GPT Image 2.5 quedó en primer lugar en la Model League de noviembre

¿Qué probamos y cómo evaluamos?

En la Model League de noviembre de 2026 comparamos seis modelos de generación de imágenes con cinco prompts arquitectónicos. Los prompts abarcaban una fachada residencial al anochecer, una sala de estar escandinava, una villa de piedra con piscina en Bodrum, un detalle de materiales de cocina y una vista aérea de una plaza urbana. Probamos todos los modelos a través de la misma API y con sus ajustes predeterminados.

Un jurado de inteligencia artificial que desconocía los nombres de los modelos evaluó las imágenes. La puntuación ponderó la fidelidad al prompt en un 30 %, la precisión arquitectónica en un 30 %, el fotorrealismo en un 25 % y la ausencia de defectos en un 15 %. Los resultados se calificaron sobre 100. Los tiempos y costos que aparecen a continuación corresponden al tiempo promedio de generación por modelo y al costo por imagen.

Clasificación

GPT Image 2.5 obtuvo la puntuación general más alta y también el costo por imagen más bajo de la tabla. Seedream 5.0 Pro quedó en segundo lugar, aunque su tiempo promedio fue el más largo de la lista. FLUX.2 [pro] generó imágenes a la misma velocidad que GPT Image 2.5, con un tiempo promedio de 10,9 segundos.

Modelos destacados por prompt

Fachada residencial: GPT Image 2.5 ganó con 90 puntos. El jurado destacó que se distinguían claramente el volumen de dos plantas de hormigón y madera, los grandes ventanales, el alero plano y el paisajismo de grava con olivos. También valoró el equilibrio entre la hora azul y la cálida luz interior. En FLUX.2 [pro], las líneas de la fachada y la iluminación se consideraron naturales, aunque las superficies acristaladas eran más limitadas.

Sala de estar escandinava: Seedream 5.0 Pro ocupó el primer lugar con 90 puntos. La luz de la ventana, las dos plantas, la perspectiva y el aspecto de los materiales se consideraron naturales, sin defectos destacables. En los demás ejemplos, los elementos decorativos añadidos, los muebles o las decisiones de encuadre restaron fuerza a la sencillez de la distribución solicitada.

Villa de piedra con piscina en Bodrum: GPT Image 2.5 obtuvo 95,5 puntos, el resultado más alto de la prueba para un solo prompt. La villa de piedra con grandes ventanales, las buganvillas, la piscina infinita y la luz del atardecer se reprodujeron con gran fidelidad; no se observaron distorsiones notables en la perspectiva ni en los materiales.

Detalle de materiales de cocina: Seedream 5.0 Pro destacó con 93 puntos. La geometría del grifo, la encimera y los armarios era coherente, y la iluminación suave y el efecto de fotografía de producto se consideraron logrados. El encuadre más amplio de GPT Image 2.5 redujo el impacto del detalle en primer plano que se había solicitado.

Vista aérea de una plaza urbana: Nano Banana 2 ganó con 90 puntos. La trama urbana densa, los edificios de ladrillo y vidrio, el elemento acuático y el tranvía tuvieron una presencia destacada en la escena. El resultado de GPT Image 2.5 también se ajustó al prompt, con una cuadrícula de árboles, un tranvía y peatones a escala.

¿Qué modelo conviene para cada trabajo?

Si buscas un buen equilibrio entre puntuación general, velocidad y costo, GPT Image 2.5 destaca: en esta prueba obtuvo el promedio más alto y el menor costo por imagen. Sus resultados en los prompts de la fachada y la villa de Bodrum lo convierten en una opción sólida para generar escenas arquitectónicas.

Para trabajos centrados en interiores y materiales, vale la pena tener en cuenta las dos victorias de Seedream 5.0 Pro por prompt, aunque también debes considerar su mayor tiempo de generación y costo. Nano Banana 2 destacó en un escenario complejo como una plaza urbana, pero quedó sexto en la clasificación general. Si priorizas la velocidad, FLUX.2 [pro] igualó el tiempo promedio de GPT Image 2.5, aunque obtuvo una puntuación general inferior.

Limitaciones

Se generó una sola imagen por prompt; los resultados pueden variar al repetir las pruebas. La evaluación estuvo a cargo de un jurado de inteligencia artificial que trabajó a ciegas, no de personas. Además, los resultados dependen del idioma y el estilo de los prompts utilizados: otra formulación puede cambiar la clasificación o el rendimiento en prompts individuales. Por eso, es más adecuado interpretar las puntuaciones como una comparación bajo las condiciones de esta prueba y no como una medida absoluta de calidad.

Para ver todas las imágenes una al lado de la otra, visita la página de Model League.