Todo el mundo en internet está hypeando el nuevo modelo de generación de imágenes de OpenAI, GPT-Image2, pero tengo que echar un jarro de agua fría: ¡llega demasiado tarde! 🤷♂️ Primero, no voy a exagerar lo increíble que es el nuevo modelo de OpenAI (código en arena: duct-tape) con elogios exagerados...
Lo que quiero decir es que el progreso de GPT-image2 es un "Trueno del Despertar de los Insectos" tardío.
Pero eso no significa que Image2 no merezca mencionarse. Al contrario, después de probar a fondo algunos prompts de escenas y personajes, descubrí que su característica verdaderamente aterradora no es para nada la calidad de imagen.
Quizás sea un cambio de juego que desmantela instantáneamente la hegemonía de Gemini 🍌.
Entonces, ¿por qué digo que es un trueno tardío?
Déjame hablar brevemente de algunos puntos:
1. ¿Por qué terminó el período de dividendo para hacer crecer cuentas escribiendo "prompts de nivel dios"?
Porque el período de dividendo para hacer crecer cuentas mediante "prompts de nivel dios" ya fue devorado por Nano Banana Pro de Gemini, más Seedance 2.0. El momento más adecuado para entrar fue marzo.
¿Todavía quieres entrar al juego republicando prompts? Te aconsejo que lo pienses dos veces.
Principalmente, su hype anterior duró demasiado. Su único rival real es Gemini. En el pasado, muchos prompts de Nano Banana fueron heredados de la era de ChatGPT.
Como la primera generación de modelos de imágenes de IA en línea, su material irrumpió con alta calidad al principio. Sin embargo, desde noviembre de 2025, básicamente todo el interés compuesto ha sido consumido por Nano Banana Pro. Por ejemplo, mucha gente dependía de Nano Banana para escribir prompts de imágenes y entrar al campo AIGC, incluyéndome a mí;
Piénsalo, ¿la caída actual en popularidad es porque el modelo es malo o porque la repetición de contenido es demasiado alta?
Creo que probablemente sea lo segundo~
Así que piensa seriamente, es imposible que el modelo Image2 de ChatGPT alcance el mismo nivel de popularidad que Nano Banana. Debería haber competido cuando Nano Banana Pro estaba en su apogeo. Ahora, es tarde (hablo a los jugadores que quieren hacer crecer cuentas escribiendo prompts AIGC; es demasiado tarde, aconsejo a los amigos que entran al círculo que lo piensen dos veces).
2. Comprensión nativa del chino
Satisface perfectamente las necesidades de la región de habla china. No solo la tasa de error en la generación de caracteres chinos es casi imperceptible, sino que los retratos también han escapado de la "fatiga estética plástica" de modelos anteriores. No creo que necesite elaborar mucho; si un modelo de IA es bueno depende de su calidad en chino, y el texto sigue siendo la fortaleza de GPT.
Pero antes de que saliera Image2, Nano Banana Pro de Gemini todavía tenía dificultades en el sector chino, a menudo produciendo código basura cuando había demasiados caracteres chinos. Image2 está a la altura de su excelente biblioteca de materiales en chino y captura el mercado chino.
¿Es suficiente la mejora solo en caracteres chinos? Los retratos son igualmente importantes. Mucha gente ya ha compartido capturas de pantalla de transmisiones en vivo similares a la imagen de abajo:
Después de ver la imagen, ¿sientes que el nuevo modelo de GPT te entiende? ¿Puede un prompt simple como:
"Generar una captura de pantalla de Douyin de una streamer" ¿te da una sorpresa inesperada? (O incluso supera tus expectativas). Ver demasiada fatiga estética (¿no es el look de "celebridad de internet" el mismo en todas partes? 😂 Se sentía igual al jugar con Uni-1).
Los modelos domésticos ya son sorprendentes para producir retratos con simple apilamiento de palabras clave; pero Image2 se siente más como un híbrido optimizado de modelos domésticos (como Doubao Seedream) y Gemini, funcionando mejor en texto y pareciendo más realista. Otra razón podría ser que los retratos de Gemini han causado fatiga estética.
Un modelo a menudo impresiona porque resuelve los puntos débiles que otro modelo (Gemini) ha molestado a los usuarios durante mucho tiempo. Esto lleva al tercer punto.
3. Controlabilidad del modelo
El grado en que un modelo grande puede seguir instrucciones y el hecho de que ya no requiere prompts complejos y largos para generar imágenes es la clave para juzgar si un modelo es bueno. Personalmente creo que este es el punto destacado de Image 2 esta vez. Hice un conjunto de imágenes de comparación;
Con el mismo prompt, GPT-image2 es más obediente que Nano Banana 2/Pro.
Gemini 3.1 pro Nano Banana pro
GPT-image2
Prompt: 📝 Perspectiva de selfie en primera persona y ángulo bajo, un cosplayer masculino chino top de 20 años, rasgos exquisitos, restauración de maquillaje y disfraz 1:1 de Uzumaki Naruto (Naruto de pelo corto después de convertirse en el Séptimo Hokage en Boruto) cosplay realista, mano izquierda (mano incluyendo dedos y brazo completamente vendados) sosteniendo una botella de vidrio transparente inclinada hacia atrás bebiendo vodka, mano derecha en primer plano haciendo una acción de girar/sostener un bolígrafo, primer plano sosteniendo un lápiz capacitivo Apple Pencil blanco, detalles claros de manos, escena de escritorio en casa interior, mantel con patrón azul y blanco, tableta negra de fondo mostrando fondo de pantalla anime rosa, entorno borroso, desenfoque de movimiento y estelas de movimiento, estilo CG de juego, muy artístico, impactante, colores ricos, superposición de áreas oscuras, primer plano, ultra alta definición. Gran cantidad de calcos de caligrafía con pincel salpicando, recortes de papel volando, recortes de papel en primer plano borrosos, desenfoque de movimiento, desenfoque dinámico de fondo, luz solar brillante, luz y sombra entrelazadas, toma en primer plano y ángulo bajo, resaltando velocidad e impacto visual, fuerte perspectiva. Proporción original simulando el realismo de una toma sostenida con cámara frontal de teléfono móvil, luz natural suave y cálida, tonos de película vintage de baja saturación, textura de piel de retrato realista, hebras de cabello claras, textura de ropa natural, reflejo de vidrio realista, ultra alta definición 4K 8K, desenfoque de gran apertura, instantánea diaria relajada, atmosférica, captura cinematográfica, realista, no posada, casual y natural.
1Prompt: 📝 Perspectiva de selfie en primera persona y ángulo bajo, un cosplayer masculino chino top de 20 años, rasgos exquisitos, restauración de maquillaje y disfraz 1:1 de Uzumaki Naruto (Naruto de pelo corto después de convertirse en el Séptimo Hokage en Boruto) cosplay realista, mano izquierda (mano incluyendo dedos y brazo completamente vendados) sosteniendo una botella de vidrio transparente inclinada hacia atrás bebiendo vodka, mano derecha en primer plano haciendo una acción de girar/sostener un bolígrafo, primer plano sosteniendo un lápiz capacitivo Apple Pencil blanco, detalles claros de manos, escena de escritorio en casa interior, mantel con patrón azul y blanco, tableta negra de fondo mostrando fondo de pantalla anime rosa, entorno borroso, desenfoque de movimiento y estelas de movimiento, estilo CG de juego, muy artístico, impactante, colores ricos, superposición de áreas oscuras, primer plano, ultra alta definición. Gran cantidad de calcos de caligrafía con pincel salpicando, recortes de papel volando, recortes de papel en primer plano borrosos, desenfoque de movimiento, desenfoque dinámico de fondo, luz solar brillante, luz y sombra entrelazadas, toma en primer plano y ángulo bajo, resaltando velocidad e impacto visual, fuerte perspectiva. Proporción original simulando el realismo de una toma sostenida con cámara frontal de teléfono móvil, luz natural suave y cálida, tonos de película vintage de baja saturación, textura de piel de retrato realista, hebras de cabello claras, textura de ropa natural, reflejo de vidrio realista, ultra alta definición 4K 8K, desenfoque de gran apertura, instantánea diaria relajada, atmosférica, captura cinematográfica, realista, no posada, casual y natural.
Los puntos clave son el prompt desenfoque de movimiento y estelas de movimiento y (mano incluyendo dedos y brazo completamente vendados). Especialmente la última información clave, cualquiera que haya visto este anime sabe
El detalle de la mano del protagonista vendada
Está completamente vendada; lo escribí en detalle por miedo a que el modelo no entendiera.
Actualmente, GPT-image2 logró una puntuación perfecta 💯 (en comparación con todos los otros modelos de texto a imagen, solo este punto demuestra que su control de detalles es más fuerte que Gemini). Gracias a la rica y precisa biblioteca de materiales de OpenAI, la imagen generada coincide con la obra original, mientras que Gemini parece que solo adivina. Ahora le toca a Gemini tener un largo camino por recorrer.
Ya sea porque las instrucciones son correctas o por la densidad de la biblioteca de materiales del modelo, actualmente, su control sobre las instrucciones en chino es indudablemente excelente. ¡Me entiende bien!
¿Ves? Cuando la IA comprende completamente el habla humana y ya no necesita prompts extensos, significa que la "barrera del prompt" se ha derrumbado por completo.
En la segunda mitad de la futura era AIGC, la competencia ya no será sobre hechizos mágicos, sino sobre la composición, creatividad y estética en tu cerebro. Las iteraciones de herramientas solo te entenderán mejor, pero la competencia interna entre creadores apenas comienza. ¿Estás listo para competir con tu imaginación? 👇
Personalmente, creo que aquellos que investigan el estilo chino pueden probarlo; el estilo chino es el más genial.
Cuando digo película, es película; es exactamente el sabor cinematográfico que quería.
Prompts simples de una oración, que ya no necesitan modificadores excesivos o palabras clave complejas, es la dirección futura de los grandes modelos.
Una nueva escalera estética necesita iteración y reemplazo continuos. Al igual que los conocidos Agents o cosas como langostas y Hermès. Lo que se necesita es iteración constante, no quedarse quieto.
Para amigos que aún no tienen membresía de ChatGPT y necesitan probar, pueden ir a la Arena (Modo Batalla) en el siguiente enlace:
Saca cartas: https://arena.ai/
duct-tape-1/2/3 son todos modelos de generación GPT-image2.
