La guerra de precios de los modelos de imagen de octubre: GPT Image 2.5 se divide en dos niveles

La línea de imágenes de OpenAI cambió de forma en septiembre, y el efecto sobre el costo tardó unas semanas en aparecer en las comparativas públicas. ChatGPT Images 2.5 se lanzó el 8 de septiembre como dos modelos de API en lugar de uno: GPT-Image-2.5 Flare y GPT-Image-2.5 Sunburst.

La propuesta de OpenAI es directa. Hasta un 50 por ciento menos de latencia, salida 2K, mejor edición de múltiples turnos y mejor preservación del sujeto a través de las ediciones. Flare es el predeterminado rápido. Sunburst es el nivel más lento y de precisión.

La sorpresa está en la columna de precios. Tanto Flare como Sunburst comienzan en 4 créditos por generación, con el nivel 4K en 7. El anterior GPT Image 2 comienza en 9. En otras palabras, el modelo más nuevo de OpenAI también es el modelo más barato de OpenAI. Eso cambia el predeterminado para el trabajo nuevo a 2.5.

Cómo elegir entre Flare y Sunburst

La regla práctica para un equipo de producción es simple. Usa Flare para borradores, lotes y cualquier cosa donde gane la primera imagen aceptable. Usa Sunburst cuando una edición tenga que preservar una cara, una etiqueta o una disposición exactamente, y puedas permitirte esperar.

El argumento para quedarse en GPT Image 2 es más limitado de lo que parece. Si una campaña ya se aprobó con el modelo anterior, cambiar a mitad de campaña altera los tonos de piel, el peso tipográfico y la iluminación de maneras que un cliente notará antes que tú. El consejo de los profesionales es terminar la campaña actual donde está y empezar la siguiente con 2.5.

El resto del campo no se quedó quieto

Tencent lanzó Hy Image 3.5 Preview el 22 de septiembre. Un solo modelo maneja tanto la generación como la edición de múltiples rondas. Llega hasta 4096 por 4096, acepta 20 imágenes de referencia y está listado a alrededor de $0.024 por imagen en 1K a 2K en la API internacional de Tencent.

La palabra «Preview» tiene un peso real aquí. No hay pesos ni informe técnico. Un preview sin ninguno de los dos puede cambiar su comportamiento de una semana a otra. Pruébalo en la API si el conjunto de 20 referencias importa para tu flujo de trabajo. Todavía no construyas una plantilla recurrente sobre él.

El equipo Qwen de Alibaba lanzó Qwen-Image-2.1 el 20 de septiembre: pesos abiertos de 7B, 2K nativo, salida RGBA con un canal alfa real y hasta 10 imágenes de referencia. La licencia, sin embargo, ahora es solo para investigación y sin uso comercial. Eso significa que una agencia o una marca no puede distribuir salidas de 2.1 en trabajos pagados bajo los términos de pesos abiertos. Si descargaste los pesos esperando los términos antiguos, lee la licencia antes de que un archivo de cliente salga de la máquina.

Recraft publicó V4.1 Flash el 23 de septiembre y lo llamó «el modelo de imagen más rápido del mercado». Sin resolución, sin cifra de latencia, sin precio. Una fuente, sin números. Trátalo como un anuncio en lugar de una ficha técnica.

Por qué los términos de licencia cambiaron el cálculo

La historia silenciosa de septiembre es que las dos alternativas abiertas se movieron en direcciones opuestas en cuanto a licencias, y ambas lo hicieron de maneras que importan más que el puesto en los benchmarks.

Qwen-Image-2.1 mantuvo la promesa técnica que hizo popular a la familia. Siete mil millones de parámetros es lo suficientemente pequeño como para ejecutarse en una estación de trabajo de estudio, el 2K nativo evita un paso de escalado y la salida RGBA con un canal alfa real significa que un sujeto generado llega con transparencia ya incorporada en lugar de requerir una pasada de recorte. Diez imágenes de referencia en una sola generación es un techo realmente útil para el trabajo de producto, donde un sujeto consistente a lo largo de un conjunto de tomas es la parte difícil.

Luego la licencia cerró la puerta comercial. Solo para investigación, sin uso comercial. Para una agencia, eso significa que los términos de pesos abiertos no pueden cubrir trabajos de clientes pagados. Los pesos todavía se ejecutan, y un diseñador todavía puede usarlos para explorar, pero la salida no puede distribuirse bajo esos términos. Los profesionales que habían construido un flujo de trabajo con lanzamientos anteriores de Qwen, que eran más permisivos, ahora están leyendo la letra pequeña de un archivo que ya descargaron.

Hy Image 3.5 Preview de Tencent conlleva el problema opuesto. Está disponible en la API, así que el uso comercial es una cuestión de pagar por imagen en lugar de una cuestión de licencia. Pero «Preview» significa que no hay pesos ni informe técnico, lo que significa que el comportamiento puede cambiar de una semana a otra. Construir una plantilla recurrente sobre él, como una toma de producto fija con una configuración de iluminación fija, es una apuesta a que el modelo subyacente no se moverá. La jugada más segura es probarlo en trabajos específicos, conservar los resultados y volver a evaluarlo cuando el preview se convierta en un lanzamiento.

El argumento práctico para mantener dos modelos listos

La conclusión razonable para un estudio es mantener configurados un nivel rápido y un nivel de precisión, y saber qué trabajo maneja cada uno, en lugar de decantarse por un solo ganador.

Un nivel rápido, que a partir de octubre significa GPT Image 2.5 Flare o un modelo comparable, cubre la ideación, los tableros de inspiración, las imágenes de borrador y la variación de alto volumen. La velocidad y el costo dominan, y la salida es un punto de partida en lugar de un entregable.

Un nivel de precisión maneja ediciones donde una cara, una etiqueta o una disposición tiene que sobrevivir intacta. Aquí es donde el camino más lento de Sunburst se paga solo, y donde la deriva de un modelo rápido más barato en el tono de piel o el peso tipográfico se vuelve visible para un cliente.

El nivel local abierto es un tercer espacio, útil cuando un flujo de trabajo tiene que ejecutarse sin enviar recursos a una API externa. La salida RGBA de Qwen-Image-2.1 encaja bien en ese espacio, siempre que el trabajo no sea comercial según los términos de pesos abiertos.

Tres niveles configurados suenan a sobrecarga. En la práctica, es lo contrario. El equipo que sabe qué modelo maneja cada trabajo deja de reabrir la elección en cada brief y deja de descubrir a mitad de campaña que el modelo al que cambió representa el color característico de una marca de forma ligeramente distinta.

Lo que dice la clasificación y lo que no

Las tablas de clasificación de Artificial Analysis, consultadas el 6 de octubre, colocan a OpenAI en los tres primeros puestos tanto en las tablas de texto a imagen como de edición de imagen. Es una ventaja más clara que la que la compañía tenía en agosto.

Puesto | Modelo | Texto a imagen | Edición de imagen --- | --- | --- | --- 1 | GPT-Image-2.5 Sunburst | 1425 | 1524 2 | GPT-Image-2.5 Flare | 1398 | 1481 3 | GPT Image 2 | 1383 | 1462 4 | MAI-Image-2.6 (Microsoft) | 1333 | 1428 5 | Nano Banana 2.1 (Google) | 1328 | 1428

El hallazgo más útil para el costo está más abajo. Nano Banana Pro, en 2K, ocupa el puesto número 16, por debajo de Nano Banana 2.1 y a aproximadamente una cuarta parte del precio de Pro en 1K. La propia ficha del modelo de Google muestra que 2.1 supera al modelo Pro anterior en algunas evaluaciones internas de edición. Los revisores independientes señalan que Pro todavía produce mejores imágenes en algunas pruebas prácticas.

Esa brecha entre el puesto y la realidad es la parte que vale la pena retener. El puesto en la clasificación dice poco sobre las fortalezas especializadas de un modelo. FLUX 3 Image, Midjourney e Ideogram 4.0 en su configuración superior están ausentes de las tablas o clasificados bajos, pero cada uno tiene un nicho donde gana. Ideogram 4.0 Quality, por ejemplo, ocupa el puesto número 20.

Qué significa esto para el presupuesto de un estudio

Tres cosas cambiaron en septiembre que afectan cómo debería planificar un equipo.

El modelo predeterminado para trabajo nuevo ya no es el nivel premium. GPT Image 2.5 Flare a 4 créditos hace la mayor parte de lo que GPT Image 2 hacía a 9, y lo hace más rápido.

Los pesos abiertos se volvieron más útiles y más restringidos al mismo tiempo. Los pesos 7B de Qwen-Image-2.1 y su salida RGBA son realmente útiles para flujos de trabajo locales, pero la licencia solo para investigación cierra la puerta comercial que los lanzamientos anteriores de Qwen dejaron abierta. Lee las licencias antes de construir sobre ellas, no después.

Y la tabla de clasificación es un punto de partida, no un veredicto. Un modelo que ocupa el puesto 16 en una tabla agregada todavía puede superar al número uno en el trabajo específico que tienes delante. Haz pruebas comparativas con tus propios prompts antes de cambiar una línea de producción.

La historia del mes es que el nivel más barato de la generación de imágenes de vanguardia se volvió notablemente más barato, mientras que los términos de licencia de las alternativas abiertas se volvieron notablemente más estrictos. Ambos cambios empujan a los equipos a reexaminar los valores predeterminados que establecieron hace meses.