FLUX 3 Max vs GPT-Image-2.5: un modelo de video y un modelo de imagen, comparados con honestidad

Si se ponen FLUX 3 Max y GPT-Image-2.5 lado a lado, lo primero que ocurre es un error de categoría. FLUX 3 Max genera vídeo —diez segundos de vídeo, en doce segundos según Black Forest Labs— y no produce ninguna imagen fija en absoluto. GPT-Image-2.5 genera y edita imágenes fijas, en dos variantes, y no produce ningún vídeo en absoluto. Se pueden comparar, pero solo si la comparación es honesta sobre para qué sirve cada uno: un equipo que elige entre ellos en realidad está eligiendo entre un pipeline de movimiento y un pipeline de imágenes fijas, y la superposición es más estrecha de lo que da a entender la consulta de búsqueda. Lo que sigue separa las partes de la decisión que realmente son una comparación directa de las que no lo son, porque pretender que los dos son sustitutos es como la gente acaba comprando el equivocado. Los fallos de IA y los incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su indicador de disputa.

Las fuentes son la documentación de los propios proveedores, consultada el 20/10/2026: las páginas de modelos y precios de Black Forest Labs, además de su esquema público de API, y la documentación para desarrolladores de OpenAI para ambas variantes de GPT-Image-2.5. Ninguno de los dos proveedores publica un benchmark independiente de aquello que da nombre a esta página, y ninguno publica una sola cifra que ponga a los dos en las mismas unidades. Esa ausencia es un hecho sobre la comparación, no una laguna en la investigación.

La discrepancia, expresada sin rodeos

FLUX 3 Max es la configuración más rápida de FLUX 3 Video, lanzada el 19 de octubre de 2026. Sus salidas son clips: de 5 a 20 segundos, con audio nativo sincronizado opcional, en resoluciones desde HD hasta 4K. Sus entradas son texto, una imagen fija, un clip de video o fotogramas clave. Está diseñado para el movimiento.

GPT-Image-2.5 es la generación de generación y edición de imágenes de OpenAI, que llegó a la API el 8 de septiembre de 2026 y se distribuye como dos modelos con nombres independientes: GPT-Image-2.5 Sunburst, posicionado para la precisión de edición, y GPT-Image-2.5 Flare, posicionado para la generación rápida para el día a día. Sus salidas son imágenes fijas, que se devuelven como tokens y se facturan como tokens. Está diseñado para fotogramas.

• Tarea — FLUX 3 Max crea imágenes en movimiento con sonido; GPT-Image-2.5 crea imágenes fijas que puedes editar.

• Entrada → salida — texto/imagen/vídeo/fotogramas clave → vídeo en FLUX 3 Max; texto/imagen → imagen en GPT-Image-2.5.

Unidad de precios — por segundo de vídeo de salida en FLUX 3 Max; por millón de tokens en GPT-Image-2.5.

• Duración — de 5 a 20 segundos por clip en FLUX 3 Max; no aplicable en GPT-Image-2.5, que no tiene dimensión temporal.

• Audio: nativo, sincronizado, incluido en FLUX 3 Max; GPT-Image-2.5 no produce ninguno.

• Representación de texto — FLUX 3 Max anima la tipografía dentro de un plano; GPT-Image-2.5 renderiza texto de alta precisión dentro de una imagen fija, en varios idiomas, según la documentación de O​penAI.

Una comparación en la que un lado no puede hacer el trabajo del otro en ninguna de las dos direcciones no es un punto de referencia. Es una decisión entre builds.

Si lo que necesitas es una imagen fija, FLUX 3 Max es el producto equivocado.

Esta es la corrección que más importa, porque la consulta "FLUX 3 Max vs GPT Image 2.5" suele hacerla alguien que quiere imágenes y ha oído asociar el nombre FLUX con la velocidad.

Black Forest Labs sí vende un modelo de imágenes. De hecho, varios. FLUX 3 Image genera y edita imágenes fijas con diseño de cuadros delimitadores y ediciones multiturno acotadas a cuadros de hasta 4K. FLUX 3 Image Klein es el modelo de pesos abiertos de 5.6B que se lanzó el 15 de octubre con un checkpoint base para ajuste fino, versiones FP8/INT8/NVFP4 y una licencia que permite el uso comercial gratuito por debajo de $5M de ingresos anuales. Esos son los modelos FLUX que responden a una cuestión de imágenes. FLUX 3 Max responde a una cuestión de vídeo, y su propia descripción del índice de modelos lo dice: «El modelo de vídeo más rápido y de mayor calidad».

Entonces, la comparación real, si quieres imágenes fijas, es GPT-Image-2.5 frente a FLUX 3 Image o FLUX 3 Image Klein: una comparación realmente equivalente, con tarifas por imagen publicadas por un lado y tarifas por token por el otro. Esta página mantiene FLUX 3 Max en el título porque es lo que la gente busca, y luego los dirige al producto correcto. Comprar un nivel de vídeo para obtener imágenes fijas es la forma cara de descubrir la diferencia.

Donde sí compiten: el pipeline que necesita ambos

Hay una situación en la que los dos nombres deben ir en la misma frase, y es habitual en el comercio y el marketing. Una campaña necesita imágenes fijas de producto para una página de catálogo y piezas cortas de vídeo para el feed. Las imágenes fijas proceden de un modelo de imagen. El vídeo procede de un modelo de vídeo. Alguien tiene que presupuestar ambos, y la comparación interesante es el coste por activo terminado, no por llamada.

En el apartado de video, BFL publica tarifas por segundo para la familia FLUX 3 Video y no publica una fila específica para Max. La página de facturación de la documentación, tal como se consultó el 2026-10-20:

• Texto a video e imagen a video — $0.15/s HD, $0.24/s FHD, $0.28/s QHD, $0.41/s UHD.

• Video a video y continuación — $0.21/s HD, $0.27/s FHD, $0.31/s QHD, $0.45/s UHD.

• Draft HD — $0,06/s, solo texto a video; luego un borrador se renderiza a calidad total a la tarifa estándar del tramo que elijas.

• Ejemplo práctico — un clip HD de diez segundos cuesta $1.50; cinco segundos de texto a video en HD estándar cuestan $0.85; audio incluido; los segundos parciales se redondean hacia arriba.

No está confirmado que Max facture a esas tarifas. La nota al pie de la página de facturación indica que las tarifas dependen de la modalidad, la variante del modelo y la banda de resolución, y menciona FLUX 3 Video y FLUX 3 Video Draft como variantes, no a Max. Además, la propia sección de preguntas frecuentes de la página del modelo sigue indicando una tarifa distinta y más alta para el mismo trabajo: 0,17 $/s en HD frente a los 0,15 $/s de la documentación, y 0,80 $/s en UHD frente a 0,41 $/s. Quien presupueste un clip de Max debería confirmar el cargo en la primera factura en lugar de confiar en cualquiera de las dos cifras derivadas.

En el apartado de imágenes, OpenAI mide GPT-Image-2.5 en tokens, de forma idéntica para ambas variantes e idéntica a GPT-Image-2:

• Entrada de texto — $5.00 por 1M de tokens; en caché, $1.25.

• Entrada de imágenes — $8.00 por 1M de tokens; en caché, $2.00.

• Salida de imágenes — $30.00 por 1M de tokens; el procesamiento por lotes lo reduce a la mitad, a $15.00.

• Salida de texto — no facturada, porque el modelo no produce texto.

OpenAI no publica ningún precio por imagen, y su propia nota indica que la calculadora de costes de GPT Image 2.5 no estima el uso de 2.5. Por lo tanto, cualquier cifra de «$X por imagen» para GPT-Image-2.5 que veas citada es una conversión de un tercero, no de OpenAI, y la conversión depende del tamaño y del nivel de calidad que elijas. Ese es el estado honesto del cálculo: {{1}}uno cotiza por segundo y el otro por token, y ninguno de los dos proveedores te entrega un número por activo que puedas poner en una hoja de cálculo sin hacer tú mismo el modelado.{{/1}}

En qué es realmente mejor GPT-Image-2.5

Dejando de lado las categorías, hay tres cosas que hacen los modelos de O​penAI que ningún nivel de FLUX 3 iguala, y son las razones por las que esta comparación no es un resultado inevitable para el trabajo con imágenes fijas.

Primero, el bucle de edición. Sunburst está posicionado explícitamente para flujos de trabajo en los que una edición realizada en el segundo turno tiene que sobrevivir al tercero — el caso iterativo, no el de una sola vez. FLUX 3 Image tiene su propia respuesta a esto, la edición delimitada por recuadros en la que todo lo que no tocas permanece igual, y es una respuesta seria. Pero FLUX 3 Max, al ser vídeo, no aporta nada aquí.

En segundo lugar, el rango de tamaños. Ambas variantes de GPT-Image-2.5 aceptan cadenas WIDTHxHEIGHT arbitrarias con ancho y alto como múltiplos de 16, una relación de aspecto entre 1:3 y 3:1, ningún lado superior a 3840 píxeles y un presupuesto total de píxeles entre 655,360 y 8,294,400. Las resoluciones superiores a 2560×1440 se marcan como experimentales. Es un lienzo más amplio que el encuadre basado en preajustes que ofrece la mayoría de las API de imágenes, e incluye niveles de calidad —low, medium, high, xhigh, max, auto— que se combinan con la elección de la variante tanto en latencia como en costo.

Tercero, el precio no se movió. La generación 2.5 mantiene las mismas tarifas de imagen de $8 de entrada / $30 de salida que GPT-Image-2, mientras que GPT-Image-1.5 era de $8 de entrada / $32 de salida y GPT-Image-1, de $10 de entrada / $40 de salida. Una mejora de capacidades con una tarifa sin cambios es un argumento real para los equipos que ya están en el stack de OpenAI: sin reajuste de precios, sin presupuesto de migración.

En qué es mejor FLUX 3 Max, y la advertencia que conlleva

Movimiento, obviamente — pero la ventaja específica merece enunciarse con precisión, porque «más rápido» está haciendo gran parte del trabajo en el material de lanzamiento.

BFL afirma que un vídeo de diez segundos tarda doce segundos, 22 veces más rápido que Seedance 2.5 con la misma calidad, y que empata en el primer puesto en imagen a vídeo. Nada de eso se ha verificado de forma independiente, y la publicación de lanzamiento no ofrece resolución, ni configuración de audio, ni hardware ni tamaño de muestra. La propia página del vídeo sigue presentando el modo borrador como la ruta rápida —una vista previa HD barata y luego pasas a la calidad completa—, lo cual es extraño para un producto que supuestamente lo renderiza todo en doce segundos. Y la superficie de API pública no tiene un endpoint /v1/flux-3-max; el endpoint de vídeo de la familia es /v1/flux-3-video, cuyo cuerpo de solicitud no tiene ningún campo que seleccione Max. Un día después del lanzamiento, el modelo es una ficha de producto antes que una API documentada.

Lo que no está en duda es el conjunto de funciones subyacente: clips de 5 a 20 segundos, audio sincronizado nativo sin coste adicional, diálogo multilingüe, control de fotogramas clave, múltiples escenas por generación y resoluciones de hasta 4K. Para un equipo de marca que necesita un corte para redes sociales de quince segundos con sonido, este es el único lado de la comparación que puede ofrecerlo siquiera.

La decisión, por trabajo a realizar

Necesitas imágenes fijas, en volumen y con ediciones. GPT-Image-2.5 Flare como opción predeterminada y Sunburst cuando una edición tenga que mantenerse. FLUX 3 Max es irrelevante para este trabajo; FLUX 3 Image o FLUX 3 Image Klein son las alternativas de FLUX que vale la pena cotizar frente a él. Ambas variantes de GPT-Image-2.5 están hoy en el catálogo en vivo de OrcaRouter con las tarifas de imagen de $8 de entrada / $30 de salida, lo que significa que puedes compararlas A/B contra un modelo de imagen de otro proveedor con una sola clave en lugar de dos contratos.

Necesitas movimiento breve con sonido. FLUX 3 Max es el único candidato de este par, y la cuestión es si su afirmación de velocidad no verificada se cumple con tu contenido. Pruébalo con tus propios prompts a tu propia resolución y consulta su precio en la tarjeta publicada de FLUX 3 Video hasta que BFL publique una fila de Max.

Necesitas ambos, a escala de producción. El modelo de costos que importa es por activo final, y ninguno de los proveedores te lo da directamente. Haz tú mismo la estimación: segundos de video multiplicados por la tarifa por segundo, frente al consumo de tokens por imagen en el tamaño y el nivel de calidad que elijas. Luego contrasta esa estimación con una semana real de facturas, porque ningún tarifario es lo bastante estable para planificar a ciegas: la propia documentación de BFL y su página del modelo indican tarifas de video distintas para los mismos modos, y la calculadora de OpenAI no cubre 2.5.

Tienes que dejar la puerta abierta. Este es el caso en el que un router se gana su lugar en vez de ser un simple enchufe. Las generaciones de modelos de vídeo e imagen se renuevan a un ritmo de semanas — FLUX 3 Max llegó ayer, GPT-Image-2.5 hace seis semanas — y el coste de adoptar el siguiente debería ser un cambio de configuración. OrcaRouter te ofrece un único endpoint compatible con OpenAI a través de más de 200 modelos con los precios de lista de los proveedores aplicados sin margen (0 %), conmutación por error automática cuando un proveedor se degrada y un DSL de enrutamiento que puede enviar imágenes fijas a un modelo y vídeo a otro desde la misma clave. FLUX 3 Max no está hoy en ese catálogo; las variantes de GPT-Image-2.5 sí lo están.

¿Qué haría que esto fuera una comparación real?

Tres elementos convertirían esta página de una corrección de categoría en una verdadera comparación directa, y hoy no existe ninguno. Un panel independiente de calidad de imagen que sitúe FLUX 3 Image junto a ambas variantes de GPT-Image-2.5 en un arnés emparejado. Un segundo de vídeo con un precio en las mismas unidades que una imagen fija, lo que implica que un proveedor publique el coste por activo terminado en lugar de por segundo o por token. Y una tarifa específica de Max por parte de BFL, para que el lado del vídeo del balance deje de ser una inferencia.

Hasta entonces, la postura sensata es la que ha adoptado esta página: compre la modalidad que necesita al proveedor que la vende, mantenga la elección reversible y desconfíe de cualquier comparación que ponga una tarifa por segundo junto a una tarifa por token y declare que el resultado es el ganador. Los dos modelos no son rivales. Son herramientas adyacentes, y el único error real es elegir la equivocada.