Para empezar un trabajo nuevo de imágenes con OpenAI, probaría GPT Image 2.5 Flare. Si lo costoso es corregir una pieza sin estropear lo que ya está aprobado, empezaría por Sunburst. Daría prioridad a Nano Banana Pro cuando el encargo dependa de referencias de producto, personajes o información obtenida con Google Search. GPT Image 2 sigue siendo una comparación útil si ya tienes un flujo que funciona: conserva sus resultados como referencia antes de migrar.
La llegada de ChatGPT Images 2.5 el 8 de septiembre de 2026 cambia la elección, pero no convierte «2.5» en un único modelo de API. Hay dos variantes con prioridades diferentes. Tampoco convierte a Nano Banana Pro en Nano Banana 2: pertenecen a familias distintas dentro de Gemini.
Esta comparativa, actualizada el 9 de septiembre, ordena la primera prueba según el trabajo y las condiciones publicadas. No hemos realizado un ensayo entre estos modelos con el que atribuirles una tasa de acierto, un tiempo de entrega o una calidad ganadora. Las ilustraciones del artículo son explicativas; no son muestras enfrentadas de sus resultados.
Antes de elegir, identifica el modelo exacto
| Producto | ID para la API | Papel en la comparación |
|---|---|---|
| GPT Image 2.5 Flare | gpt-image-2.5-flare | Candidato inicial para generación cotidiana y rapidez |
| GPT Image 2.5 Sunburst | gpt-image-2.5-sunburst | Candidato para edición que exige más precisión |
| GPT Image 2, llamado también «2.0» | gpt-image-2 | Referencia del flujo anterior de OpenAI |
| Nano Banana Pro / Gemini 3 Pro Image | gemini-3-pro-image | Alternativa de Google con referencias y Search |
| Grok Imagine Image 2.0 | grok-imagine-image-2.0 | Alternativa de xAI para generación y edición en 1K/2K |
Para llamar a 2.5 necesitas el sufijo -flare o -sunburst; no copies simplemente gpt-image-2.5 como sustituto. OpenAI también publica versiones fechadas, como gpt-image-2.5-flare-2026-09-08, para identificar la versión usada. Las fichas de Flare, Sunburst y GPT Image 2 permiten registrar esa elección sin ambigüedad.
En Google, Nano Banana Pro es gemini-3-pro-image. Nano Banana 2 es gemini-3.1-flash-image; el Nano Banana original es gemini-2.5-flash-image. Una prueba de Flash no permite concluir cómo responde Pro.
También debes comparar el mismo tipo de acceso. La experiencia en ChatGPT, Gemini o Grok no determina los parámetros ni la factura de sus API. En OpenAI, Images usa el modelo de imagen directamente en model; Responses combina un modelo principal con la herramienta image_generation, que permite seleccionar el modelo de imagen. El trabajo del principal puede añadir coste. La guía de generación de OpenAI explica esa separación; para implementarla tienes nuestra guía de la API de GPT Image 2.
Qué cambia de GPT Image 2 a 2.5
La diferencia más útil para un equipo creativo es dónde poner el primer intento. OpenAI presenta Flare como la opción general, con menor latencia, y Sunburst como una variante orientada a mayor precisión en trabajos de edición, a cambio de más tiempo de generación. La afirmación de una latencia un 50 % menor para Flare procede del anuncio de OpenAI y compara con GPT Image 2. No mide la diferencia frente a Google ni garantiza reducir a la mitad el tiempo completo de una campaña.
Supongamos que preparas anuncios para una tienda. Para explorar fondos y composiciones con rapidez, Flare es una primera elección coherente con su posicionamiento. Cuando el cliente ya ha aprobado el producto, la iluminación y el encuadre, pero pide cambiar una etiqueta, probar Sunburst tiene más sentido: el valor de la siguiente salida depende de que conserve lo aprobado. Son recomendaciones sobre el orden de prueba, no resultados medidos de ese encargo.
Los dos modelos 2.5 ofrecen los ajustes low, medium, high, xhigh, max y auto, según sus fichas. No trates el nombre de una calidad como una unidad equivalente entre proveedores. Subirla debe justificarse por una mejora visible en el destino final, especialmente cuando aumentan el consumo o la espera.
Si ya produces con GPT Image 2, conserva una muestra de encargos y resultados aceptados. Compara primero Flare con ese mismo trabajo; añade Sunburst en los casos que concentran correcciones. Cambiar toda la producción por el número de versión impide saber si mejoraron los resultados o solo cambió su aspecto.
Resolución, transparencia y referencias: los filtros decisivos
El 4K ya no separa por sí solo a Google de OpenAI
Nano Banana Pro documenta salidas de 1K, 2K y 4K. GPT Image 2 y 2.5 también permiten tamaños que llegan a 4K, con restricciones: dimensiones múltiplos de 16, proporción entre 1:3 y 3:1, ningún lado superior a 3840 píxeles y un total entre 655.360 y 8.294.400 píxeles. OpenAI marca como experimentales las resoluciones superiores a 2560 × 1440. La referencia de Images recoge los límites.
Si vas a imprimir cartelería, fija el tamaño de entrega y comprueba el archivo a esa escala. «Admite 4K» no demuestra que la letra pequeña, los bordes del producto o sus detalles aguanten el uso previsto. En OpenAI, además, debes aceptar la condición experimental cuando corresponda.
La transparencia de GPT Image 2 necesita una lectura actualizada
GPT Image 2.5 admite fondos transparentes. La referencia de edición también recoge transparencia para GPT Image 2 y su versión fechada, pero en preview. Por tanto, ya no sería correcto descartarlo diciendo que no admite transparencia. Para conservarla en la salida se necesita PNG o WebP; JPEG no conserva el canal alfa. OpenAI permite además máscaras y hasta 16 imágenes de entrada para edición. Estos son límites de la API de edición, no una garantía de fidelidad.
Para recortes de catálogo, comprobaría tanto el contorno como las zonas semitransparentes del archivo recibido. Si no puedes depender de una función en preview, esa condición basta para priorizar 2.5 frente a 2, sin necesidad de esperar a una comparación estética.
Pro tiene sentido cuando las referencias forman parte del trabajo
La guía de imágenes de Gemini documenta para Pro edición por turnos, thinking, grounding con Google Search y hasta 14 referencias, distribuidas en hasta seis objetos, cinco personajes y tres estilos. No significa que cualquier combinación de catorce fotos se conserve igual de bien. Las imágenes incluyen SynthID. La capacidad de buscar imágenes, documentada para Flash, no debe atribuirse automáticamente a Pro.
Pro merece una prueba inicial si el encargo combina varias referencias de producto o necesita información actualizada mediante Search. La comprobación posterior sigue siendo concreta: que cada objeto conserve su forma y que la pieza comunique datos correctos. Para ampliar la elección entre ecosistemas, consulta la comparativa de imágenes de Gemini y OpenAI.
Cuánto cuesta obtener una imagen que puedas usar
Las tarifas siguientes corresponden a API directas estándar, en dólares estadounidenses, a 9 de septiembre de 2026. No representan cuotas de aplicaciones ni un precio cerrado del encargo.
| Modelo | Tarifa de salida publicada | Qué falta sumar o comprobar |
|---|---|---|
| GPT Image 2.5 Flare y Sunburst; GPT Image 2 | 30 USD por millón de tokens de imagen de salida | Tokens de entrada, texto, dimensiones, calidad y reintentos |
| Nano Banana Pro | 0,134 USD por imagen 1K/2K; 0,24 USD por imagen 4K | Entrada, texto/thinking y Search cuando se use |
| Grok Imagine Image 2.0 | 0,04 USD en 1K low; 0,06 USD en 2K low o 1K medium; 0,08 USD en 2K medium | 0,01 USD por cada imagen de entrada y nuevos intentos |
OpenAI mantiene la misma tarifa por token para los tres modelos de la tabla: imagen de entrada a 8 USD por millón, o 2 USD con caché; texto de entrada a 5 USD por millón, o 1,25 USD con caché. La igualdad de tarifa por token no demuestra igualdad de coste por imagen. Usa la calculadora del modelo elegido y el consumo real de la petición, según la página de precios de OpenAI.
La tarifa de Gemini no ofrece nivel gratuito de API para Pro. El precio de salida no incluye necesariamente todos los conceptos de la petición. En xAI, comprueba resolución y calidad junto con el precio por imagen en su tarifa oficial. La cifra inicial más baja no prueba que Grok entregue una calidad equivalente a la configuración de Google u OpenAI.
Para comparar tu producción, calcula:
Coste API por imagen aceptada = factura API total del ensayo / número de imágenes aceptadas.
Incluye las peticiones fallidas o repetidas que se hayan facturado. Si no aceptas ninguna imagen, todavía no hay un coste finito por resultado válido. Registra aparte los minutos de revisión y retoque; si quieres incorporarlos al presupuesto, asigna una tarifa horaria explícita y evita sumar euros de trabajo con dólares de API sin convertirlos.
Un ejemplo hipotético: un ensayo de 3,60 USD con doce imágenes aceptadas cuesta 0,30 USD por imagen válida. Otro de 2,40 USD con seis aceptadas cuesta 0,40 USD. El segundo gastó menos en total, pero entregó resultados más caros. Esa diferencia suele ser más útil para decidir que comparar la mejor imagen de cada proveedor.
Un orden de prueba para cada encargo
| Tu trabajo | Empezaría por | Condición para seguir con esa elección |
|---|---|---|
| Variaciones rápidas para redes o primeros conceptos | GPT Image 2.5 Flare | La espera y las correcciones encajan en el ritmo de producción |
| Cambiar una parte de una pieza ya aprobada | GPT Image 2.5 Sunburst | Conserva los elementos que no debían cambiar |
| Varias referencias de objetos o personajes; información con Search | Nano Banana Pro | Mantiene las referencias relevantes y la información es correcta |
| Migrar un proceso estable de OpenAI | Flare frente a la referencia de GPT Image 2 | Mejora resultados aprovechables, coste o tiempo sin romper el proceso |
| Generación o edición 1K/2K con presupuesto sencillo por salida | Grok Imagine Image 2.0 | Sus opciones y el resultado visual cumplen el encargo |
Grok sigue siendo una alternativa razonable cuando sus tamaños 1K/2K y calidades low/medium bastan. Su ficha de modelo documenta generación y edición. Lo incluiría por esas condiciones y su facturación por salida; no lo usaría para resolver por defecto un requisito de 4K.
Para confirmar la elección, prepara encargos que representen tus pérdidas habituales: un cartel con texto exacto, una corrección localizada y una pieza con referencias. Fija qué invalida el resultado antes de generarlo. Mantén el mismo material de partida, las mismas condiciones de entrega y el mismo margen de corrección. Si después optimizas las instrucciones para cada modelo, registra ese segundo ensayo por separado.
Comprueba texto, identidad, composición y archivo entregado al tamaño real de uso. Anota ID, ajustes, coste total, espera y retoques. Una comparativa dedicada a figuras científicas puede orientar a quien prepara figuras científicas; sus puntuaciones no demuestran quién gana en anuncios, retratos o fichas de producto.
La decisión final puede repartir tareas: Flare para explorar, Sunburst para corregir y Pro para encargos en los que sus referencias o Search aporten valor. Conserva GPT Image 2 mientras siga cumpliendo un trabajo validado. El cambio merece la pena cuando mejora lo que entregas o lo que cuesta entregarlo, y esa es la comparación que debes cerrar con tus propias piezas.
