Midjourney prueba el Thinking Mode: un botón Rerun (Thinking) para mejorar la precisión del texto

Midjourney ha empezado a probar un Thinking Mode para la generación de imágenes en su sitio Alpha, alpha.midjourney.com. Se activa con un solo botón, «Rerun (Thinking)», en la esquina inferior derecha del lightbox de una obra ya generada. Según el equipo, las pruebas internas muestran mejoras en tres frentes: la fidelidad al prompt, la tipografía y la coherencia general de la imagen. Se trata de una invitación a probar la función, no de un lanzamiento completo. El anuncio no incluye cifras, benchmarks, tiempos de generación ni costes.

Cómo funciona en la interfaz

La mecánica es sencilla. El usuario abre en el lightbox una obra ya generada y, en lugar del Rerun habitual, pulsa la variante marcada con Thinking. El modelo procesa de nuevo la misma solicitud, pero con una fase adicional de «razonamiento». Midjourney no revela qué ocurre exactamente en esa fase: no se sabe si planifica la composición, analiza el prompt, se autoverifica o hace otra cosa.

Datos del anuncio:

• plataforma: el sitio Alpha, alpha.midjourney.com;
• activación: «Rerun (Thinking)» bajo el lightbox del trabajo;
• mejoras declaradas: fidelidad al prompt, tipografía, coherencia;
• planes: posible acceso amplio como modo «thinking» o como forma de «añadir más razonamiento» después del trabajo;
• comentarios: canal #ideas-and-features, se agradecen los ejemplos.

Por qué las imágenes necesitan «razonar»

La lista de puntos débiles no es casual. La tipografía lleva mucho tiempo siendo una asignatura pendiente de los modelos generativos: las letras se deforman, las palabras degeneran en pseudotexto y los rótulos largos se desintegran. La fidelidad al prompt se pone a prueba en solicitudes complejas, en las que hay que mantener muchos objetos, su disposición relativa y sus atributos. La coherencia evita que la escena se descomponga en detalles que, por separado, parecen correctos pero que juntos se contradicen.

Si se da al modelo más tiempo para pensar, como ya hacen los modelos de lenguaje con sus modos de razonamiento, estas tareas son las primeras en beneficiarse. El precio suele conocerse de antemano: más cómputo por cada resultado. Midjourney no dice nada sobre la latencia ni sobre el consumo de tiempo de GPU, así que no conviene esperar la velocidad de una generación normal. La fórmula «como forma de añadir más razonamiento después del trabajo» sugiere un modelo de uso dosificado: primero un borrador rápido y después una pasada costosa para las obras que lo merezcan.

Hay también una lectura estratégica. Midjourney compite desde hace tiempo con modelos que entienden mejor las instrucciones de texto. Apostar por una pasada «pensante» permite mejorar la disciplina dentro de su propia estética, sin cambiar por completo el modelo base.

Cómo probarlo con provecho

El equipo no pide solo «me gusta», sino ejemplos: dónde el modo ayuda y dónde no. Para que su informe sea útil, conviene comparar por pares. Use el mismo prompt y la misma semilla (seed), si está disponible, lance un Rerun normal y un Rerun (Thinking), y guarde ambas versiones.

Buenos candidatos para la prueba:

• carteles y portadas con un titular de 3–6 palabras;
• escenas con varios objetos y una disposición precisa («a la izquierda… a la derecha… en primer plano…»);
• prompts con negaciones y matizaciones que los modelos suelen ignorar;
• obras estilizadas, donde importa si el modo pierde o no el carácter distintivo de Midjourney.

Anote por separado los efectos secundarios: una composición demasiado seca, la pérdida de atmósfera o un tiempo de espera excesivo. Son precisamente estas observaciones las que determinarán si Thinking acaba siendo un modo independiente o una opción posterior a la generación.

Por ahora es un experimento en el sitio Alpha y es pronto para basar flujos de trabajo en él. Pero los diseñadores que necesitan texto en la imagen sin retoque manual deberían probarlo ya.