API de GPT Image 2 para generar y editar imágenes

Qué es GPT Image 2

Un modelo de OpenAI para generar y editar imágenes

Situamos GPT Image 2 como un modelo de generación y edición para crear imágenes. Puede producir imágenes nuevas a partir de descripciones o aceptar referencias y ajustar la escena según lo solicitado.

En la práctica, nos centramos en si convierte unas indicaciones en una imagen que pueda seguir perfeccionándose, como un cartel con textos de un evento, una escena de producto o un boceto visual para la pantalla inicial de una aplicación.

Comprender requisitos visuales mediante texto e imágenes de referencia de alta fidelidad

Una característica clave de GPT Image 2 es procesar imágenes de referencia junto con instrucciones escritas. La guía oficial de OpenAI indica que las entradas se procesan automáticamente con alta fidelidad y que la API nativa debe omitir input_fidelity. Esto ayuda a usar la información de personas, productos y estilos de la imagen original.

Recomendamos explicar para qué sirve cada referencia. Por ejemplo, la primera aporta el aspecto del producto, la segunda el estilo del fondo y el texto especifica qué puede cambiar. Frente a pedir solo «haz que se vea mejor», facilita comprobar y perfeccionar el resultado.

Dimensiones flexibles y varios niveles de calidad

GPT Image 2 admite varias dimensiones para imágenes cuadradas de producto, portadas verticales y carteles horizontales. La API oficial admite salida horizontal de hasta 3840×2160 y las dimensiones verticales correspondientes, con calidad low, medium, high y auto.

Elige dimensiones según el lugar de presentación final y calidad según detalle y coste. Para borradores cuya composición aún cambia, recomendamos menor resolución para confirmar la dirección y una versión final de alta resolución cuando sujeto, texto y distribución sean correctos.

Herramienta en línea y API de GPT Image 2 en RequestBeam

Con RequestBeam queremos ayudarte a descubrir antes cómo funciona GPT Image 2 en tus tareas. Tras iniciar sesión y añadir un pequeño saldo, puedes generar o editar con la herramienta en línea, sin escribir antes una integración API ni comprar una suscripción fija para una evaluación breve. Cuando los resultados satisfagan tus necesidades, crea una API Key e intégralo en tu aplicación, reduciendo además la gestión de cuentas en distintas plataformas.

Funciones principales y puntos fuertes de GPT Image 2

Texto chino y multilingüe: generar juntos el texto y los elementos visuales del cartel

Valoramos que GPT Image 2 coloque texto directamente en las imágenes. En casos reales compartidos por nuestros clientes, la representación de caracteres chinos de GPT Image 2 ha mejorado considerablemente respecto a la versión anterior de gpt-image. También observaron errores restantes en el carácter «笼» de «小笼包» (xiaolongbao) y en algunos textos pequeños.

Para carteles de eventos, imágenes de argumentos de venta o portadas multilingües, recomendamos aportar el texto final y especificar posición, tamaño relativo e idioma de cada fragmento. Puedes probar titulares breves dentro de la imagen generada. Para precios, fechas, párrafos largos y textos que deben ser totalmente exactos, comprueba cada carácter y, cuando sea necesario, compón o corrige manualmente después.

Composición compleja: gestionar sujetos, distribución y restricciones detalladas a la vez

Creemos que GPT Image 2 resuelve bien tareas con varios requisitos explícitos en una imagen. Un cliente compartió una escena de escritorio con múltiples ventanas, texto y gráficos ASCII, y siguió modificando el contenido de la ventana del navegador y el dibujo de un perro dentro de ella.

Para imágenes promocionales, recomendamos especificar conjuntamente sujeto, fondo, posición del texto y espacio libre, por ejemplo «coloca el producto a la derecha, deja espacio para un titular a la izquierda y distribuye tres argumentos de venta abajo». Según nuestra experiencia con GPT Image 2, puedes describir los requisitos con mucho detalle y ejecuta bien la tarea.

Edición con referencias: seguir perfeccionando recursos existentes

Recomendamos GPT Image 2 para modificar recursos existentes, como sustituir fondos, probar colores o explorar otro estilo. En debates públicos, un usuario creó maquetas visuales a partir de referencias y consideró suficiente el realismo para trabajo profesional. Otro pidió cambiar el color y la forma de escamas concretas de una serpiente y obtuvo resultados decepcionantes. Comentarios sobre imágenes de referencia · Edición local detallada fallida

Según estos comentarios, priorizaríamos objetivos claros y cambios fáciles de inspeccionar. Al reemplazar el fondo de un producto, por ejemplo, especifica que proporciones de la botella, texto de la etiqueta y posición deben mantenerse. Compara original y resultado, especialmente logotipos, bordes y reflejos. Si una región debe conservarse exactamente, puedes componer después solo los cambios necesarios sobre el original.

Bocetos de interfaz y propuestas visuales: discutir antes las ideas de producto

Muchos clientes usan Images 2.0 para crear bocetos de interfaz de sus ideas y valoran positivamente los resultados.

Si planeas una interfaz administrativa, una pantalla inicial o un menú de juego, pide primero varias distribuciones a GPT Image 2 y usa las imágenes para discutir jerarquía, colores y énfasis visual. Para desarrolladores independientes, esto facilita comunicar una idea. Una vez definida la dirección, impleméntala con componentes, interacciones y diseños adaptables reales; la imagen generada no incluye ese trabajo de desarrollo.

Personajes y guiones gráficos: crear una secuencia con el mismo sujeto

Creemos que GPT Image 2 merece probarse para diseño de personajes y pequeños guiones gráficos. Un cliente generó primero un retrato antropomórfico, después vistas laterales e imágenes de acción, y quedó satisfecho con la conservación de su aspecto.

Recomendamos establecer una referencia del personaje y probar una vista frontal, otra lateral y una acción clave, revisando rostro, ropa, colores y textura del fondo. Amplía la serie solo cuando esas tomas sean aceptables. Para historias de varias imágenes, conserva la referencia original en vez de editar continuamente resultados que ya se han desviado.

Evaluaciones comparativas y rendimiento de GPT Image 2

Conservamos versiones de clasificaciones y niveles de calidad, y distinguimos evaluaciones formales a ciegas, pequeñas pruebas personales y experiencias de uso.

Evaluación a ciegas de texto a imagen: AA High alcanza 1172 Elo

En AA-Image-T2I v2.0 de Artificial Analysis, GPT Image 2 en high obtiene 1172±8 Elo, actualmente en tercer lugar. En la misma clasificación, GPT Image 1.5 en high obtiene 1107±8 y Nano Banana 2 obtiene 1126±7. Esto indica que GPT Image 2 sigue siendo competitivo con los prompts y criterios de preferencia humana de esa evaluación. Clasificación de texto a imagen de AA

Para carteles de producto, portadas e imágenes con composición clara, recomendamos incluirlo entre las primeras opciones. Los equipos que usan Image 1.5 pueden comparar los encargos que antes exigían más retoques, comprobando texto, distribución y detalles del sujeto. El resultado corresponde a high; no lo aplicamos directamente a calidades inferiores.

Edición de una imagen: Arena Medium alcanza 1462 puntos

La clasificación de edición de una imagen de Arena del 2026-10-06 registra GPT Image 2 en medium con 1462±3, en tercer puesto. Por su parte, AA-Image-Editing v2.0 da a su nivel high 1125±8 Elo, en sexto puesto, con un intervalo de quinto a séptimo. Ambas evaluaciones usan tareas, niveles y escalas distintos. Sus posiciones diferentes recuerdan que hay que validar por separado cada necesidad de edición. Clasificación de edición de una imagen de Arena · Clasificación de edición de AA

Recomendamos comprobar dos aspectos: si los cambios solicitados son correctos y si también se alteró contenido que debía mantenerse. Al sustituir un fondo, revisa no solo si parece natural, sino el texto del envase, la forma y los colores del producto. Para preservar detalles estrictamente, empieza con una prueba pequeña antes de programar lotes.

Velocidad de generación: planificar esperas según calidad y proporción

Algunos clientes han esperado unos dos minutos por una imagen compleja generada mediante API en high. La guía de GPT Image 2 de OpenAI también indica que las imágenes cuadradas suelen ser las más rápidas; el tiempo real depende de dimensiones y condiciones de solicitud. Experiencia de uso de API en High · Ajustes oficiales del modelo

Fija primero dimensiones y calidad, y registra el tiempo desde el envío hasta recibir la imagen completa en tus tareas habituales. Para funciones con ediciones repetidas, evalúa medium primero. Para entregables finales complejos, compara si high merece la espera. Si la demora perjudica claramente la experiencia, recomendamos probar GPT Image 2.5 Flare, comentado más adelante.

Coste de generación: niveles del mismo modelo con precios muy distintos

OpenAI publica estos ejemplos de coste de salida por imagen para GPT Image 2. No incluyen entrada de texto ni referencias, y no son los precios reales de RequestBeam. Ejemplos oficiales de costes de OpenAI

Prestamos especial atención al paso de medium a high en 1024×1024: el coste de salida del ejemplo es casi cuatro veces mayor, pero no implica la misma mejora proporcional de calidad. Establece una referencia en medium y compara high en problemas concretos, como texto pequeño o materiales complejos. Incluye ediciones y reintentos al calcular el coste de cada imagen final utilizable.

GPT Image 2 frente a GPT Image 1.5, Nano Banana 2, GPT Image 2.5 Flare y GPT Image 2.5 Sunburst

Frente a GPT Image 1.5: actualiza primero las tareas que requieren más retoques

En la comparación high de la misma clasificación AA, GPT Image 2 supera a Image 1.5 en texto a imagen, pero la diferencia de coste depende de las dimensiones. En los ejemplos oficiales de OpenAI, las salidas 1024×1024 en high cuestan USD 0,211 y USD 0,133 respectivamente; en 1536×1024 y high, USD 0,165 y USD 0,200. Comparación de texto a imagen de AA · Tabla oficial de costes a igual tamaño

Si regeneras a menudo por texto del envase, distribución del cartel o composición compleja, prueba Image 2 primero. Para tareas simples que ya producen imágenes aceptables de forma fiable, puedes mantener por ahora el flujo existente.

Frente a Nano Banana 2: compara niveles de calidad junto con presupuestos por lotes

Nano Banana 2 corresponde a gemini-3.1-flash-image de Google, orientado oficialmente a velocidad, eficiencia y alto rendimiento. En facturación estándar, la salida de una imagen 1K cuesta unos USD 0,067. Frente a los ejemplos oficiales de Image 2 anteriores, es menor que high a USD 0,211 pero mayor que medium a USD 0,053; por tanto, toda comparación debe especificar el nivel. Modelo y precios oficiales de Google

Para grandes volúmenes de imágenes sociales, candidatas a miniatura e ideas de experimentación rápida, incluye Nano Banana 2 en la comparación. Para imágenes principales de eventos, diseños complejos y mucho texto, recomendamos probar GPT Image 2 primero.

Frente a GPT Image 2.5 Flare: merece reevaluación en productos con edición repetida

Al publicar Image 2.5 el 2026-09-08, OpenAI afirmó que Flare ofrecía más calidad que GPT Image 2 y reducía la latencia de generación API un 50%. Es una comparación del proveedor y el anuncio no enumera todas las condiciones. Para tus tareas, vuelve a medir con tus dimensiones y calidad. Anuncio de Image 2.5 de OpenAI

Si construyes una herramienta donde se sustituyen fondos, cambian colores y prueban alternativas repetidamente, ejecuta las mismas tareas en GPT Image 2.5 Flare y GPT Image 2. Observa esperas y si el sujeto cambia tras cada edición. Para equipos ya integrados con Image 2, creemos que Image 2.5 Flare merece pronto una pequeña comparación.

Frente a GPT Image 2.5 Sunburst: la edición fina da más peso a preservar detalles

OpenAI orienta Sunburst a tareas que requieren un control más fino, como recursos de marketing terminados e imágenes de producto retocadas, señalando que tarda más que Flare. En la clasificación actual de edición de AA, Sunburst en max obtiene 1183±8 Elo, frente a 1125±8 Elo de Image 2 en high. Posicionamiento del modelo de OpenAI · Evaluación de edición de AA

Según nuestros clientes, los casos de GPT Image 2.5 Sunburst tienden a ser más complejos que los de Image 2. Image 2.5 Sunburst funciona mejor para recursos de marca que requieren varias rondas de edición fina. Si tu tarea incluye detalles más complejos, recomendamos actualizar a GPT Image 2.5 Sunburst para probarlo.

Preguntas frecuentes sobre la API de GPT Image 2

¿Cómo llamo a la API de GPT Image 2 mediante RequestBeam?

Recomendamos iniciar sesión en RequestBeam y crear una API Key, y después leer nuestra documentación o pedir a la IA ayuda para configurar la conexión.

Recomendamos completar primero una prueba mínima de generación con la herramienta en línea e integrar después según la documentación actual de la API GPT Image 2 de RequestBeam. Así verificas si el modelo responde a tus necesidades antes de integrar y evitas trasladar por error rutas y parámetros de otros proveedores a RequestBeam.

¿Por qué el número de imágenes, la máscara o el tamaño producen un error 400?

Comprueba primero si el código anterior pasa parámetros de otra API. GPT Image 2 de RequestBeam solo admite actualmente n: 1, no tiene una ruta separada /images/edits y no acepta multipart/form-data. Pasar mask, mask_url o maskUrl devuelve 400. Para editar, usa image_urls e instrucciones escritas como se ha descrito. Límites de parámetros de RequestBeam

Para dimensiones, puedes combinar size: "16:9" con resolution: "2k". Si indicas píxeles directamente, tienen prioridad sobre el nivel de resolución. Elige calidad auto, low, medium o high, no xhigh o max de Image 2.5. Empieza con una combinación documentada y ajusta un parámetro cada vez, evitando cambios simultáneos que dificulten aislar problemas. Ajustes de tamaño y calidad de RequestBeam

¿Por qué falta b64_json y cómo leo las imágenes de una solicitud con streaming?

Con stream: false, este endpoint espera a completar la generación y devuelve una URL; lee data[0].url. Comprueba que exista antes de descargar y guardar. La API nativa Images de OpenAI devuelve otra estructura Base64, por lo que su código de lectura no se puede copiar directamente. Estructura de respuesta de RequestBeam · Estructura nativa de OpenAI

Con stream: true, sigue procesando SSE, espera el evento image_generation.completed y lee su URL, continuando hasta [DONE]. Este endpoint no devuelve primero un jobId, por lo que no consultes /v1/jobs/{id} para obtener imágenes. Recomendamos tratar «conectado» e «imagen generada» como estados distintos. Gestión de resultados de RequestBeam

¿Por qué no debo reintentar inmediatamente después de un tiempo de espera agotado y cómo lo diagnostico?

Agotar el tiempo o dejar de esperar solo significa que el cliente no siguió esperando; no demuestra que el servidor cancelara la generación. Revisa el historial disponible y el uso de la cuenta antes de reenviar, para evitar solicitudes de pago repetidas cuando el resultado no está claro. Tras el éxito, descarga la imagen a tu propio almacenamiento en vez de considerar permanente la URL devuelta. Tiempos de espera y guardado de imágenes de RequestBeam

Ante errores explícitos, empieza por el estado: revisa la API Key para 401, el saldo para 402, la existencia o habilitación del modelo para 404 y la frecuencia para 429; para 5xx, usa el error concreto para evaluar problemas del servicio o generación. Conserva hora, modelo, parámetros y detalles del error. No te limites a ampliar el tiempo de espera ni a aplicar el mismo reintento a todos los errores. Códigos de error de RequestBeam