Prompts de GPT Image 2.5: Flare vs Sunburst y Edición

Al integrar generación de imágenes en producción solemos sufrir los mismos dos problemas: prompts atiborrados de adjetivos como «8K, obra maestra cinematográfica» que siguen dando resultados impredecibles, y ediciones locales donde pedir que le cambien la chaqueta al modelo provoca que la IA le cambie también la cara, el peinado y la luz de la escena.

Lo relevante de GPT Image 2.5 es que obliga a cambiar de mentalidad: de pedir deseos a redactar especificaciones visuales verificables. Se separan sujeto, composición, iluminación y restricciones negativas, ajustando una sola variable por turno para poder auditar el resultado con rigor.

OpenAI ha dividido la familia 2.5 en dos motores: gpt-image-2.5-flare, ultra rápido y ligero, y gpt-image-2.5-sunburst, el modelo base de alta fidelidad. Ambos están operativos en Pixapi bajo endpoints compatibles con el estándar de OpenAI. Puedes probar y validar tus especificaciones en el Generador GPT Image 2.5 web a 2 créditos fijos por imagen y, una vez validado, trasladar los mismos parámetros directamente a tu API de producción.

Aquí van las conclusiones técnicas prácticas: cómo seleccionar motor, cómo redactar prompts sin desvíos y cómo evitar sustos en la factura.

Flare frente a Sunburst: comparativa de calidad y coste por imagen válida

Una pauta clara para evaluar en tu proyecto:

• Si GPT Image 2 ya te da un resultado aceptable: Empieza con Flare. Mantén los mismos prompts, imágenes de referencia y dimensiones, y mide la latencia. Si la tasa de acierto se mantiene, ganas velocidad de respuesta de inmediato.
• Si sufres textos deformados, manos rotas o desvíos graves al editar: Pasa directo a Sunburst para fijar una línea base de calidad. Si Sunburst no lo resuelve, lo más probable es que la especificación del prompt sea ambigua. En cuanto funcione en Sunburst, prueba ese mismo prompt en Flare para ver si el motor ligero aguanta.
• Calcula el coste real por imagen válida: Flare es rápido, pero si tienes que generar 3 veces para salvar 1 imagen, el coste y la latencia efectiva serán peores que con un solo intento en Sunburst. Suma reintentos, validación humana y peticiones fallidas al balance real.

Ojo: incluso pasando quality: "high" a ambos modelos, Sunburst ofrece mayor nivel de detalle y consume más tiempo de cálculo que Flare. Al hacer tests comparativos, cambia únicamente el campo model. Si la imagen contiene texto denso o tipografía pequeña, empieza directamente en medium o high.

6 reglas prácticas para redactar prompts estructurados y verificables

Un prompt profesional se parece más a un archivo de configuración que a un poema. La guía oficial se sintetiza en seis normas prácticas:

1. Define el entregable antes de hablar de estética.
Escribir «una foto de producto elegante» no aporta ningún criterio de aceptación. Escribe una especificación concreta: «Bodegón e-commerce con fondo blanco, frasco de sérum de vidrio mate centrado, vista cenital a 45 grados, luz difusa suave, sombras de contacto limpias». El control de calidad solo revisa tres puntos: fondo blanco puro, ángulo correcto y ausencia de sombras parásitas.

2. Estructura el prompt por bloques, igual que un JSON.
No metas decenas de peticiones en un solo párrafo interminable. Separa con claridad: [Scene] para entorno e iluminación, [Subject] para sujeto y postura, [Details] para materiales y accesorios, [Constraints] para elementos vetados. Los prompts modulados son fáciles de depurar y parametrizar en código.

3. Usa referencias físicas observables, no palabras de moda.
Elimina etiquetas vacías tipo «8K hiperrealista». Sustitúyelas por señales físicas tangibles: «textura de piel visible, luz natural lateral de ventana, profundidad de campo reducida, perspectiva de lente de 85 mm». Guiar al modelo con referencias visuales reales funciona mucho mejor que saturarlo de adjetivos.

4. El texto en imagen va entre comillas y con recuento estricto.
Todo texto que deba renderizarse en la imagen debe ir entre comillas inglesas, indicando expresamente: «renderizado exactamente una vez, sin ningún otro texto adicional en la imagen». Ya sea en cartelería, packaging o maquetas de UI, un humano debe verificar la ortografía antes de publicar.

5. En retoques locales, define lo que cambia Y la lista de congelación.
Si pides simplemente «cambia la chaqueta por una roja de cuero», el modelo suele regenerar la cara, el pelo y el fondo. El patrón seguro es: «Modifica únicamente la prenda superior por una chaqueta de cuero roja; conserva estrictamente intactos los rasgos faciales, peinado, postura corporal, fondo urbano y dirección de la luz existente». Con múltiples referencias, define roles: imagen 1 como base, imagen 2 como objeto a extraer e imagen 3 como referencia de material.

6. Una variable por iteración.
No intentes cambiar el fondo, reescalar al personaje, bajar la luz y añadir gafas de sol en una única llamada de edición. Avanza paso a paso, usando la imagen aprobada del turno anterior como entrada del siguiente. Si necesitas conservar zonas con exactitud absoluta píxel a píxel, no dependas del prompt como si fuera una máscara perfecta: monta el parche generado sobre la imagen original mediante código.

Plantilla estructurada lista para producción:

[Task] Generar / Editar un <tipo de entregable>
[Subject] Apariencia del sujeto, postura, dirección de mirada, rasgos clave
[Style] Acabado del material, luz ambiental, temperatura de color, referencia de lente
[Text] Renderizado exactamente una vez: "<texto literal>"
[Constraints] Modificar únicamente ...; conservar estrictamente ...; sin textos extra, marcas de agua ni falso tablero de ajedrez

4 flujos de trabajo clave: cartelería con texto, infografías y consistencia

Estos cuatro casos concentran la mayor parte de las peticiones en Pixapi:

1. Creatividades comerciales con tipografía: Fija marcas, eslóganes y precios con posición y conteo exacto, prohibiendo logos o marcas de agua fantasma. Sigue siendo el punto más fuerte de GPT Image frente a otros modelos.
2. Infografías, diagramas y diapositivas: Trata flechas, flujos y cifras como marcadores de maqueta. Una imagen vistosa no garantiza rigor científico: el sentido de las flechas y los datos deben revisarse manualmente antes de salir a producción.
3. Ediciones quirúrgicas y catálogos: Cambios de vestuario, sustitución de muebles o aislamiento de producto. Cuanto más breve sea el prompt, más explícita debe ser la congelación del resto. Comprueba que manos, sombras y contornos no se hayan deformado.
4. Consistencia de personajes entre turnos: Genera una imagen base de referencia y modifica únicamente accesorios o acciones en turnos posteriores. En el segundo turno, recalca: «mismo rostro, misma vestimenta base, misma paleta de color».

Fondo transparente: Pixapi admite salida con canal alfa limpio. Indica en el prompt «fondo totalmente transparente, canal alfa limpio, estrictamente sin falso patrón de tablero de ajedrez gris y blanco». Inspecciona el resultado en un visor que lea canales alfa reales y no te fíes de la miniatura del navegador.

Llamadas a la API en Pixapi: ejemplos de código y dimensiones

Antes de escribir código en tu backend, prueba tus prompts en el Generador GPT Image 2.5. El Lab permite alternar entre gpt-image-2.5-sunburst y gpt-image-2.5-flare a 2 créditos fijos por tirada, lo que te permite cerrar la especificación sin sobrecostes.

Llamadas estándar en producción:

1. Generación a partir de texto (POST /v1/images/generations)

curl -X POST https://api.pixapi.ai/v1/images/generations \
  -H "Authorization: Bearer $PIXAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.5-flare",
    "prompt": "[Scene] estudio luminoso [Subject] frasco de sérum de vidrio mate centrado [Details] picado a 45 grados, luz suave sin sombras parásitas, texto de etiqueta una sola vez [Constraints] fondo blanco continuo, sin marcas de agua",
    "size": "1024x1024",
    "quality": "low"
  }'

Para el máximo detalle y nitidez, basta cambiar model a gpt-image-2.5-sunburst y fijar quality en high.

2. Retoque y edición de imágenes (POST /v1/images/edits)

curl -X POST https://api.pixapi.ai/v1/images/edits \
  -H "Authorization: Bearer $PIXAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.5-sunburst",
    "prompt": "Sustituye únicamente el fondo por una mesa de madera minimalista con luz lateral suave. Conserva estrictamente la geometría del frasco de sérum original, tipografía de etiqueta, ángulo de cámara y dirección de sombras.",
    "image": "https://cdn.example.com/original-bottle.png",
    "size": "auto",
    "quality": "high"
  }'

Para trabajos masivos y sin bloqueo de hilo, utiliza POST /v1/async/images/generations y POST /v1/async/images/edits, sondeando periódicamente el estado de la tarea. La lista completa de parámetros se detalla en la Guía de GPT Image, con hojas técnicas específicas en Docs de Flare y Docs de Sunburst.

En cuanto a resoluciones personalizadas: ambas dimensiones deben ser múltiplos de 16, el lado mayor no puede exceder 3840 píxeles, la relación de aspecto debe mantenerse dentro de 3:1 y el total de píxeles debe situarse entre 655.000 y 8.294.000. Por encima de 2560×1440 se considera rango experimental. Pixapi factura según el lado mayor agrupando en 1K, 2K o 4K; si envías size=auto, se asigna por defecto el tramo 1K.

Precios reales de la API y trampas de facturación: ahorro y escala

1 crédito equivale a $0.01. Flare, Sunburst y GPT Image 2 comparten el mismo escalado de tarifas:

Trampas que debes evitar:

• El valor por defecto de quality: Si omites el campo quality en tu llamada a la API, el sistema aplica auto, que se cobra a tarifa high (14 créditos mínimo). En fases de desarrollo y pruebas automatizadas, especifica siempre "quality": "low" (1 crédito / $0.01) para recortar más del 90% del gasto.
• Apagado de modelos anteriores: OpenAI desactivará gpt-image-1 el 23 de octubre de 2026 y gpt-image-1.5 el 1 de diciembre de 2026. Actualiza tus servicios a GPT Image 2 o 2.5 y elimina parámetros obsoletos como input_fidelity.
• Paquetes de créditos y recargas disponibles en la página de precios.

Checklist de 6 puntos antes del pase a producción

Revisa estos seis puntos antes de abrir tráfico real:

• Tipografía: ¿El texto está bien escrito, aparece una sola vez y no deja caracteres deformados ni marcas de agua parásitas?
• Geometría del sujeto: ¿Se han respetado las proporciones del producto, la geometría de marca y los elementos clave de la imagen original?
• Límites de edición: ¿El retoque se ha limitado a la zona requerida sin alterar manos, sombras o el entorno?
• Transparencia auténtica: ¿El archivo exportado contiene un canal alfa real en lugar de un tablero de ajedrez simulado?
• Fijación de calidad: ¿Tus llamadas de prueba declaran explícitamente "quality": "low" para no inflar la factura?
• Palanca de contingencia: ¿Tu despliegue conserva un conmutador de configuración para volver de inmediato a gpt-image-2 si fuera necesario?

Un buen prompt no es una tirada de dados: es una especificación precisa. Define criterios de aceptación claros y compara Flare y Sunburst en Pixapi para construir flujos de generación de imágenes sólidos y predecibles.

Comprueba el comportamiento ahora en el Generador GPT Image 2.5 o genera tu clave en la Guía de inicio rápido.

Lecturas recomendadas y recursos relacionados

• Comparativa directa: GPT Image 2 vs Nano Banana: Comparativa de APIs de Imagen
• Modelo Google: Guía de la API de Gemini 3 Pro Image y Precios
• Generación de vídeo: Precios de la API de Seedance y Costes
• Tarifas de plataforma: Precios y paquetes de créditos de Pixapi