Todo 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 arena: duct-tape) con alabanzas desmedidas...
Lo que quiero decir es que el progreso de GPT-Image2 es un "Trueno tardío del despertar de los insectos".
Pero eso no significa que Image2 no merezca mención. Al contrario, después de probar a fondo algunos prompts de escenas y personajes, descubrí que su característica realmente aterradora no es la calidad de la imagen en absoluto.
Quizás sea un cambio radical que desmantela al instante la hegemonía de Gemini 🍌.
Entonces, ¿por qué digo que es un trueno tardío?
Déjame hablar brevemente de algunos puntos:
1. ¿Por qué ha terminado el periodo de dividendos para hacer crecer cuentas escribiendo "prompts divinos"?
Porque el periodo de dividendos para hacer crecer cuentas con "prompts divinos" ya fue devorado por Nano Banana Pro de Gemini, además de Seedance 2.0. El momento más adecuado para entrar fue marzo.
¿Todavía quieres entrar al juego reproduciendo prompts? Te aconsejo que lo pienses dos veces.
Principalmente, su hype anterior duró demasiado. Su único rival verdadero 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 AI 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 confiaba en Nano Banana para escribir prompts de imágenes y entrar en el campo AIGC, incluyéndome a mí;
Piénsalo, ¿la caída actual en el interés se debe a que el modelo es malo o a que 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 interés que Nano Banana. Debería haber competido cuando Nano Banana Pro estaba en su apogeo. Ahora, llega tarde (me dirijo a los jugadores que quieren hacer crecer cuentas escribiendo prompts AIGC; es demasiado tarde, aconsejo a los amigos que entran en el círculo que lo piensen dos veces).
2. Comprensión del chino a nivel nativo
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 explicar mucho; si un modelo AI 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 luchaba 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 chinos y captura el mercado chino.
¿Es suficiente solo la mejora de los caracteres chinos? Los retratos son igual de importantes. Mucha gente ya ha compartido capturas de pantalla de transmisión 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:
"Genera una captura de pantalla de Douyin de una streamer" darte una sorpresa inesperada? (O incluso superar tus expectativas). Ver demasiada fatiga estética (¿no es el look de 'celebridad de internet' igual en todas partes? 😂 Se sentía igual al jugar con Uni-1).
Los modelos nacionales ya son increíbles para producir retratos con simples acumulaciones de palabras clave; pero Image2 se siente más como un híbrido optimizado de modelos nacionales (como Doubao Seedream) y Gemini, con mejor rendimiento en texto y apariencia más realista. Otra razón podría ser que los retratos de Gemini han causado fatiga estética.
Un modelo a menudo sorprende porque resuelve los puntos débiles que otro modelo (Gemini) ha causado a los usuarios durante mucho tiempo. Esto nos 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 requiera 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 Image2 esta vez. Hice un conjunto de imágenes comparativas;
Con el mismo prompt, GPT-Image2 obedece mejor que Nano Banana 2/Pro.
Gemini 3.1 pro Nano Banana pro
GPT-Image2
Prompt: 📝 Selfie en primera persona desde ángulo bajo, un cosplayer masculino chino de élite de 20 años, rasgos exquisitos, restauración 1:1 del maquillaje y disfraz de Uzumaki Naruto (Naruto de pelo corto después de convertirse en el Séptimo Hokage en Boruto) cosplay realista, mano izquierda (mano, incluidos dedos y brazo, completamente envuelta en vendas) sosteniendo una botella de vidrio transparente inclinada hacia atrás bebiendo vodka, mano derecha en primer plano haciendo un movimiento de girar/sostener un bolígrafo, primer plano sosteniendo un lápiz capacitivo Apple Pencil blanco, detalles claros de la mano, escena de escritorio en casa interior, mantel estampado azul y blanco, tableta negra de fondo mostrando fondo de pantalla rosa de anime, 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 frotamientos de caligrafía con pincel salpicando, trozos de papel volando, trozos de papel en primer plano borrosos, desenfoque de movimiento, desenfoque dinámico de fondo, luz solar brillante, luz y sombra entrelazadas, primer plano desde ángulo bajo, destacando velocidad e impacto visual, perspectiva fuerte. Relación de aspecto original simulando el realismo de una foto sostenida con la cámara frontal de un teléfono móvil, luz natural suave y cálida, tonos vintage de baja saturación, textura de piel de retrato realista, hebras de cabello claras, textura de ropa natural, reflejo de vidrio realista, 4K 8K ultra alta definición, desenfoque de gran apertura, instantánea diaria relajada, atmosférica, captura cinematográfica, realista, no posada, casual y natural.
¿Cuáles son los puntos clave en el prompt?
1Prompt: 📝 Selfie en primera persona desde ángulo bajo, un cosplayer masculino atractivo y de élite chino de 20 años, rasgos exquisitos, restauración 1:1 del maquillaje y disfraz de Uzumaki Naruto (Naruto de pelo corto después de convertirse en el Séptimo Hokage en Boruto) cosplay realista, mano izquierda (mano, incluidos dedos y brazo, completamente envuelta en vendas) sosteniendo una botella de vidrio transparente inclinada hacia atrás bebiendo vodka, mano derecha en primer plano haciendo un movimiento de girar/sostener un bolígrafo, primer plano sosteniendo un lápiz capacitivo Apple Pencil blanco, detalles claros de la mano, escena de escritorio en casa interior, mantel estampado azul y blanco, tableta negra de fondo mostrando fondo de pantalla rosa de anime, 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 frotamientos de caligrafía con pincel salpicando, trozos de papel volando, trozos de papel en primer plano borrosos, desenfoque de movimiento, desenfoque dinámico de fondo, luz solar brillante, luz y sombra entrelazadas, primer plano desde ángulo bajo, destacando velocidad e impacto visual, perspectiva fuerte. Relación de aspecto original simulando el realismo de una foto sostenida con la cámara frontal de un teléfono móvil, luz natural suave y cálida, tonos vintage de baja saturación, textura de piel de retrato realista, hebras de cabello claras, textura de ropa natural, reflejo de vidrio realista, 4K 8K ultra alta definición, 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, incluidos dedos y brazo, completamente envuelta en vendas). Especialmente la última información clave, cualquiera que haya visto este anime sabe
El detalle de la mano del protagonista
envuelta en vendas
Está completamente envuelta en vendas; lo escribí en detalle por miedo a que el modelo no entendiera.
Actualmente, GPT-Image2 logró una puntuación perfecta 💯 (en comparación con todos los demás modelos de texto a imagen, este solo 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 está adivinando. 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 sin duda excelente. ¡Me entiende bien!
¿Ves? Cuando la IA comprende completamente el habla humana y ya no necesita prompts largos y tediosos, significa que la "barrera de los prompts" se ha derrumbado por completo.
En la segunda mitad de la era AIGC futura, 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 los 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; tiene exactamente el sabor cinematográfico que quería.
Prompts de una sola frase simples, que ya no necesitan modificadores excesivos ni palabras clave complejas, es la dirección futura de los grandes modelos.
Una nueva escalera estética necesita iteración y reemplazo continuos. Como los conocidos Agents o cosas como langostas y Hermès. Lo que se necesita es iteración constante, no quedarse quieto.
Para los 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 de GPT-Image2.
