Son las once de la noche de un viernes y la pantalla de Valentina sigue encendida. El póster del nuevo producto que debe subirse el lunes va en el séptimo intento de rehacer la imagen principal.

Lo que necesita no es complicado: cambiar el fondo del frasco a uno más luminoso y con más textura, y no tocar nada más. El logo no puede moverse de lugar, el texto con los ingredientes no puede volverse ilegible, el reflejo de la luz tiene que verse natural. Pero en cada ronda de edición, la IA le devuelve una imagen nueva que, sin avisar, altera justo lo que no debía tocarse: el logo queda torcido, el brillo de la tapa cambia de tono. Tiene que volver a revisar todo desde cero, dar la instrucción desde cero, y así se le va la noche entera en "rehacer" en lugar de "ajustar".

Llamémosla Valentina. Es diseñadora visual de una marca de skincare D2C, pero también podrías ser tú en su lugar, si alguna vez sentiste que cada edición con IA es una apuesta: nunca sabes si esta vez se va a perder algún detalle que ya habías logrado ajustar bien.

Ella daba por hecho que generar imágenes con IA era así

Valentina no sentía que estuviera haciendo algo mal. Simplemente daba por sentado que así funcionaba la generación de imágenes con IA: cada edición era volver a tirar los dados, y con suerte se acercaba a lo que quería; sin suerte, tocaba empezar todo de nuevo. Pedirle a un modelo que iterara varias veces y, al mismo tiempo, respetara los detalles ya definidos, sonaba como querer todo a la vez: algo que no se podía tener.

No se imaginaba que esa "exigencia difícil de cumplir" fuera justo el primer tema del anuncio que OpenAI acababa de publicar.

Lo que anunció OpenAI era justo lo que la tenía despierta esa noche

OpenAI presentó dos modelos nuevos de generación de imágenes bajo la familia GPT Image 2.5: Sunburst y Flare.

Sunburst fue presentado por la compañía como su propio modelo de generación de imágenes más capaz hasta ahora —es decir, comparado con los modelos anteriores de la misma OpenAI, no como una afirmación sobre todo el mercado—. El énfasis del anuncio está en un salto notable de precisión visual: detalles más nítidos, luz más natural, texturas de materiales más ricas. Lo que se acerca más al problema de Valentina es que Sunburst admite ediciones iterativas de varias rondas y, durante ese proceso de ajustes sucesivos, conserva mejor los detalles que el usuario quiere mantener. El ejemplo que da el anuncio es "probar distintos estilos de decoración para una misma habitación, conservando los elementos que se quieren mantener"; llevado al caso de Valentina, eso equivale a "cambiar el fondo sin que el logo ni el texto de ingredientes se muevan de lugar".

Otra capacidad que el anuncio destaca especialmente es que Sunburst sigue instrucciones de detalle con mayor precisión, al punto de poder reproducir con fidelidad "la apariencia de un texto escrito a mano". Para equipos de marca que suelen necesitar frases manuscritas, etiquetas de edición limitada o textos de tarjetas de temporada dentro de sus piezas, este era, hasta ahora, uno de los puntos donde más se notaba que una imagen había sido generada por IA.

Pero el equipo de marketing no busca precisión, busca "volumen": ahí es donde entra Flare

Lo que Valentina necesita es "una imagen llevada a la perfección", pero lo que su compañera de marketing necesita, en el escritorio de al lado, es algo completamente distinto: un concepto visual para un producto nuevo que quizás tenga que existir en una decena de versiones en una sola tarde, para comparar internamente o correr pruebas A/B. Ninguna de esas versiones necesita ser perfecta, pero sí tiene que ser rápida.

Justo ahí es donde entra Flare. El anuncio oficial lo presenta como el modelo de generación de imágenes más rápido de OpenAI hasta la fecha, con una velocidad más de 50% superior a la del modelo anterior, GPT Image 2, manteniendo el mismo nivel de calidad. En palabras de la propia compañía: esto permite explorar más ideas en menos tiempo. Para equipos que necesitan generar grandes volúmenes de imágenes para lluvia de ideas, comparaciones internas o pruebas rápidas de dirección visual, Flare cubre el extremo del "volumen"; Sunburst cubre el extremo de la "precisión" que preocupaba a Valentina la noche anterior.

Ambos modelos le ahorran un paso: recortar el fondo

Hay algo más que Valentina no esperaba encontrar en este anuncio: los dos modelos admiten salida con fondo transparente. Es decir, la imagen se genera directamente sin fondo, sin necesidad de abrir Photoshop para recortarla a mano.

Según el anuncio, esto permite generar directamente piezas visuales complejas, desde gráficos hasta assets de videojuegos. Trasladado al día a día de Valentina, significa que la imagen del producto puede insertarse directo en una plantilla publicitaria o en el formato de una tienda en línea sin esperar el recorte manual; para un equipo de arte de videojuegos, los assets de personajes o de objetos también se ahorran un paso de posproducción. No es una función que cambie el juego por sí sola, pero es justo el tipo de detalle que, al usarse todos los días, termina acumulando bastante tiempo ahorrado.

El giro: no es una pregunta de "cuál es mejor", sino de "cuál usar en cada etapa"

Valentina pensó, al principio, que con dos modelos nuevos disponibles su tarea sería simplemente elegir "el mejor" y usar ese. Al terminar de leer el anuncio se dio cuenta de que había estado haciéndose la pregunta equivocada.

Sunburst y Flare no son dos versiones —una superior, otra inferior— del mismo modelo, sino dos herramientas con roles bien definidos por la propia compañía: Sunburst está pensado para flujos de trabajo que exigen el máximo cuidado en la generación de imágenes, y Flare para escenarios que requieren velocidad con buena calidad. Si esa noche Valentina hubiera empezado usando Flare para correr rápidamente una decena de composiciones de fondo, y luego hubiera usado Sunburst para el ajuste final de precisión una vez definida la dirección, probablemente no habría llegado a la séptima repetición a esas horas.

Vale la pena notar algo importante: el anuncio no menciona en ningún momento precios concretos de la API, especificaciones de resolución ni fechas de disponibilidad por región. OpenAI solo confirmó que ambos modelos "ya están disponibles simultáneamente en la API, ChatGPT y Codex". Esto significa que, si quieres incorporarlos a un flujo de trabajo real de equipo, la estructura de precios y el consumo de créditos —información que decide directamente si vale la pena usarlos para iteraciones diarias de alta frecuencia— por ahora solo puede consultarse en la documentación oficial más reciente, y no conviene estimarla de memoria. Y es justo en ese punto donde entra en juego "elegir el modelo correcto y poder ver el consumo real": cuando tienes a la mano un modelo de precisión y uno de velocidad, cómo repartes las tareas entre ambos y cómo llevas el registro de cuánto consume cada uno es lo que realmente determina si este lanzamiento te sirve de algo, no cuál demo se ve más impresionante.

Ella no cambió de herramienta, cambió el orden de su flujo de trabajo

Al final de la historia, Valentina no abandonó la herramienta que ya usaba ni se quedó fiel a un solo modelo. Lo que hizo fue, simplemente, cambiar el orden de su flujo de trabajo: en la etapa de exploración prioriza velocidad y volumen, dejando correr varias composiciones a la vez; una vez definida la dirección, pasa a la etapa de ajuste fino donde cada detalle importa, sin tener que preocuparse por que la siguiente edición eche a perder lo que ya había logrado.

La salida con fondo transparente también le quitó, sin darse cuenta, un paso manual de su lista de tareas. No es un avance revolucionario, pero, tal como diría con toda honestidad la Valentina de las once de la noche de un viernes, solo con no tener que abrir Photoshop para recortar el fondo ya vale la pena celebrar.

Esto es justo lo que en AI Token King intentamos recordarle a quienes nos leen: mientras más modelos existen y más se especializa cada uno, lo que realmente marca la diferencia no es "usar el más potente", sino "saber qué tarea le corresponde a cuál, y poder ver cuánto has gastado". La próxima vez que estés a punto de quedarte despierto hasta la séptima versión de una imagen, primero decide si este paso necesita velocidad o precisión: ahora, por fin, hay dos modelos pensados exactamente para responder esa pregunta.

Preguntas frecuentes (FAQ)

P1: ¿Qué es GPT Image 2.5 y en qué se diferencia de GPT Image 2? GPT Image 2.5 es la nueva familia de modelos de generación de imágenes que OpenAI presentó en este anuncio, e incluye dos modelos: Sunburst y Flare. El anuncio se enfoca en dos diferencias: Sunburst mejora notablemente la precisión visual (nitidez de detalle, naturalidad de la luz, calidad de las texturas) y la capacidad de conservar detalles durante ediciones de varias rondas; Flare, por su parte, es más de 50% más rápido que el modelo anterior, GPT Image 2, manteniendo el mismo nivel de calidad. El anuncio no ofrece una comparación técnica más detallada; para especificaciones exactas conviene revisar la documentación oficial.

P2: ¿Cómo elegir entre Sunburst y Flare? Según cómo los posiciona el propio anuncio, Sunburst es adecuado para producciones finales que exigen el máximo cuidado del detalle, ediciones de varias rondas y consistencia de marca (por ejemplo, la imagen definitiva de un producto o piezas que requieren texto manuscrito preciso); Flare es adecuado para etapas que necesitan explorar rápidamente un gran número de ideas (por ejemplo, comparaciones de múltiples versiones en la fase de concepto o material para pruebas A/B). No son excluyentes entre sí, sino herramientas que corresponden a etapas distintas de un mismo flujo de trabajo.

P3: ¿Para qué tipo de flujos de trabajo es más útil la salida con fondo transparente? El anuncio menciona que ambos modelos admiten fondo transparente, lo que permite generar piezas visuales complejas, desde gráficos hasta assets de videojuegos. Para equipos de e-commerce, esto significa que la imagen del producto puede insertarse directamente en una plantilla publicitaria o en la ficha de una tienda en línea sin necesidad de recortar el fondo a mano; para equipos de videojuegos o diseño publicitario, los assets de personajes, objetos e íconos también se ahorran un paso de posproducción.

P4: ¿Dónde se pueden usar estos dos modelos nuevos ahora mismo? Según el anuncio oficial, Sunburst y Flare ya están disponibles simultáneamente en tres canales: la API, ChatGPT y Codex, tanto para desarrolladores como para usuarios generales.

P5: ¿La compañía publicó precios exactos de la API o especificaciones de resolución? El video del anuncio no menciona cifras concretas de precio, especificaciones de resolución ni fechas de disponibilidad por región, por lo que este artículo no cita ningún dato numérico de precio o especificación técnica. Para evaluar el costo real de incorporar estos modelos a un flujo de trabajo de equipo, conviene consultar directamente la documentación más reciente de OpenAI y rastrear el consumo real a través de un panel de uso, en lugar de estimarlo a partir de la impresión que deja el anuncio.

Declaración de fuentes: Este artículo se basa en el anuncio oficial publicado en el canal de YouTube de OpenAI, "Introducing GPT-Image-2.5 in the API (https://www.youtube.com/watch?v=A7MSwdXj86k)" (publicado el 8 de septiembre de 2026). La transcripción original está en árabe; este artículo fue redactado a partir de la comprensión del sentido del contenido, no de una traducción literal automática, y sigue correspondiendo a un anuncio oficial de primera mano de OpenAI. "Valentina" es una persona ilustrativa, no corresponde a un caso real de ningún cliente. El artículo no menciona precios concretos de la API, especificaciones de resolución ni fechas de disponibilidad por región porque esa información no aparece en la transcripción original; para esos datos, consulta la documentación oficial de OpenAI.

Para seguir leyendo: si te interesa este tema, en nuestro sitio hemos publicado artículos relacionados sobre qué es OpenAI Codex y en qué se diferencia de ChatGPT y de Claude Code para quienes no vienen de un perfil técnico, sobre por qué los tokens de IA resultan tan caros al desglosar la lógica autorregresiva detrás del consumo de los agentes de codificación, sobre técnicas comprobadas para reducir el gasto en tokens al usar IA para programar, y sobre qué es Claude Fable 5 y cómo funciona su sistema de clasificación de seguridad para quienes desarrollan con IA.

¿Sabes cuántos Token quemó la versión que hiciste con precisión y cuántos la que hiciste rápido? Prueba gratis AI Token King → (https://aitokenking.com.tw/home), para que veas con claridad cuánto cuesta cada paso cuando repartes el trabajo entre varios modelos.