El segundo mejor modelo de edición de imagen no aparece entre los 50 más usados

En la tabla de edición de imagen de Artificial Analysis, MAI-Image-2.7-Preview, de Microsoft, está en 1.193 de Elo. Segundo puesto, seis puntos por detrás de GPT Image 2.5 Sunburst. En la tabla de edición de Arena es tercero, con 1.471. En las siete acciones de edición que mide Artificial Analysis, gana a su predecesor en las siete y queda primero en cuatro, incluidas las de cambio de escena y de estilo y la categoría basada en razonamiento.
En la tabla semanal de peticiones de generación de imagen de OpenRouter, no aparece. Ni en el top 50. Mientras tanto, MAI-Image-2.6 Flash está en el puesto 27 con 35.500 peticiones, MAI-Image-2.6 en el 32 con 22.200, MAI-Image-2.5 en el 33, y hasta MAI-Image-2.5 Pro aparece en el 43.
Un modelo gana el jurado. Los otros cuatro se quedan con el tráfico. Esa brecha es lo más útil que he visto sobre modelos de imagen este mes.
Qué significa “solo edición” en la práctica
MAI-Image-2.7-Preview no genera una imagen de la nada. Toma una imagen que ya tienes y cambia una parte. Ese es todo el producto.
Suena a limitación y en realidad es una tesis. Mira cómo se usan los modelos de imagen en producción. Una agencia no está generando una imagen principal desde un prompt: la generó el mes pasado y el cliente quiere el fondo más cálido, el producto más grande en el encuadre y la chaqueta de la modelo cambiada de azul marino a verde oliva. Un equipo de e-commerce tiene 4.000 fotos de producto sobre fondo blanco y las necesita sobre mármol. Una editorial tiene una maqueta aprobada y necesita ajustar la ilustración de dentro sin tocar la tipografía.
Las tres son tareas de edición. Las tres están mal atendidas por un modelo cuya interfaz es “describe una imagen nueva”. La diferencia no es la calidad. Es si el resto del encuadre se queda quieto.
La decisión de Microsoft de lanzar un modelo solo de edición, y de llamarlo preview, sugiere que miraron las clasificaciones y vieron algo: las tablas de generación están llenas, y las de edición tienen una estructura competitiva distinta. En generación, Google y OpenAI han gastado dos años y enormes cantidades de cómputo en una carrera que ahora se mide en Elo de un dígito. En edición, la cima de la tabla era, hasta hace poco, básicamente OpenAI más un grupo de especialistas.

El 76% que explica la tabla
Mira la forma de los datos de OpenRouter y la tesis de la edición queda aún más clara.
Google domina seis de los diez mayores modelos de imagen por volumen de peticiones. Solo Nano Banana 2 son 2,19 millones de peticiones en una semana, el 18,5% de un mercado de 11,81 millones. Las tres entradas de OpenAI en el top 10 suman 2,67 millones. Eso es distribución: Gemini está en cada móvil Android y en cada cuenta de Google Workspace, y GPT Image es el predeterminado en ChatGPT.
Ahora mira los números pequeños más abajo. K3 Edit, de Krea, es 18º con 114.000 peticiones, un 751% más semana a semana. Es un producto de edición, creciendo más rápido que cualquier otra cosa en la tabla. Recraft V4.1 Flash es 12º con 223.000, un 55% más: un modelo con linaje de herramienta de diseño, no de chatbot. Flux 3 Image Klein es 15º con 140.000, un 28% más, y Flux.2 Klein 4B es 17º con 122.000, un 97% más. Son modelos de pesos abiertos tirados por una comunidad que quiere control.
El patrón: la cima de la tabla de peticiones la decide dónde está integrado el modelo. La zona media la decide si el modelo hace bien un trabajo concreto. MAI-Image-2.7 apunta a la zona media, y todavía no ha llegado porque está en un playground de preview y no en Copilot ni en Bing.
Por qué la edición es el benchmark más difícil de creer
Hay una razón por la que las notas de edición parecen más significativas que las de generación, y una razón para desconfiar de ambas.
Los benchmarks de generación piden a un evaluador que compare dos imágenes con un prompt. Eso mide estética y adherencia al prompt, ponderadas por lo que al evaluador le importe ese día. Los benchmarks de edición preguntan si se hizo un cambio concreto mientras se preservaba todo lo demás. Es una pregunta mucho más falsable. O la chaqueta es verde oliva, o no lo es. O la tipografía está intacta, o no lo está.
Lo que convierte el desglose en siete acciones en la parte interesante. Artificial Analysis separa ediciones de escena y estilo, ediciones basadas en razonamiento y otras cinco categorías. Un modelo que lidera en escena y estilo pero queda cuarto en renderizado de texto es una herramienta concreta para un trabajo concreto, y eso es más útil para un comprador que un Elo agregado.
La sospecha: 3.402 votos es una muestra pequeña. Arena lista MAI-Image-2.7-Preview en 1.471 con un intervalo de confianza de 1.461 a 1.481, sobre 3.402 votos. GPT-Image-2 tiene 336.785 votos. Cuando un modelo es nuevo, su Elo es provisional de una forma que la clasificación no pregona, y un preview con unos miles de votos puede parecer un podio que un millón de votos no confirmaría.
El problema de distribución, dicho sin rodeos
Aquí está la trampa para quien lee estas tablas para decidir una compra.
Un modelo puede ser el segundo mejor del mundo editando y tener cero tráfico de producción, porque la forma de conseguir tráfico no es ser bueno. Es ser el predeterminado en algún sitio. La ventaja de Google en la tabla de peticiones no es que Nano Banana 2 sea un 60% mejor que todo lo demás. Es que está a un toque dentro de productos que la gente ya abre.
Para Microsoft, el camino es obvio y lento: meterlo en Copilot, en Designer, en la barra lateral de Edge, en Office. En el momento en que eso pase, la tabla de peticiones lo registrará, y el número no será una medida de calidad. Será una medida de colocación.
Para el resto, la lección es otra. Si estás eligiendo un modelo para un producto, la tabla de peticiones te dice qué es barato y está disponible. Las tablas de Elo te dicen qué es bueno. Son dos preguntas distintas, y las respuestas se han separado mucho.
Qué hacer con esto
Dos cosas concretas, si construyes con modelos de imagen.
Prueba con tus ediciones, no con prompts. Toma diez imágenes que ya hayas entregado y diez cambios que un cliente pidió de verdad. Pásalas por tres modelos. Cuenta cuántas veces las partes que no querías cambiar se quedaron igual. Ese número correlacionará mal con cualquier clasificación, y es el único número que tu cliente va a notar.
Separa el presupuesto de generación del de edición. La mayoría de los equipos compra un modelo y lo usa para las dos cosas. Los datos sugieren que eso ya es la forma equivocada: la generación es una commodity decidida por precio y colocación, y la edición es donde sigue habiendo diferenciación y donde una brecha de seis puntos de Elo puede significar una tarde salvada.
MAI-Image-2.7-Preview puede convertirse o no en el estándar de edición. Pero que un laboratorio grande haya lanzado un modelo que no genera nada y lo haya puesto segundo en una tabla es una señal que merece tomarse en serio. La competencia interesante en modelos de imagen se ha movido de “qué puede crear” a “qué puede dejar en paz”.
Artículos relacionados
Google sacó los agentes de código del portátil, y el aviso de permiso sigue siendo el cuello de botella
La fontanería está casi resuelta. El aviso de permiso sigue siendo el cuello de botella humano.
NVIDIA libera cuatro modelos del mundo de 16B y la parte sin benchmark es el aprendizaje de políticas
NVIDIA dice que no está medido si estos modelos sirven para aprender políticas. La frase debería acompañar cualquier historia sobre modelos del mundo abiertos.
Cuatro de los repos más populares de GitHub son bibliotecas de skills, y ya hay un problema de empaquetado
La adopción va bien. El fallo interesante son cuatro formas incompatibles de instalar el mismo objeto.
Thinking Machines lanzó un modelo de 594B y dejó los pesos para la semana que viene
Un modelo fuerte, una receta documentada, una capacidad infravalorada y una fecha que el laboratorio no ha comprometido.