GPT Image 2 Thinking Mode: guía de razonamiento + web search

Un modelo de imagen que piensa antes de dibujar

gpt-image-2 —la marca de consumo es ChatGPT Images 2.0, lanzada el 21 de abril de 2026— es el primer modelo de imagen de OpenAI con razonamiento nativo. Antes de renderizar nada, ejecuta una cadena de pensamiento: planifica la composición, comprueba las relaciones espaciales entre objetos, valida que cualquier texto de la imagen se escriba correctamente y se autocorrige antes de comprometerse con los píxeles. La recompensa práctica es una menor tasa de fallo en el primer intento y menos de esa sensación de «se nota al instante que es IA» que aquejaba a los modelos anteriores.

El detalle que la mayoría de los usuarios pasa por alto es que esta es una función de dos niveles. Los usuarios gratuitos de ChatGPT obtienen el modo Instant: rápido, sin pasada de razonamiento. El thinking mode, con el paso de planificación y el anclaje por web search, está reservado a los suscriptores de Plus, Pro y Business. Si tus resultados no se parecen en nada a las demos del lanzamiento, comprueba en qué nivel estás generando realmente antes de culpar a tu prompt.

Cómo activar el Thinking Mode

Hay dos vías de entrada. La explícita es el interruptor de razonamiento en ChatGPT: actívalo y cada solicitud de imagen pasará por la fase de planificación. La vía a nivel de prompt es el fraseo: añadir una línea como «think through this carefully» a una solicitud de imagen empuja al modelo por la senda del razonamiento. La frase no cuesta nada, así que en cualquier prompt que importe, inclúyela.

¿Cambia realmente la salida ese modo? En las pruebas prácticas de The Decoder, la versión Thinking produjo un detalle visiblemente mejor en prompts exigentes como «DSLR-quality photorealistic portrait» que el mismo prompt ejecutado en Instant. En prompts fáciles la brecha se estrecha; en los difíciles es la diferencia entre una toma utilizable y tres reintentos.

Think through this carefully before generating: a DSLR-quality photorealistic portrait of a ceramicist in her studio, soft window light from the left, shallow depth of field, hands dusted with dried clay, honest skin texture — no beauty-filter smoothing.

Qué prompts se benefician de forma medible

El razonamiento es una sobrecarga, y la sobrecarga solo merece la pena donde la planificación importa. Tres familias de prompts se benefician de forma medible:

• Imágenes con mucho texto: pósteres, etiquetas, mockups de UI. El modelo valida la ortografía y la maquetación durante la pasada de razonamiento en lugar de descubrir tipografía ininteligible tras renderizar.
• Escenas espacialmente complejas: muchos objetos con relaciones definidas, donde los modelos anteriores descartaban o fusionaban elementos en silencio.
• Secuencias multifotograma: cualquier cosa que necesite el mismo personaje, iluminación y estilo a lo largo de varias imágenes (más abajo).

Las cifras de la comunidad lo respaldan. La prueba estilo «¿Dónde está Wally?» de Simon Willison —«where is the raccoon holding a ham radio»— pasó a la resolución máxima de 3840x2160 (según se informa, alrededor de 0,40 $ por imagen y 13.342 tokens de salida) donde los modelos predecesores fallaban; su veredicto fue que «takes the crown from Gemini, at least for the moment» (le arrebata la corona a Gemini, al menos por ahora). El benchmark comunitario GenAI Showdown puntuó a gpt-image-2 con 12/15 en prompts de adherencia estricta, superando a los líderes anteriores. La propia OpenAI afirma que encabeza todas las tablas de Image Arena, con una ventaja de +242 puntos en Text-to-Image que describe como la mayor en la historia de esa tabla: una afirmación del proveedor, pero direccionalmente consistente con los resultados independientes.

Una advertencia honesta del hilo de lanzamiento en Hacker News: en la prueba de cuadrícula 8x8 de Pokémon de un usuario con reglas de estilo condicional, GPT Image 2 ganó en calidad visual, pero Nano Banana Pro siguió mejor la lógica condicional. Si tu prompt es esencialmente un reglamento —«every third cell in grayscale, water types get a blue border»—, prueba ambos antes de comprometer un pipeline con cualquiera de ellos.

Generación anclada por web search

El mayor desbloqueo dentro del Thinking Mode es la recuperación. Durante su pasada de razonamiento, el modelo puede hacer una web search en tiempo real de referencias visuales, de modo que puede apuntar a estilos en tendencia actual o a hechos recientes del mundo real en lugar de aproximarlos a partir de datos de entrenamiento que se congelaron meses antes. Es la primera vez que la recuperación al estilo RAG entra en un pipeline de generación de imágenes —en paralelo al enfoque de Google con Nano Banana Pro— y The Decoder lo llama un avance que podría rediseñar de raíz la generación gráfica. Como el propio razonamiento, está restringido a los suscriptores de pago.

Escribir un prompt anclado significa fijarlo a algo que el modelo debería buscar en lugar de imaginar. El patrón: nombra una referencia visual actual y observable, y luego describe tu sujeto.

• «A product shot in the style currently trending on Instagram for skincare brands»: el modelo busca primero y luego genera.
• «A UI mockup that matches the visual language of modern fintech apps»: anclado en el aspecto real que esas apps tienen ahora mismo.

Los gestos vagos («a modern-looking website») no activan una recuperación útil; una referencia verificable («currently trending», «this season's campaign look») sí lo hace.

Consistencia multifotograma: hasta 8 imágenes por prompt

El Thinking Mode puede generar hasta 8 imágenes a partir de un solo prompt manteniendo el personaje, los objetos, la iluminación y el estilo consistentes entre fotogramas. Aquí es donde la pasada de razonamiento justifica su coste de la forma más visible: el modelo planifica toda la secuencia antes de renderizar el primer fotograma, en lugar de tratar cada viñeta como una tirada de dados independiente.

Generate an 8-panel manga sequence of the same silver-haired detective walking through a rainy Tokyo street at night. Keep the character design, trench coat, facial features and umbrella identical in every panel. Maintain the same neon-reflection lighting and ink-wash style across all 8 frames. Panel flow: wide establishing shot, medium follow, close-up on the eyes, reflection in a puddle, turning into an alley, noticing a clue, picking it up, final wide shot from behind.

Enuncia el requisito de consistencia de forma explícita —«keeping the character design, outfit and lighting consistent across all panels»— en lugar de asumir que el modelo lo infiere. La pasada de razonamiento lo trata como una restricción que verificar, que es exactamente lo que quieres.

Instant o Thinking: una regla de decisión sencilla

Instant está bien para moodboards, conceptos desechables e imágenes de un solo sujeto sin texto. Cambia a Thinking —o frasea tu prompt para activarlo— en el momento en que tu imagen contenga palabras, más de tres o cuatro objetos con relaciones definidas, o cualquier requisito de consistencia entre fotogramas. Esa es la línea donde la pasada de planificación deja de ser sobrecarga y empieza a ser el producto.

Si quieres notar la diferencia antes de comprometerte con una suscripción, GPT Image 2 es gratis para empezar: obtienes 20 créditos al registrarte, sin tarjeta de crédito. Pega uno de los prompts de arriba, o ejecuta tu propia prueba de póster con mucho texto, en https://gpt-img2.com.