En qué destaca GPT Image 2

GPT Image 2 es el raro modelo de imagen IA donde puedes escribir palabras en el prompt y hacer que aparezcan correctamente en la imagen. La mayoría de modelos basados en difusión — Stable Diffusion, Flux, Imagen — tratan el texto como textura visual y lo alucinan en formas distorsionadas. GPT Image 2 fue entrenado con un objetivo explícito de renderizado de texto y un tokenizer consciente del alfabeto, por lo que un prompt como "cartel de viaje vintage, las palabras 'Visita la Patagonia' en la parte superior en negrita serif" devuelve esas palabras exactas intactas.

Eso por sí solo cambia el flujo de trabajo para cualquiera que cree carteles de marketing, embalajes de producto, infografías o paneles de storyboard que necesitan títulos en la imagen. Antes de GPT Image 2, generabas la imagen, luego abrías una herramienta de diseño para superponer el texto. Ahora el título se entrega en la misma renderización — incluyendo kerning, peso y la forma en que la luz cae sobre las letras.

Lo segundo que hace bien es conocimiento mundial. Pide un Porsche 911 Carrera de 1985 y obtienes las líneas correctas de la carrocería, las ruedas correctas, los espejos retrovisores correctos. Pide un chef presentando un amuse-bouche estilo Michelin y las pinzas, los frascos de exprimir, la geometría del plato aparecen todos en la relación correcta. Eso porque el modelo subyacente fue entrenado junto con comprensión lingüística de clase GPT-4 — sabe lo que los objetos son, no solo cómo parecen en una foto.

La cobertura de GPT Image 2 es lo suficientemente amplia como para que la mayoría de los trabajos se envíen directamente desde la primera renderización — retratos fotorrealistas, productos, arquitectura, carteles e infografías ricos en texto, cualquier cosa donde el sujeto debe leerse como real. Combinado con tres niveles de calidad, combinas calidad con complejidad del prompt : escenas simples se ejecutan en Low, composiciones multi-elemento más concurridas suben a Medium, y solo los fotogramas más exigentes y críticos en detalle necesitan High. La gran mayoría del trabajo cae en la banda Low / Medio — rápido y ligero.