Límites de GPT Image 2: lo que no puede hacer (y cómo sortearlo)

Por qué vale la pena leer una lista honesta de limitaciones

La mayoría de los artículos sobre «GPT Image 2» se leen como folletos. Este no. Si alguna vez escribiste un prompt, recibiste algo casi correcto y te preguntaste si estabas usando mal la herramienta, la respuesta suele ser que no: chocaste con una restricción real del modelo, de la API o del pipeline de producto que lo rodea.

La buena noticia es que la mayoría de estas limitaciones tienen una mitigación práctica, y la mayoría son simples una vez que sabes que el límite existe. GPT Image 2 sigue siendo fuerte en adherencia al prompt, texto dentro de la imagen y detalle fotorrealista. Saber dónde están los bordes solo te permite dejar de pelear con ellos y rodearlos.

Todo lo de abajo se basa en cómo se comportan hoy realmente el modelo y el pipeline de gpt-img2.com. Cuando la restricción es un límite duro del producto (resolución, transparencia, política de contenido), lo decimos claramente en vez de fingir que un truco de prompt lo superará.

Limitación 1 — Sin fondo transparente

En gpt-img2.com no recibirás un PNG transparente. Si pides un fondo transparente o con canal alfa, el pipeline lo degrada en silencio a un fondo normal: no verás un error, solo recibirás una imagen opaca. Esto pilla a quienes quieren logos limpios, pegatinas, recortes de producto o assets de UI para colocar sobre otra capa.

Por qué: la generación devuelve una imagen rasterizada terminada y aplanada, no un archivo por capas con canal alfa, así que en este pipeline no hay un modo de fondo transparente que recorte el sujeto por ti. Trata la transparencia como un paso de posprocesado, no como algo que el generador te entrega.

Solución: genera sobre un fondo plano de un solo color que contraste con fuerza con tu sujeto, y luego quita el fondo como un paso de posprocesado aparte. Un color cromático puro (verde brillante o magenta) se recorta limpiamente en casi cualquier removedor de fondos. Eso sí, reserva tiempo extra para los bordes complicados: pelo fino, cristal, desenfoque de movimiento y sombras suaves son donde la eliminación automática sufre, así que diseña buscando una silueta dura y limpia.

A single product, a white ceramic coffee mug, centered on a flat solid bright-green (#00FF00) background, even studio lighting, no shadows on the background, sharp edges, no props. Product-shot style.

El fondo plano y la instrucción «no shadows on the background» son las partes importantes: le dan a tu herramienta de recorte un borde limpio e inequívoco por donde cortar. Para logos e iconos, genera grande sobre un fondo sólido y recórtalo del mismo modo; no esperes que el modelo mismo te entregue un archivo transparente.

Limitación 2 — El 4K está restringido a proporciones anchas y altas

En gpt-img2.com puedes generar a 1K, 2K o 4K. Pero el 4K no está disponible para cualquier forma. Solo se admite en seis proporciones: 16:9, 9:16, 2:1, 1:2, 21:9 y 9:21, todas anchas o altas, panorámicas. Un cuadrado (1:1), 4:3, 3:2, 4:5 o cualquier otra proporción estándar se topa con el tramo de 2K.

Por qué: en el pipeline de gpt-img2.com, el preset de 4K solo está habilitado para esas seis proporciones anchas y altas. Las proporciones cuadradas y casi cuadradas se topan con el tramo de 2K en lugar de dejarte pagar la tarifa de 4K por un tamaño que el preset no produce.

Esto significa que aquí no hay cuadrado en 4K. Si necesitas un 1:1 muy grande —digamos una impresión de 4000×4000 o un icono de app de alto DPI— el generador por sí solo no lo entregará de una sola vez.

Solución: elige tus batallas según la proporción de salida. Si de verdad necesitas detalle 4K, compón tu toma para una de las seis proporciones anchas/altas admitidas (16:9 y 9:16 cubren la mayoría de necesidades de pantalla, póster y redes). Si tienes que tener un cuadrado grande, genera a 2K y amplía el resultado con un escalador de imágenes dedicado: subir de 2048 a 4096 sobre un render limpio de GPT Image 2 puede funcionar bien según el detalle de origen y el tamaño final de impresión. Planifica la proporción antes de escribir el prompt, no después.

Limitación 3 — El texto en la imagen es fuerte, pero no perfecto al píxel

GPT Image 2 renderiza texto legible mucho mejor que los modelos de difusión antiguos: etiquetas cortas, titulares, rótulos y mockups de UI suelen salir limpios y bien escritos. Pero no es un motor de composición tipográfica. Palabras largas, párrafos densos, nombres de marca inusuales y cuerpos de texto pequeños todavía pueden producir letras perdidas, caracteres duplicados o erratas sutiles.

Por qué: el modelo pinta el texto como formas que parecen letras, guiado por tu prompt, en lugar de maquetar una fuente. Cuanto más larga e inusual sea la cadena, más oportunidades hay de que un glifo se tambalee, y una sola letra mal arruina toda la palabra.

Solución: mantén corto el texto que el modelo debe renderizar y añade como paso aparte el texto largo o crítico.

• Cita el texto exacto en tu prompt: escribe las palabras "GRAND OPENING" exactamente, no solo "a sign that says grand opening"; citar reduce la improvisación
• Prefiere unas pocas palabras cortas a frases; pide un titular, no un párrafo
• Para cualquier cosa con peso legal o comercial (precios, nombres de marca, datos de contacto), genera el arte sin ese texto y superpón el texto real después en cualquier herramienta de diseño; eso garantiza cero erratas
• Si una sola palabra vuelve mal escrita, vuelve a meter la imagen como referencia y pide una edición que arregle solo esa palabra, en vez de rehacer toda la escena

Trata a GPT Image 2 como a un ilustrador brillante que escribe con cierta poca fiabilidad: deja que haga la imagen y mantén bajo tu control las palabras realmente importantes.

Limitación 4 — La consistencia de personaje se ayuda, no se garantiza

Cada generación es una muestra independiente. A menos que vuelvas a pasar imágenes previas como referencias, el modelo no recuerda la última imagen que hizo, así que el «mismo» personaje deriva entre ejecuciones hasta que fijas activamente la identidad. Las imágenes de referencia marcan una enorme diferencia, y puedes pasar más de una (la API admite varias; el número que expone la interfaz web puede ser menor), pero incluso con una referencia, una coincidencia perfecta e idéntica fotograma a fotograma no está garantizada. Las caras y los detalles finos pueden variar ligeramente entre generaciones.

Por qué: una imagen de referencia sesga con fuerza la salida hacia un parecido, pero el modelo aún resintetiza toda la imagen desde cero cada vez. Conserva la esencia de una identidad, no una copia exacta al píxel de una cara.

Solución: apila las técnicas que reducen la ambigüedad.

• Pasa siempre la misma imagen de referencia y formula el prompt como una transformación: "using the provided image, keep the face, hair, and outfit identical; change only the background"
• Añade un ancla de identidad escrita —un bloque fijo de rasgos hiperespecíficos (pelo exacto, un rasgo distintivo, un atuendo característico)— y pégala literalmente en cada prompt
• Itera sobre los casi aciertos en vez de volver a tirar: cuando una imagen está al 90 %, vuelve a meterla y edita una variable a la vez, para que cada ronda conserve lo que ya funcionaba

Tenemos un recorrido completo de estos métodos en nuestra guía de consistencia de personaje; la versión corta es que la consistencia se diseña eliminando ambigüedad, no se pide con una sola palabra clave.

Limitación 5 — La política de contenido rechazará algunos prompts

Algunos prompts no se generan. Las peticiones de contenido explícito o NSFW, y ciertos prompts que involucran a figuras públicas reales o personajes reconocibles con derechos de autor y marca registrada, pueden ser rechazados por el sistema de seguridad: cuando eso ocurre, el trabajo falla con un error de política de contenido en lugar de devolver una imagen. Es un límite duro, no un problema de ingeniería de prompts: no hay una formulación legítima que lo evite, e intentarlo va contra las reglas.

Por qué: las generaciones corren detrás de una capa de moderación de contenido. No todos los prompts de figuras públicas o personajes están bloqueados, pero cuando un prompt sí infringe la política, falla en lugar de devolver una imagen, y esa decisión está fuera de tu control.

Alternativa conforme: diseña en torno a la política en lugar de pelear con ella.

• ¿Necesitas el aire de una figura pública? Describe una persona original con los atributos que de verdad quieres (edad, estilo, ánimo, escenario) en lugar de nombrar a una celebridad real
• ¿Quieres una mascota o un personaje protagonista? Crea un personaje original: es un punto de partida de menor riesgo, ya que los personajes con derechos de autor y marca registrada acarrean exposición legal sin importar quién los generó
• ¿Recibes un rechazo en algo que parece inofensivo? A menudo el disparador es una sola palabra ambigua; reformula la escena en términos neutros y concretos y suele pasar

Si piensas usar las imágenes comercialmente, esta limitación es discretamente una ventaja: los prompts que la política bloquea se solapan mucho con los que crearían exposición de marca, imagen o derechos de autor más adelante. (Para el panorama completo sobre derechos de uso, consulta nuestra guía de uso comercial.)

Limitación 6 — Las generaciones de alta calidad tardan

GPT Image 2 no es el modelo más rápido en un cara a cara contra generadores ligeros de un solo propósito. Una imagen simple de un solo sujeto volverá un poco más lenta que desde un modelo de velocidad simplificado, y las combinaciones más pesadas de calidad y resolución (piensa en 4K) pueden tardar 130 segundos o más en terminar: los prompts complejos realmente tardan un par de minutos.

Por qué: el modelo hace más trabajo por imagen —mejor adherencia al prompt, mejor texto, mayor fidelidad— y ese cómputo se manifiesta como latencia, sobre todo en los tramos de resolución más altos.

Solución: ajusta el tramo al trabajo y agrupa en lotes.

• Boceta y explora a 1K. Es rápido y barato, así que itera ahí la composición y la redacción del prompt hasta que la imagen esté bien
• Renderiza a 2K o 4K solo la composición final y aprobada: no pagues el coste de tiempo (o de créditos) de la alta resolución en bocetos que vas a descartar
• Genera hasta cuatro variaciones en una sola solicitud (el máximo por solicitud) en lugar de lanzar cuatro trabajos separados; obtienes varias opciones de un solo trabajo
• Si necesitas velocidad por encima de todo para una miniatura desechable, un modelo más ligero es de verdad la mejor herramienta: GPT Image 2 se gana su latencia en las tomas que tienen que salir bien

Limitación 7 — Los prompts muy largos y de múltiples cláusulas se ignoran en parte

La adherencia al prompt es una de las verdaderas fortalezas de GPT Image 2: sigue las instrucciones mejor que la mayoría de los modelos. Pero hay un techo. Cuando amontonas una docena de exigencias en un prompt enorme (cada objeto, color, posición, condición de luz y nota de estilo apretujados juntos), el modelo a veces descarta o difumina en silencio uno de los requisitos. Cuantas más subcláusulas apilas, más probable es que una se pierda.

Por qué: una sola generación tiene que satisfacer todas tus restricciones a la vez, y cuando compiten por los mismos píxeles, el modelo prioriza los elementos dominantes y suaviza el resto. Las instrucciones contradictorias («minimalista» y «muy detallado y ornamentado») lo empeoran.

Solución: estructura el prompt y reduce la competencia.

• Empieza con lo que más importa —sujeto y composición— y luego añade modificadores en prioridad descendente, para que si algo se cae sea el detalle menos importante
• Elimina contradicciones; elige una sola dirección de estilo en vez de titubear entre dos
• Para una escena con varios requisitos precisos, genera primero la imagen base y luego usa ediciones iterativas para añadir o corregir elementos individuales de uno en uno en vez de exigirlo todo en una sola pasada
• Si un detalle concreto sigue siendo ignorado, dale su propia frase corta en vez de enterrarlo a media cláusula en un prompt largo y enrevesado

El resumen honesto

Ninguno de estos límites hace de GPT Image 2 una herramienta débil. Son los bordes predecibles de un modelo que, en conjunto, es excelente en adherencia al prompt, texto en la imagen y detalle fotorrealista. La trampa es esperar que además sea un exportador de archivos por capas, un motor de composición tipográfica, una máquina de 4K-lo-que-sea y un clonador determinista de personajes: no es nada de eso, y ningún prompt lo convertirá en ello.

Trabaja en cambio con los límites: renderiza sobre fondos planos y recorta la transparencia, compón para las seis proporciones anchas y altas cuando necesites 4K, mantén corto el texto crítico y superpón el resto, fija identidades con referencias y anclas, diseña en torno a la política de contenido, boceta a 1K y finaliza en alta resolución, y prioriza tus prompts para que nada importante compita por la atención.

La forma más rápida de aprender dónde están los bordes es ejecutar tú mismo unos cuantos prompts. Puedes probar GPT Image 2 gratis en gpt-img2.com: empieza a 1K para explorar y te harás una idea de cuáles de estos límites importan para tu trabajo y cuáles ni siquiera notarás.