Como criar a imagem do Thanos Round 6 usando inteligência artificial
A imagem do Thanos Round 6 é um formato viral que mistura o bonequeiro de Squid Game com o Titã Louco do universo Marvel. Funciona basicamente como um prompt para modelos generativos como Midjourney, Stable Diffusion ou DALL-E. A maioria das pessoas acha que basta copiar e colar, mas na prática há detalhes que fazem toda a diferença no resultado final.
O que é a imagem do thanos round 6 e por que ela viralizou
A versão que circulou pela primeira vez em meados de 2022 usava um boneco amarelo de Squid Game vestindo a armadura do Thanos com a Joia do Poder na mão. O modelo mais acessível na época era o Midjourney v4, mas hoje em dia o Stable Diffusion com checkpoints como Realistic Vision ou DreamShaker entrega resultados parecidos e com controle muito maior. A viralização veio da combinação absurda de dois universos pop sem relação alguma, algo que algoritmos generativos fazem com naturalidade mas humanos dificilmente imaginariam.
Prompt essencial para gerar a imagem
O prompt base que costuma funcionar é algo como: a yellow clay figure of Squid Game character wearing Thanos armor holding the Power Stone gauntlet, cinematic lighting, hyper detailed, 8k, photorealistic. A chave aqui é manter "yellow clay figure" ou "squid game doll" explícito, senão o modelo tende a ignorar completamente a referência visual e soltar um boneco genérico. Adicionei "plastic texture, studio lighting" nas minhas tentativas para evitar que o material parecesse metal brilhante demais. Se você estiver usando Midjourney, acrescente --ar 16:9 --style raw na maior parte das vezes. O modo raw reduz a artisticização que o modelo aplica automaticamente e te dá um resultado mais próximo do que realmente pediu. Sem isso, o Thanos às vezes fica com cara de pintura a óleo.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Workaround que funcionou na prática
No meu caso, uma vez o Gerador simplesmente transformava o boneco amarelo numa figura humana realista completa, ignorando completamente o aspecto de boneco de argila. O problema era que o modelo associava "Thanos" diretamente ao personagem live-action. Minha solução foi especificar explicitamente "miniature toy photography, doll scale, plastic material" no início do prompt, antes de qualquer menção ao Thanos. Isso inverte a hierarquia de prioridade do modelo e força a referência do boneco a prevalecer sobre a referência live-action. Funcionou consistentemente a partir da terceira iteração. Também testei usar image prompting com uma screenshot do boneco de Squid Game como base, passando pelo painel de upscale do Midjourney com --iw 2 para dar mais peso à imagem de referência. Isso reduziu drasticamente as variações indesejadas.
Alternativas quando o modelo falha
Existem casos em que nenhum prompt consegue conter a alucinação do modelo. Se você já rodou quatro gerações e o resultado continua indo para um lado errôneo, a abordagem mais eficiente é fazer inpainting. No Stable Diffusion isso é direto: upscala a imagem inicial, seleciona a região do torso e gera apenas aquela parte com um prompt restrito como "Thanos armor, purple skin, gauntlet". No Midjourney, use a função Vary Region e pinte sobre a área que precisa corrigir. Outra alternativa prática é usar o ControlNet com um mapa de profundidade ou esboço. Você gera um esboço simples do boneco amarelo com a pose desejada, aplica o ControlNet para guiar a geometria e deixa o modelo apenas preencher texturas. Isso resolve 90% dos problemas de proporção e composição que aparecem nas gerações puramente textuais.
Limitações que ninguém conta
O ponto fraco dessa abordagem é que a consistência entre múltiplas imagens é praticamente impossível de garantir. Se você tentar gerar uma sequência ou variação temática, cada iteração vai ter proporções e texturas ligeiramente diferentes. Não há seed locking verdadeiro no Midjourney, e no Stable Diffusion mesmo com seed fixo, pequenos ajustes no prompt causam drift visual considerável. Para uso pontual funciona bem, mas para série ou campanha visual exige trabalho extra de pós-produção. O tempo médio de geração varia de 30 segundos a 3 minutos dependendo do hardware ou da fila do serviço cloud. Usando Stable Diffusion local com uma GPU de 12GB de VRAM como uma RTX 3080, consigo rodar em cerca de 45 segundos por imagem com os parâmetros padrão. No cloud, a espera na fila pode subir para 10 minutos nos horários de pico.
Se o objetivo for apenas ter uma imagem boa rapidamente sem gastar tempo refinando, o Bing Image Creator (baseado em DALL-E 3) é a opção mais prática. Ele entende português e prompts mais descritivos, embora ofereça menos controle fino sobre texturas e composição do que o Stable Diffusion configurado corretamente.
