Cuatro mil millones de imágenes por semana, y ahora se mueven

OpenAI lanzó Images 2.6 el 4 de noviembre, y la demo que todo el mundo compartió era un oficinista chibi llorando frente a un gráfico bursátil en picada. Seis fotogramas, una sola hoja de sprites, un bucle continuo. Tierno, un poco brutal, tremendamente compartible.
El número enterrado bajo los GIF es más interesante. Hoy se generan unos cuatro mil millones de imágenes por semana entre ChatGPT, Codex y la API. Más de quinientos millones al día. Hace ocho semanas, cuando salió Images 2.5, la cifra era de tres mil millones. Nada en el modelo de base mejoró tres veces en ocho semanas. Lo que cambió es que generar imágenes dejó de ser un acontecimiento y se volvió un reflejo.
Lo que realmente llegó
Tres cosas, y solo una tiene que ver con el modelo.
Velocidad. La generación es aproximadamente un 50% más rápida. La API se divide en dos variantes: GPT-Image-2.6 Flare, que en calidad baja devuelve una imagen en unos seis segundos, y GPT-Image-2.6 Sunburst, la que eliges cuando un sujeto tiene que sobrevivir a varias rondas de edición sin desviarse.
Movimiento. Los GIF ahora son nativos. Escribes un prompt o sueltas una imagen fija y obtienes una animación en bucle. La velocidad de reproducción se puede ajustar, los fotogramas se editan dentro de ChatGPT y el resultado se publica directamente. Los usos que sugiere OpenAI son mascotas de marca, memes de reacción y storyboards animados antes de que nadie reserve un rodaje.
La edición como interfaz. Esta es la parte a la que vuelvo una y otra vez. La API ya admite marcado sobre la imagen, así que puedes señalar una región y decir «cambia esto». Las imágenes se exportan en SVG. Hay un parámetro de complejidad que controla cuánta planificación hace el modelo antes de renderizar, algo extraño de exponer hasta que uno entiende que es un regulador de latencia para quien edita en bucles y no de un solo tiro.
Súmale las referencias guardadas —puedes archivar la foto de una persona, una mascota o un personaje recurrente y reutilizarla más tarde sin volver a subirla— y la forma del producto queda clara. No es un generador con funciones extra. Es una herramienta de diseño que resulta estar impulsada por un modelo.

El GIF es la parte menos interesante, y también la más importante
Todos los medios abrieron con los GIF, y OpenAI claramente quería eso. Coco Mao, CEO de OpenArt, aparece citada diciendo que los GIF son «el idioma nativo de las redes sociales», una frase de las que existen para acabar en un comunicado de prensa.
Aun así, no se equivoca. Una imagen fija es una publicación. Un bucle es un formato. Cuando un modelo devuelve un bucle desde la misma caja de texto, el resultado compite con el video, no con la ilustración, y compite a una fracción del costo y del tiempo. Para un equipo de redes, la pregunta práctica deja de ser «¿tenemos presupuesto de video?» y pasa a ser «¿esta idea necesita sonido?».
Lo interesante es de qué están hechos los bucles. Los ejemplos de la propia OpenAI son hojas de sprites: seis fotogramas, tres columnas por dos filas, dimensiones idénticas, cámara fija y el sexto fotograma volviendo suavemente hacia el primero. Así no piensa un modelo de video. Así piensa un animador. El prompt hace el diseño de producción y el modelo rellena celdas.
Lo cual significa que la habilidad que se revalorizó esta semana no es escribir prompts. Es saber cómo tiene que verse un bucle para que no dé un salto al reiniciarse.
Cuatro mil millones por semana cambian el cuello de botella
Cuando generas cuarenta imágenes para una campaña, lo difícil es hacerlas. Cuando generas cuatro mil, lo difícil es encontrar las once que sirven y acordarte de cuáles eran.
Dos de las funciones lanzadas solo tienen sentido en ese mundo. Las referencias guardadas existen porque la consistencia dentro de una serie es ahora la restricción, no la novedad. El marcado de imagen existe porque arreglar una mano mal hecha sale más barato que regenerar una buena foto. Ninguna de las dos es una función creativa. Las dos son funciones de revisión.
Ya vi este patrón en el texto. En el momento en que el volumen de salida cruzó un umbral, las herramientas pasaron de «ayúdame a escribir» a «ayúdame a encontrar lo que escribí». Las herramientas de imagen van por la misma curva, unos dos años por detrás.
La división de la API dice a quién cree OpenAI que le vende
Flare y Sunburst no son una escalera de bueno a mejor. Flare está afinada para rendimiento y composición: OpenAI afirma concretamente mejor composición en carteles, fotos de producto y otras piezas profesionales. Seis segundos en calidad baja es una cifra que le citas a un product manager que quiere miniaturas en una cuadrícula.
Sunburst está afinada para la consistencia en calidad media y alta, una promesa muy distinta. La consistencia es lo que necesitas cuando el mismo personaje aparece en doce viñetas, o cuando un manual de marca tiene que sobrevivir a una ronda de edición hecha por alguien que no es diseñador.
Juntas, las dos variantes describen dos trabajos que antes eran uno: explorar barato y luego comprometerse caro. Quien haya organizado un sprint de diseño reconocerá la forma. Es la misma razón por la que las agencias hacen cincuenta miniaturas y un comp.
Lo que yo probaría de verdad
Si tienes un pipeline, la prueba honesta no es la calidad de imagen. Es si las partes aburridas se acortaron.
Toma un brief real —la imagen principal de una página de producto, por ejemplo— y cronometra tres pasadas: el primer borrador, la ronda de cambios después de que el cliente diga «más cálido» y la exportación. Por mi experiencia con generaciones anteriores, la pasada del medio siempre era la asesina, porque cada edición arriesgaba cambiar la forma del producto. Sunburst, más el marcado, más las referencias, apuntan exactamente a eso.
Segunda prueba: el bucle. Pide un GIF continuo de algo con una pieza en movimiento y revisa el sexto fotograma. Si vuelve de golpe con un salto visible, el modelo sigue pensando en imágenes fijas y cosiendo. Si entra suave, está planificando el ciclo de verdad.
Tercera prueba, la que casi todos los equipos se saltan: el archivo. Pregúntate dónde viven esas cuatro mil imágenes, quién puede buscarlas y si las que rechazaste siguen siendo facturables. El volumen tiene la costumbre de convertir un problema creativo en un problema de registro.
La parte incómoda
Las marcas de agua y la procedencia se vuelven más difíciles a medida que la salida se abarata. Cuatro mil millones de imágenes por semana son mucha superficie, y un GIF que se repite convence más que una foto fija, porque el movimiento se lee como evidencia. La misma propiedad que hace buenos a los bucles para mascotas de marca los hace buenos para falsificaciones.
El encuadre de la propia OpenAI es cuidadoso aquí: los ejemplos se apoyan en marcas, mascotas, fotos de producto, storyboards. No en noticias, no en gente diciendo cosas. Es una línea sensata de trazar por voluntad propia, porque la alternativa es trazarla después bajo presión.
Y entonces qué
Images 2.6 no es un salto en calidad de imagen. Lee el changelog y encontrarás velocidad, bucles y un montón de facilidades de edición. La afirmación interesante es estructural: la generación de imágenes se está plegando a la parte del trabajo donde la gente toma decisiones, es decir, marcar, revisar, exportar y reutilizar.
Es una historia menos emocionante que la de un dibujo de oficinista llorando. También es la que cambia cómo un equipo reparte su semana. El número de cuatro mil millones no es una fanfarronada sobre escala. Es un aviso de que lo escaso ya no es la imagen. Es saber cuál imagen.
Artículos relacionados
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.
GPT Image 2.6 mantuvo el precio por token y subió la factura
GPT Image 2.6 mantiene cada tarifa por token de 2.5 y aun así cuesta más por imagen, porque buena parte del trabajo ocurre ahora en tokens de salida. Once días después del lanzamiento, la estructura de precios dice más que el ranking.
Alguien reconstruyó IDM desde fuera y anotó lo que no tocó
Una reimplementación en Rust de Internet Download Manager promete 5 veces la velocidad y 86 idiomas. El documento más interesante es el párrafo que explica cómo se construyó sin copiar nada.
Rune es un framework de UI en Rust creado para que un agente pueda comprobar su propio trabajo
Rune renderiza sin interfaz, vuelca su árbol de elementos y acepta entrada programada, lo que da a un agente de código una señal diffeable que una captura nunca ofrece. El framework está en prelanzamiento y no acepta pull requests.