Sesenta y seis modelos de imagen que en realidad son ocho familias

El catálogo de OpenRouter lista ahora mismo 66 modelos que generan imágenes y 33 que generan video. Si alguna vez has intentado elegir uno pasando una tabla de clasificación, conoces la sensación: el ranking te dice qué corrieron otros, no qué deberías correr tú.
Así que pasé todo el estante por la API pública de modelos y lo leí como un catálogo. Los precios de abajo son la tarifa por token de imagen convertida a dólares por millón de tokens, o la tarifa publicada por segundo de video cuando existe. Nada de esto es una puntuación de benchmark. Es la forma del mercado.
El estante tiene ocho familias, no sesenta y seis productos
Cuenta las entradas y salen 66. Cuenta los linajes y salen unos ocho: la línea GPT Image de OpenAI, la Gemini/Nano Banana de Google, Seedream de ByteDance, la serie Image de Qwen, FLUX de Black Forest Labs, Recraft, Krea y una cola larga de piezas sueltas de Sourceful, Microsoft, Meta, Tencent y xAI.
Solo Recraft suma unas dieciséis de las 66, porque vende consistencia de estilo como producto: IDs de estilo por petición, variantes utilitarias, salida vectorial. No es relleno, es otro modelo de negocio: compras un aspecto coherente, no un modelo. Lo mismo pasa con FLUX, que aparece como FLUX 3 Image, FLUX 3 Image Klein y cuatro niveles de FLUX.2, porque los pesos abiertos y el alojamiento en API son dos productos distintos que comparten nombre.
Consecuencia práctica: cuando comparas «66 modelos de imagen», en realidad comparas ocho estrategias de precio de ocho proveedores. Trata las variantes como niveles dentro de una familia y la decisión se encoge muchísimo.

Imágenes: cinco bandas de precio y qué compra cada una
Banda económica, menos de 3 dólares por millón de tokens de imagen. Hy Image 3.5 Preview de Tencent a 1,6, Recraft V4.1 Flash a 1,7, FLUX 3 Image Klein a 1,9, Muse Image de Meta a 2,4. Aquí se hace exploración y miniaturas. Klein es el interesante porque es de pesos abiertos: la API es una comodidad, no el producto. Muse destaca por ser agéntico: planifica antes de renderizar, lo que importa cuando tu prompt es un párrafo y no una frase.
Banda de trabajo, 4–11. Qwen Image 2.1 Turbo a 4,4, Seedream 5.0 Flash a 4,3, Krea K3 Edit a 7,2, Seedream 5.0 Lite a 8,4, FLUX 3 Image a 9,8, Qwen Image 2.1 Pro a 11,0. La mayor parte del tráfico de producción debería vivir aquí. K3 Edit es el que hay que anotar: acepta de una a ocho imágenes de referencia y está hecho para ediciones puntuales más que para renderizados nuevos, que es lo que son la mayoría de las peticiones reales.
Banda premium, 30. GPT Image 2.6 Sunburst, GPT Image 2.6 Flare, Gemini Nano Banana 2.1. Los tres aterrizan en el mismo número, y no es casualidad: es un paraguas de precio. Pagas por renderizado de texto, maquetaciones densas y consistencia entre ediciones. Si tu salida lleva palabras que deben estar bien escritas, esta banda es donde se resuelve.
Banda especializada, 38–120. Microsoft MAI-Image 2.6 a 38 está posicionado para precisión. Gemini 3 Pro Image a 120 es veinte veces la banda económica, para edición conversacional con razonamiento incorporado.
La excepción vectorial. V4.1 Vector de Recraft a 19 y Pro Vector a 50 existen porque el SVG es un entregable distinto, no un nivel de calidad distinto. Si necesitas algo que un diseñador pueda abrir y editar, la comparación de precio con los modelos de mapa de bits no significa nada.
Video: 33 modelos, cuatro trabajos
El precio de video casi no se publica en el catálogo, porque cada proveedor lo factura por segundo. Donde sí aparece, la escalera es instructiva: Gemini Omni 1.2 Flash cuesta 0,023 por segundo en 360p, 0,070 en 720p, 0,104 en 1080p y 0,209 en 4K. Un clip de quince segundos en 720p sale por unos 1,05.
Esa escalera te dice cómo está estructurada la categoría. Agrupa los 33 por el trabajo que hacen y la elección se vuelve legible.
Texto a video e imagen a video generales. Gemini Omni 1.2 y 1.1 Flash, Seedance 2.5, Wan 3.0 y 3.0 Prime, Hailuo 3 y 3 Max, Runway Gen-4.5, Kling 3.0 Pro y Standard, Veo 3.1 y sus niveles fast/lite, Grok Imagine Video 1.5. Es la parte abarrotada del mercado, y los diferenciadores son la duración del clip, el audio nativo y el manejo de referencias más que la fidelidad bruta. La propuesta de Omni es una toma de quince segundos con audio, control de primer y último fotograma y edición por turnos usando el ID de un trabajo anterior.
Edición de material existente. Runway Aleph 2.0 toma un video y una instrucción de texto y cambia algo dentro del plano. FLUX Video Edit hace lo mismo. FLUX Video Upscale amplía. Es la categoría menos glamurosa y más útil económicamente, porque lo que de verdad cuesta dinero es volver a rodar.
Humanos que hablan. Avatar IV y HeyGen Video de HeyGen, más los modelos generales usados con un retrato. Formación corporativa, localización, explicaciones de producto. Aburrido, mercado enorme.
Niveles de lote y borrador. Seedance 2.0 Mini y Fast, Veo 3.1 Fast y Lite, Grok Imagine Video 1.5 Lite, Wan 3.0 Prime. Que exista un nivel «fast» en cinco familias a la vez es la señal real: la industria ha aceptado que generas un borrador barato, lo miras y después pagas por un final.
Cómo leer la tabla de precios sin que te engañen
Tres trampas, en orden de frecuencia con la que atrapan a la gente.
Los tokens de imagen no son imágenes. Una tarifa de «30 dólares por millón de tokens de imagen» no te dice el costo de una imagen de 1024×1024 hasta que sabes cuántos tokens consume esa resolución, y eso varía según el modelo. La comparación honesta es una imagen de prueba fija con una calidad fija, con precio de principio a fin. Quien cita costos por imagen sin decir la resolución está adivinando.
Los precios de borrador no son precios de producción. Un video en 360p a 0,023 por segundo es una oferta real y una base terrible para presupuestar una campaña. Presupuesta a la resolución con la que vas a entregar.
Los enrutadores automáticos no son modelos. openrouter/auto y sus hermanos aceptan texto, imagen, archivo, audio y video y enrutan por ti. Útil cuando no te importa; inútil cuando intentas atribuir costo o reproducir un resultado.
Qué elegiría yo de verdad
Si esta semana montara un pipeline de imágenes: Seedream 5.0 Flash o Qwen Image 2.1 Turbo para explorar, Krea K3 Edit para revisiones, GPT Image 2.6 Sunburst para cualquier cosa con tipografía dentro y FLUX 3 Klein cuando el cliente quiera los pesos. Son cuatro modelos, tres bandas de precio, y cubre más o menos todo lo que pide un equipo de contenido.
Para video: Omni 1.2 Flash como opción por defecto, porque quince segundos con audio cubren la mayoría de formatos sociales en una sola llamada; Aleph 2.0 para arreglar un plano en lugar de volver a rodarlo; un nivel rápido para los borradores. Después presupuesta en 1080p y acepta que la cifra de 360p de tu hoja de cálculo era ficción.
El punto de fondo es que el tamaño del catálogo no es elección. Sesenta y seis modelos con ocho linajes y tres bandas de precio significan que el espacio de decisión es pequeño, y la mayoría de las entradas existen para servir a compras, no al oficio. Elige la banda por lo que la salida tiene que sobrevivir —una miniatura, un cartel, una valla— y el nombre del modelo se ordena solo.
Artículos relacionados
La regla de exportación ya no apunta al chip, sino al cliente
La norma no prohíbe chips: prohíbe el anonimato. Y mueve la unidad de control del hardware a la relación con el cliente final.
La noticia de Nvidia no fue el informe: fue el comité
En nueve días el consejo produjo una investigación, una presidencia y un comité de cumplimiento. No es control del calendario: es reacción.
Nvidia tuvo que ponerle precio a su fundador
En nueve días, Nvidia cambió de CEO y de consejo sin perder un trimestre. El mercado, mientras tanto, le puso precio a lo que valía un solo hombre.
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.