OpenAI lanza GPT-Image 2.6: dos modelos, GIF y exportación a SVG mediante API

La generación de imágenes mediante API ha sido durante mucho tiempo un compromiso: o rápido y aproximado, o bonito y lento, con todo lo sobrante corregido después a mano en un editor gráfico. Con GPT-Image 2.6, OpenAI intenta zanjar este dilema: la API ofrece ahora dos modelos especializados, a los que se suman GIF y exportación vectorial.

Qué hay de nuevo exactamente

Flare es el modelo rápido. Con la configuración básica entrega el resultado en seis segundos. Es la opción para interfaces donde el usuario espera una respuesta ahora mismo: vistas previas, avatares, portadas provisionales.

Sunburst está pensado para altas exigencias de detalle y coherencia gráfica. Una tarea típica para él es una serie de ilustraciones en un mismo estilo o un personaje cuyo rostro no cambia de un fotograma a otro.

Además de la división en dos modelos, la versión 2.6 incluye varios cambios más:

• generación de animaciones GIF a partir de texto o un boceto: mascotas, storyboards, reacciones para redes sociales;
• marcado gráfico en la API, que permite indicar con precisión qué zona de la imagen editar;
• exportación a SVG;
• el parámetro complexity, que reparte los recursos del modelo entre ediciones rápidas y el cálculo de escenas con muchas restricciones.

GPT-Image 2.6 está disponible para todos los usuarios de ChatGPT y Codex, independientemente del plan.

Cómo se ve en la práctica

Imagine una aplicación que crea stickers para pequeños negocios. Mientras el usuario decide la idea, usted pasa borradores por Flare: seis segundos es una espera tolerable. Cuando se elige una variante, Sunburst genera la versión final para que la mascota coincida en estilo con el resto del conjunto.

Luego entra en juego el marcado. Antes, una petición como «cambia el color del sombrero» podía redibujar media imagen. Ahora se puede seleccionar un área y limitar la edición a ella. Para ediciones menores basta con un complexity bajo, y para una escena con una decena de condiciones («tres personajes, logotipo a la izquierda, atardecer, sin texto») conviene subir el valor.

El SVG es útil porque los logotipos y los iconos escalan sin perder calidad y pueden editarse en código. Pero el anuncio no incluye cifras sobre la calidad de los vectores ni precios de los modelos, así que pruebe con sus propias tareas antes de llevarlo a producción.

Contexto: la factura de la IA se convierte en argumento

El parámetro complexity no surgió por casualidad: ahora todos cuentan el dinero. Según Bloomberg, Apple redujo el tope diario de gasto en IA de sus ingenieros de 300 a 200 dólares. Para algunos equipos podría bajar a 100 dólares, y para las divisiones no técnicas se discute 25. Quienes tengan tareas complejas tendrán que pedir una ampliación a la dirección; al resto se le aconseja usar modelos baratos o locales. Microsoft ha revisado sus cuotas internas, Tesla limitó el gasto a 200 dólares semanales y Uber, a 1500 dólares mensuales en herramientas de programación.

Cognition sigue la misma lógica: su SWE-2 Flash está pensado para el trabajo rutinario de los agentes, la revisión de código y la documentación. Es un Mixture-of-Experts con 276 000 millones de parámetros totales y 12 000 millones activos que, según la empresa, es tres veces más rápido y cinco veces más barato que el SWE-2 mayor. No se prevé publicar los pesos por los riesgos de doble uso. En los planes Pro, Max y Teams, el modelo es gratuito en Devin Desktop y en la consola hasta finales de noviembre de 2026.

Qué hacer al respecto

OpenAI, Cognition y los presupuestos de Apple comparten un principio: no hay que pasar cualquier tarea por el modelo más caro. Si construye un producto con generación de gráficos, configure un enrutamiento según el tipo de solicitud.

• Envíe los borradores y las vistas previas interactivas a Flare, y los recursos finales a Sunburst.
• Para ediciones locales, use marcado y un complexity bajo.
• Para logotipos e iconos, pruebe la exportación a SVG con ejemplos reales.
• Mida el coste y la latencia en sus propios escenarios antes del lanzamiento.

La conclusión principal: el mercado pasa de la pregunta «qué modelo es mejor» a «qué modelo es suficientemente bueno por este dinero». Quien aprenda a elegir el modelo según la tarea gastará menos con el mismo resultado.