A firma de analytics de apps Appfigures analisou os picos de download e receita pras três grandes apps de IA consumer depois dos recentes lançamentos de modelos de imagem. A descoberta manchete: lançamentos de modelos de imagem agora geram 6,5× mais picos de download que upgrades tradicionais de chatbot. Os números das janelas de 28 dias após cada lançamento são marcantes. Nano Banana da Gemini (modelo de imagem Gemini 2.5 Flash, ago 2025) atraiu 22M+ downloads contra aproximadamente $181K em gasto consumer bruto estimado. Modelo de imagem GPT-4o da ChatGPT (mar 2025): 12M+ downloads, ~$70M de receita. Vibes da Meta AI (set 2025, feed de vídeo IA): 2,6M downloads, sem receita significativa.
O número que deveria fazer devs sentarem: ChatGPT converte a aproximadamente $5,83 por download na janela pós-lançamento. Gemini converte a aproximadamente $0,008 por download. Isso é ~700× de diferença em eficiência de monetização. Caveat os dados cuidadosamente — Appfigures mede *receita consumer app-store*, o que exclui assinaturas Google One, anúncios, e gasto API, que todos alimentam o quadro de receita real da Gemini do Google. Apps impulsionadas por assinatura que roteiam receita pelo seu próprio checkout (ChatGPT) aparecem limpamente; apps impulsionadas por anúncios e cloud não. Então o gap é parte real (o músculo de assinatura da ChatGPT é o mais forte no espaço consumer IA) e parte metodológico (a lente Appfigures subconta as fontes de receita da Gemini). O multiplicador 6,5× em picos de download é a descoberta metodologicamente mais robusta.
Pra devs entregando apps IA consumer, o take-away é o shift estrutural em aquisição. Lançamentos de modelos de imagem são agora o driver dominante de downloads pros chatbots maiores, batendo os upgrades de qualidade de modelo pro modelo de conversação subjacente. Essa é uma mudança real em atenção do usuário: pessoas aparecem pela nova capacidade de imagem, não pelas melhorias de raciocínio "GPT-4o → GPT-5" ou "Gemini 2.0 → 2.5". O ciclo de upgrade de modelo de raciocínio não é mais o veículo de marketing; o ciclo de lançamento de modelo imagem-e-vídeo é. Qualquer um construindo uma app IA consumer deveria planejar sua história de aquisição em volta de momentos generativos de imagem, não em volta de ganhos incrementais de raciocínio.
Pra monetização, a lição estrutural é que geração de imagem é uma grande isca e um SKU ruim. ChatGPT funciona porque a capacidade de imagem é uma feature entre outras numa assinatura de $20/mês que usuários já compravam pelo bundle de modelos como um todo. O pico-de-imagem-sem-receita da Gemini sugere que *na superfície consumer*, geração de imagem gratuita não é algo pelo que pessoas pagam incrementalmente — elas esperam isso como parte daquilo em que já estavam. Se você entrega geração de imagem como sua isca de monetização, vai ter downloads e não receita. Embrulhe-a num stack de features pelo qual pessoas pagam o bundle, e a conversão segue.