Esta noche, ChatGPT Images 2.0 se ha lanzado oficialmente por todo lo alto, convirtiéndose en la primera IA de imágenes “pensante”. Altman ha llegado a decir que parece un salto de GPT-3 directamente a GPT-5. No solo comprende con precisión las instrucciones en chino y representa interfaces de usuario complejas, sino que incluso es capaz de grabar texto en un grano de arroz.
Esa OpenAI que todos conocemos ha vuelto.
A primera hora de la mañana, Altman presentó personalmente una retransmisión en directo de 20 minutos, rompiendo así varios días de silencio.
OpenAI ha presentado por fin el tan comentado ChatGPT Images 2.0, con lo que se inaugura oficialmente una nueva era en la generación de imágenes.
¿Qué es exactamente ChatGPT Images 2.0 (y por qué la gente lo llama “Thinking”)?
ChatGPT Images 2.0 supone un auténtico salto cualitativo. Ha logrado avances enormes a la hora de comprender con precisión indicaciones largas, organizar con exactitud los objetos y aclarar las relaciones entre ellos, así como representar textos densos.
Y lo más importante: ChatGPT Images 2.0 es el primer modelo de imágenes con “capacidad de razonamiento”. Es capaz de buscar información en tiempo real en Internet y realizar comprobaciones por sí mismo.
Además, puede generar ocho imágenes con un estilo coherente de una sola vez, con una resolución ultraalta de hasta 2K.
En pocas palabras, la llegada de ChatGPT Images 2.0 redefine el liderazgo en la generación de imágenes—
Precisión a nivel de píxel: se pueden generar textos pequeños, iconos, elementos de la interfaz de usuario y otros detalles complejos de una sola vez, con compatibilidad con relaciones de aspecto completas desde 3:1 hasta 1:3;
Transformación multilingüe: el chino, el japonés, el coreano y otros alfabetos no latinos se reproducen con precisión; no solo los caracteres son correctos, sino que las frases resultan fluidas y coherentes;
Estilos consolidados: fotorrealismo, fotogramas cinematográficos, pixel art, cómics… todos los lenguajes visuales se manejan con soltura;
Capacidad de razonamiento: ChatGPT Images 2.0 incorpora funciones de razonamiento, con capacidad para realizar búsquedas en línea y verificar automáticamente la información, y con conocimientos actualizados hasta diciembre de 2025.
En la última clasificación de Arena, ChatGPT Images 2.0 se sitúa muy por delante, alzándose con el primer puesto mundial en generación de imágenes mediante IA. Supera a Google Nano Banana 2/Pro por 242 puntos.
En las siete categorías de conversión de texto a imagen, ocupa el primer puesto.
Capacidades principales de ChatGPT Images 2.0: cuatro avances clave
| Característica | Descripción | Por qué es importante |
|---|---|---|
| Precisión a nivel de píxel | Reproduce con precisión textos pequeños, iconos, elementos de la interfaz de usuario y diseños complejos con gran detalle; admite relaciones de aspecto flexibles, desde 3:1 hasta 1:3 | Esto hace que sea útil para tareas del día a día, como el diseño de interfaces de usuario, carteles e imágenes con mucho texto |
| Representación multilingüe | Genera correctamente textos en chino, japonés, coreano y otros alfabetos no latinos, con una ortografía correcta y una redacción natural | Elimina una limitación importante de los modelos anteriores, lo que permite la creación de contenidos tanto a nivel global como local. |
| Estilos visuales maduros | Crea imágenes fotorrealistas, escenas cinematográficas, arte pixelado, cómics y mucho más, con una gran coherencia estilística. | Permite a los creadores utilizarlo en distintos contextos creativos y comerciales |
| Capacidad de razonamiento | Comprende a fondo las instrucciones, razona, es capaz de buscar información en tiempo real y comprueba por sí mismo los resultados | Mejora la precisión y la fiabilidad, especialmente en tareas complejas de generación de imágenes que constan de varios pasos |
ChatGPT Images 2.0 logra la generación a nivel de píxel
Lo más llamativo es su capacidad para generar imágenes a nivel de píxel.
Durante la retransmisión en directo, se generó una imagen de un montón de arroz. En un solo grano de arroz aparecían grabadas las palabras “GPT image 2”.
Altman también presentó más imágenes de cómics generadas por GPU junto con el responsable de imagen, Gabriel Goh.
Los usuarios lo probaron enseguida y volvieron a quedar impresionados por las capacidades de ChatGPT Images 2.0.
Algunos incluso llegaron a decir: “¡Por fin OpenAI vuelve a liderar el campo de la generación de imágenes!”.”
ChatGPT Images 2.0 da un gran paso adelante en la representación de imágenes en chino
OpenAI incluso bromeó diciendo: “Te pillaremos poco a poco”.”
En el pasado, los modelos de imagen funcionaban bastante bien con el inglés y las lenguas de origen latino, pero en cuanto se encontraban con el chino, el japonés o el coreano, se desmoronaban y se convertían en “garabatos”.”
En esta ocasión, la demo oficial china se hizo muy popular y acaparó una gran atención en el mercado asiático, de forma muy similar al revuelo que se produjo cuando HappyOyster de Alibaba Se han lanzado herramientas de IA.
Chen Boyuan, investigador científico de OpenAI, participó personalmente (probablemente redactando él mismo la indicación) en la creación de un cómic a todo color en chino de una página completa. En él se cuenta cómo optimizó la representación de texto en chino para ChatGPT Images 2.0 en OpenAI.
Esta imagen demuestra tres cosas a la vez: un salto cualitativo en la representación del texto en chino, un control preciso con tamaños de letra extremadamente pequeños y la capacidad de ChatGPT Images 2.0 para generar cómics complejos de varios viñetas de una sola vez.
La tira cómica tiene cinco viñetas. En la primera, Chen está trabajando delante del ordenador, con un té de burbujas al fondo y un plátano pegado con cinta adhesiva a la pared (un homenaje a una famosa escena artística).
En la segunda fila se le ve creando un cartel infográfico multilingüe dibujado a mano para su ciudad natal, Wuxi, repleto de texto en chino muy denso, todo ello representado correctamente.
En la tercera fila se ve al equipo celebrando con entusiasmo tras conocer los resultados.
En la cuarta fila cambia el tono: Chen se relaja con su móvil y recibe un mensaje de felicitación traducido de Altman.
Y ahora llega el momento culminante.
En la quinta fila, Chen ve la imagen de felicitación que ha creado Altman, con la frase “te atraparé sin falta” escrita de forma destacada en el centro.
Quien lo sabe, lo sabe.
En las conversaciones en chino, el GPT suele decir cosas como “Te iré alcanzando poco a poco” o “Tus sentimientos son válidos”, lo que muchos usuarios chinos llevan meses tomándose a broma, ya que les suena a un discurso terapéutico al estilo estadounidense excesivamente sincero.
En el cómic, Chen se derrumba de inmediato y grita con ira cómica: “¡Oh, no! ¡Ha vuelto a aprender a ‘atrapar’!”. Sus compañeros de equipo, que están cerca, sudan nerviosos y dicen: “¡Estamos trabajando duro para arreglarlo!”.”
Este humor autocrítico se merece un sobresaliente.
Además del chino, ChatGPT Images 2.0 también mostró un cómic de aventuras japonés, una librería india con portadas de libros en nueve idiomas —entre ellos, el hindi, el bengalí y el telugu— y un anuncio de un alojamiento coreano de estilo hanok.
El lenguaje ya no es un “elemento de segunda clase” en la generación de imágenes.
ChatGPT Images 2.0: El salto de GPT-3 a GPT-5
Se puede decir que ChatGPT Images 2.0 supone el siguiente hito en la generación de imágenes de OpenAI.
Durante la retransmisión en directo, Altman describió ChatGPT Images 2.0 como “algo así como dar un salto directo de GPT-3 a GPT-5”.”
Sube una foto de grupo de cuatro personas y ChatGPT Images 2.0 podrá generar directamente una portada de revista, con una maquetación y una tipografía cuidadosas.
El cartel contiene una gran cantidad de detalles: el tratamiento del texto en letra pequeña, la coherencia en los rasgos faciales, lo que le da un marcado aire de “boy band”.
En cuanto al nivel de detalle, ChatGPT Images 2.0 alcanza un realismo auténtico “a nivel fotográfico”, tan realista que cuesta distinguir que se trata de imágenes generadas por IA.
Por ejemplo, una de las imágenes recrea el año 2015, cuando se fundó OpenAI. La iluminación del aula y el texto de la presentación en PowerPoint son sorprendentemente realistas.
El ejemplo más impresionante fue una imagen panorámica de 360° del alunizaje.
Al visualizarla en un visor panorámico, la posición del sol, la dirección de las sombras y los detalles más sutiles se aprecian con claridad, lo que demuestra una inteligencia espacial que rivaliza con la de los dispositivos especializados Lingbot Map: cartografía en 3D sistemas.
Otra demostración oficial muestra una captura de pantalla de un navegador de macOS con ChatGPT abierto. La disposición de las ventanas, el terminal en segundo plano, el escritorio desordenado… Hay tantos detalles visuales que parece casi idéntica a una captura de pantalla real.
Con este nivel de precisión en la representación, ChatGPT Images 2.0 demuestra que el control del modelo sobre cada píxel ha superado un umbral crítico.
ChatGPT Images 2.0 alcanza el fotorrealismo
Otro gran avance es el realismo.
Antes, las imágenes generadas por IA siempre tenían ese “toque de IA”: la piel demasiado lisa, la iluminación demasiado uniforme y la composición demasiado perfecta.
ChatGPT Images 2.0 va en la dirección contraria y aprende a aceptar la “imperfección”.”
En los vídeos promocionales oficiales, las instantáneas espontáneas muestran la textura de la película de 35 mm, el grano visible, una composición ligeramente descentrada y la ropa y el pelo moviéndose con el viento.
Si no te lo dijeran, pensarías que se trata de un fotógrafo que está pulsando el obturador de forma espontánea al borde de la carretera.
Otra serie imita las fotos de las cámaras desechables de los laboratorios de informática de los institutos estadounidenses de principios de la década de 2000.
Sobreexposición del flash, un ligero desenfoque por movimiento y una marca de fecha naranja “02 18 04” en la esquina: todas las imperfecciones de la era de la película se reproducen con precisión.
En cuanto a la diversidad de estilos, ChatGPT Images 2.0 también se sitúa a la cabeza.
Las relaciones de aspecto admiten ahora hasta 3:1 de ancho y 1:3 de alto. OpenAI llegó incluso a mostrar un rollo horizontal de paisaje tradicional chino, con una difusión de la tinta y un espacio negativo muy convincentes.
Desde carteles de películas de la Nueva Ola francesa de los años 60 hasta marcapáginas de estilo Art Déco o fichas de personajes de anime, ChatGPT Images 2.0 mantiene una gran coherencia estilística, no solo un “parecido aproximado”.”
ChatGPT Images 2.0 presenta el «modo de reflexión»
Durante la retransmisión en directo, el responsable de imágenes, Gabriel Goh, afirmó que ChatGPT Images 2.0 se lanza con dos modos:
Modo instantáneo
Modo de reflexión
La mejora más revolucionaria reside en “Modo de reflexión.”
Cuando se selecciona en ChatGPT, ChatGPT Images 2.0 ya no es solo un generador de imágenes del tipo “tú dices, yo dibujo”, sino que se convierte en un compañero de pensamiento visual.
Dedica más tiempo a comprender tu intención, a buscar información en tiempo real en Internet, a analizar la estructura de las imágenes y, a continuación, a generar el contenido.
Y lo que es más importante, en el modo «pensamiento», ChatGPT Images 2.0 puede generar de una sola vez hasta ocho imágenes con un estilo y unos personajes coherentes, que evolucionan progresivamente.
Sube una foto de perfil y ChatGPT Images 2.0 te ofrecerá al instante ocho combinaciones de conjuntos de verano. Elige una y te mostrará más ángulos y detalles de la ropa.
En esta tarea, ChatGPT Images 2.0 utiliza dos tipos de “inteligencia visual”:
En primer lugar, la comprensión visual: debe “ver” realmente la foto, entender el aspecto de una persona y planificar combinaciones de ropa adecuadas.
En segundo lugar está la generación visual: debe transformar el diseño previsto en imágenes coherentes y estructuradas.
Antes, para crear contenidos para redes sociales había que generar las imágenes una a una y unirlas manualmente. Ahora, con una sola indicación en ChatGPT Images 2.0 se pueden generar a la vez formatos para Twitter, las historias de Instagram, el feed de Instagram y LinkedIn, con un tono y una composición uniformes.
En un vídeo promocional oficial se mostraban materiales publicitarios de una tienda de matcha de Brooklyn llamada “kizuki”: un matcha helado de fresa bajo la luz del sol, que combinaba la estética del streetwear con el minimalismo japonés; todos los formatos se realizaron en un solo paso.
Otra demostración muestra un póster académico: basta con subir un PDF y ChatGPT Images 2.0 extrae los gráficos, los datos y la estructura más relevantes, y los organiza en un póster horizontal.
Cabe destacar que, en el modo de reflexión, ChatGPT Images 2.0 también puede realizar búsquedas directamente en Internet.
El equipo reveló que el modelo “DuckTape”, del que Arena realizó una prueba a ciegas hace unos días, era en realidad ChatGPT Images 2.0.
Incluso hicieron que recopilara los comentarios de los usuarios en línea y los convirtiera en una imagen, y generó un código QR escaneable.
Entonces… ¿Es realmente mejor que Midjourney o Stable Diffusion?
Esta es la pregunta que se hará la mayoría de la gente, aunque no lo digan directamente.
Una forma sencilla de verlo:
- Representación del texto: ChatGPT Images 2.0 va muy por delante
- Multilingüe: también en el futuro (sobre todo en China)
- Facilidad de uso: una barrera mucho menor
- Control: aún no es tan flexible como Stable Diffusion
- Puro “estilo artístico”: Midjourney sigue teniendo su ventaja
Así que, si tu trabajo consiste en contenido del mundo real (interfaz de usuario, carteles, anuncios, elementos visuales con mucho texto), Images 2.0 parece estar mucho más cerca de ser utilizable.
Si te dedicas al arte muy estilizado o buscas un control extremo, los reproductores antiguos siguen teniendo su lugar.
Realismo a nivel fotográfico: por fin, las imágenes generadas por IA ya no parecen creadas por IA
Otro gran avance es el realismo.
Las imágenes generadas por IA de antes solían tener ese extraño “toque de IA”: demasiado lisas, demasiado perfectas, un poco fuera de lugar.
Images 2.0 va en la dirección opuesta y empieza a aprender a “aceptar la imperfección”.”
En los vídeos promocionales oficiales, las instantáneas espontáneas muestran la textura de la película de 35 mm, el grano visible, una composición ligeramente descentrada y la ropa y el pelo moviéndose con el viento.
Otra serie imita las fotos de las cámaras desechables de los laboratorios de informática de los institutos estadounidenses de principios de la década de 2000.
Sobreexposición del flash, desenfoque por movimiento, marca de fecha en la esquina… Todos esos detalles desordenados e imperfectos están ahí.
Si no lo supieras, probablemente pensarías que las ha hecho un humano.
Cómo utilizarlo de verdad (sin darle demasiadas vueltas)
Empezar es bastante sencillo:
- Abrir ChatGPT
- Selecciona la generación de imágenes
- Elige entre el modo «Instantáneo» o el modo «Reflexivo»
- Describe lo que quieres (sin pulirlo en exceso)
- Repítelo un poco
Un pequeño consejo:
Si tu tarea consiste en diseño, texto o varios elementos, pasa directamente al «modo de reflexión». Es más lento, pero te ahorra tener que volver a intentarlo.
Las indicaciones siguen siendo más importantes de lo que crees
A pesar de todas las mejoras, las indicaciones siguen siendo importantes.
Un patrón sencillo que funciona casi siempre:
Tema + estilo + detalles + contexto
Por ejemplo:
- “un cartel” → demasiado impreciso
- “Un cartel minimalista de estilo japonés con matcha helado de fresa, una luz solar suave, un aire de fotografía callejera y una tipografía limpia” → mucho mejor
Además, si necesitas que aparezca texto en la imagen, solo tienes que decirlo claramente. Por fin, el modelo es lo suficientemente bueno como para probarlo.
ChatGPT Images 2.0 ya está disponible en ChatGPT y Codex
A partir de hoy, todos los usuarios de ChatGPT y Codex pueden utilizar ChatGPT Images 2.0.
La función de generación de imágenes “inteligentes” ya está disponible para los usuarios de ChatGPT Plus, Pro y Business con niveles de acceso bien definidos, lo que evita la confusión que se producía cuando los usuarios se preguntaban: “¿Ha eliminado Anthropic el código de Claude de Pro??” El modelo subyacente, gpt-image-2, también está disponible en la API.
En cuanto a los precios, ChatGPT Images 2.0 es más potente, mientras que los costes de entrada y salida de tokens se mantienen sin cambios, lo que supone una ventaja competitiva en comparación con Precios de Claude Opus 4.7.
Para los usuarios habituales, los elementos visuales de presentaciones, los carteles para redes sociales y las fichas de productos —tareas que antes requerían horas de trabajo en Photoshop— ahora se pueden realizar con una sola instrucción utilizando ChatGPT Images 2.0.
Para los desarrolladores y las empresas, ahora es posible automatizar a gran escala, a través de una API, anuncios localizados, infografías multilingües, contenidos educativos y herramientas de diseño.
En Codex, ChatGPT Images 2.0 integra la generación de imágenes en el espacio de trabajo, lo que añade una interesante dimensión visual al proceso en curso ChatGPT Codex frente a Claude Code debate. Los equipos de diseño pueden crear conceptos de interfaz de usuario, comparar opciones y pasar a la fase de desarrollo del producto, todo ello sin tener que cambiar de herramienta.
Precios, acceso y lo que esto supone en la práctica
ChatGPT Images 2.0 ya está disponible en ChatGPT (Plus, Pro, Business) y a través de la API (gpt-image-2).
A simple vista, los precios no han cambiado de forma drástica, pero el valor por salida es claramente mayor.
En la práctica, esto significa:
- Cosas para las que solías abrir Photoshop… quizá ya no lo hagas, lo que refleja un cambio más amplio en el sector De la programación basada en la vibración a la programación basada en los deseos donde la IA se encarga del trabajo más pesado.
- Los equipos pueden generar lotes de elementos visuales sin tener que realizar un gran esfuerzo manual.
- Los desarrolladores pueden integrar la generación de imágenes directamente en sus flujos de trabajo
No se trata tanto de “imágenes baratas”, sino más bien de eliminar los obstáculos en la producción visual.
¿Es ChatGPT Images 2.0 el «momento iPhone» de la generación de imágenes mediante IA?
Si echamos la vista atrás —desde DALL·E hasta Midjourney y Stable Diffusion—, la generación de imágenes mediante IA lleva mucho tiempo en una fase en la que “es utilizable, pero aún no está del todo a la altura”.”
Los fallos en la visualización del texto, la escasa compatibilidad multilingüe, los estilos repetitivos y la composición claramente generada por IA: todo ello desalentaba su uso serio en situaciones reales.
ChatGPT Images 2.0 soluciona todas estas deficiencias de una sola vez y añade capacidad de razonamiento, además de la generación de varias imágenes.
Aún no es perfecto, pero ChatGPT Images 2.0 podría ser el primer modelo de imágenes que haga que los diseñadores, los profesionales del marketing y los creadores de contenidos piensen: “De verdad que puedo usar esto en mi trabajo”.”
Ahora, es posible que los diseñadores tengan que replantearse dónde reside su verdadera ventaja competitiva, sobre todo ahora que la IA está transformando el panorama creativo, junto con los avances en Diseño de Claude.
