567 rostos, o avaliador cego de IA deu ao MegaPotato a pontuação mais alta nos rostos. Na semelhança com os originais, tal como a medem os modelos de reconhecimento facial, o Wonder 3.5 e o Crystal ficam acima. Ter detalhes de aspeto natural e preservar a identidade são, obviamente, coisas diferentes, por isso mostramos as duas coisas. Rostos de perto ↓
  • Em que nos baseamos: o MegaPotato teve a pontuação total mais alta tanto no teste principal de 18 ferramentas e configurações como no teste mais alargado de 135 fotos e 567 rostos. E o modelo exato faz toda a diferença: os outros cinco modelos do Topaz que testámos ficaram muito abaixo do Wonder 3.5 com as mesmas imagens de entrada pequenas e degradadas. A classificação ↓
  • Preço por foto: para 100 fotos por mês, fazendo a média dos resultados de 2.7, 16 e 48 MP, o MegaPotato custa $0.073 com o desconto de lote. O Topaz Wonder 3.5 custa $0.54 através da própria API do Topaz, cujo plano começa nos $50 por mês ($0.24 através do fal.ai, com pagamento por utilização): uma diferença de 7.4× (3.3×). As batatinhas do MegaPotato nunca expiram. Preços e condições ↓
  • Preferes ver as imagens primeiro? Cada exemplo mostra a imagem de entrada, o original quando existe e os resultados das ferramentas, vistos de perto. Compara os rostos pequenos, as texturas e o texto: é aí que estão as diferenças que importam para as tuas fotos. Exemplos em pormenor ↓

A ampliação de imagens é uma das tarefas mais antigas da visão computacional. Raro é o filme de espionagem sem esta cena: um operador seleciona uma zona da imagem, amplia-a, aumenta o zoom e, com um botão mágico, obtém o rosto da pessoa numa resolução altíssima. Desde a visão computacional clássica, anterior às redes neuronais, até aos LLMs multimodais mais avançados de hoje, os investigadores continuam a tentar resolver esta tarefa que parece simples e, na realidade, é quase impossível.

Em 2025 houve uma explosão incrível de modelos de edição de imagem de uso geral, de todo o tipo. A maioria baseava-se em LLMs multimodais e modelos de difusão ou recorria a estes. O crescimento exponencial da qualidade começou com o FLUX.1 Kontext e teve como marco o lançamento do Nano Banana. Estes modelos conseguem fazer qualquer transformação numa imagem que se possa exprimir numa instrução de texto, da mais precisa à mais abstrata. Mas, por muito bons que fossem em tarefas gerais, continuavam a falhar nas transformações precisas, na preservação da imagem original e no cumprimento rigoroso dos prompts. Nos chatbots proprietários (ChatGPT, Gemini e semelhantes), eram especialmente visíveis as alterações de cor e, sobretudo, da identidade das pessoas. Apesar disso, na altura parecia que todas as tarefas de transformação de imagens estariam resolvidas num instante.

Passou mais de um ano, os modelos melhoraram, preservam muito melhor o original, mas os mesmos tipos de problemas continuam a aparecer sistematicamente. A ampliação de imagens (super-resolução) é uma tarefa particularmente exigente neste aspeto: enquanto a edição geral permite muitas vezes alguma liberdade («adiciona um gato»: não se especifica a raça nem os outros parâmetros, basta um gato), a ampliação não admite alterações ao original. Não importa se queres ampliar uma foto de telemóvel para um póster ou criar uma imagem 4K a partir de uma imagem gerada por IA: normalmente, só queres mudar os detalhes e a resolução.

Para ilustrar, pedimos ao ChatGPT que ampliasse quatro vezes uma pequena foto de uma corrida de rua sem alterar nada (a imagem). Devolveu-a nítida, limpa e luminosa. Mas olha para o número do corredor. O dorsal verdadeiro diz LUT 3029. O ChatGPT desenhou SEINE-MARNE 77, um departamento francês perto de Paris, e substituiu «trucks» na camisola por outra palavra. Nada disso está na foto. O Gemini escreveu LUT 2022. A partir da mesma cópia pequena, um dos ampliadores do nosso teste leu os quatro algarismos (o mesmo corredor noutras ferramentas).

O que cada ferramenta recebeu, a foto original, o resultado do ChatGPT.

É isto que os editores de imagem de IA de uso geral fazem hoje quando os usamos para ampliar. Não importa como fazes o pedido e constróis o prompt: não se limitam a ampliar os píxeis, tentam adivinhar o que devia estar ali e desenham-no. Muitas vezes acertam. Outras vezes sai uma palavra diferente, uma cor diferente ou até um rosto diferente. Ao mesmo tempo, os resultados costumam ser muito bonitos e corresponder ao que as pessoas consideram esteticamente agradável.

Entretanto, há muitos ampliadores de imagens especializados no mercado. Como a tarefa já vem de longe, a quantidade de serviços é enorme e é muito difícil orientarmo-nos entre tantos modelos de épocas tão diferentes. Por isso, preparámos o teste de ampliadores mais completo que conhecemos, com os métodos mais populares, bem-sucedidos e precisos.

A resposta curta está acima. No resto do artigo, relatamos o teste de forma precisa e reproduzível, nesta ordem: um teste principal, com 18 ferramentas e configurações, as mesmas cópias pequenas e degradadas de 16 fotos, e cada resultado comparado com o original na resolução completa, que nenhuma ferramenta chegou a ver. Depois, o teste completo: os três líderes em 135 fotos com 567 rostos, com todos os avaliadores a analisar cada resultado e todas as métricas que nele se podem calcular. A seguir, um conjunto de casos extremamente difíceis: digitalizações de material impresso, forte compressão JPEG, ruído, fotos antigas em papel, estátuas e pinturas. Por fim, apresentamos preços detalhados para 10, 100 e 1 000 fotos por mês. As imagens estão aqui ↓

Respostas rápidas.

  • O que é um ampliador de imagens com IA? Uma ferramenta que aumenta uma imagem e tem de adivinhar os detalhes que não estão nos píxeis.
  • O que significa 4×? Quatro vezes a largura e quatro vezes a altura: 504 × 336 passa a 2016 × 1344.
  • É possível ampliar uma foto sem alterar nada? Nenhuma das ferramentas aqui testadas o consegue.
  • Há algum gratuito? O Upscayl: gratuito e sem ligação à internet, mas não serve para rostos pequenos.
  • Chega para imprimir? 2016 × 1344 dá uma impressão de cerca de 17 × 11 cm a 300 píxeis por polegada.
  • Queres mais nitidez, sem aumentar o tamanho? Precisas de uma ferramenta de melhoria, não de um ampliador. No MegaPotato, o modo chama-se Refinar e não o testámos aqui.

A classificação: comparação de 18 ampliadores de imagens com IA e configurações#

Cada ferramenta pegou nas mesmas 16 fotos pequenas (504 × 336 píxeis, ligeiramente degradadas), ampliou-as 4× e cada resultado foi comparado com o original. A pontuação total é numa escala de 100. A fórmula e cada uma das suas componentes estão em Como fizemos os testes.

clica para ver todas as métricas
82.6teste completo 78.87.00 teste completo 7.13não packs de batatinhasPrimeiro nos dois testes. As fotos reais de baixa qualidade, noturnas e de IA mais limpas. Rostos naturaisSuaviza um pouco a pele. Os rostos pequenos afastam-se mais da pessoa do que os do Wonder e do Crystal. Rejuvenesceu uma mulher numa foto degradada$0.073 app web
81.9teste completo 75.77.09 teste completo 6.99não fal.ai sim API do TopazOs rostos mais fiéis. O único a ler 3029. O melhor nos fotogramas de vídeos da webSó por API; as apps têm o Wonder 3. Alterou algumas idades. Trata estátuas e bonecas como pessoas$0.24 fal.ai
81.86.81não packsOs rostos preferidos do avaliador de rostos. Nada inventadoSó na web. Algarismos errados. Não foi usado no teste completo$0.22 web
80.8teste completo 69.56.78 teste completo 5.97não API sim siteO mais próximo dos originais segundo as métricas de imagem. O melhor sem pessoasFraco com ruído e fotos antigas em papel degradadas (46.1 nas fotos reais de baixa qualidade). Óculos de sol transparentes. Distorceu uma estátua$0.35 API
73.26.16não API ou appResultados com bom aspeto (MUSIQ 61.2)Escreve palavras novas. Altera cores. Objetos novos. Fica por cerca de 8 MP$0.16 API
73.25.81não API ou appOs resultados com melhor aspeto, ao nível do Topaz Bloom 2 (MUSIQ 63.6)Acrescentou céu azul e árvores verdes. Rostos mais novos. Palavras novas$0.16 API
70.96.66não app gratuitaCuidadoso com rostos e cores. BaratoPouco nítido. Ficheiros pequenos (1264 px na app gratuita). Números bem definidos, mas errados$0.11 API
69.95.78não fal.ai sim API do TopazResultados limpos em elementos grandes e nítidosRostos pequenos com aspeto de plástico (7 em 67 alterados). Removeu uma máscara$0.45 fal.ai
68.15.81não fal.ai sim API do TopazNítido e vivo, feito para arte de IARedesenha rostos (pontuação de identidade 0.26). Texto novo. Cores mais vivas$0.91 fal.ai
65.15.47não fal.ai sim API do TopazBarato. Contornos limposTexto deturpado. 9 em 67 rostos alterados. Removeu uma máscara$0.11 fal.ai
63.95.42não APIA API mais barata. Bom com arte de IA e contornos limposRostos pequenos distorcidos (5 em 67). Sem escolha de tamanho$0.033 API
62.64.89não fal.ai sim API do TopazBarato. Contornos limposRostos pequenos pouco nítidos e com aspeto de plástico (8 em 67 alterados). Removeu uma máscara$0.11 fal.ai
59.75.12não grátisGratuito, sem ligação à internet, privado. Não inventa palavrasRostos distorcidos (13 em 67). Texto desfocadográtis GPU própria
53.74.12não até 2K sim acima de 2KVárias ferramentas num só sítio, incluindo modelos de parceirosLonge dos rostos reais (21 em 67 alterados). Linhas sobre os rostos. Tornou o giz cinzento$0.21 plano Pro
53.55.20não ComfyUI sim site próprioNítido. Mantém a cenaDuas passagens de 2× (o nó dá 2×). Grão e nitidez exagerada por todo o lado. Longe dos originais (LPIPS 0.49)$1.13 ComfyUI
46.32.34não ComfyUI sim site próprioImagens novas ricas em detalhes, para arte conceptualUma nova cena. 41 em 67 rostos alterados. Palavras inventadas por todo o lado$1.02 ComfyUI
34.14.20não fal.ai sim API do TopazFeito para imagens de entrada grandes e nítidasMal altera uma foto pequena. Uma margem preta fina$0.11 fal.ai
33.32.03não API–Uma nova cena. 51 em 67 rostos alterados. Palavras sem sentido$2.05 API

Total: numa escala de 100, com o total da mesma ferramenta no teste completo por baixo (135 fotos, as três ferramentas que usámos nesse teste). Avaliador Opus 5.5: 0–10, com a pontuação do teste completo por baixo. Exige um plano?: indica se a subscrição mensal é a única forma de usar essa via de acesso; quando uma ferramenta tem duas vias, indicamos cada uma (vermelho = sim). As opções gratuitas do Krea e do ChatGPT são limitadas. Pontos fortes e fracos: o que os dois testes e os casos difíceis mostraram, em poucas palavras. Os pormenores estão em Todos os ampliadores com IA que testámos, um a um. *Preço por foto: a média de três tamanhos para 100 fotos por mês, com a forma de compra que permite esse preço por baixo. A própria API do Topaz custa mais do que o fal.ai. A API do MegaPotato não tem desconto de lote e fica por $0.091 (Preços dos ampliadores com IA). Passa o cursor sobre o nome de uma coluna para saberes o que mede. Estão todas em O que mede cada métrica. Clica numa linha para veres todas as métricas, incluindo as do teste completo.

Os quatro primeiros estão separados por menos de dois pontos. MegaPotato (82.6), Topaz Wonder 3.5 (81.9), Let's Enhance (81.8) e Crystal (80.8) formam um grupo à parte. A ferramenta seguinte, o ChatGPT com um prompt rigoroso (os prompts estão em Configurações, prompts e alinhamento), fica oito pontos atrás (73.2). Por isso, decidimos continuar com três deles e criar um conjunto de teste muito mais amplo, difícil e exigente.

Qualidade de imagem vs fidelidade: estética e preservação do original#

Usámos sobretudo fotos reais neste teste. Não só por ser uma das utilizações mais importantes, mas também porque estas fotos são difíceis de ampliar. Na arte de IA, uma textura nova parece muitas vezes apenas mais arte. Numa foto real existe uma referência, obviamente. Por isso, cada erro é fácil de ver: um rosto novo, uma palavra nova, uma cor que não estava lá.

Fig. 1 · Ter bom aspeto não é ser fiel

Scatter plot of 8 points: Bom aspeto (MUSIQ) against Distância ao original (LPIPS). Distância ao original (LPIPS) from 0.193 to 0.287. Highest Bom aspeto (MUSIQ): ChatGPT, prompt simples (63.6); lowest: Gemini (50.4). Highlighted: MegaPotato (59.9 at 0.207).

Ter bom aspeto não é ser fiel
Distância ao original (LPIPS)Bom aspeto (MUSIQ)
ChatGPT, prompt simples0.28763.6
Topaz Wonder 3.50.21161.7
MegaPotato0.20759.9
Crystal0.19359.7
Upscayl (Standard)0.24055.7
Topaz Standard V20.24854.9
Recraft Crisp0.22253.6
Gemini0.24250.4

Pontuações médias nas 16 fotos do teste principal para oito das configurações. Mais à esquerda significa mais próximo do original (LPIPS mais baixo, uma das métricas de proximidade do nosso total); mais acima significa uma pontuação de «bom aspeto» mais alta (MUSIQ). O eixo começa perto da ferramenta mais próxima, não no zero: as fotos originais estão no 0 por definição e têm uma pontuação MUSIQ de 53.3, abaixo da maioria dos resultados.

Obviamente, o ChatGPT tem os resultados mais bonitos, que, sem surpresa, estão entre os mais afastados do original. Os resultados das ferramentas especializadas ficam próximos do original, mas são menos bonitos (também depende da imagem de entrada).

O teste completo: MegaPotato vs Topaz Wonder 3.5 vs Crystal em 135 fotos#

O teste completo incluiu três dos quatro líderes do teste principal: MegaPotato, Topaz Wonder 3.5 e Crystal. (O Let's Enhance, terceiro no teste principal, só funciona na web; não o usámos nas 135 fotos.)

A amostra: 135 fotos e 567 rostos.

  • 14 fotos do teste principal, com o original.
  • 16 fotos geradas por IA (FLUX.1 [schnell]) e 13 fotos sem pessoas (animais, natureza, edifícios), reduzidas e degradadas da mesma forma que as imagens de entrada do teste principal (um pouco de desfocagem e ruído, guardadas duas vezes em JPEG), com o original.
  • 29 fotos reais de baixa qualidade tal como foram tiradas: fotos antigas de telemóvel com pouca luz, das primeiras câmaras digitais, cópias partilhadas por mensagens, fotos de palco e de festas. Não existe original de alta resolução.
  • 19 fotos antigas em papel e digitalizações de película com pó, descoloração e grão, reduzidas para o teste. Não existe original sem degradação.
  • 44 fotos originalmente pequenas, fornecidas exatamente como foram publicadas: 37 fotos do Flickr de 2001–2007 e 7 fotogramas de vídeos da web de 2005–2009. Não existe original de alta resolução.

No conjunto: pessoas (103 fotos), multidões e grupos (30), rostos (567 rostos: 348 com 10–24 píxeis de largura na imagem de entrada, 173 com 25–59 píxeis, 46 maiores), letreiros e texto (20), noite, palco e pouca luz (24), fotos antigas (21), imagens de IA (16), animais (20), natureza (26), cidades, edifícios e interiores (55) e fotogramas de vídeos da web (7). Deixámos de fora as naturezas-mortas (produtos e comida): esta amostra centra-se em pessoas, lugares, animais e natureza.

Nos casos em que não existe um original de alta resolução sem degradação, os avaliadores compararam cada resultado com a imagem de entrada e só usámos as métricas que dispensam o original: a proximidade ao original (LPIPS, A-FINE, pontuação de identidade) é calculada a partir das 43 fotos que o têm. Fazemos a média de cada métrica nas fotos em que é possível calculá-la, e o total é a soma ponderada dessas médias. A coluna n indica quantas fotos ou rostos abrange cada linha.

MétricaMegaPotatoTopaz Wonder 3.5Crystaln
Total, 0–10078.875.769.5135 fotos
Avaliador Opus 5.5 ↑7.136.995.97135 fotos
Qwen3.8, zonas ampliadas ↑7.247.216.83135 fotos
Qwen3.8, rostos ↑6.696.596.24567 rostos
Pontuação de identidade ↑0.5180.5580.556138 rostos
Pessoa diferente, % ↓1.11.22.8567 rostos
Qualidade do rosto (eDifFIQA) ↑0.5220.5250.484567 rostos
LPIPS ↓0.2050.2100.19143 fotos
A-FINE ↓17.034.835.443 fotos
MUSIQ ↑52.452.545.7135 fotos
NIQE ↓3.983.954.01135 fotos
DISTS ↓0.1400.1250.11943 fotos
DreamSim ↓0.01660.01210.010743 fotos
DINOv2 ↑0.9660.9750.97643 fotos
TOPIQ-FR ↑0.6960.7050.70343 fotos
Cor ΔE ↓2.422.312.1143 fotos
MANIQA ↑0.3250.3440.281135 fotos
CLIP-IQA+ ↑0.5120.5370.466135 fotos
TOPIQ ↑0.4420.4690.403135 fotos

A primeira linha é o total e as dez seguintes são as suas componentes. As oito que se revelam ao clicar no botão são verificações e não entram no total. O nome de cada métrica é explicado ao passar o cursor. Todas as definições estão em O que mede cada métrica.

O teste completo por ferramenta: os mesmos números, uma linha por ferramenta
FerramentaTeste completo, totalAvaliador Opus 5.5 (teste completo)Qwen3.8, zonas ampliadas (teste completo)Qwen3.8, rostos (teste completo)Pontuação de identidade (teste completo)Pessoa diferente, % (teste completo)Qualidade do rosto (teste completo)LPIPS (teste completo)A-FINE (teste completo)MUSIQ (teste completo)NIQE (teste completo)
MegaPotato78.87.137.246.690.5181.10.5220.20517.052.43.98
Topaz Wonder 3.575.76.997.216.590.5581.20.5250.21034.852.53.95
Crystal69.55.976.836.240.5562.80.4840.19135.445.74.01

Uma linha por ferramenta: o total e as suas dez componentes, tal como aparecem nos painéis de pormenor da classificação. A tabela acima tem os mesmos números, com as oito verificações.

Resultados por tipo de foto. A mesma fórmula, aplicada separadamente a cada parte da amostra. Quando um tipo não tem rostos ou originais, essas componentes ficam de fora e os restantes pesos aumentam proporcionalmente até somarem 100 %, por isso compara as ferramentas dentro de cada tipo, não um tipo com outro:

Fotos do teste principal1482.981.780.5
Fotos geradas por IA1679.276.176.1
Sem pessoas1372.872.674.2
Fotos reais de baixa qualidade2967.262.846.1
Fotos antigas em papel e película1973.974.073.3
Fotos originalmente pequenas (Flickr, vídeo da web)4475.575.461.9
O mesmo, por conteúdo (pessoas, texto, noite, animais e outros)
Pessoas10378.675.268.2
Multidões e grupos3080.076.169.7
Rostos (10 px ou mais)10378.975.268.3
Letreiros e texto2081.678.573.9
Animais2075.474.566.3
Natureza2682.781.077.2
Cidades, edifícios, interiores5579.676.871.5
Noite, palco, pouca luz2470.164.855.2
Fotos antigas2176.976.574.7
Imagens de IA1679.276.176.1
Fotogramas de vídeos da web765.567.642.7
Fotos com original4379.878.478.4

O que dizem os números:

  • O MegaPotato lidera o teste completo por 3 pontos. É especialmente bom nas fotos reais de baixa qualidade (67.2 contra 62.8 do Wonder e 46.1 do Crystal, 29 fotos), na iluminação noturna e de palco (70.1 contra 64.8 e 55.2, 24 fotos), nas imagens de IA, no texto e nos letreiros, e nas multidões.
  • O Wonder 3.5 está ao mesmo nível nas fotos antigas em papel (74.0 contra 73.9, 19 fotos) e nas fotos originalmente pequenas (75.4 contra 75.5, 44 fotos), e fica à frente nos fotogramas de vídeos da web (67.6 contra 65.5, 7 fotogramas). O Crystal só lidera nas fotos sem pessoas (74.2, 13 fotos) e fica muito atrás nas fotos reais de baixa qualidade.
  • O avaliador cego Opus 5.5 concorda com a ordem: MegaPotato 7.13, Wonder 3.5 6.99, Crystal 5.97 em 10 (135 fotos), tal como o avaliador Qwen3.8 nas zonas ampliadas (7.24, 7.21, 6.83).
  • Rostos: a mesma diferença entre métricas que no teste principal. O Wonder 3.5 e o Crystal ficam mais próximos da pessoa no original, segundo um conjunto de modelos de reconhecimento facial. Os rostos do MegaPotato receberam as melhores pontuações do avaliador de rostos Qwen3.8 e foram os que menos vezes receberam a classificação de pessoa diferente.
  • A A-FINE dá ao MegaPotato a sua maior vantagem, porque considera os seus resultados mais naturais. A A-FINE (CVPR 2025)[1] avalia duas coisas: a proximidade do resultado ao original e a naturalidade do seu aspeto. Quando um resultado parece mais natural do que o original, dá muito mais peso à naturalidade. Ao analisar separadamente as componentes nas 43 fotos do teste completo que têm original, a A-FINE considerou o resultado do MegaPotato mais natural do que a foto original em todas as fotos.
Fig. 2 · O teste completo · uma foto real de baixa qualidade

Um fotograma de um vídeo de 2010 da Casa Branca na web, 480 × 360 px tal como publicado (120 × 90 px da imagem de entrada)

O que cada ferramenta recebeu
MegaPotato
Avaliador Opus 5.5 7.5MUSIQ 43
Crystal
Avaliador Opus 5.5 5.0MUSIQ 26
Topaz Wonder 3.5
Avaliador Opus 5.5 4.5MUSIQ 42

Um fotograma de um vídeo de 2010 da Casa Branca na web, divulgado como foto e incluído nas fotos reais de baixa qualidade. O MegaPotato cria um rosto nítido e natural. O Wonder 3.5 e o Crystal mantêm a desfocagem. As fotos reais de baixa qualidade foram o tipo em que a vantagem do MegaPotato foi maior.

Imagem: Executive Office of the President, domínio público

Fig. 3 · O teste completo · fotos originalmente pequenas

Um gato, 640 × 480 px, 2004 (170 × 128 px da imagem de entrada)

O que cada ferramenta recebeu
MegaPotato
Avaliador Opus 5.5 8.0MUSIQ 35
Crystal
Avaliador Opus 5.5 5.0MUSIQ 24
Topaz Wonder 3.5
Avaliador Opus 5.5 7.0MUSIQ 33

Peixes num aquário, 640 × 480 px, 2005 (200 × 150 px da imagem de entrada)

O que cada ferramenta recebeu
MegaPotato
Avaliador Opus 5.5 8.0MUSIQ 72
Crystal
Avaliador Opus 5.5 9.0MUSIQ 69
Topaz Wonder 3.5
Avaliador Opus 5.5 7.0MUSIQ 68

Um cantor num concerto, 1280 × 960 px, 2006 (110 × 83 px da imagem de entrada)

O que cada ferramenta recebeu
MegaPotato
Avaliador Opus 5.5 7.0MUSIQ 38
Crystal
Avaliador Opus 5.5 4.0MUSIQ 28
Topaz Wonder 3.5
Avaliador Opus 5.5 8.0MUSIQ 41

Fotos originalmente pequenas (não existe um verdadeiro original de alta resolução), fornecidas tal como foram publicadas. No gato, o Crystal mantém o granulado do antigo ficheiro JPEG; o Wonder 3.5 e o MegaPotato limpam-no. Nos peixes, o MegaPotato produz as escamas e os olhos mais nítidos, o resultado do Wonder é limpo mas menos nítido, e o Crystal mantém o ruído. No cantor, o Crystal continua pouco nítido; o Wonder e o MegaPotato dão um rosto limpo. Nestas 44 fotos, o MegaPotato e o Wonder 3.5 empataram (75.5 e 75.4), e o Crystal continuou a ser o menos nítido (61.9).

Fotos (Flickr, CC BY 2.0, creativecommons.org/licenses/by/2.0): «Cat | In your face cat.» de Jennifer Kramer; «I Want This Guy's Job!!!» de James; «Elwood Caine concert at Herr Nilsen» de Henning Klokkeråsen. Recortadas e ampliadas.

Como testámos os ampliadores com IA#

Basicamente, todas as fotos do teste dividem-se em duas categorias:

  1. Fotos de alta resolução e qualidade que degradámos com métodos diferentes (JPEG, desfocagem, ruído, etc.) e reduzimos para uma resolução baixa.
  2. Fotos originalmente de baixa resolução.
Fig. 4 · Mercado noturno · a imagem inteira
O que cada ferramenta recebeu
Foto original

À esquerda: o que cada ferramenta recebeu no teste principal, uma cópia pequena de 504 × 336 (mostrada aqui ampliada). À direita: o original, que nenhuma ferramenta chegou a ver. Usámo-lo apenas como referência do resultado correto.

Visto de perto:

Fig. 5 · Mercado noturno · 160 × 120 px de 504 × 336
O que cada ferramenta recebeu
Foto original
Mercado noturno: um pormenor de 160 × 120 px da imagem de entrada de 504 × 336 px.

A mesma multidão, vista de perto. Na cópia que cada ferramenta recebeu, estes rostos têm apenas cerca de 20–26 píxeis de largura. O ampliador tem de adivinhar o resto.

O teste principal (16 fotos, 18 ferramentas e configurações).

  • A mesma imagem de entrada degradada para todos: 504 × 336 píxeis, um pouco de desfocagem e ruído, guardada duas vezes em JPEG, como uma foto que já foi partilhada algumas vezes. A imagem de IA foi apenas reduzida.
  • A mesma tarefa para todos: ampliar 4 vezes (2016 × 1344). Topaz, Crystal, Let's Enhance, MegaPotato, Krea, Upscayl e Magnific foram configurados para 4×. O Recraft não permite escolher o tamanho, mas devolveu exatamente 4×. Não é possível indicar um tamanho ao ChatGPT e ao Gemini, por isso redimensionámos os seus resultados para 2016 × 1344.
  • Configurações predefinidas, uma execução por foto. Topaz: seis modelos. ChatGPT: um prompt simples e um rigoroso. Não alterámos nenhum parâmetro predefinido para não introduzir ajustes no teste.
Corrida de rua · multidão, rostos pequenos
Retrato · retrato, rosto grande
Foto de equipa, 1914 · foto antiga (1914)
Gato · animal de estimação, pelo
Ementa de café · texto (quadro de giz) + pessoas
Casas, Istambul · arquitetura
Mercado noturno · cena noturna
Imagem do Midjourney · arte de IA (Midjourney)
Beija-flor · vida selvagem, penas
Mercearia, 1943 · foto antiga (1943), letreiros + pessoas
Equipa de futebol · foto de equipa, rostos + números

Onze das 16 fotos do teste principal (os originais). Há links para todas as 16 em photos.csv. As ferramentas só receberam versões pequenas e degradadas.

O teste completo (135 fotos, 3 líderes). As fotos estão descritas acima. Cada imagem foi ampliada 4× numa única execução: MegaPotato na sua app web, Wonder 3.5 e Crystal através do fal.ai com as configurações predefinidas.

Os avaliadores, ambos cegos. Usar modelos de IA multimodais potentes como avaliadores[2] é um método estabelecido na investigação em IA[3]. Usámos dois diferentes, para que o gosto de um único modelo não pudesse decidir o resultado.

  • Claude Opus 5.5 (esforço máximo)[4] viu cada resultado identificado por uma letra aleatória, na íntegra e em zonas ampliadas, ao lado do original (ou da imagem de entrada, quando não existe original), e atribuiu uma pontuação de 0 a 10. Mostrámos duas vezes um resultado por foto para verificar a consistência.
  • Qwen3.8[5] (27B) avaliou zonas ampliadas e cada rosto ao lado do original, na mesma escala de 0–10, e respondeu para cada rosto: continua a ser a mesma pessoa?

As medições. Cada rosto foi detetado uma vez no original com SCRFD[6] (na imagem de entrada ampliada quando não existe original) e recortado da mesma forma em todos os resultados, para que um rosto perdido por uma ferramenta não pudesse escapar ao teste.

  • É a mesma pessoa? A semelhança média de quatro modelos de reconhecimento facial (três na maioria dos rostos): ArcFace[7] (treinado com Glint360K[8]), MagFace[9], AdaFace[10] (treinado com WebFace12M[11]) e AuraFace[12] (1 = o mesmo rosto; pessoas diferentes têm pontuações de cerca de 0–0.3).
  • Qualidade do rosto: eDifFIQA[13] (o sucessor rápido do DifFIQA[14]), que avalia até que ponto um rosto é limpo e reconhecível, sem o original.
  • Proximidade ao original: LPIPS[15] e A-FINE[1] no total. DISTS[16], DreamSim[17], DINOv2[18], TOPIQ[19] e a diferença de cor CIEDE2000[20] como verificações.
  • Tem bom aspeto? (dispensa o original): MUSIQ[21] e NIQE[22] no total; MANIQA[23], CLIP-IQA+[24] e TOPIQ como verificações.

Calculámos as métricas com a biblioteca de código aberto IQA-PyTorch[25] e o código dos próprios modelos.

O total (0–100). 28 % para a pontuação do Opus e 8 % para cada uma das seguintes componentes: pontuação do Qwen3.8 nas zonas ampliadas, pontuação do Qwen3.8 nos rostos, pontuação de identidade, proporção de rostos que o Qwen3.8 classificou como uma pessoa diferente, qualidade do rosto, LPIPS, A-FINE, MUSIQ e NIQE. As pontuações dos avaliadores são multiplicadas por 10. As restantes métricas são ajustadas a uma escala em que a melhor das 18 ferramentas e configurações do teste principal recebe 100 e a pior 0. O teste completo usa a mesma escala, por isso os seus totais têm o mesmo significado. Um valor melhor do que o melhor do teste principal conta como 100; um valor pior do que o pior, como 0. Os pesos são uma escolha nossa. Mostramos todas as componentes para poderes atribuir-lhes os teus próprios pesos. Fixámos os pesos depois do teste principal e antes do teste completo. O Opus recebeu o maior peso porque é um modelo proprietário extremamente capaz e, no teste principal, as suas pontuações foram as que melhor corresponderam à nossa avaliação visual.

Sobre a reprodutibilidade. Antes de calcular as pontuações, alinhámos cada resultado com a imagem de entrada: se estivesse deslocado mais de 0.75 píxeis, repúnhamo-lo na posição certa (os resultados do Wonder 3.5 estão muitas vezes deslocados cerca de 0.8 píxeis). Os resultados são reproduzíveis: vê Como repetir este teste.

Antes e depois: exemplos em pormenor#

Os recortes abaixo são do teste principal, salvo indicação em contrário na figura.

Rostos: que ampliador com IA preservou a identidade da pessoa#

Por baixo de cada resultado, em letra pequena: Avaliador Opus 5.5, a pontuação do avaliador cego (0–10) para o resultado completo de onde vem o recorte. sem. facial, a proximidade daquele rosto à pessoa no original, medida pelos modelos de reconhecimento facial (0–1; pessoas diferentes têm pontuações de cerca de 0–0.3), quando há um rosto. MUSIQ, a pontuação de bom aspeto do resultado completo (0–100).

Fig. 6 · Foto de equipa, 1914 · 56 × 42 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.5sem. facial 0.39MUSIQ 62
Crystal
Avaliador Opus 5.5 7.0sem. facial 0.49MUSIQ 64
Let's Enhance
Avaliador Opus 5.5 7.0sem. facial 0.46MUSIQ 60
Topaz Wonder 3.5
Avaliador Opus 5.5 7.0sem. facial 0.56MUSIQ 72
Gemini
Avaliador Opus 5.5 7.0sem. facial 0.61MUSIQ 43
ChatGPT
Avaliador Opus 5.5 5.5sem. facial 0.37MUSIQ 69
Krea
Avaliador Opus 5.5 5.0sem. facial 0.25MUSIQ 61
Upscayl
Avaliador Opus 5.5 2.5sem. facial 0.54MUSIQ 62
Recraft Creative
Avaliador Opus 5.5 2.0sem. facial 0.07MUSIQ 37
Magnific Creative
Avaliador Opus 5.5 2.3sem. facial 0.17MUSIQ 69
Foto de equipa, 1914: um pormenor de 56 × 42 px da imagem de entrada de 504 × 336 px.

Um futebolista de 1914, com um rosto de cerca de 25 píxeis de largura na cópia. Seis ferramentas ficam próximas da pessoa da foto original: Crystal, Let's Enhance, MegaPotato, Topaz Wonder 3.5, Gemini e ChatGPT (o ChatGPT também dá à foto um ligeiro tom azulado). O Krea cobre o rosto de linhas pretas, o Upscayl perde-o, e o Recraft Creative e o Magnific Creative desenham outro homem. Repara nos números do Upscayl: uma semelhança facial de 0.54, mas o avaliador de rostos Qwen3.8 deu-lhe 2 em 10. Um rosto distorcido que mantenha a forma geral pode enganar o reconhecimento facial. É por isso que mostramos os dois tipos de métricas.

Num retrato em grande plano, quase todas as ferramentas fizeram um bom trabalho: a imagem contém muito mais informação, por isso a tarefa é mais fácil.

Fig. 7 · Retrato · 140 × 105 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.5sem. facial 0.97MUSIQ 39
Crystal
Avaliador Opus 5.5 8.0sem. facial 0.97MUSIQ 47
Topaz Wonder 3.5
Avaliador Opus 5.5 7.5sem. facial 0.97MUSIQ 47
Topaz Bloom 2
Avaliador Opus 5.5 7.0sem. facial 0.86MUSIQ 51
Upscayl
Avaliador Opus 5.5 7.0sem. facial 0.97MUSIQ 29
Magnific Creative
Avaliador Opus 5.5 3.8sem. facial 0.72MUSIQ 44
Retrato: um pormenor de 140 × 105 px da imagem de entrada de 504 × 336 px.

O caso fácil: o nariz e os lábios de um retrato em grande plano. O Crystal e o Topaz Wonder 3.5 mantêm a textura da pele mais próxima do original. O MegaPotato suaviza-a um pouco. O Topaz Bloom 2 redesenha os lábios, o Upscayl dá um aspeto de cera e o Magnific Creative pinta as suas próprias sardas.

Os rostos pequenos, por outro lado, são extremamente difíceis, por isso as ferramentas separam-se em grupos muito claros. Numa multidão ou numa foto antiga de grupo, um rosto tem apenas 10–35 píxeis de largura, pelo que o modelo tem sobretudo de adivinhar.

Fig. 8 · Mercado noturno · 56 × 42 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 6.0sem. facial 0.47MUSIQ 58
Let's Enhance
Avaliador Opus 5.5 6.0sem. facial 0.44MUSIQ 57
Topaz Wonder 3.5
Avaliador Opus 5.5 6.5sem. facial 0.39MUSIQ 63
ChatGPT
Avaliador Opus 5.5 4.5sem. facial 0.38MUSIQ 64
Gemini
Avaliador Opus 5.5 6.0sem. facial 0.16MUSIQ 45
Recraft Creative
Avaliador Opus 5.5 1.5sem. facial 0.09MUSIQ 49
Mercado noturno: um pormenor de 56 × 42 px da imagem de entrada de 504 × 336 px.

Uma mulher na extremidade da multidão de um mercado noturno, com um rosto de cerca de 15 píxeis de largura. Ninguém a conseguiu reproduzir bem. Segundo o avaliador de rostos Qwen3.8, o Let's Enhance ficou mais perto (6 em 10), o MegaPotato e o ChatGPT tiveram 5, e o Topaz Wonder 3.5 teve 3. É curioso que nem o ChatGPT tenha conseguido redesenhar o rosto. O Gemini e o Recraft Creative perderam completamente o rosto.

Fig. 9 · Mercearia, 1943 · 36 × 27 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 6.5sem. facial 0.24MUSIQ 59
Topaz Wonder 3.5
Avaliador Opus 5.5 7.5sem. facial 0.23MUSIQ 61
Gemini
Avaliador Opus 5.5 7.5sem. facial 0.28MUSIQ 48
ChatGPT
Avaliador Opus 5.5 5.5sem. facial 0.26MUSIQ 65
Crystal
Avaliador Opus 5.5 7.0sem. facial 0.18MUSIQ 59
Upscayl
Avaliador Opus 5.5 2.5sem. facial 0.28MUSIQ 58
Mercearia, 1943: um pormenor de 36 × 27 px da imagem de entrada de 504 × 336 px.

Um merceeiro em 1943. O rosto tem cerca de 16 píxeis de largura. O Topaz Wonder 3.5 e o MegaPotato parecem os mais próximos neste caso: o Wonder mantém o rosto e o bigode, mas muda o olhar; o MegaPotato e o Gemini mantêm o rosto com um bigode mais claro. O ChatGPT rejuvenesce-o muito. O Crystal desenha um rosto diferente e mais magro, e o Upscayl perde o rosto.

Fig. 10 · Casas, Istambul · 32 × 24 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.0MUSIQ 73
Topaz Wonder 3.5
Avaliador Opus 5.5 7.0MUSIQ 73
Topaz Bloom 2
Avaliador Opus 5.5 4.5MUSIQ 72
Upscayl
Avaliador Opus 5.5 3.0MUSIQ 68
Recraft Creative
Avaliador Opus 5.5 1.5MUSIQ 49
Magnific Creative
Avaliador Opus 5.5 1.8MUSIQ 72
Casas, Istambul: um pormenor de 32 × 24 px da imagem de entrada de 504 × 336 px.

Nos rostos das estátuas, os resultados parecem seguir o mesmo padrão. O rosto deste busto tem apenas cerca de 12 píxeis de altura: um exemplo extremamente difícil, em que todos os modelos falham, cada um à sua maneira. O MegaPotato e o Topaz Wonder 3.5 parecem os mais próximos; pelo menos há um rosto de mulher no sítio certo. O Topaz Bloom 2 esculpe outro rosto, o Upscayl e o Recraft Creative perdem-no, e o Magnific Creative transforma o busto num vaso.

O que dizem os números dos rostos. O teste principal tem 67 rostos em 9 fotos, com 10–290 píxeis de largura na cópia que as ferramentas receberam. Para cada um, medimos a pontuação de identidade, a pontuação do avaliador de rostos Qwen3.8 e se o avaliador o classificou como uma pessoa diferente:

  • O reconhecimento facial e o avaliador de IA discordam de uma forma interessante. Um redimensionamento simples e desfocado recebe uma pontuação de identidade alta, porque a desfocagem mantém as formas gerais. Mas o avaliador penaliza esses casos. Para obter um rosto nítido é preciso adivinhar, e cada tentativa afasta-o um pouco do original. É um compromisso a que nenhum modelo consegue fugir.
  • A qualidade do rosto não permite distinguir os líderes. A eDifFIQA deu aos rostos do Crystal, Wonder 3.5, Let's Enhance, MegaPotato e ChatGPT pontuações de 0.56–0.59, ao nível dos rostos reais (0.58). Os rostos distorcidos ou desfocados tiveram pontuações muito inferiores (Upscayl 0.39, redimensionamento simples 0.27). Mas esta é sobretudo uma métrica de aspeto: avalia até que ponto um rosto é limpo e reconhecível, não se é a mesma pessoa.

Os modelos criativos são outra história. Na maioria dos casos, nem sequer tentam manter a identidade da pessoa:

Fig. 11 · Ementa de café · 96 × 72 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.0sem. facial 0.73MUSIQ 57
Crystal
Avaliador Opus 5.5 7.0sem. facial 0.79MUSIQ 53
Topaz Bloom 2
Avaliador Opus 5.5 6.5sem. facial 0.43MUSIQ 56
Recraft Creative
Avaliador Opus 5.5 2.0sem. facial 0.21MUSIQ 56
Krea
Avaliador Opus 5.5 4.5sem. facial 0.45MUSIQ 56
Magnific Creative
Avaliador Opus 5.5 2.8sem. facial 0.08MUSIQ 60
Ementa de café: um pormenor de 96 × 72 px da imagem de entrada de 504 × 336 px.

A mulher da foto do café. O MegaPotato e o Crystal (e, na grelha completa, o Topaz Wonder 3.5 e o Let's Enhance) preservam-na. Topaz Bloom 2, Recraft Creative, Krea e Magnific Creative desenham, cada um, uma mulher diferente: os modelos de reconhecimento facial dão-lhes entre 0.08 e 0.45, contra 0.73 do MegaPotato e 0.79 do Crystal.

Texto e números: os erros cometidos com mais confiança#

É no texto pequeno que os ampliadores são mais perigosos. O resultado parece legível, por isso acreditas nele.

Fig. 12 · Corrida de rua · 60 × 45 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.0MUSIQ 65
Topaz Wonder 3.5
Avaliador Opus 5.5 7.5MUSIQ 67
Crystal
Avaliador Opus 5.5 6.5MUSIQ 62
Gemini
Avaliador Opus 5.5 6.0MUSIQ 58
ChatGPT (prompt rigoroso)
Avaliador Opus 5.5 3.0MUSIQ 66
Recraft Creative
Avaliador Opus 5.5 2.0MUSIQ 61
Corrida de rua: um pormenor de 60 × 45 px da imagem de entrada de 504 × 336 px.

O corredor do início do artigo. O número verdadeiro é LUT 3029 TP. O Topaz Wonder 3.5 e o MegaPotato parecem os mais próximos neste caso: o Wonder acertou nos algarismos (com 7P em vez de TP), o MegaPotato escreveu 2029. O Crystal escreveu 2020, o Gemini 2022, e só o Gemini leu «trucks» na faixa vermelha. O ChatGPT (prompt rigoroso) escreveu «182 XDA 17» e o Recraft Creative substitui completamente o dorsal e a camisola.

O texto grande é mais fácil do que o pequeno, obviamente:

Fig. 13 · Mercado noturno · 112 × 72 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 6.0MUSIQ 58
Topaz Wonder 3.5
Avaliador Opus 5.5 6.5MUSIQ 63
Crystal
Avaliador Opus 5.5 6.5MUSIQ 59
ChatGPT
Avaliador Opus 5.5 4.5MUSIQ 64
Magnific Creative
Avaliador Opus 5.5 1.8MUSIQ 59
Recraft Creative
Avaliador Opus 5.5 1.5MUSIQ 49
Mercado noturno: um pormenor de 112 × 72 px da imagem de entrada de 504 × 336 px.

Um letreiro no mercado noturno. Os caracteres grandes sobrevivem no MegaPotato, no Topaz Wonder 3.5 e no Crystal. O número de telefone por baixo, 0981337668, não se consegue ler na imagem de entrada e nenhuma ferramenta o recupera: o Wonder 3.5 e o Crystal desenham letras latinas no seu lugar, o MegaPotato desenha caracteres inventados. O ChatGPT redesenha todo o letreiro num novo estilo, o Magnific Creative pinta uma casa nele e o Recraft Creative escreve outros caracteres.

Fig. 14 · Ementa de café · 96 × 72 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.0MUSIQ 57
Crystal
Avaliador Opus 5.5 7.0MUSIQ 53
Topaz Wonder 3.5
Avaliador Opus 5.5 7.5MUSIQ 54
Krea
Avaliador Opus 5.5 4.5MUSIQ 56
Magnific Creative
Avaliador Opus 5.5 2.8MUSIQ 60
Recraft Creative
Avaliador Opus 5.5 2.0MUSIQ 56
Ementa de café: um pormenor de 96 × 72 px da imagem de entrada de 504 × 336 px.

Uma ementa de café. As palavras são suficientemente grandes para se lerem na cópia pequena, por isso quase todas as ferramentas as mantêm. O MegaPotato, o Crystal e o Topaz Wonder 3.5 parecem os mais próximos neste caso. É curioso que muitos modelos falhem nos tons das cores. O Krea torna o giz cinzento, o Magnific Creative reescreve duas das palavras e o Recraft Creative transforma a ementa em palavras sem sentido («smme», «olwerlo», «Kinierl»).

Cores: quem não repintou a foto#

Fig. 15 · Casas, Istambul · 100 × 75 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.0MUSIQ 73
Crystal
Avaliador Opus 5.5 7.0MUSIQ 74
Topaz Wonder 3.5
Avaliador Opus 5.5 7.0MUSIQ 73
ChatGPT (prompt simples)
Avaliador Opus 5.5 7.0MUSIQ 70
Casas, Istambul: um pormenor de 100 × 75 px da imagem de entrada de 504 × 336 px.

Hera numa casa em Istambul. O MegaPotato, o Crystal e o Topaz Wonder 3.5 mantêm as cores. O ChatGPT (com ambos os prompts) transforma as folhas castanho-avermelhadas escuras em folhas de um verde vivo.

Fig. 16 · Corrida de rua · a imagem inteira
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.0MUSIQ 65
Topaz Wonder 3.5
Avaliador Opus 5.5 7.5MUSIQ 67
ChatGPT (prompt simples)
Avaliador Opus 5.5 3.0MUSIQ 68
ChatGPT (prompt rigoroso)
Avaliador Opus 5.5 3.0MUSIQ 66

A foto completa da corrida. O MegaPotato e o Topaz Wonder 3.5 mantêm as cores, tal como as outras ferramentas mais cuidadosas. Com o prompt simples, o ChatGPT transforma a luz quente em luz fria e acrescenta um céu azul e árvores verdes na parte de cima. Com o prompt rigoroso, mantém mais do tom quente, mas continua a alterar as cores (diferença de cor de 11.1 e 7.8, contra 2.3 dos dois acima).

Pelo de animais e imagens geradas por IA#

Fig. 17 · Gato · 64 × 48 px de 504 × 336
O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 8.0MUSIQ 55
Crystal
Avaliador Opus 5.5 7.5MUSIQ 56
Topaz Wonder 3.5
Avaliador Opus 5.5 7.5MUSIQ 57
ChatGPT (prompt simples)
Avaliador Opus 5.5 6.0MUSIQ 61
Magnific Creative
Avaliador Opus 5.5 3.8MUSIQ 54
Recraft Creative
Avaliador Opus 5.5 4.0MUSIQ 47
Gato: um pormenor de 64 × 48 px da imagem de entrada de 504 × 336 px.

Pelo de gato. O MegaPotato e o Crystal parecem os mais próximos neste caso; o Topaz Wonder 3.5 fica um pouco menos nítido. O ChatGPT torna o pelo mais alaranjado, o Magnific Creative pinta uma pelagem malhada e o Recraft Creative desenha pelo comprido e liso.

Fig. 18 · O teste completo · uma imagem de IA · 96 × 72 px de 384 × 288
O que cada ferramenta recebeu
Imagem de IA original
MegaPotato
Avaliador Opus 5.5 8.0sem. facial 0.75MUSIQ 64
Crystal
Avaliador Opus 5.5 7.0sem. facial 0.74MUSIQ 65
Topaz Wonder 3.5
Avaliador Opus 5.5 6.5sem. facial 0.72MUSIQ 64
Imagem de IA de um anfiteatro: um pormenor de 96 × 72 px da imagem de entrada de 384 × 288 px.

Uma imagem de IA do teste completo (FLUX.1 [schnell], criada por nós), com 16 rostos. Os três líderes lidaram bem com ela. O resultado do MegaPotato teve a melhor pontuação do avaliador Opus 5.5 (8 em 10, contra 7 do Crystal e 6.5 do Wonder 3.5), na avaliação das zonas ampliadas pelo Qwen3.8 e na proximidade ao original (LPIPS); os seus rostos também ficaram mais próximos das pessoas no original (pontuação de identidade de 0.75, contra 0.74 e 0.72).

Detalhes inventados: o que as ferramentas acrescentaram e não estava na foto#

Todas as ferramentas generativas inventaram algum detalhe que nunca existiu no original. Os modelos de uso geral fizeram-no mais vezes, os especializados mais raramente, mas nenhum é imune.

  • MegaPotato: logótipos e caracteres inventados onde o texto é demasiado pequeno para se ler.
  • ChatGPT: novos objetos e decorações (cortinas, quadros, nomes de empresas) e um céu e uma luz diferentes.
  • Topaz Wonder 3.5: transforma estátuas, bonecas e rostos pintados em pessoas vivas e fotografias. Algarismos errados onde o texto é demasiado pequeno.
  • Topaz Standard V2, Low Resolution V2 e Standard MAX: tendem a remover acessórios dos rostos pequenos.
  • Topaz Bloom 2: roupa e objetos novos em pessoas, estátuas e mesas.
  • Recraft Creative: uma nova cena: pessoas, plantas, janelas e ementas novas.
  • Magnific Creative: também uma nova cena: pessoas e texto novos, um busto transformado numa urna.

Casos extremamente difíceis: fotos antigas em papel, forte compressão JPEG, ruído (57 imagens)#

O teste completo mede o desempenho médio. Por isso, também fizemos alguns testes com degradação extrema, para ver como os modelos se comportam no pior caso: 57 imagens, reduzidas (288 × 216 ou menos) e degradadas de propósito, ou simplesmente difíceis por natureza. Digitalizações de material impresso com pontos de trama, forte compressão JPEG, ruído devido à pouca luz, fotos antigas em papel com pó e riscos, papel texturado, rostos minúsculos, óculos de sol, estátuas, bonecas, pinturas e banda desenhada. Os originais são fotos do domínio público ou com licença livre (Library of Congress, Wikimedia Commons, The Metropolitan Museum of Art, Pexels). Aqui só usámos os três líderes, e avaliadores cegos de IA escolheram o melhor resultado para cada imagem. Nas imagens abaixo, o avaliador Opus 5.5 também pontuou cada resultado numa avaliação cega separada, com os critérios do teste principal. A sua pontuação e a do MUSIQ estão por baixo dos painéis. Os rostos alterados que vais ver são os resultados das ferramentas, não as pessoas. Mostramo-los apenas para documentar o que as ferramentas fazem.

Fig. 19 · Casos difíceis · óculos com qualidade JPEG 12

Músicos numa imagem guardada com forte compressão JPEG (qualidade 12) (64 × 48 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.5MUSIQ 55
Crystal
Avaliador Opus 5.5 4.0MUSIQ 52
Topaz Wonder 3.5
Avaliador Opus 5.5 5.0MUSIQ 61

Um passageiro de comboio numa imagem com forte compressão JPEG (qualidade 12) (56 × 42 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 3.5MUSIQ 60
Crystal
Avaliador Opus 5.5 4.5MUSIQ 58
Topaz Wonder 3.5
Avaliador Opus 5.5 3.0MUSIQ 63

Dois rostos muito degradados pela compressão JPEG. Para uma tarefa tão difícil, todas as ferramentas se saíram bastante bem, mas cada uma inventou ou perdeu detalhes diferentes.

Fotos: cottonbro studio, Licença Pexels; Syazani Zahari, Licença Pexels

Fig. 20 · Casos difíceis · uma foto antiga em papel

Uma foto envelhecida em papel, em sépia, com pó, riscos e desfocagem (148 × 111 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 5.5MUSIQ 44
Crystal
Avaliador Opus 5.5 3.5MUSIQ 34
Topaz Wonder 3.5
Avaliador Opus 5.5 4.0MUSIQ 43

Uma foto antiga de Einstein em papel, desbotada.

Foto: Ferdinand Schmutzer, domínio público

Fig. 21 · Casos difíceis · forte compressão JPEG e ruído

Uma foto de 1943 guardada com forte compressão JPEG (qualidade 12) (90 × 68 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 5.5MUSIQ 66
Crystal
Avaliador Opus 5.5 2.5MUSIQ 54
Topaz Wonder 3.5
Avaliador Opus 5.5 6.5MUSIQ 68

A mesma foto com muito ruído devido à pouca luz (90 × 68 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 5.5MUSIQ 49
Crystal
Avaliador Opus 5.5 3.5MUSIQ 44
Topaz Wonder 3.5
Avaliador Opus 5.5 6.0MUSIQ 64

Dois tipos de degradação forte na mesma foto de 1943. O MegaPotato rejuvenesceu a mulher e fez desaparecer os óculos.

Fotos: Jack Delano, Library of Congress, domínio público (obra do Governo dos EUA)

Fig. 22 · Casos difíceis · óculos de sol

Óculos de sol escuros após forte compressão JPEG (100 × 75 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 6.0MUSIQ 77
Crystal
Avaliador Opus 5.5 7.0MUSIQ 76
Topaz Wonder 3.5
Avaliador Opus 5.5 6.5MUSIQ 78

Óculos de sol desportivos espelhados de corredores após forte compressão JPEG (98 × 74 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 6.5MUSIQ 75
Crystal
Avaliador Opus 5.5 5.5MUSIQ 68
Topaz Wonder 3.5
Avaliador Opus 5.5 7.0MUSIQ 76

Depois de uma forte degradação por compressão JPEG, o Crystal torna muitas vezes os óculos de sol escuros transparentes e desenha olhos por trás. O MegaPotato e o Wonder 3.5 costumam manter estas lentes escuras.

Fotos: Karan Singh, Licença Pexels; RUN 4 FFWPU, Licença Pexels

Fig. 23 · Casos difíceis · uma boneca e uma cabeça de mármore

Uma boneca de porcelana não vidrada num museu do brinquedo, com um rosto de cerca de 22 px de largura na imagem de entrada (56 × 42 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 7.0MUSIQ 71
Crystal
Avaliador Opus 5.5 4.5MUSIQ 62
Topaz Wonder 3.5
Avaliador Opus 5.5 4.0MUSIQ 69

Um busto romano em mármore de um homem, de meados do século 1 (128 × 96 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 6.0MUSIQ 68
Crystal
Avaliador Opus 5.5 7.5MUSIQ 69
Topaz Wonder 3.5
Avaliador Opus 5.5 6.5MUSIQ 72

Alguns exemplos de rostos não humanos.

Imagens: Alf van Beem, Wikimedia Commons, CC0; The Metropolitan Museum of Art, Acesso aberto, CC0

Fig. 24 · Casos difíceis · uma aguarela

Uma aguarela de John Singer Sargent, 1912 (60 × 45 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 6.5MUSIQ 55
Crystal
Avaliador Opus 5.5 6.5MUSIQ 52
Topaz Wonder 3.5
Avaliador Opus 5.5 3.5MUSIQ 64

Uma pintura. O Wonder transforma o rosto pintado numa fotografia, com bastante confiança. O MegaPotato rejuvenesce-o e suaviza-o, mais parecido com uma ilustração. O Crystal mantém a pincelada solta, o que parece ser o mais adequado aqui.

Imagem: John Singer Sargent, The Metropolitan Museum of Art, Acesso aberto, CC0

Fig. 25 · Casos difíceis · papel texturado

Uma foto da década de 1910 digitalizada a partir de papel texturado (72 × 54 px da imagem de entrada de 288 × 216 px)

O que cada ferramenta recebeu
Foto original
MegaPotato
Avaliador Opus 5.5 8.5MUSIQ 62
Crystal
Avaliador Opus 5.5 4.5MUSIQ 54
Topaz Wonder 3.5
Avaliador Opus 5.5 6.5MUSIQ 65

Só o MegaPotato remove o grão do papel. O Wonder deixa parte dele e endurece o olhar da mulher. O Crystal deixa tudo como está.

Foto: Harris & Ewing, Library of Congress, sem restrições de publicação conhecidas

Os rostos muito degradados são o nosso ponto fraco: em 8 imagens deste tipo, o MegaPotato alterou a pessoa em 6 (outra idade, outro rosto ou olhos abertos). Com imagens de entrada muito pequenas, ninguém preservou o rosto de Einstein, e o MegaPotato também deixou uma faixa de píxeis com riscas ao longo de duas margens de cada resultado.

Tipo de imagemImagensWonder 3.5 melhorMegaPotato melhorCrystal melhor
Pontos de jornais e revistas (digitalizações com trama)11860
Fotos antigas em papel: pó, riscos, desfocagem, papel texturado7260
Forte compressão JPEG e ruído devido à pouca luz em pessoas16963
Óculos de sol após forte compressão JPEG5430
Rostos minúsculos e imagens de entrada minúsculas (128 × 96, 160 × 120)8552
Estátuas e bonecas5140
Pinturas e banda desenhada5212
Todos os casos difíceis5731317

Os empates contam para todas as ferramentas empatadas, por isso a soma de uma linha pode ultrapassar o número de imagens. Os grupos são pequenos, pelo que uma imagem pode alterar uma linha.

Em poucas palavras: o Wonder 3.5 e o MegaPotato dividiram os casos difíceis a meias, com 31 primeiros lugares cada um em 57, e o Crystal ficou com 7. Digitalizações de material impresso, forte compressão JPEG e fotos com ruído: começa pelo Wonder 3.5. Fotos antigas em papel, estátuas, bonecas e papel texturado: MegaPotato. Pinturas: Crystal, que mantém a pincelada. Nos rostos degradados, nenhuma ferramenta foi fiável.

Que ampliador com IA deves usar, por tipo de foto#

  • Fotos reais de baixa qualidade tal como foram tiradas (fotos antigas de telemóvel, das primeiras câmaras digitais, de festas e de palco): MegaPotato, e por larga margem (67.2 contra 62.8 do Wonder 3.5 e 46.1 do Crystal, 29 fotos).
  • Noite, palco e pouca luz: MegaPotato (70.1 contra 64.8 e 55.2, 24 fotos).
  • Fotos partilhadas, comprimidas ou pequenas com pessoas: MegaPotato para os rostos mais nítidos e naturais. Topaz Wonder 3.5 ou Crystal quando o rosto tem de ficar o mais próximo possível do original (pontuações de identidade mais altas).
  • Fotos antigas e desbotadas em papel e fotos antigas de família: Wonder 3.5 ou MegaPotato: ao mesmo nível nas 19 fotos antigas em papel (74.0 e 73.9). O MegaPotato deu os rostos mais nítidos nos casos difíceis, mas por vezes transforma a degradação forte em padrões. Nenhuma ferramenta remove pó e riscos de forma fiável.
  • Digitalizações de jornais e revistas: Topaz Wonder 3.5 ou MegaPotato.
  • Estátuas, bonecas, pinturas e desenhos: o MegaPotato deixa de pedra os olhos de pedra. Nas pinturas, o Crystal mantém a pincelada. O Wonder por vezes dá-lhes «vida».
  • Paisagens, animais e edifícios sem pessoas: os três estão próximos (Crystal 74.2, MegaPotato 72.8, Wonder 3.5 72.6).
  • Fotos com nomes, números ou letreiros: não confies em nenhuma ferramenta para texto pequeno. Uma palavra ou um número que de repente se torna legível é uma suposição, não uma recuperação. É no texto pequeno que estamos a trabalhar para a próxima versão do MegaPotato.
  • Uma impressão grande a partir de um ficheiro pequeno: a 300 píxeis por polegada, 2016 × 1344 píxeis dão uma impressão de cerca de 17 × 11 cm (6.7 × 4.5 in). O MegaPotato chega a 8×, o Let's Enhance a 16×, o Topaz Gigapixel a 6×.
  • Milhares de imagens através de uma API: MegaPotato ($0.079 por foto para 1 000 por mês), Topaz ($0.26 através da sua própria API, a partir de $50 por mês, ou $0.24 através do fal.ai) ou Crystal ($0.35) para fotos. Recraft Crisp ($0.033) apenas para elementos gráficos limpos. Não testámos a velocidade nem a fiabilidade com grandes volumes.

Preços dos ampliadores com IA: quanto custam realmente#

Fig. 26 · Os quatro líderes: o preço de uma foto

Bar chart of 4 bars: MegaPotato $0.073, Let's Enhance $0.22, Topaz Wonder 3.5 · fal.ai $0.24, Crystal $0.35. Highest: Crystal; lowest: MegaPotato.

Os quatro líderes: o preço de uma foto
value
MegaPotato$0.073
Let's Enhance$0.22
Topaz Wonder 3.5 · fal.ai$0.24
Crystal$0.35

As quatro ferramentas que ficaram a menos de dois pontos do melhor total (80.8 a 82.6) e o preço de uma foto em cada uma: 100 fotos por mês, média de três tamanhos. As barras começam no zero. O MegaPotato custa 3.1 a 4.8 vezes menos do que as outras três. A própria API do Topaz não está no gráfico: o plano começa nos $50 por mês, por isso, para 100 fotos por mês, pagas sobretudo o plano, $0.54 por foto. Para 1 000 fotos por mês, fica por $0.26.

Fig. 27 · Qualidade pelo preço

Scatter plot of 14 points: Pontuação total against Preço por foto, $ (log scale). Preço por foto, $ from 0.033 to 2.051. Highest Pontuação total: MegaPotato (82.6); lowest: Recraft Creative (33.3). Highlighted: MegaPotato (82.6 at 0.073). Hollow points are estimates.

Qualidade pelo preço
Preço por foto, $Pontuação totalPontuação total fromPontuação total toseriesestimate
MegaPotato0.07382.6MegaPotato
Topaz Wonder 3.50.2481.9Topaz
Let's Enhance0.22381.8Let's Enhance
Crystal0.3580.8Crystal
ChatGPT0.16273.2OpenAIyes
Gemini0.11370.9Googleyes
Topaz Standard MAX0.45369.9Topaz
Topaz Bloom 20.90768.1Topaz
Topaz Precision, 3 modelos0.10753.934.165.1Topaz
Recraft Crisp0.03363.9Recraftyes
Krea Enhance0.2153.7Kreayes
Magnific Precision V21.13053.5Magnific
Magnific Creative1.02046.3Magnificyes
Recraft Creative2.05133.3Recraftyes

Pontuação total em função do preço de uma foto para 100 fotos por mês, média de três tamanhos, uma cor por fornecedor, Topaz através do fal.ai. O eixo do preço é logarítmico: a mesma distância representa a mesma proporção, não o mesmo número de dólares. Os pontos sem preenchimento são preços normalizados por megapíxel. O Upscayl não está no gráfico: a app em si é gratuita, mas precisas da tua própria placa gráfica e de eletricidade para a usar, e não contabilizámos esses custos. Como calculámos os preços ↓

Como calculámos os preços dos gráficos

O preço de uma foto é a média de três tarefas, cada uma ampliada 4× (0.17 → 2.7 MP, 1 → 16 MP, 3 → 48 MP), para 100 fotos por mês. O custo de um pack de compra única, ou de créditos que não expiram, é repartido pelos meses que duram a esse ritmo de utilização, até um máximo de 12, e para cada volume escolhemos o pack ou plano mais barato. O preço do Topaz é o do fal.ai (pagamento por utilização). Através da própria API do Topaz, com o mínimo mensal de $50, todos os pontos do Topaz se deslocam para a direita (Wonder 3.5 para $0.54). Os três modelos Precision do Topaz (Standard V2 62.6, Low Resolution V2 65.1, High Fidelity V3 34.1) custam o mesmo e partilham um ponto na sua média, com a barra a ir do valor mais baixo ao mais alto. O preço do MegaPotato é o da app web, com o desconto de −20 % para 3 ou mais fotos enviadas em conjunto. Para 100 fotos por mês, os packs mais baratos são $25 por 600 batatinhas para o tamanho pequeno e $50 por 1 300 batatinhas para os dois maiores. A sua API não tem desconto de lote e fica por $0.091 por foto a este volume. Os preços do Gemini e da OpenAI são os das suas APIs Batch (metade do preço, resultados no prazo de 24 horas). Quando uma ferramenta não consegue produzir um tamanho (ChatGPT acima de 8 MP, Gemini a 48 MP, Magnific Creative acima de 25 MP, Recraft em qualquer tamanho definido) ou só tem preço para um tamanho (Krea), normalizamos o preço a partir do preço por megapíxel e mostramos esses pontos sem preenchimento. As tabelas abaixo apresentam os custos para 10 e 1 000 fotos por mês. Preços antes de impostos.

Os preços por foto escondem duas coisas: o que tens de comprar primeiro e se podes usar a ferramenta sem escrever código. Por isso, mostramos aqui o custo mensal para o tamanho pequeno do teste principal (uma foto de 504 × 336 ampliada 4×, 2.7 MP), que todas as ferramentas conseguem fazer. Os preços são do próprio site ou API de cada fornecedor, verificados novamente em 15 de novembro de 2026 (cada fonte tem a sua data), antes de impostos. As páginas estão nas fontes.

MegaPotato[26]$0.50$3.33$31Packs de batatinhas de compra única a partir de $5. As batatinhas não expiram. 3 ou mais fotos em conjunto: −20 %Sim
API do Crystal (Clarity AI)[27]$0.50$5$50Pagamento por utilização a partir de $1Não
Site do Crystal (Clarity AI)[27]$13–19$13–19$199–299Um plano mensal: Starter a $19 ($13 com faturação anual) para 1 200 créditos, 5 créditos por foto pequena. 1 000 por mês exige Business, com 30 000 créditos. O plano mais barato não inclui «suporte para imagens pequenas»Sim
Topaz Wonder 3.5 (API do Topaz)[28]$50$50$100A própria API do Topaz, a partir de $50 por mês. 1 crédito por fotoNão
Topaz Standard V2, Low Res V2, High Fidelity V3 (API do Topaz)[28]$50$50$100O mesmo plano de API. 1 crédito por fotoNão
Topaz Standard MAX (API do Topaz)[28]$50$50$100O mesmo plano de API. 1 crédito por fotoNão
Topaz Bloom 2 (API do Topaz)[28]$50$50$200O mesmo plano de API. 2 créditos por fotoNão
Topaz Wonder 3.5 (fal.ai)[29]$0.80$8$80Pagamento por utilização. $0.08 por cada bloco de 8 MP, ou fração, na imagem resultanteNão
Topaz Standard MAX (fal.ai)[29]$0.80$8$80Pagamento por utilização. $0.08 por cada bloco de 4 MP, ou fração, na imagem resultanteNão
Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai)[29]$0.80$8$80Pagamento por utilização. $0.08 por cada bloco de 24 MP, ou fração, na imagem resultanteNão
Topaz Bloom 2 (fal.ai)[29]$1.60$16$160Pagamento por utilização. $0.08 por cada bloco de 2 MP, ou fração, na imagem resultanteNão
Topaz for Web, Image (Wonder 3, não 3.5)[30]$14–19$14–19$14–19Um plano de preço fixo: $199 por ano, $19 por mês com compromisso anual ou $19 por mês sem compromisso anual, em promoção a $169 e $16 (com compromisso anual) em 15 de novembro de 2026. O Topaz diz que os processamentos são ilimitados. Os limites publicados são 32 MP na exportação, duas imagens de cada vez e utilização pessoal ou por pequenas empresasSim
Topaz Gigapixel (para computador, Wonder 3)[30]$11–29$11–29$11–29$149 por ano, $19 por mês com compromisso anual ou $29 por mês sem compromisso anual, em promoção a $127 e $16 (com compromisso anual). Processamentos locais ilimitados, processamentos na nuvem «ilimitados» com duas imagens de cada vezSim
Let's Enhance[31]$3.25$9$72Planos ou packs de compra única. 1 crédito por fotoSim
Gemini (API)[32]$0.50$5$50API Batch, pagamento por utilização. Produz uma imagem 2K (2528 × 1696). Sem código, a app gratuita dá 1264 pxNão
ChatGPT (API de imagens da OpenAI)[33]$0.42$2.71$27API Batch com qualidade «high». Pré-pagamento mínimo de $5. Sem código, a app deu 1536 × 1024Não
Recraft Crisp (API)[34]$0.08$0.40$4Pagamento por utilização a partir de $1Não
Recraft Creative (API)[34]$2.50$25$250Pagamento por utilização a partir de $1Não
Magnific Creative (nó do ComfyUI)[35]$3.40$34$340Créditos Comfy pré-pagos, mínimo de $10, válidos por um ano. Planos do próprio Magnific a partir de €16 por mêsNão
Magnific Precision V2 (nó do ComfyUI)[35]$3.40$34$340Os mesmos créditos. Dois passos de 2×Não
Krea (plano Pro)[36]$21–35$21–35$21–35Pro a $35 por mês, ou $21 com faturação anual: 20 000 unidades de computação. O Krea já não indica quantas imagens no Enhancer essa quantidade permite processar (em outubro indicava 2 500 por mês)Sim
UpscaylgrátisgrátisgrátisA tua própria placa gráficaSim

O que isto significa na prática. Se sabes escrever código, a API do MegaPotato é a mais barata das ferramentas cuidadosas: $0.091 por foto (a média de três tamanhos para 100 fotos por mês; a API não tem desconto de lote, mas a app web tem, e aí as mesmas fotos custam $0.073), contra $0.54 do Topaz Wonder 3.5 através da própria API do Topaz ($0.24 através do fal.ai) e $0.35 da API do Crystal. Sem código, a escolha é mais restrita. O site do Crystal começa nos $13 por mês com faturação anual ($19 com faturação mensal). O Wonder 3.5 para fotos só existe através de uma API: fal.ai com pagamento por utilização ou a própria API do Topaz a partir de $50 por mês (as apps do Topaz têm o Wonder 3, que não testámos). Por isso, o MegaPotato e o Let's Enhance são basicamente as únicas duas ferramentas de topo que podes usar no navegador com uma compra única, sem subscrição, e o MegaPotato é mais barato em todos os tamanhos para os quais calculámos preços. Para uma utilização realmente intensiva, cerca de 1 000 fotos por mês, os planos de preço fixo do Topaz com Wonder 3 são difíceis de bater (Gigapixel a $149 por ano, Topaz for Web a $199, em promoção a $127 e $169 em 15 de novembro de 2026): o Topaz diz que os processamentos são ilimitados e não publica um limite mensal, apenas um limite de exportação de 32 MP e duas imagens de cada vez. Não conseguimos testar se isto se mantém com milhares de processamentos por mês. Para 100 fotos por mês, o MegaPotato já é mais barato.

Pormenores que alteram o preço real e ferramentas que não testámos
  • Gasto mínimo: a própria API do Topaz exige $50 por mês (o plano «Starter» de $0 que em outubro aparecia como «em breve» desapareceu; os créditos por foto constam da documentação[37]); o fal.ai não exige mínimo. O site do Crystal exige $13–19 por mês. O MegaPotato, $5, uma única vez. As APIs do Crystal e do Recraft têm pagamento por utilização a partir de $1. As APIs do Gemini e da OpenAI exigem um pré-pagamento de $5.
  • Créditos que expiram: os créditos dos planos do Let's Enhance deixam de ser válidos quando cancelas (os packs de compra única não expiram). Os créditos do site do Crystal não transitam para o mês seguinte. Os créditos das APIs do Gemini e da OpenAI expiram ao fim de 12 meses. As batatinhas do MegaPotato, as unidades do Recraft e os créditos da API do Crystal não expiram.
  • Saltos de preço e limites de tamanho: o Crystal duplica o preço logo acima de 16 MP (de $0.20 para $0.40). O Topaz Standard V2 duplica acima de 24 MP, e o Wonder 3.5 já custa 2 créditos a 16 MP na API do Topaz. No fal.ai, o Wonder 3.5 custa $0.08 por cada bloco de 8 MP, ou fração, na imagem resultante ($0.16 a 16 MP, $0.48 a 48 MP). O MegaPotato sobe uma batatinha de cada vez (0.06 batatinha por bloco de imagem, com arredondamento para cima). A API de imagens da OpenAI fica por cerca de 8 MP. A app gratuita do Gemini, por 1264 px. O plano gratuito do Let's Enhance, por 8 MP, com um logótipo.
  • Não testados: VanceAI[38], Pixelcut[39] e Remini[40]. Os preços estão nas fichas das ferramentas.

Todos os ampliadores com IA que testámos, um a um#

Notas curtas sobre cada ferramenta: o que é, o que fez bem, onde falhou. As pontuações estão na classificação e os preços nas tabelas de preços; não vale a pena repeti-los aqui.

1. Ampliador de imagens com IA MegaPotato: primeiro nos dois testes e o mais barato dos líderes#

O MegaPotato é a nossa ferramenta: uma app web e uma API, um modelo que amplia 2×, 4× ou 8×, ou mantém o tamanho no modo Refinar, packs de batatinhas em vez de uma subscrição.

É mais forte nas fotos reais de baixa qualidade, fotos noturnas e imagens de IA; os rostos saem naturais e limpa as fotos antigas em papel (grão do papel, pó) melhor do que os outros. O ponto fraco são os rostos pequenos: afastam-se um pouco mais da pessoa real do que no Crystal e no Wonder 3.5. Em fotos escuras e degradadas, mudou idades e por vezes rostos; em imagens de entrada muito pequenas, deixa riscas nas margens.

2. Topaz Wonder 3.5: os rostos mais fiéis, mas só através de uma API#

A Topaz Labs é provavelmente o nome mais conhecido na ampliação (parte da Adobe desde setembro de 2026), com três famílias de modelos que se comportam de forma muito diferente: Precision, Generative e Creative. O Wonder 3.5 é o que interessa e só está disponível por API, a do próprio Topaz ou o fal.ai, onde o usámos. As apps têm o Wonder 3.

Os rostos mais fiéis de todos, a única ferramenta que leu o número do corredor, a melhor nas digitalizações com trama e a mais cuidadosa com rostos degradados. Os problemas: trata estátuas e bonecas como pessoas e pinturas como fotografias, muda a idade das pessoas e deixa pouco nítidas as fotos antigas em papel já desbotadas. Os outros modelos do Topaz são outra história: Standard V2, Low Resolution V2 e Standard MAX dão aos rostos pequenos um aspeto de plástico e tendem a remover acessórios; o High Fidelity V3 mal toca numa foto pequena (foi feito para as grandes); o Bloom 2 redesenha os rostos.

3. Let's Enhance: quase tão fiel e fácil de usar#

O Let's Enhance é um dos ampliadores web mais antigos e só funciona na web (a API é vendida à parte como Claid; não a testámos), com alguns modos. Usámos o Prime, o predefinido. Pagas com créditos, comprados em packs ou num plano.

Cuidadoso e fiel: os seus rostos foram os preferidos do avaliador de rostos e não inventou nada de significativo. Onde perde é na nitidez: os seus resultados são os menos nítidos dos quatro líderes, tanto para o avaliador das zonas ampliadas como nas métricas de bom aspeto, e os rostos ficam um pouco mais afastados da pessoa real do que os do Wonder e do Crystal.

4. Crystal Upscaler (Clarity AI): muito fiel nas fotos normais, fraco com ruído e material impresso#

O Crystal é o modelo fechado da Clarity AI, ajustado para rostos e produtos: uma API paga por imagem e um site que exige um plano.

O mais próximo dos originais segundo as métricas de imagem: mantém a pessoa e as cores, não acrescenta nada e é o melhor quando não há pessoas no enquadramento. Mas mantém o ruído e os blocos JPEG, apenas mais nítidos; os pontos de trama continuam a ser pontos e, nos nossos casos difíceis, tornou os óculos de sol escuros transparentes e fez crianças de fotos antigas parecerem adultas. Não serve para digitalizações, fotos em papel degradadas ou fotos com ruído.

5. ChatGPT como ampliador: ótimo à primeira vista, mas altera detalhes importantes#

O ChatGPT não tem um botão de ampliação: pedes uma versão maior e o modelo de imagem desenha uma imagem nova.

Os resultados mais bonitos de todos à primeira vista. Mas o conhecido problema de redesenhar continua lá: altera as cores, rejuvenesce as pessoas e escreve texto com toda a confiança, e um prompt rigoroso para «não inventar nada» não o impede. Serve para uma imagem bonita, não para fotos de família, documentos, produtos ou qualquer coisa com nomes e números.

6. App Gemini (Google Nano Banana): cuidadosa com os rostos, ficheiros pequenos#

O Gemini também não é um ampliador: redesenha a imagem inteira.

O mais cuidadoso dos modelos de chat: mantém rostos e cores. Mas as imagens são pequenas e pouco nítidas, e o modelo escreve números bem definidos mas errados e palavras inventadas.

7. Recraft (Crisp e Creative): barato para elementos gráficos, não serve para rostos pequenos#

O Recraft é uma ferramenta de design com dois ampliadores: o Crisp dá nitidez ao que já existe, o Creative redesenha. Não podes escolher o tamanho do resultado.

O Crisp funciona bem com arte de IA e contornos limpos, e tem a API mais barata do teste, mas distorce os rostos pequenos. O Creative limita-se a desenhar outra foto, com pessoas novas e palavras sem sentido. Logótipos, elementos gráficos e arte de IA em grandes quantidades, não pessoas.

8. Upscayl: gratuito e sem ligação à internet, mas não serve para rostos pequenos#

O Upscayl é uma app gratuita e de código aberto para computador que executa modelos do tipo Real-ESRGAN na tua própria placa gráfica: sem conta, sem marca de água, as fotos nunca saem do teu computador (três dos modelos incluídos estão assinalados como não comerciais).

Gratuito, privado, razoável com arte de IA e contornos limpos, e não inventa palavras. Os rostos pequenos saem distorcidos e o texto pequeno continua desfocado. Ampliação gratuita de imagens limpas sem ligação à internet, é só isso.

9. Krea: muitas ferramentas; testámos a sua própria ferramenta de melhoria#

O Krea é uma plataforma criativa. O seu Enhancer tem modelos do próprio Krea e de parceiros (Topaz, Magnific). Testámos o do próprio Krea.

Muitas ferramentas num só sítio, se já geras imagens lá. Nas fotos, o seu próprio Enhance afastou-se muito dos rostos reais, desenhou linhas pretas sobre os rostos de 1914 e tornou o giz vermelho cinzento. Ficou perto do fundo da nossa classificação.

10. Magnific: o mais famoso desenha uma imagem nova e o modo de foto carrega demais na nitidez#

O Magnific é o ampliador que toda a gente menciona primeiro, com dois modos, Creative e Precision. Usámos ambos através dos nós Magnific do ComfyUI, com as configurações predefinidas dos nós. O nó devolvia 2× independentemente do que pedíamos, por isso o nosso 4× resulta de duas passagens de 2×.

O Creative cria uma imagem nova e rica em detalhes, boa para arte conceptual e ilustrações. Numa foto, esse é precisamente o problema: desenha uma nova, com outras pessoas e outras palavras. O Precision mantém a cena, mas acumula texturas inventadas e nítidas em tudo. Com as configurações predefinidas, nenhum se aproximou do topo. O Precision com níveis de detalhe mais baixos poderá sair-se melhor do que no nosso teste.

Três ferramentas populares que não testámos: VanceAI, Pixelcut, Remini
  • VanceAI. Um conjunto de ferramentas online (ampliar, remover ruído, restaurar, colorir). Planos a partir de $15 por mês para 260 créditos; uma ampliação 4× custa 2 créditos. Os novos utilizadores recebem 10 créditos grátis.
  • Pixelcut. Um editor de fotos para quem vende online. 3 transferências grátis por dia a 2×; 4× exige Pro ($8–10 por mês, ampliações «ilimitadas»). API a $0.10 por ampliação, em planos a partir de $10 por mês.
  • Remini. Uma app para telemóvel centrada nos rostos. Não podes escolher um tamanho, por isso serve mais para «melhorar» rostos do que para ampliar. Vendida por subscrição, muitas vezes semanal.

Como repetir este teste#

Tudo o que precisas para repetir o teste está nesta página e em quatro pequenos ficheiros:

  • As fotos: cada uma das 137 fotos dos dois testes principais, com a fonte, a licença e a forma como foi criada a versão pequena, em photos.csv. O processo de criação de cada tipo de imagem de entrada está no apêndice. Os casos difíceis estão descritos na respetiva secção.
  • As ferramentas: onde foi executada cada ferramenta, com as configurações e os prompts, em Configurações, prompts e alinhamento.
  • A avaliação: os avaliadores, as medições e a fórmula, em Como fizemos os testes. Os números de cada ferramenta nos dois testes estão na tabela do teste completo e no apêndice.
  • Todas as pontuações: cada ferramenta em cada foto em scores.csv, cada rosto em faces.csv. O README.txt explica cada coluna e como os dados dão origem às tabelas desta página. Os dados podem ser usados livremente ao abrigo da licença CC BY 4.0, com um link para esta página.

Versão 1.1, 15 de novembro de 2026. Os preços foram verificados novamente em todos os fornecedores. O MegaPotato ficou mais barato (uma foto de 48 MP custa agora 4 batatinhas em vez de 5), pelo que é agora 7.4 vezes mais barato do que o Topaz Wonder 3.5 através da própria API do Topaz e 3.3 vezes mais barato do que através do fal.ai. O Topaz acrescentou às suas apps um plano anual com faturação mensal e alterou os preços promocionais, e o Krea já não indica o número de imagens no Enhancer por plano. Todos os outros preços permanecem iguais, tal como os resultados dos testes.

Versão 1.0, 14 de outubro de 2026. As ferramentas foram executadas no início de outubro de 2026. Os preços foram verificados novamente em 17 de outubro de 2026; cada fonte tem a sua data. As alterações aos números serão listadas aqui.

Verificámos que os resultados são reproduzíveis. Ao calcular uma segunda vez as pontuações dos resultados guardados do teste principal com o mesmo código, todos os valores ficaram a menos de 0.15 % da primeira execução, foto a foto. Quando voltámos a perguntar sobre 201 rostos com os mesmos prompts e recortes, o avaliador Qwen3.8 deu exatamente a mesma pontuação em 85 % dos casos e a mesma resposta a «é a mesma pessoa?» em 99.5 % dos rostos. O Claude Opus 5.5 viu um resultado por foto duas vezes, identificado por duas letras. No teste principal, as duas pontuações foram idênticas em 9 das 16 fotos e diferiram meio ponto nas restantes. Os próprios ampliadores podem dar um resultado diferente numa segunda execução.

Como citar este teste

MegaPotato Research Team. The Best AI Image Upscalers of 2026–2027: Benchmark With Reproducible Metrics and Prices. megapotato.app, 14 de outubro de 2026, versão 1.1 de 15 de novembro de 2026. https://megapotato.app/blog/best-ai-image-upscalers-2026

bibtex
@misc{megapotato2026upscalers,
  title        = {The Best AI Image Upscalers of 2026--2027: Benchmark With
                  Reproducible Metrics and Prices},
  author       = {{MegaPotato Research Team}},
  year         = {2026},
  month        = oct,
  howpublished = {\url{https://megapotato.app/blog/best-ai-image-upscalers-2026}},
  note         = {Version 1.1, 15 November 2026}
}

Apêndice: métricas, configurações, prompts e fontes das fotos#

Todos os números do teste principal (18 ferramentas e configurações)

As componentes do total, como médias das 16 fotos. «Pessoa diferente» é a proporção dos 67 rostos que o avaliador Qwen3.8 classificou como uma pessoa diferente. A-FINE, DreamSim, DINOv2 e TOPIQ-FR foram calculadas em cópias a metade do tamanho (1008 × 672). O nome de cada métrica é explicado ao passar o cursor. Todas as definições estão em O que mede cada métrica.

MegaPotato82.67.006.986.850.4810.00.5600.20717.459.93.19
Topaz Wonder 3.581.97.097.157.010.5490.00.5700.21136.361.73.07
Let's Enhance81.86.816.697.030.5141.50.5920.20923.259.13.31
Crystal80.86.786.856.760.5451.50.5830.19337.159.72.98
ChatGPT, prompt rigoroso73.26.166.806.520.4744.50.5620.26927.761.24.34
ChatGPT, prompt simples73.25.816.756.460.4556.00.5650.28723.563.64.08
App Gemini70.96.666.486.510.5191.50.5400.24235.250.44.63
Topaz Standard MAX69.95.785.955.840.49710.40.4990.22327.156.43.98
Topaz Bloom 268.15.816.275.780.2639.00.5310.28527.463.63.40
Topaz Low Resolution V265.15.475.405.570.48413.40.4830.23538.154.73.77
Recraft Crisp63.95.425.245.160.4907.50.4050.22230.153.64.01
Topaz Standard V262.64.895.155.210.46911.90.4790.24845.554.93.16
Upscayl (Standard)59.75.124.664.280.47619.40.3850.24035.255.73.65
Krea Enhance53.74.125.024.700.28131.30.5010.31747.558.23.04
Magnific Precision V253.55.205.495.240.4649.00.4930.49046.552.54.61
Magnific Creative46.32.344.103.660.14661.20.5290.32428.161.43.02
Topaz High Fidelity V334.14.204.123.840.53920.90.3260.40261.030.36.23
Recraft Creative33.32.033.202.810.16676.10.4790.41627.650.24.22
Redimensionamento simples–4.344.183.760.55125.40.2660.47162.727.17.61
Foto real––9.09–1.000–0.5770.00039.853.33.58

Mais pontuações, que não entram no total. Proximidade ao original:

MegaPotato0.1440.01250.9690.6972.49
Topaz Wonder 3.50.1280.00960.9810.7102.32
Let's Enhance0.1310.01720.9730.6642.29
Crystal0.1220.00760.9830.7072.12
ChatGPT, prompt rigoroso0.1610.02330.9800.6214.82
ChatGPT, prompt simples0.1760.03150.9750.6056.19
App Gemini0.1360.01550.9760.6672.83
Topaz Standard MAX0.1490.01970.9580.6742.46
Topaz Bloom 20.1720.02650.9660.5714.60
Topaz Low Resolution V20.1590.01560.9380.6722.19
Recraft Crisp0.1540.01960.9480.6852.51
Topaz Standard V20.1530.01940.9580.6402.53
Upscayl (Standard)0.1630.02320.9500.6662.66
Krea Enhance0.1830.03470.9330.4894.27
Magnific Precision V20.2070.0102–0.6633.20
Magnific Creative0.1910.0626–0.4465.51
Topaz High Fidelity V30.2130.03890.9730.5952.88
Recraft Creative0.2280.06450.8850.3266.97
Redimensionamento simples0.2220.02710.9720.6082.57
Foto real0.0000.00001.0000.8180.00

–: não calculado (as duas linhas do Magnific).

Pontuações de «bom aspeto», que não usam o original:

MegaPotato0.3940.6020.532
Topaz Wonder 3.50.4220.6240.570
Let's Enhance0.4200.5910.524
Crystal0.3890.6000.541
ChatGPT, prompt rigoroso0.3740.6220.483
ChatGPT, prompt simples0.4000.6510.513
App Gemini0.3050.5240.368
Topaz Standard MAX0.3620.5790.478
Topaz Bloom 20.4350.6160.579
Topaz Low Resolution V20.3450.5450.458
Recraft Crisp0.3330.5190.431
Topaz Standard V20.3240.5350.465
Upscayl (Standard)0.3530.5520.468
Krea Enhance0.3960.5930.542
Magnific Precision V20.3730.5390.491
Magnific Creative0.4150.6370.552
Topaz High Fidelity V30.2190.2850.222
Recraft Creative0.3290.5130.431
Redimensionamento simples0.2540.4180.222
Foto real0.3230.5380.433
Quanto custa um mês com resultados de 16 MP

As mesmas regras da tabela do tamanho pequeno em Preços dos ampliadores com IA: uma foto de 1224 × 816 ampliada 4×.

MegaPotato$1.00$6$53Packs de batatinhas de compra única a partir de $5. 3 ou mais fotos em conjunto: −20 %Sim
API do Crystal (Clarity AI)$2$20$200Pagamento por utilização a partir de $1Não
Site do Crystal (Clarity AI)$13–19$33–49$199–299Um plano mensalSim
Topaz Wonder 3.5 (API do Topaz)$50$50$200–360A própria API do Topaz, a partir de $50 por mês. 2 créditos por foto (4 segundo outra página do Topaz)Não
Topaz Standard V2, Low Res V2, High Fidelity V3 (API do Topaz)$50$50$100O mesmo plano de API. 1 crédito por fotoNão
Topaz Standard MAX (API do Topaz)$50$50$360O mesmo plano de API. 4 créditos por fotoNão
Topaz Bloom 2 (API do Topaz)$50$88$660O mesmo plano de API. 8 créditos por fotoNão
Topaz Wonder 3.5 (fal.ai)$1.60$16$160Pagamento por utilização. Dois blocos de 8 MP, contando blocos incompletos, na imagem resultanteNão
Topaz Standard MAX (fal.ai)$3.20$32$320Pagamento por utilização. Quatro blocos de 4 MPNão
Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai)$0.80$8$80Pagamento por utilização. Um bloco de 24 MPNão
Topaz Bloom 2 (fal.ai)$6.40$64$640Pagamento por utilização. Oito blocos de 2 MPNão
Topaz for Web, Image (Wonder 3, não 3.5)$14–19$14–19$14–19Um plano de preço fixo ($199 por ano, $19 por mês com compromisso anual ou $19 por mês sem compromisso anual. $169 e $16 em promoção em 15 de novembro de 2026). Processamentos «ilimitados», limite de exportação de 32 MP, duas imagens de cada vezSim
Topaz Gigapixel (para computador, Wonder 3)$11–29$11–29$11–29$149 por ano, $19 por mês com compromisso anual ou $29 por mês sem compromisso anual ($127 e $16 em promoção). Processamentos «ilimitados», duas imagens de cada vez na nuvemSim
Let's Enhance$6.50$24$160Planos ou packs de compra única. 2 créditos por foto a 16 MPSim
Magnific Creative e Precision V2 (nó do ComfyUI)$6.80$68$680Créditos Comfy pré-pagos. 143.6 créditos por foto a 16 MPNão
Gemini (API)$0.76$7.60$76API Batch. Redesenha num tamanho predefinido (5056 × 3392)Não
ChatGPT (API de imagens da OpenAI)não permitenão permitenão permiteA sua maior imagem tem 8.2 MPnão aplicável
Recraft Crisp e Creative (API)não permitenão permitenão permiteSem escolha de tamanhonão aplicável
Krea (plano Pro)$21–35$21–35$21–3520 000 unidades de computação. O Krea já não indica quantas imagens no Enhancer essa quantidade permite processar (em outubro indicava 2 500 por mês)Sim
UpscaylgrátisgrátisgrátisA tua própria placa gráficaSim
Configurações, prompts e alinhamento

Criação da versão pequena de entrada (teste principal). Recortámos uma área com a proporção 3:2 de cada foto, criámos a imagem de referência a 2016 × 1344, reduzimo-la para 504 × 336 (média por área), acrescentámos uma ligeira desfocagem (sigma 0.3 px) e um pouco de ruído (sigma 1.5 numa escala de 0–255) e guardámo-la duas vezes em JPEG (qualidade 60, depois 80). A imagem de IA foi apenas reduzida. As imagens de entrada do teste completo estão descritas junto de cada foto na lista de fotos.

Onde foi executada cada ferramenta. Configurações predefinidas, exceto o tamanho. As ferramentas foram executadas no início de outubro de 2026.

FerramentaOnde foi executadaConfigurações
MegaPotatoApp web megapotato.app4×
Topaz Wonder 3.5, Standard MAXfal.ai topaz/upscale/image/generativemodelo escolhido pelo nome, upscale_factor 4, PNG
Topaz Bloom 2fal.ai topaz/upscale/image/creativemodelo escolhido pelo nome, upscale_factor 4, PNG
Topaz Standard V2, Low Resolution V2, High Fidelity V3fal.ai topaz/upscale/image/precisionmodelo escolhido pelo nome, upscale_factor 4, PNG
Crystalfal.ai clarityai/crystal-upscalerscale_factor 4, creativity 0, PNG
Recraft Crisp, Recraft Creativefal.ai fal-ai/recraft/upscale/crisp, fal-ai/recraft/upscale/creativesem escolha de tamanho
Let's EnhanceApp web letsenhance.ioPrime, 4×
Kreakrea.ai Enhance4×
Magnific Creativenó de parceiro do ComfyUI Magnific Image Upscale (Creative), créditos Comfy pré-pagos4×, standard, creativity, HDR, resemblance e fractality 0, engine automatic
Magnific Precision V2nó de parceiro do ComfyUI Magnific Image Upscale (Precise V2)duas passagens de 2× (o nó devolvia 2× qualquer que fosse a escala pedida); flavor photo, sharpen 7, smart grain 7, ultra detail 30
ChatGPTChatGPT Plus, ferramenta de imagemos prompts abaixo
GeminiApp Gemini (Nano Banana 2)o prompt simples
UpscaylMotor de linha de comandos do UpscaylModelo Standard, 4×

No fal.ai, as configurações predefinidas do Topaz ativam a melhoria de rostos. O canto com o logótipo do Let's Enhance ficou de fora do cálculo das pontuações.

Prompts. Simples, para ChatGPT e Gemini: «Upscale this photo 4x. Keep everything exactly the same.» Rigoroso, para ChatGPT: «Super-resolution only, 4x. Resolve the detail that is already in the pixels — do not restore, retouch or reinterpret. If you downscale your result back to the original size it must match the original pixel for pixel. Do not use any knowledge of who or what this is: import nothing from other versions of this image. Keep geometry, crop, identity, expression, lighting, colour, grain and lens character exactly as they are. Add only micro-texture implied by the input: pores, hair strands, fabric weave, edges. No retouching, no smoothing, no relighting, no grading, no new elements. Where a region is unresolvable, leave it soft instead of inventing detail.»

Alinhamento. Cada resultado foi redimensionado para 4× o tamanho da imagem de entrada. Se estivesse deslocado mais de 0.75 píxeis (medidos por correlação de fase com a imagem de entrada ampliada por redimensionamento bicúbico), era reposto na posição certa; as métricas de proximidade ignoram os poucos píxeis das margens que ficam a descoberto. O ChatGPT e o Gemini deslocam e recortam a imagem, por isso alinhámos os seus resultados por correspondência de características.

Os avaliadores. Qwen3.8-27B-FP8 através do vLLM, com descodificação gulosa. Claude Opus 5.5 (claude-opus-5-5), cada resultado identificado por uma letra aleatória. As instruções estão abaixo.

As instruções dos avaliadores, palavra por palavra

Claude Opus 5.5, teste principal. Estes critérios foram usados em todas as folhas. Omitimos as linhas sobre os caminhos dos ficheiros e o ficheiro de saída.

text
You are a blind judge of AI image upscaling quality. You will score anonymous upscaled images against the real photo. You do not know which tools made them, and you must not try to find out.

Setup: for each photo there are 3 or 4 sheets named <photo>_<view>.jpg: one "overview" (the whole frame) and 2–3 zoomed views (faces, text, textures). In every sheet the first tile, labelled REAL PHOTO, is the real full-resolution photo. The other tiles, labelled with letters, are upscaled versions made from a small, damaged copy of that photo (504x336 pixels, with blur, noise and JPEG artifacts). Within one photo a letter always means the same image in every view. Letters are shuffled differently for each photo, so letter A of one photo has nothing to do with letter A of another photo. In the overview sheets, the bottom-left corner of every tile, including the real photo, is covered by the same grey box on purpose; ignore it. The grocery photo is an old 1943 black-and-white photo: its real photo is itself soft and grainy.

Task: for each photo, look at all its views first, then give every letter one score from 0 to 10 (half points allowed) for overall quality, the way a careful person would judge it looking at the result next to the real photo: is it sharp, clean and natural, and is it true to the real photo?
- 10: looks like the real photo, equally sharp and clean; no visible changes.
- 8–9: very close; sharp and natural; only tiny differences in fine texture.
- 6–7: good; clearly an upscale (a bit soft, over-sharpened or waxy) or small invented details, but the same people, text and colours.
- 4–5: clear problems: blurry, plastic skin, garbled details, a noticeable colour change, or one important thing changed.
- 2–3: serious problems: faces turned into other people or broken, invented or missing objects or text, the scene redrawn.
- 0–1: unusable.
Judge the whole image: the overview shows colours, the whole scene and overall sharpness; the zoomed views show faces, text and textures. A serious error in a zoomed view (a broken or replaced face, a new object, wrong readable text) must pull the score down even if the rest is good. Blurry but faithful results should not get high scores either. Be consistent across photos. Score each letter on its own merits.

Claude Opus 5.5, teste completo (imagens de IA, fotos sem pessoas, fotos reais de baixa qualidade e fotos antigas em papel): as instruções que o avaliador leu. Omitimos o formato da resposta. Nas fotos originalmente pequenas, o avaliador usou os critérios do teste principal, com a imagem de entrada ampliada por redimensionamento simples no lugar da foto real.

text
You are a blind judge. Three image upscalers (anonymous, letters A, B and C) each enlarged the same small photo 4 times. You do not know which tool is which, and the letters are shuffled on every sheet. Please judge each sheet on its own.

What a sheet looks like. Each sheet is split into image files. Read every part of a sheet before you judge it. Part 1 is the whole image. The later parts are zooms. A red box under "Where this zoom is" shows the zoom's place. Top row: "What every tool got": the small input that all three tools were given, enlarged with plain bicubic (soft on purpose). "Original (answer)": only on some sheets. It is the real photo before it was damaged and shrunk. When it is there, it is the answer: the best result is the one closest to it. "Where this zoom is": the location of the zoom. Bottom row: A, B, C, the three results.

How to judge.
1. Fidelity, 0 to 10. With an original: how close is the result to the original? Same people (face shape, identity, age, expression, skin tone, hair, glasses, beard), same objects, same text, same colours, same textures. Without an original: is the result a believable sharper version of the input, without changing what is there? Fidelity errors include inventing content (new objects, jewellery, glasses, a different face, eyes opened or closed, text or letters that are not there, fake texture) and losing real content (glasses, moustache, text, patterns, people). A statue or doll must stay a statue or doll. A painting must stay a painting. An old print may stay an old print.
2. Naturalness, 0 to 10. Does it look like a good, natural photo? Look for waxy or plastic skin, a painted look, halos, oversharpening, leftover noise or JPEG blocks, smears, garbled text, repeating patterns, seams and bands at the edges.
3. Rank A, B and C overall. Fidelity matters most, then naturalness. Use "=" only when you truly cannot separate two results.
4. Invented or lost content. For each letter, list concrete changes you can see. Write "none seen" if you saw none.

Rules. Judge by eye only. Do not run code, do not measure pixels, do not compute statistics, do not compare file sizes or metadata. Do not try to guess which tool is which, and do not use names of tools. Some sheets may look alike. Judge every sheet fresh from its own images. Look closely at faces, hands, text and fine textures in the zooms.

Qwen3.8, zonas ampliadas. O prompt de sistema, seguido do pedido para cada zona de cada resultado ({what} indica o que observar nessa zona; o seu «overall» é a pontuação usada no total):

text
System: You are a meticulous photo-restoration evaluator. You compare an AI upscaler's output with the real high-resolution photo. Be strict: invented, removed or changed content (objects, letters, digits, faces, textures) is a serious fault even when the result looks sharp. Answer ONLY with the requested JSON.

Image 1 is the REFERENCE: a crop of the real high-resolution photo. Image 2 is the SAME crop taken from an AI upscaler's output; the upscaler only received a small, degraded version of the photo. What to look at in this region: {what}. Rate Image 2 against the reference and return JSON with keys: fidelity (0-10, 10 = same content as the reference, nothing invented, removed or changed), quality (0-10, sharpness and naturalness of Image 2 on its own: 10 = looks like a real high-resolution photo; blur, plastic skin, oversharpening, halos or painterly texture lower it), overall (0-10, how good a restoration of the reference this is), identity (only if the region shows a human face: 'same' | 'changed' | 'different' | 'destroyed'; otherwise 'n/a'), text (only if the reference contains readable letters or digits: 'correct' | 'partly' | 'wrong' | 'illegible'; otherwise 'n/a'), issues (a list of at most 4 short phrases naming concrete differences from the reference, or []). JSON only.

Quando não existe original, o prompt de sistema diz «with the small input photo it received» em vez de «with the real high-resolution photo», e o pedido começa assim: «Image 1 is the INPUT: a crop of the small photo that an AI upscaler received, enlarged by plain resizing, so it is blurry by nature (no better original exists). Image 2 is the SAME crop taken from the upscaler's output.» As chaves são as mesmas, com «the input» em vez de «the reference».

Qwen3.8, rostos. Para cada rosto de cada resultado (o seu «overall» é a pontuação dos rostos usada no total; «same_person» = 'no' é um rosto alterado):

text
Three tiles of the SAME face. Image 1: the REAL face (crop of the real high-resolution photo). Image 2: the degraded small input that the upscaler received, enlarged (blurry by nature). Image 3: the AI upscaler's result for the same tile. Compare Image 3 with Image 1 and answer as JSON with keys: same_person ('yes' | 'probably' | 'no' - is it still the same person as in Image 1?), expression ('kept' | 'changed' - eyes open/shut, mouth, smile, gaze), accessories ('kept' | 'changed' | 'none' - glasses, moustache/beard, mask, hat, badge, earrings), artefacts (list from: 'none', 'melted', 'painted', 'plastic_skin', 'extra_features', 'distorted', 'blurred', 'oversharpened'), overall (0-10: how faithful and natural a reconstruction of the real face Image 3 is; 10 = indistinguishable from Image 1, 0 = a different or destroyed face), note (one short sentence). JSON only.

Quando não existe original, o prompt dos rostos tem duas imagens, a imagem de entrada ampliada por redimensionamento simples e o resultado, e faz as mesmas perguntas por comparação com a imagem de entrada.

O teste completo. As fotos sem original foram avaliadas por comparação com a imagem de entrada, ampliada por redimensionamento bicúbico, e os prompts indicavam isso. A pontuação do Opus nas imagens de IA, nas fotos sem pessoas, nas fotos reais de baixa qualidade e nas fotos antigas em papel é a média das suas duas pontuações de 0–10, de fidelidade e de naturalidade. Nas fotos originalmente pequenas, é uma pontuação de 0–10 por comparação com a imagem de entrada. As zonas ampliadas do Qwen3.8 nestas fotos: os quatro quadrados com mais detalhe (cada um com um lado igual a um terço do lado menor da imagem) e os 8 maiores rostos. O avaliador Opus 5.5 viu cada resultado na íntegra e em zonas ampliadas, como no teste principal.

Rostos. Detetados uma vez pelo SCRFD no original ao tamanho de 4× (na imagem de entrada ampliada 4× quando não existe original). Todos os rostos com pelo menos 10 píxeis de largura na imagem de entrada. O mesmo recorte alinhado de 112 × 112 em cada resultado. Modelos de reconhecimento facial com média das previsões da imagem e da sua versão espelhada. A pontuação de identidade é a média de AdaFace (IR-101, WebFace12M), ArcFace (R100, Glint360K), AuraFace v1 e MagFace (R100). No teste principal, o MagFace só foi executado nos 14 rostos da foto da corrida; no teste completo, em todos os rostos.

Métricas. LPIPS (AlexNet) e diferença de cor CIEDE2000 (após uma desfocagem gaussiana de 2 px) na resolução completa; DISTS em blocos de 512 px; A-FINE, DreamSim, DINOv2 (ViT-L) e TOPIQ-FR em cópias a metade do tamanho; MUSIQ, CLIP-IQA+ e TOPIQ como média de 5 blocos fixos de 512 px; MANIQA e NIQE na imagem inteira; eDifFIQA (L) nos recortes dos rostos.

Limitações deste teste
  • 16 fotos são uma amostra pequena para 18 ferramentas. 135 fotos são uma amostra maior, para três.
  • Uma execução por foto e configuração. As ferramentas generativas podem dar um resultado diferente de cada vez.
  • Configurações predefinidas. Muitas ferramentas têm controlos deslizantes que as tornam mais cuidadosas ou mais criativas.
  • O ChatGPT e o Gemini não conseguiram produzir exatamente 4×.
  • As fotos sem original só podem ser avaliadas por comparação com a imagem de entrada, que é menos nítida. Os avaliadores foram informados disso.
  • Os pesos do total são uma escolha. A A-FINE, uma das dez componentes, prefere resultados que pareçam mais naturais do que o original, o que favorece ampliadores mais ousados. Publicamos todas as componentes para poderes alterar os pesos.
  • Topaz, Crystal e Recraft foram executados através do fal.ai e Magnific através dos nós do ComfyUI, não nas apps dos próprios fornecedores. As suas apps podem comportar-se de forma diferente.
  • Os modelos de reconhecimento facial só compararam cada resultado com o respetivo original. Não se pesquisaram identidades nem se publicam dados de rostos.
  • Os preços e os modelos mudam com frequência. Os testes foram executados no início de outubro de 2026, os preços são de 15 de novembro de 2026, e cada fonte de preços tem a sua data.
O que mede cada métrica

Todas as colunas das tabelas acima, num só sítio. Na página, o nome de uma coluna com sublinhado pontilhado mostra a respetiva definição quando passas o cursor sobre ele.

Total
a pontuação numa escala de 100: 28 % para o avaliador Opus 5.5 e 8 % para cada uma das outras nove componentes (as duas pontuações do Qwen3.8, a pontuação de identidade, a proporção de rostos alterados, a qualidade do rosto, LPIPS, A-FINE, MUSIQ e NIQE). As pontuações de 0–10 dos avaliadores são multiplicadas por 10. As restantes componentes são ajustadas a uma escala em que a melhor das 18 ferramentas do teste principal recebe 100 e a pior 0. Vê Como fizemos os testes.
Avaliador Opus 5.5
o Claude Opus 5.5, um LLM multimodal da Anthropic, viu cada resultado identificado por uma letra aleatória, na íntegra e em zonas ampliadas, ao lado do original (ou da imagem de entrada quando não existe original), e atribuiu-lhe 0–10. 28 % do total.
Qwen3.8, zonas ampliadas
o Qwen3.8-27B, um LLM multimodal aberto executado numa GPU H100 alugada, pontuou as zonas ampliadas com mais detalhe de cada resultado ao lado do original, numa escala de 0–10.
Qwen3.8, rostos
o mesmo modelo pontuou cada recorte de rosto ao lado do rosto original, numa escala de 0–10, e respondeu se continua a ser a mesma pessoa.
Pontuação de identidade
a semelhança média entre um rosto no resultado e o mesmo rosto no original, medida por quatro redes de reconhecimento facial: ArcFace (CVPR 2019, treinada com Glint360K), MagFace (CVPR 2021), AdaFace (CVPR 2022, treinada com WebFace12M) e AuraFace (2024). 1 corresponde ao mesmo rosto; pessoas diferentes têm pontuações de cerca de 0–0.3.
Pessoa diferente, %
a proporção de rostos que o avaliador Qwen3.8 classificou como uma pessoa diferente.
Qualidade do rosto (eDifFIQA)
eDifFIQA (IEEE T-BIOM 2024), uma pontuação de qualidade de imagens de rostos baseada em difusão: até que ponto um rosto parece limpo e reconhecível, sem o original. Quanto mais alta, melhor.
LPIPS
Learned Perceptual Image Patch Similarity (CVPR 2018): a distância entre um resultado e o original nas características extraídas por uma rede AlexNet. Quanto menor o valor, maior a proximidade ao original.
A-FINE
Adaptive Fidelity-Naturalness Evaluator (CVPR 2025): avalia a proximidade de um resultado ao original e a naturalidade do seu aspeto, e dá mais peso à naturalidade quando o resultado parece mais natural do que o original. Quanto mais baixa, melhor.
MUSIQ
Multi-Scale Image Quality transformer (ICCV 2021): uma pontuação de «bom aspeto» que dispensa o original. Quanto mais alta, melhor.
NIQE
Natural Image Quality Evaluator (IEEE Signal Processing Letters 2013): o afastamento entre as estatísticas de uma imagem e as de fotos naturais, sem o original. Quanto mais baixo, mais natural.
DISTS
Deep Image Structure and Texture Similarity (IEEE TPAMI 2022): proximidade ao original na estrutura e na textura. Quanto menor o valor, maior a proximidade ao original.
DreamSim
uma métrica de semelhança entre imagens treinada com avaliações humanas (NeurIPS 2023). Quanto menor o valor, maior a proximidade ao original.
DINOv2
a semelhança das características DINOv2 ViT-L (TMLR 2024) entre o resultado e o original. Quanto maior o valor, maior a proximidade ao original.
TOPIQ-FR
uma rede de qualidade de imagem que parte do significado da imagem e desce até às suas distorções (IEEE TIP 2024); a TOPIQ-FR compara com o original, a TOPIQ avalia sem ele. Quanto mais alta, melhor.
Cor ΔE
a diferença de cor CIEDE2000 entre o resultado e o original, após uma desfocagem de 2 px, para medir a cor e não a nitidez. Quanto menor o valor, maior a proximidade ao original.
MANIQA
Multi-dimension Attention Network para qualidade de imagem, dispensa o original (CVPR Workshops 2022). Quanto mais alta, melhor.
CLIP-IQA+
o aspeto de uma imagem tal como o modelo CLIP o vê (AAAI 2023), dispensa o original. Quanto mais alta, melhor.
Preço por foto
o preço médio de um resultado de 2.7, de 16 e de 48 MP para 100 fotos por mês, antes de impostos. Vê Preços dos ampliadores com IA.
As 137 fotos: fontes, licenças e imagens de entrada

Todas as fotos, com a fonte, a licença e o recorte, a área ou a semente exatos, estão em photos.csv. Como criámos cada tipo de imagem de entrada:

  • O teste principal (16 fotos). O recorte do ficheiro à resolução original foi redimensionado para 2016 × 1344 (o original com que comparamos) e, por média por área, para 504 × 336. Depois, aplicámos desfocagem gaussiana (sigma 0.3 px), ruído gaussiano (sigma 1.5 em 255, a partir da semente da foto) e guardámos duas vezes em JPEG (qualidade 60, depois 80; 4:2:0). O teste completo usa 14 destas fotos (exclui as etiquetas de preço e a imagem do Midjourney).
  • Imagens de IA (16). FLUX.1 [schnell] no fal.ai (fal-ai/flux/schnell, 4 passos, 1536 × 1152) a partir do prompt e da semente da foto; essa imagem é o original. Imagem de entrada: média por área para 384 × 288, seguida da mesma desfocagem, ruído (a mesma semente) e compressão JPEG do teste principal.
  • Fotos sem pessoas (13). A área do ficheiro de origem foi redimensionada para 1536 × 1152 (o original) e 384 × 288 por média por área. Depois, aplicámos a mesma desfocagem, ruído e compressão JPEG do teste principal.
  • Fotos reais de baixa qualidade (29), sem original de alta resolução. Imagem de entrada: o recorte do ficheiro tal como foi publicado, à sua resolução original, sem mais alterações.
  • Fotos antigas em papel e película (19), sem um original limpo. Imagem de entrada: o ficheiro tal como foi transferido, reduzido por média por área (OpenCV INTER_AREA) para 480 px no lado maior, sem mais alterações.
  • Fotos originalmente pequenas (44), sem original de alta resolução. Imagem de entrada: o ficheiro exatamente como foi publicado (37 fotos do Flickr, 2001–2007) ou um fotograma do vídeo (7 fotogramas de vídeos da web, 2005–2009). Os ficheiros com licenças NC ou ND e os fotogramas de vídeo são disponibilizados por link, sem redistribuição, e os seus resultados não são mostrados nesta página.

Fontes

  1. [1]Du Chen et al. Toward Generalized Image Quality Assessment: Relaxing the Perfect Reference Quality Assumption. CVPR, 2025.
  2. [2]Dongping Chen et al. MLLM-as-a-Judge: Assessing Multimodal LLM-as-a-Judge with Vision-Language Benchmark. ICML, 2024.
  3. [3]Lianmin Zheng et al. Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena. NeurIPS Datasets and Benchmarks Track, 2023.
  4. [4]Anthropic. Introducing Claude Opus 5.5. Página de anúncio da Anthropic, 2026.
  5. [5]Qwen Team. Qwen3.8-27B-FP8 (ficha do modelo). Ficha do modelo no Hugging Face (sem artigo científico), 2026.
  6. [6]Jia Guo et al. Sample and Computation Redistribution for Efficient Face Detection. ICLR (póster), 2022.
  7. [7]Jiankang Deng et al. ArcFace: Additive Angular Margin Loss for Deep Face Recognition. CVPR, 2019.
  8. [8]Xiang An et al. Partial FC: Training 10 Million Identities on a Single Machine. ICCV Workshops (MFR), 2021.
  9. [9]Qiang Meng et al. MagFace: A Universal Representation for Face Recognition and Quality Assessment. CVPR (apresentação oral), 2021.
  10. [10]Minchul Kim, Anil K. Jain, Xiaoming Liu. AdaFace: Quality Adaptive Margin for Face Recognition. CVPR (apresentação oral), 2022.
  11. [11]Zheng Zhu et al. WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face Recognition. CVPR, 2021.
  12. [12]fal. AuraFace (ficha do modelo AuraFace-v1). Ficha do modelo no Hugging Face (sem artigo científico), 2024.
  13. [13]Žiga Babnik, Peter Peer, Vitomir Štruc. eDifFIQA: Towards Efficient Face Image Quality Assessment based on Denoising Diffusion Probabilistic Models. IEEE Transactions on Biometrics, Behavior, and Identity Science (T-BIOM), vol. 6, n.º 4, pp. 458–474, 2024.
  14. [14]Žiga Babnik, Peter Peer, Vitomir Štruc. DifFIQA: Face Image Quality Assessment Using Denoising Diffusion Probabilistic Models. IJCB (IEEE International Joint Conference on Biometrics), 2023.
  15. [15]Richard Zhang et al. The Unreasonable Effectiveness of Deep Features as a Perceptual Metric. CVPR, 2018.
  16. [16]Keyan Ding et al. Image Quality Assessment: Unifying Structure and Texture Similarity. IEEE TPAMI, vol. 44, n.º 5, pp. 2567–2581, 2022.
  17. [17]Stephanie Fu et al. DreamSim: Learning New Dimensions of Human Visual Similarity using Synthetic Data. NeurIPS (apresentação em destaque), 2023.
  18. [18]Maxime Oquab et al. DINOv2: Learning Robust Visual Features without Supervision. Transactions on Machine Learning Research (TMLR), 2024.
  19. [19]Chaofeng Chen et al. TOPIQ: A Top-down Approach from Semantics to Distortions for Image Quality Assessment. IEEE Transactions on Image Processing, vol. 33, pp. 2404–2418, 2024.
  20. [20]Gaurav Sharma, Wencheng Wu, Edul N. Dalal. The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations. Color Research & Application, vol. 30, n.º 1, pp. 21–30, 2005.
  21. [21]Junjie Ke et al. MUSIQ: Multi-scale Image Quality Transformer. ICCV, 2021.
  22. [22]A. Mittal, R. Soundararajan, A. C. Bovik. Making a “Completely Blind” Image Quality Analyzer. IEEE Signal Processing Letters, vol. 20, n.º 3, pp. 209–212, 2013.
  23. [23]Sidi Yang et al. MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment. CVPR Workshops (NTIRE), 2022.
  24. [24]Jianyi Wang, Kelvin C. K. Chan, Chen Change Loy. Exploring CLIP for Assessing the Look and Feel of Images. AAAI, vol. 37, n.º 2, pp. 2555–2563, 2023.
  25. [25]Chaofeng Chen, Jiadi Mo. IQA-PyTorch: PyTorch Toolbox for Image Quality Assessment. Software no GitHub (pyiqa), 2022.
  26. [26]MegaPotato. Pricing. Página nossa, consultada em 15 de novembro de 2026.
  27. [27]Clarity AI. Pricing. Página do fornecedor, consultada em 15 de novembro de 2026.
  28. [28]Topaz Labs. API plans and credits. Página do fornecedor, consultada em 15 de novembro de 2026.
  29. [29]fal.ai. Topaz Image Upscale: Generative, Precision, Creative. Páginas do fornecedor, consultadas em 15 de novembro de 2026.
  30. [30]Topaz Labs. Pricing: Gigapixel, Topaz for Web. Página do fornecedor, consultada em 15 de novembro de 2026.
  31. [31]Let's Enhance. Pricing. Página do fornecedor, consultada em 15 de novembro de 2026.
  32. [32]Google. Gemini API pricing. Página do fornecedor, consultada em 15 de novembro de 2026.
  33. [33]OpenAI. API pricing. Página do fornecedor, consultada em 15 de novembro de 2026.
  34. [34]Recraft. API pricing. Página do fornecedor, consultada em 15 de novembro de 2026.
  35. [35]Magnific através dos nós de parceiros do ComfyUI: API node pricing (35.91 créditos por passo de 2× numa imagem de entrada até 1.3 MP, 71.82 até 3 MP, 107.73 até 6.4 MP; $1 = 211 créditos), consultado em 15 de novembro de 2026. Planos do próprio Magnific: Pricing, página do fornecedor, consultada em 15 de novembro de 2026.
  36. [36]Krea. Pricing. Página do fornecedor, consultada em 15 de novembro de 2026.
  37. [37]Topaz Labs. Model Pricing. Documentação para programadores, consultada em 15 de novembro de 2026.
  38. [38]VanceAI. Pricing. Página do fornecedor, consultada em 15 de novembro de 2026.
  39. [39]Pixelcut. Pricing e API pricing. Páginas do fornecedor, consultadas em 15 de novembro de 2026.
  40. [40]Remini. remini.ai: as subscrições são apresentadas dentro da app. Página do fornecedor, consultada em 15 de novembro de 2026.
Publicado a · comparações, ampliação