OpenAI dividió en dos su modelo de imagen insignia. Eso dice más que el benchmark.

El 8 de septiembre, OpenAI lanzó ChatGPT Images 2.5, y escondida dentro del anuncio había una decisión que importa más que cualquier cifra de velocidad. La compañía tomó el único modelo de imagen insignia y lo dividió en dos.

Para los desarrolladores, la API ahora ofrece GPT-Image-2.5 Flare y GPT-Image-2.5 Sunburst. Flare es el rápido. OpenAI dice que funciona de dos a cuatro veces más rápido que GPT-Image 2, y el socio inicial Manus lo respaldó con sus propias pruebas, junto con una mejor salida de fondo transparente. Sunburst es el lento y preciso. Está diseñado para ediciones que deben mantener todo lo demás exactamente como estaba. Ambos cuestan lo mismo: $8 por millón de tokens de entrada y $30 por millón de tokens de salida.

Ese detalle de precios es la parte interesante. Cuando dos modelos hacen trabajos diferentes pero cuestan lo mismo, el proveedor no te está vendiendo más cómputo. Te está pidiendo que decidas lo que realmente necesitas, lo cual es un tipo diferente de conversación de producto que "aquí está nuestro mejor modelo, úsalo para todo".

Lo que realmente cambió

En el lado del consumidor, la cifra principal es la latencia. OpenAI afirma que el retraso de generación se redujo hasta en un 50 por ciento en comparación con Images 2.0, mientras que la nitidez, la iluminación natural y el detalle de textura mejoraron. Esa combinación es inusual. Por lo general, se sacrifica una por la otra.

La historia de la edición es donde Sunburst se gana su nombre. La propuesta es que el modelo entiende qué no cambiar. Higgsfield AI, uno de los socios que OpenAI mencionó, lo expresó así, y es un resumen justo de lo que realmente trata la actualización. Los editores de imágenes anteriores eran buenos siguiendo una instrucción y malos dejando el resto del encuadre intacto. Pedías un nuevo color en una chaqueta y obtenías una cara sutilmente diferente, un horizonte movido, una fuente de luz desplazada. Sunburst apunta directamente a ese modo de fallo, manteniendo rostros, productos y elementos de marca estables a lo largo de múltiples rondas de edición.

Hay tres nuevas herramientas en la aplicación ChatGPT. Sketch te permite escribir @Sketch y dibujar un diseño aproximado o una silueta dentro del chat, tratando tu garabato como referencia para el render final. Templates ofrece un punto de partida para formatos comunes como carteles y merchandising. Comments te permite fijar una nota en un punto de una imagen, para que puedas decir "elimina esto" o "haz esto azul" sin reescribir el prompt.

OpenAI también se apoyó en una estadística de seguridad. Sunburst genera contenido inseguro a una tasa del 1,09 por ciento, Flare del 1,41 por ciento, y el modelo anterior del 1,64 por ciento. La dirección es buena, aunque son autoinformadas y un argumento de venta más que una garantía.

El movimiento de Adobe

El mismo día, Adobe anunció que había integrado GPT-Image-2.5 en Firefly. Esa no es una nota menor de asociación. Adobe ha pasado dos años reposicionando Firefly como una capa de orquestación, un lugar donde los modelos de Google, Runway y otros se conectan a un flujo de trabajo profesional. Añadir el modelo de imagen más nuevo de OpenAI el primer día es esa estrategia funcionando según lo diseñado.

Matt Chotin, de Adobe, lo enmarcó como dar a los creadores flexibilidad desde la idea hasta la entrega. Lo que significa en la práctica es que la lucha se ha movido de la calidad bruta del modelo. Ahora ambos lados se distribuyen mutuamente. Más de 70 herramientas de Adobe están integradas dentro de ChatGPT, por lo que un diseñador puede invocar funciones de Photoshop, Premiere o Firefly desde dentro de la interfaz de OpenAI. Cada compañía se convierte en un canal para la otra, y ninguna puede poseer por sí sola el inicio de la tarea creativa.

Los números detrás del lanzamiento

Hay una razón por la que este lanzamiento se lee como un movimiento de estrategia de producto en lugar de un salto de capacidad puro. Cuando GPT Image 2 se lanzó en abril de 2026, ocupó el primer puesto en la tabla de clasificación de texto a imagen de Artificial Analysis con un Elo de 1178 y se clasificó segundo en la tabla de edición. Images 2.5 es un incremento sobre esa base, y a los días posteriores al lanzamiento, ninguno de los dos nuevos modelos de API tenía una entrada en la tabla de clasificación de Artificial Analysis, y ningún tercero había publicado un benchmark reproducible. Las mejoras de velocidad y calidad son todas autoinformadas, o reportadas por los socios nombrados Adobe, Manus y Higgsfield. Eso no las hace incorrectas, pero significa que cualquier juicio sobre si la división cumple debe esperar a pruebas independientes.

Lo que no es autoinformado es el precio. Ambos modelos se sitúan en ocho dólares por millón de tokens de entrada de imagen y treinta dólares por millón de tokens de salida, idénticos entre sí. El rango de resolución de salida va desde 1024 por 1024 hasta 3840 por 2160, con recuentos totales de píxeles limitados entre 655.360 y 8.294.400. Para un desarrollador, la decisión sobre una función dada ahora se reduce a una sola pregunta: ¿esta carga de trabajo necesita ir rápido, o necesita que la cuarta edición deje el sujeto intacto? El modelo que responde a esa pregunta recibe la llamada, y el hecho de que ambos cuesten lo mismo elimina el precio como excusa para elegir mal.

Por qué la bifurcación es la verdadera historia

La generación de imágenes ha dejado de ser un experimento. OpenAI dice que la plataforma produce más de tres mil millones de imágenes a la semana, y ese número es la señal. A ese volumen, la pregunta interesante ya no es "puede hacer una imagen hermosa" sino "qué tipo de trabajo se le pide que haga".

Los equipos de marketing que producen cientos de variantes para redes sociales se preocupan por el rendimiento. Un equipo de marca que finaliza un visual clave de campaña se preocupa por si el logotipo se desvía después de la cuarta edición. Esos dos trabajos tiran en direcciones opuestas, y un solo modelo obliga a uno de ellos a comprometerse. Dividir la línea es una admisión de que la base de clientes también se ha dividido.

La respuesta de los competidores ya ha sido moldeada por esto. Midjourney sigue ganando en un particular acabado cinematográfico, pero no tiene interacción de chat nativa y una curva de aprendizaje más pronunciada. Adobe Firefly se apoya en licencias comerciales y su ecosistema de software, pero su creación conversacional independiente es limitada. El modelo de imagen integrado en la aplicación de Google es fuerte en algunas tareas e inconsistente en el control a nivel de marca. Nadie tiene todo el tablero.

Para cualquiera que elija una herramienta, la conclusión práctica es dejar de buscar un único mejor modelo de imagen y empezar a emparejar el modelo con el trabajo. La iteración de alto volumen y el acabado de precisión ahora son compras separadas incluso cuando provienen de la misma compañía al mismo precio. Las clasificaciones de benchmark seguirán moviéndose, y importarán cada vez menos. Lo que importa es si el flujo de trabajo alrededor del modelo puede sobrevivir al próximo lanzamiento, porque el modelo subyacente será reemplazado de nuevo en unos meses.

Vale la pena detenerse en ese último punto. Images 2.5 llegó aproximadamente cinco meses después de Images 2, y ambos reemplazaron una versión que era lo más avanzado del año pasado. Los equipos que construyen un proceso duradero, con sus propios prompts, referencias de estilo y pasos de revisión, son los que pueden absorber esa rotación. Los equipos que cablean un solo modelo en su pipeline heredan cada una de sus caídas y cambios de precio. En ese sentido, el lanzamiento de dos modelos es un recordatorio útil del proveedor más ruidoso de la sala: incluso el líder te dice que no dependas de un solo modelo.