ChatGPT Images 2.5 ya está disponible: Sketch, edición localizada y dos nuevos modelos API

El 8 de septiembre de 2026, OpenAI actualizó la generación de imágenes de ChatGPT con ChatGPT Images 2.5. La nueva versión está disponible en escritorio, dispositivos móviles y la web para usuarios de ChatGPT, ChatGPT Work y Codex, en todos los niveles de suscripción. Para los desarrolladores, el modelo llega a la API en dos variantes: gpt-image-2.5-flare, orientada a la velocidad, y gpt-image-2.5-sunburst, centrada en el nivel de detalle. OpenAI destaca una mayor nitidez, una iluminación más natural, resultados más fiables en ediciones de varios pasos y hasta un 50 % menos de latencia de generación que en la versión anterior.

¿Qué novedades trae ChatGPT Images 2.5?

Según el análisis de la versión de DataCamp, la principal mejora está más en la edición que en la generación de imágenes desde cero. El modelo es más consistente que su predecesor a la hora de conservar el sujeto y la escena cuando se aplican cambios sucesivos a una imagen. Las nuevas herramientas de la interfaz de ChatGPT son:

• Sketch: Un espacio de dibujo que se abre al escribir @Sketch en el chat. El usuario puede hacer un boceto aproximado para indicar la composición, la ubicación de los objetos y sus proporciones; el modelo transforma esas indicaciones espaciales en una imagen.

• Edición localizada: Se puede dejar un comentario directamente en una zona concreta de la imagen para pedir que se modifique solo esa parte, intentando conservar el contenido del entorno.

• Plantillas: Diseños predeterminados, como carteles y diseños de productos, reducen la necesidad de redactar prompts largos.

• Prompts compartibles: Se puede adjuntar el prompt de generación a una imagen compartida, de modo que los compañeros de equipo puedan crear variaciones a partir de ella.

¿En qué se diferencian Flare y Sunburst?

Los dos modelos de la API tienen la misma tarifa, pero están pensados para tareas distintas. Flare prioriza la velocidad y el volumen, por lo que es adecuado para tareas que requieren muchos intentos, como contenido para redes sociales y prototipado rápido. Sunburst ofrece más detalle y precisión a cambio de un mayor tiempo de generación; está orientado a imágenes finales con calidad de presentación.

Según la documentación para desarrolladores de OpenAI, la instantánea predeterminada de Flare es gpt-image-2.5-flare-2026-09-08. El modelo solo funciona con los endpoints de generación de imágenes (v1/images/generations) y edición de imágenes (v1/images/edits). Se puede elegir un nivel de calidad entre low y max, y admite edición con máscara (inpainting).

DataCamp señala que estas tarifas son las mismas que las de GPT Image 2. Así, la mejora de calidad y velocidad no implica un coste adicional; el precio sigue dependiendo del nivel de calidad y la resolución seleccionados.

¿Para qué puede servir en la visualización arquitectónica?

En los estudios de arquitectura e interiorismo, los modelos generativos de imágenes se utilizan sobre todo en tres áreas: probar rápidamente ambientes en la fase conceptual, crear variaciones de materiales o mobiliario sobre un render existente y retocar imágenes antes de presentarlas al cliente. Dos de las novedades principales de Images 2.5 inciden directamente en estos flujos de trabajo.

La primera es Sketch. Para un diseñador que piensa dibujando, marcar a grandes rasgos la ubicación de una ventana en una habitación, la posición de una isla de cocina o un quiebre volumétrico en una fachada y generar una imagen ofrece mucho más control que describirlo con un texto largo. Este método no sustituye a un modelo a escala ni a los datos BIM, pero facilita responder en cuestión de minutos a la pregunta «¿algo así?» durante una reunión de diseño preliminar.

La segunda es la consistencia en las ediciones de varios pasos. En visualización arquitectónica, un problema frecuente es que, al pedir un cambio en la tela de un sillón, el modelo también modifique el color de las paredes, la dirección de la luz o la perspectiva. El énfasis de OpenAI en mejorar la fiabilidad de las ediciones y conservar el sujeto supone una mejora concreta para los equipos que hacen revisiones localizadas en renders. La compatibilidad con la edición con máscara en la API también es importante para los estudios que quieran automatizar este trabajo.

¿Qué limitaciones persisten?

Según los análisis, el texto denso y la tipografía siguen siendo puntos débiles. No conviene confiar a este modelo la información escrita de los planos arquitectónicos, como niveles, cotas y leyendas; es mejor añadir esos elementos después en un software de diseño gráfico. También se señala que, en cambios de composición complejos, pueden aparecer alteraciones fuera de la zona editada. Por eso, es necesario revisar la imagen después de cada paso y conservar el original.

El modelo también se puede utilizar con el plan gratuito de ChatGPT, aunque OpenAI no ha comunicado los límites de uso. Para los equipos que vayan a generar imágenes de forma intensiva, la API puede ser una opción más previsible, ya que permite calcular los costes con antelación.

¿Cómo deberían organizar el flujo de trabajo los estudios?

En la práctica, parece razonable trabajar en dos etapas. Durante la fase conceptual y de exploración de variantes, se pueden usar Sketch y la edición localizada de la interfaz de ChatGPT para probar ideas rápidamente. Una vez definida la dirección, la imagen principal debería seguir produciéndose en el motor de render, con las medidas y los materiales correctos; en esa etapa, el modelo de IA debería reservarse para retoques, ajustes de ambiente o cambios en el fondo.

Para los estudios que utilizan la API, el límite de imágenes por minuto de Flare y su nivel de calidad bajo permiten reducir el coste de generar variaciones por lotes. Usar Sunburst solo para las imágenes finales destinadas al cliente ofrece un equilibrio entre tiempo y coste.