GPT Image 2.5 no es un modelo único, son dos de ellos. OpenAI lo lanzó el 8 de septiembre de 2026 como continuación de GPT Image 2 y, en lugar de lanzar una única versión actualizada, lo dividieron en un modelo pequeño y optimizado para la velocidad llamado Flare y un modelo más grande y optimizado para la calidad llamado Sunburst. Ambos están disponibles a través de ChatGPT, ChatGPT Work, Codex y directamente a través de la API bajo los nombres de modelo gpt-image-2.5-flare y gpt-image-2.5-sunburst.

La división existe porque la velocidad y el pulido del resultado van en direcciones diferentes, y OpenAI decidió permitir que la gente elija en lugar de comprometer ambos aspectos. Flare renderiza lo suficientemente rápido como para que la iteración rápida sea práctica, probando cinco o seis direcciones en un brief en el tiempo que solía tomar generar una sola imagen en GPT Image 2. Sunburst tarda más pero va más allá en los detalles finos, la textura y la consistencia en ediciones repetidas, el tipo de resultado que resiste una inspección cercana o un recorte severo. Ninguno es una versión reducida o premium del otro en el sentido habitual. Son dos respuestas a dos preguntas diferentes: una pregunta cuántas direcciones se pueden explorar rápidamente y la otra cuánta calidad se puede lograr al refinar una única dirección elegida.

Lo que ChatGPT y Codex ejecutan por defecto no es algo que OpenAI haya declarado abiertamente, aunque las pruebas apuntan a que Flare es el que está detrás de escena en ambos. La API es donde la elección se vuelve explícita, ya que un desarrollador que llama a cualquiera de los dos modelos por su nombre sabe exactamente cuál está generando el resultado, junto con un ajuste de calidad independiente que controla cuánto tiempo y detalle se dedican a cualquier generación individual.

Comparación rápida: dónde ejecutar GPT Image 2.5

Elija el modelo en este orden

La decisión es más sencilla que probar ambos desde cero cada vez. Si un flujo de trabajo existente de GPT Image 2 ya produce resultados aceptables, comience con Flare usando el mismo prompt, el mismo tamaño y el mismo ajuste de calidad explícito en lugar de dejarlo en automático. Si pasa la prueba, la mejora en la latencia se obtiene de forma gratuita sin cambiar nada más. Si GPT Image 2 no era lo suficientemente bueno para el trabajo en primer lugar, comience con Sunburst en su lugar, lleve el resultado a un punto aceptable allí, luego ejecute las mismas entradas en Flare y cambie a este solo si aún se mantiene.

Dos cosas importan para una comparación justa. Primero, nunca compare en calidad automática, ya que la calidad "alta" no está calibrada de la misma manera en los dos modelos; ajústela a mano antes de juzgar nada. Segundo, ajuste una variable a la vez: pruebe el siguiente paso de calidad superior antes de reescribir el prompt en sí, y recurra a alta o máxima solo cuando un paso inferior realmente haya fallado en un requisito que sea importante para el trabajo específico, no como un punto de partida predeterminado.

Tiempo de generación por modelo y paso de calidad

Números reales de una ronda de pruebas, mismos prompts, 1024 píxeles de ancho:

Sunburst a calidad máxima en un retrato tardó 115 segundos en las mismas pruebas, un dato que vale la pena conocer antes de recurrir al paso de calidad superior por defecto en cada generación.

Tamaños de imagen válidos

GPT Image 2.5 acepta tamaños desde 1024 cuadrados hasta 3840 en el borde largo, requiriendo que ambos bordes sean múltiplos de 16 y que la relación de aspecto no sea superior a 3 a 1. El recuento total de píxeles debe situarse entre 655.360 y 8.294.400, y cualquier valor superior a 2560x1440 se marca como experimental en lugar de totalmente compatible. Los tamaños comunes que funcionan de manera confiable incluyen 1024x1024, 1536x1024, 1024x1536, 2048x2048, 2048x1152, 3840x2160 y 2160x3840.

Flare vs Sunburst en el mismo prompt: un ejemplo de dos turnos

El método de refinamiento aquí es simple: genere una vez, revise el resultado, vuelva a enviarlo con un solo cambio exactamente y repita cualquier restricción que importe en cada turno, en lugar de asumir que se trasladan automáticamente. Este ejemplo adapta el método publicado de maqueta de cartelera de OpenAI de la guía de prompts de GPT Image 2.5, ejecutado uno al lado del otro tanto en Flare como en Sunburst, usando una lata de bebida en lugar de su foto de producto original.

Photorealistic low-angle shot of a large roadside billboard against a clear deep-blue sky, shot from the ground looking up. A giant plain white takeaway coffee cup — smooth blank paper, matte finish, domed white lid, and a plain kraft-brown corrugated sleeve with no logo, no printing, no markings of any kind — is mounted as an oversized 3D extension breaking out of the left edge of the billboard face, cantilevered on a black steel bracket so it projects forward past the frame. The billboard panel is white with bold dark-green sans-serif copy on the right side. Steel service catwalk with railings and ladder runs along the bottom, spotlights angled up at the face, single galvanized steel column supporting the structure. A concrete overpass and a street lamp sit low in the background. Bright midday sun, hard directional light casting the cup's shadow onto the billboard face, crisp shadows, high clarity, commercial OOH mockup photography, 24mm wide angle, shot on full-frame DSLR, high detail, 4K.

Flare:

Sunburst:

Ejecutar este par en su propia foto de producto es la forma más rápida de ver la diferencia entre Flare y Sunburst directamente en lugar de creer ciegamente en los números de tiempo. Cambie la foto de producto que tenga a mano, mantenga la estructura de dos turnos y compare lo que hace cada modelo con exactamente el mismo texto de cartelera y el mismo cambio climático.

Disparando desde el interior de la fruta: ángulos de cámara de punto de vista extremo

La mayoría de los prompts colocan la cámara donde una persona se pararía de forma natural. Los resultados interesantes comienzan cuando la coloca en un lugar donde una cámara no tiene por qué estar: dentro de una sandía ahuecada, debajo de un vaso, detrás de la cosa que se está comiendo. El sujeto apenas cambia; lo que cambia es que el primer plano se convierte en un marco, la escala se invierte y un retrato ordinario de verano se convierte en algo que tiene que mirar dos veces. A continuación se presentan dos intentos de la misma idea, probando cuánto influye la posición del lente por sí sola en la imagen.

Fisheye POV from inside a hollowed watermelon, looking up through a circular hole at a young East Asian woman with bangs peering down, sipping a teal swirled straw stuck into the fruit. Wet pink watermelon flesh and white foam bubbles curve around the frame edges, blurred in the foreground. Pale blue sky visible behind her through the hole. She wears a pink ruffled top and thin gold necklace, soft natural sunlight, glossy highlights, sharp focus on her face. Vertical 9:16, hyper-realistic macro food photography, saturated coral-pink and teal palette, shallow depth of field, 8k detail.

flare:

sunburn:

Mantener un personaje en diferentes escenas: Juniper, el zorro de la linterna

La consistencia del personaje comienza con una generación completamente especificada, no con una descripción vaga repetida en prompts separados. Esa única imagen se vuelve a enviar para cada escena siguiente, con sus detalles definidos explicados de nuevo cada vez. Aquí está el mismo método de generar y luego continuar aplicado a un personaje original en lugar de un ejemplo prestado.

Establecer el personaje. Modo de generación, 1024x1536, calidad media.

Create a children's book illustration introducing a main character. Character: Juniper, a small lantern fox with copper orange fur and a fluffy white tipped tail, wearing a tiny brass lantern on a leather strap around her neck and a knitted blue scarf. She has round curious eyes and a gentle, mischievous smile. Theme: Juniper wanders the night forest guiding lost fireflies safely back to their glowing meadow. Style: children's book illustration, hand painted watercolor look, soft outlines, warm nighttime color palette with deep blues and lantern gold, whimsical and cozy, proportions suitable for picture books. Constraints: original character, no copyrighted characters, no text, no watermarks, plain dark forest background at night to clearly showcase the character.

Flare: 

Sunburst: 

Retrato cinematográfico, sombrío e intenso

Tipo: retrato fotorrealista. Estilo: fotograma de película dramática. Estado de ánimo: tenso, melancólico.

A photorealistic close up portrait of a weathered fisherman in his sixties, deep set eyes staring past the camera, rain soaked oilskin jacket, single hard side light carving deep shadows across his face, muted grey and navy color grade, shot on what looks like 35mm film with visible grain, shallow depth of field, cinematic and somber. 

Flare:

Sunburst: 

Arte conceptual de fantasía oscura, misterioso y premonitorio

Tipo: arte conceptual de fantasía. Estilo: gótico, inquietante. Estado de ánimo: ominoso, misterioso.

Concept art of a massive twisted black tree growing through the ruins of an abandoned cathedral, thin fog curling around broken stone pillars, a single sliver of cold blue moonlight cutting through the canopy above, crows perched silently on skeletal branches, muted desaturated palette apart from the moonlight, highly detailed digital painting, eerie and foreboding atmosphere.

Flare: 

Sunburst:

Póster de viaje retro, cálido y nostálgico

Tipo: póster ilustrado vintage. Estilo: publicidad de viajes de mediados de siglo. Estado de ánimo: melancólico, cálido.

A vintage 1960s style travel poster illustration of a coastal cliffside town at golden hour, sailboats dotting a calm bay below, warm ochre and terracotta rooftops, hand lettered feel in the composition though no readable text, slightly faded ink texture, bold flat color blocking typical of mid century travel advertising, warm and nostalgic mood.

Flare: 

Sunburst: 

Yendo más allá: una hoja de referencia de 16 paneles

Una extensión documentada de este método omite por completo la referencia de un solo retrato. En su lugar, se genera primero una cuadrícula de 4 por 4, dieciséis paneles del mismo personaje original que cubren vistas frontal, trasera y lateral, cuatro expresiones, cuatro poses y cuatro recortes de detalles en primer plano, todo contra un fondo blanco plano. Esa única hoja se convierte luego en la única imagen de referencia adjunta a cada prompt de escena posterior, junto con una línea que repite los detalles definitorios, nombrando el color exacto de la chaqueta, el color de las botas, la cara y el cabello para que coincidan. En esa ronda de pruebas, seis escenas diferentes generadas tanto en GPT Image 2 como en Sunburst mostraron la misma cara, chaqueta y botas cada vez, sin necesidad de volver a generar.

Un detalle que vale la pena replicar exactamente: mantenga el fondo de la propia hoja de referencia en blanco plano. Un fondo con estilo o iluminado en la hoja tiende a filtrar su propia iluminación en cada escena generada a partir de ella posteriormente, debilitando la consistencia que se buscaba asegurar con la hoja.

Pruebe estos prompts en Atlabs

Por qué GPT Image 2.5 maneja las instrucciones de manera diferente a Midjourney

Vale la pena entenderlo antes de decidir si este es el modelo adecuado para un trabajo: GPT Image 2.5 razona a través de las instrucciones literales de un prompt en lugar de depender puramente de la difusión entrenada en conjuntos de datos de imágenes. Pídale que llene una copa de vino hasta el borde y la llenará hasta el borde. Pida un reloj que marque una hora específica y renderizará esa hora exacta. Las herramientas de difusión como Midjourney tienden, en cambio, a usar por defecto lo que parece estéticamente típico. Eso hace de GPT Image 2.5 la mejor opción siempre que un detalle específico y literal importe para el brief, y de una herramienta de difusión la mejor opción cuando un aspecto más convencionalmente pulido importa más que el seguimiento exacto de las instrucciones.

Consejos de ingeniería de prompts para GPT Image 2.5

Ajuste la calidad a mano cada vez que una comparación realmente importe, ya que dejarla en automático hace que cualquier comparación de tiempo o resultado carezca de sentido entre las dos versiones del modelo. Esté atento a un aspecto ligeramente compuesto o "pegado" en los sujetos colocados sobre un fondo, una anomalía conocida heredada de GPT Image 2 que se ha reducido pero no eliminado en la versión 2.5, que generalmente se soluciona pidiendo explícitamente una iluminación y sombras consistentes entre el sujeto y el fondo en el mismo prompt. Al refinar a lo largo de los turnos, cambie una sola cosa a la vez en lugar de acumular varias peticiones en una sola edición, ya que aislar cada cambio hace que sea mucho más fácil detectar el momento en que algo no relacionado cambia.

Preguntas frecuentes

¿Qué versión utiliza ChatGPT por defecto?
OpenAI no ha confirmado esto oficialmente, pero las pruebas apuntan a que Flare es la versión predeterminada dentro de ChatGPT y Codex, con Sunburst reservado para los casos en que se llama directamente a la API.

¿Qué tan rápido es realmente Flare?
En una ronda de pruebas en calidad alta, Flare devolvió un resultado de texto a imagen en 22 segundos frente a los 177 segundos de GPT Image 2, y completó una ronda de edición en un tiempo de 19 a 27 segundos. Sunburst funcionó más lento que Flare pero aun así más rápido que GPT Image 2 en la mayoría de las mismas pruebas.

¿Qué tamaños de imagen admite GPT Image 2.5?
Desde 1024 cuadrados hasta 3840 en el borde largo, con ambos bordes como múltiplos de 16, una relación de aspecto no superior a 3 a 1, y píxeles totales entre 655.360 y 8.294.400. Los tamaños superiores a 2560x1440 se marcan como experimentales.

¿Está garantizada la consistencia del personaje en cada generación?
Ningún modelo de imagen único garantiza una consistencia perfecta en todo momento, pero una sola imagen de referencia, detalles definitorios repetidos en cada prompt y un fondo blanco plano en cualquier hoja de referencia utilizada produjeron resultados consistentes sin necesidad de volver a generar en las pruebas documentadas.

¿Puedo elegir Flare o Sunburst dentro de Atlabs?
La selección del modelo dentro de Atlabs sigue la versión que esté ejecutando la integración de GPT Image Gen. Para un control explícito sobre Flare frente a Sunburst y pasos de calidad manuales, la API directa es actualmente la ruta más precisa.

¿Es de uso gratuito en Atlabs?
Sí. Las cuentas nuevas comienzan con créditos gratuitos que cubren un número de generaciones, y los planes de pago desbloquean más generaciones y exportaciones de mayor resolución.

Veredicto final

La habilidad práctica en toda esta serie se reduce a una decisión breve, repetida de manera consistente: haga coincidir el modelo inicial con su nivel de calidad actual, fije el ajuste de calidad a mano antes de comparar cualquier cosa y cambie una variable a la vez. Los cinco prompts de estado de ánimo anteriores lo demuestran directamente: Sunburst se gana su tiempo extra en trabajos fotorrealistas con muchas texturas, como el retrato, el arte conceptual y la toma de producto, mientras que Flare se defiende bien en estilos gráficos más planos como la ilustración vectorial y el póster retro, donde el renderizado adicional tiene menos con qué trabajar en primer lugar. Para el trabajo de personajes, una única referencia bien construida, idealmente la hoja completa de dieciséis paneles sobre un fondo blanco plano, hace más por la consistencia de lo que un prompt más largo y elaborado logrará jamás. Con esto concluye la guía de tres partes. Nada de esto requiere herramientas o cuentas separadas para probarse, que es la razón práctica por la que ejecutarlo a través de Atlabs encabeza la comparación en la parte superior de esta publicación.