Del slop de IA a la transparencia nativa: un año de generación de imágenes, en cuatro cambios

Hace un año, la palabra más sonora en la conversación sobre imágenes con IA era “slop”. Describía la avalancha de imágenes de bajo esfuerzo y perturbadoras que llenaban los feeds sociales y las granjas de contenido, ese tipo de imagen que parecía casi correcta y de algún modo incorrecta al mismo tiempo: una cara con demasiados dientes, una mano con seis dedos, un paisaje que se desintegraba en ruido en los bordes. El término se quedó porque nombraba algo real: una tecnología que había llegado a ser lo bastante buena como para producir mediocridad en masa, pero aún no lo bastante buena como para importar.

Doce meses después, la misma tecnología ofrece transparencia nativa, edición de diez imágenes y modelos locales que funcionan en una GPU de gama media. La era del “slop” no tanto terminó como se volvió más compleja. Las herramientas que producían basura son las mismas que ahora producen recursos que los profesionales realmente usan. La diferencia no es un único avance, sino cuatro cambios que ocurrieron gradualmente, y si quieres entender hacia dónde va la generación de imágenes, tienes que ver los cuatro a la vez.

El primer cambio es de la novedad al flujo de trabajo. Los primeros generadores de imágenes hacían una sola imagen y se detenían. Los nuevos están construidos en torno a la edición, la composición y la producción de recursos que encajan en un proceso mayor. Un logotipo con un canal alfa limpio no es una obra terminada, es un componente. Un modelo que puede combinar diez referencias no está haciendo una imagen, está ensamblando una composición. La categoría de producto cambió de “generador de imágenes” a “herramienta de imágenes”, y ese cambio importa porque las herramientas se juzgan por cómo encajan en el trabajo, no por lo impresionante que sea un único resultado.

El segundo cambio es de cerrado a abierto. Los mejores modelos solían estar detrás de APIs. Este año, los modelos abiertos se pusieron al día lo suficiente como para que un modelo de 7 mil millones de parámetros que se ejecuta localmente pueda manejar tareas que antes necesitaban una API de pago. Qwen-Image 2.1 es el marcador actual, pero forma parte de una tendencia más larga. Los pesos abiertos, las licencias de investigación y una comunidad de creadores de paquetes de integración han hecho que la generación de imágenes capaz sea algo que puedes ejecutar en hardware que posees. El tutorial de “funciona en una tarjeta de 6 GB” es el símbolo de este cambio, el momento en que el acceso dejó de ser el cuello de botella.

El tercer cambio es de sin restricciones a responsable. La crisis de deepfakes de Grok fue la versión más aguda de esto, pero el movimiento subyacente ya estaba en marcha. Los reguladores dejaron de tratar los generadores de imágenes como herramientas neutrales y empezaron a tratarlos como productos con desarrolladores que asumen la responsabilidad de lo que lanzan. La procedencia del contenido, la seguridad integrada en el modelo en lugar de añadida después, y la responsabilidad por imágenes no consentidas pasaron de los márgenes al centro de la conversación. Una herramienta que podía generar cualquier cosa alguna vez fue una característica. Ahora es un riesgo legal.

El cuarto cambio es de escasez de cómputo a eficiencia computacional. El entrenamiento se volvió más rápido, el servicio se abarató y la historia del hardware ganó una segunda vía con alternativas como Ascend de Huawei. Nada de esto es un único avance, pero el efecto acumulativo es que la generación de imágenes dejó de ser algo que solo los laboratorios más grandes podían costear y se convirtió en algo que un equipo pequeño o un creador individual podía presupuestar de verdad. Artículos sobre eficiencia como la aceleración del entrenamiento de 3,6x son el motor silencioso de este cambio.

Lo interesante de estos cuatro cambios es que están en tensión entre sí. El cambio hacia la responsabilidad empuja hacia la cautela y la restricción, lanzamientos más lentos, más barreras de protección. Los cambios hacia lo abierto y la eficiencia empujan hacia el acceso y la velocidad, más modelos, más libertad. La era del slop fue lo que ocurrió cuando el acceso se adelantó a la calidad, cuando todos podían generar pero pocos podían generar bien, y el resultado fue una inundación de resultados mediocres. El próximo año se definirá por si el campo puede sostener los cuatro a la vez, haciendo que la generación de imágenes sea abierta y barata sin volverla, de nuevo, mayormente basura.

Existe un riesgo real de que no pueda. Los modelos abiertos son ahora lo bastante buenos como para que el problema del slop pueda empeorar antes de mejorar, porque las herramientas para producir imágenes de bajo esfuerzo ahora son gratuitas y locales. Los mecanismos de responsabilidad todavía se están poniendo al día, y los precedentes legales se están estableciendo en tiempo real con los casos de Grok. Es totalmente posible imaginar un mundo donde la capacidad mejora más rápido que las salvaguardas, y el resultado es más slop, más abuso y más reacción negativa. Los cuatro cambios no apuntan en una dirección limpia, se tensionan entre sí.

Pero también hay una lectura más esperanzadora. El cambio hacia el flujo de trabajo, el paso de imágenes terminadas a recursos componibles, empuja contra el slop por su propia naturaleza. Una capa transparente que un diseñador puede entregar, una composición de diez referencias para una campaña, un modelo local que genera las fotos de producto de una pequeña tienda: son lo opuesto al slop. Es la misma tecnología orientada al oficio. La pregunta no es si la generación de imágenes producirá basura, siempre lo hará, sino si la basura sigue siendo la impresión dominante.

La palabra “slop” probablemente seguirá existiendo, porque todavía hay mucha producción de bajo esfuerzo, y puede que siempre la haya. Pero ya no es toda la historia. Los mismos modelos subyacentes ahora generan capas transparentes que un diseñador puede entregar, combinan diez referencias en una imagen de campaña y se ejecutan en una tarjeta que puedes comprar al por menor. La tecnología no tanto escapó de la era del slop como creció a su alrededor, añadiendo un piso superior productivo mientras la basura se acumulaba abajo.

Lo que cambió en un año no es que los modelos dejaran de hacer imágenes malas. Es que empezaron a hacer buenas, en formatos que se adaptan a cómo trabaja la gente en realidad. Ese es un hito más silencioso que cualquier lanzamiento de un modelo, y es el que importará más a largo plazo. Las demostraciones llamativas van y vienen, pero la capacidad de entregarle a un diseñador un recurso transparente limpio, o a un pequeño vendedor un modelo local que genere sus fotos de producto, es el tipo de progreso que se acumula. Dentro de otro año, la palabra “slop” probablemente seguirá presente, pero describirá una porción cada vez más pequeña de lo que estas herramientas hacen realmente.

Si quieres un único encuadre para todo el año, es este: la generación de imágenes maduró. La tecnología pasó de ser un truco de fiesta que producía una imagen impresionante a la vez a una capacidad industrial que produce recursos, en los formatos correctos, bajo las restricciones correctas, a un precio que una persona normal puede pagar. Los cuatro cambios —flujo de trabajo, apertura, responsabilidad y eficiencia— son cuatro formas de decir lo mismo. La herramienta dejó de centrarse en el modelo y empezó a centrarse en el trabajo.

Ese replanteamiento es la razón por la que las dos mayores historias del año se ven tan distintas en la superficie. Qwen-Image 2.1, con sus capas transparentes y edición de múltiples imágenes, es la herramienta madurando en la dirección productiva, hacia el oficio. La crisis de deepfakes de Grok es la herramienta madurando en la dirección peligrosa, hacia la responsabilidad, el momento en que las consecuencias serias de una herramienta sin restricciones se volvieron imposibles de ignorar. Ambas son la misma maduración subyacente, vista desde lados opuestos, y un campo que alguna vez se definió enteramente por lo que los modelos podían hacer ahora se define igualmente por cómo se hacen, quién puede usarlos y qué ocurre cuando se usan mal.

La palabra “slop” probablemente seguirá existiendo, porque todavía hay mucha producción de bajo esfuerzo, y puede que siempre la haya. Pero ya no es toda la historia. Los mismos modelos subyacentes ahora generan capas transparentes que un diseñador puede entregar, combinan diez referencias en una imagen de campaña y se ejecutan en una tarjeta que puedes comprar al por menor. La tecnología no tanto escapó de la era del slop como creció a su alrededor, añadiendo un piso superior productivo mientras la basura se acumulaba abajo. Hace un año, ese piso superior no existía. Ahora sí, y es lo más importante de la generación de imágenes que la mayoría de la gente no ha notado.