← Volver al blog
Aiaprox. 7 min de lectura

A GPT Image 2 le quedan 92 días, y el reemplazo no entra sin más

Publicado 14 nov 2026
A GPT Image 2 le quedan 92 días, y el reemplazo no entra sin más

La página de depreciaciones de OpenAI sumó una sección nueva el November 10, y es la clase de entrada que genera trabajo para unos cuantos miles de equipos de ingeniería.

El texto es corto: el modelo `gpt-image-2` y la instantánea `gpt-image-2-2026-04-21` quedan obsoletos y se retiran de la API el February 10, 2027. Los reemplazos recomendados son `gpt-image-2.6-sunburst` y `gpt-image-2.6-flare`. La página del modelo `gpt-image-2` ahora dice "Status: Deprecated".

En la lista hay dos identificadores, no uno. El alias móvil y la instantánea fijada mueren el mismo día, y eso pesa, porque mucho código fija la instantánea precisamente para que el alias no se mueva por debajo. Fijar compró un año de estabilidad, no inmunidad.

Los noventa y dos días

Del anuncio del November 10 a la retirada del February 10 hay 92 días naturales. No es un número arbitrario. Los niveles de aviso publicados por OpenAI fijan un mínimo de seis meses para los modelos de disponibilidad general, de tres meses para las variantes especializadas y para los modelos de generación de imágenes, y de unas dos semanas para las vistas previas. GPT Image 2 cae en el nivel de imagen, así que 92 días superan el mínimo por dos días.

Esos dos días de margen son todo el colchón entre "aviso conforme" y "se te pasó". Si tu equipo publica cada trimestre, esto cae en mitad del ciclo siguiente.

Un reloj de arena negro sobre una piedra oscura, con la cámara superior casi vacía.

Hay otro detalle que cualquier equipo de producción notará: el aviso da una fecha, sin hora y sin zona horaria. Planifica como si la API dejara de responder al empezar el February 10, en la zona del ingeniero de guardia, o termina en enero y deja de pensarlo.

Cómo se ve el cambio, y dónde miente

La migración mecánica es de verdad pequeña. Los dos modelos 2.6 admiten los mismos tres endpoints (generación de imágenes, edición de imágenes y Batch), así que la superficie HTTP no se mueve. Las tarifas por token son idénticas fila por fila a las del modelo saliente: $8 por millón de tokens de entrada de imagen, $30 por millón de salida, $2 para la entrada en caché, con una fila Batch a mitad de precio.

Así que un desarrollador podría concluir razonablemente que esto es un reemplazo de cadena. No lo es, y el aviso lo dice donde importa: los nombres de reemplazo son otros modelos, no una versión nueva del mismo.

Lo que cambia de verdad al pasar a 2.6:

GPT Image 2.6 llegó el November 4 con niveles de complejidad ajustables, salida SVG, generación de GIF animados y edición guiada por marcado extendida a las familias 2.5 y 2.6. Flare es el modelo más pequeño y rápido, pensado para iterar en el trabajo diario. Sunburst es el modelo base, orientado a composiciones detalladas y precisión de edición. La propia guía de prompts de OpenAI sugiere empezar con Flare cuando domina la latencia y con Sunburst cuando dominan las relaciones entre objetos y la precisión de maquetación.

Complejidad y marcado son dos palabras que describen parámetros que no existían en el modelo que dejas. Los modelos nuevos pueden ser más baratos por salida utilizable y más caros por llamada al mismo tiempo, porque un presupuesto ajustable significa que ahora puedes pasarte en una petición que antes tenía un solo ajuste.

Los tres lugares donde esto rompe

Primero, reintentos y respaldos. Los pipelines de imágenes acumulan identificadores de modelo en sitios que nadie audita: la configuración de un worker de cola, una cadena de respaldo en la ruta de Responses API, una tabla de estimación de costes, una lista de permitidos, un fixture de pruebas, una página de Notion que el gestor de cuenta de un proveedor mantiene al día. Un grep de la cadena atrapa el código. No atrapa la hoja de cálculo.

Segundo, el control de calidad de la salida. Una nueva generación de modelo desplaza la salida en cosas pequeñas incluso cuando la forma de la API es estable, y la deriva casi nunca es lo bastante dramática para disparar una alerta. Nadie abre un bug porque un tono se movió dos puntos. Si tu pipeline genera portadas de artículos, miniaturas de producto o variantes de marketing, los criterios de aceptación son visuales, no numéricos. La única forma de saber si Sunburst sigue dibujando bien la etiqueta de una botella es pasar la misma imagen de origen y el mismo prompt por los dos modelos y comparar la etiqueta.

Tercero, la facturación. A mediados de noviembre, la sección Batch de la página de precios no tenía fila de `gpt-image-2.6`. El modelo saliente sí la tiene. Si tu volumen pasa por Batch a mitad de precio, trata la facturación Batch de 2.6 como no resuelta hasta que la página se actualice, y no montes tu modelo de costes sobre una suposición.

Un calendario enredado

La familia GPT Image lleva todo el año removiéndose, y el aviso de noviembre cierra una cadena en vez de abrir una.

`gpt-image-2` salió el April 21, 2026, con una instantánea fechada el día del lanzamiento. El May 12, DALL·E 2 y 3 se retiraron de la API sin contemplaciones y `gpt-image-2` absorbió las migraciones. El September 8, GPT Image 2.5 entró en los tipos oficiales del SDK. El October 23, `gpt-image-1` se apagó según su propio aviso anterior, con 2.5 como reemplazo oficial. El November 4 salió GPT Image 2.6. Seis días después, GPT Image 2 recibió su fecha de fin.

Y hay un segundo plazo que la mayoría de los artículos sobre este asunto se salta. En la misma pasada, OpenAI reorientó la vieja tabla de depreciación de junio de 2026: `gpt-image-1-mini`, `gpt-image-1.5` y el alias `chatgpt-image-latest` se apagan todos el December 1, 2026, y su reemplazo indicado pasó de `gpt-image-2` a `gpt-image-2.6-sunburst`.

Lee eso dos veces. El modelo que debía ser el aterrizaje seguro del apagón del December 1 se apaga él mismo setenta y un días después. Quien migró a `gpt-image-2` en noviembre para escapar del plazo de diciembre tendrá que migrar otra vez en enero.

Qué hacer esta semana

Busca los dos identificadores, alias e instantánea, en código, configuración, colas, pruebas y documentación. El grep que atrapa uno suele perder el otro, porque un pin escrito como constante de cadena y un pin escrito en un archivo YAML no se parecen. Lleva el desarrollo nuevo directo a 2.6 y sáltate el paso intermedio. Arma un conjunto de comparación pequeño (diez entradas reales de producción, mismos prompts, mismos tamaños, los dos modelos 2.6) y juzga por si la salida pasa tu control de aceptación, no por si se ve mejor. Fija lo que elijas y pon el February 10 en un sitio donde lo vea una persona.

La alternativa es descubrirlo en febrero, cuando el endpoint devuelva un error y las portadas de los artículos dejen de generarse un martes por la mañana. Ninguna respuesta a incidentes arregla un id de modelo que no existe, solo hay vuelta atrás a un modelo que también se va.

Nada de esto es dramático. Es el coste de mantenimiento normal de construir sobre un modelo alquilado, y la factura llega en un calendario que no controlas. Los equipos que tratan los ids de modelo como dependencias y no como ajustes son los que no notarán febrero. Los demás tendrán un martes por la mañana que recordarán.

Artículos relacionados