GPT-Image-2.5 vs Nano Banana 2: Los motores de imagen predeterminados de ChatGPT y Gemini

La mayoría de las imágenes de IA que la gente ve en realidad provienen de un modelo predeterminado, y los dos nuevos modelos insignia predeterminados de septiembre son GPT-Image-2.5 y Nano Banana 2. El 8 de septiembre, OpenAI implementó GPT-Image-2.5 —el modelo detrás de ChatGPT Images 2.5, vendido a través de la API como GPT-Image-2.5 Flare y GPT-Image-2.5 Sunburst— en todos los niveles de ChatGPT, ChatGPT Work y Codex. Nano Banana 2 es el apodo de Google para Gemini 3.1 Flash Image, el modelo que ha sido el generador de imágenes predeterminado en los modos Fast, Thinking y Pro de la aplicación Gemini desde febrero y que alcanzó disponibilidad general para desarrolladores el 28 de mayo. Estos son los motores de imagen de los dos asistentes de IA más utilizados del planeta: OpenAI reporta más de tres mil millones de imágenes a la semana entre ChatGPT y la API de imágenes, y ambos ya se distribuyen como plataformas maduras y accesibles mediante API. Lo que los separa ya no es el acceso, sino aquello para lo que cada uno está diseñado.

La asimetría de la evidencia es la misma que se repite en todas las comparaciones de GPT-Image-2.5 de este mes: el modelo de OpenAI es tan nuevo que ningún ranking independiente lo ha puntuado a fecha de 9 de septiembre de 2026, mientras que Nano Banana 2 lleva en las tablas de Artificial Analysis desde la primavera, entre los cinco primeros tanto en texto a imagen como en edición de imagen en la instantánea de septiembre. Todo lo que OpenAI afirma sobre el 2.5 a continuación son datos declarados por el propio proveedor. El modelo de Google, por el contrario, es uno de los modelos de imagen más medidos en producción.

Cómo cada uno se convirtió en un valor predeterminado

OpenAI convirtió ChatGPT Images 2.5 en el motor de imágenes de ChatGPT al hacerlo un producto: el despliegue añadió Sketch, donde dibujas una referencia visual aproximada con @Sketch y el modelo parte de ella; Templates para formatos comunes como pósters y tomas de producto; comentarios de imagen que dirigen las ediciones a una región concreta; y uso compartido de prompts. La distribución hizo el resto: es simplemente lo que ChatGPT usa ahora en todos los niveles, incluido el gratuito, en escritorio, móvil y web. Para la mayoría de esos usuarios, la elección del modelo es invisible.

Google llegó al mismo lugar por una ruta diferente. Nano Banana 2 está integrado en la aplicación Gemini como generador predeterminado en los tres modos de razonamiento, y Google lo extendió más allá de cualquier interfaz de chat: a Google Search a través de Lens y AI Mode en más de 140 países, a la herramienta de edición de video Flow y a Google Ads. Es también uno de los pocos modelos de imagen totalmente multimodales en la API: los desarrolladores lo invocan mediante la API de Gemini con modalidades de respuesta tanto para texto como para imagen, de modo que un único modelo puede describir imágenes, razonar sobre ellas y generarlas en un solo turno. Esa distribución integrada en todo es el contexto de cualquier comparación de calidad.

Las hojas de capacidades, afirmación por afirmación

La historia de ingeniería de Google para Nano Banana 2 es consistencia y control a escala. Mantiene hasta cinco personajes consistentes y catorce objetos a lo largo de un flujo de trabajo, renderiza texto dentro de las imágenes (incluida la traducción y la localización), ancla sujetos del mundo real con conocimiento en vivo de la búsqueda web y de imágenes, y admite relaciones de aspecto tan estrechas como 1:4 y 1:8 —las formas de banners, pósteres y fondos de pantalla de teléfono que los modelos de imágenes cuadradas no pueden llenar—. La salida alcanza una resolución de 4K. También ofrece niveles de pensamiento configurables (Mínimo y Alto) para que un desarrollador pueda intercambiar latencia por el razonamiento del modelo ante una instrucción compleja, y una función de vista previa que convierte la entrada de vídeo en fotogramas conscientes del contexto.

La historia de ingeniería de OpenAI para GPT-Image-2.5 es la fidelidad y la precisión en la edición. El modelo se divide en dos endpoints precisamente para que no compitan entre sí: GPT-Image-2.5 Flare es el predeterminado rápido para generación cotidiana y de alto volumen, con una latencia que, según OpenAI, es hasta un 50% inferior a la de GPT-Image-2, y GPT-Image-2.5 Sunburst acepta tiempos de generación más largos para un control de edición más estricto. Las afirmaciones principales de OpenAI son fidelidad de referencia —una persona, mascota o producto permanece reconocible cuando cambias el entorno o el estilo— además de edición multiturno que altera solo lo que se pidió, detalles finos más nítidos, fondos transparentes, renderizado de texto que maneja el chino correctamente y procedencia C2PA en cada salida.

Los dos modelos son más fuertes en ejes distintos. Nano Banana 2 es el modelo que mantiene la coherencia entre diez elementos diferentes en todo un sistema de diseño; GPT-Image-2.5 es el modelo orientado a la cadena de edición, donde cada revisión debe dejar todo lo demás intacto. Son fortalezas complementarias, y ningún proveedor está persiguiendo el núcleo del otro.

Lo que las juntas independientes dicen sobre los dos

Nano Banana 2 se sitúa justo dentro del top cinco en ambos paneles principales de imágenes de Artificial Analysis en septiembre de 2026: un rendimiento consistente y bien medido cuya fortaleza se muestra más en texto a imagen y en sus puntuaciones de consistencia que en la edición pura, donde va por detrás de los líderes actuales MAI-Image-2.6 y GPT Image 2 (high). No es el mejor modelo de imagen en ningún panel, pero es el modelo de top cinco mejor medido con la distribución más amplia, lo cual es una posición defendible.

GPT-Image-2.5 ocupa la posición opuesta: cada afirmación de calidad proviene de OpenAI, y el único dato de terceros hasta ahora es una prueba de velocidad de Manus que reporta una generación entre 2 y 4 veces más rápida que GPT-Image-2. El predecesor de OpenAI, GPT Image 2 (high), encabeza la tabla de texto a imagen de AA y ocupa el puesto n.º 2 en edición, por lo que la creencia previa racional es que 2.5 se situará cerca o por encima de esas cifras cuando aparezca — pero una creencia previa no es una medición, y esta es la primera generación de GPT-Image en un año que se lanza sin validación independiente desde el primer día.

El precio moldea, y la única conversión honesta

Google fija el precio de Nano Banana 2 en tokens de salida en 60 $ por millón, lo que se traduce en precios limpios por imagen: unos 0,067 $ por imagen de 1024×1024, 0,101 $ por imagen de 2048×2048, aproximadamente 0,151 $ en el extremo 4K, y alrededor de la mitad en modo por lotes, con el texto de entrada facturado por separado a 0,25 $ por millón de tokens. OpenAI fija el precio de GPT-Image-2.5 en 8 $ por millón de tokens de imagen de entrada y 30 $ por millón de tokens de imagen de salida, la misma tarifa que GPT-Image-2, pero no publica ninguna cifra por imagen; con el predecesor anclado cerca de 211 $ por cada 1.000 imágenes en la lista de Artificial Analysis, es probable que una imagen insignia de OpenAI en alta calidad cueste varias veces más que una imagen de Nano Banana 2 con resolución comparable. Ninguno de los dos precios hace que ninguno de los dos modelos sea barato a escala real, pero el de Google es el único de los dos que se puede prever.

Como ambas empresas operan sus propias nubes, la cuestión del enrutamiento es real para un equipo que quiere usar ambas. OrcaRouter ofrece hoy la línea de imágenes de Google — la instantánea de vista previa de Gemini 3.1 Flash Image (google/gemini-3.1-flash-image-preview) y la anterior gemini-2.5-flash-image — al precio de lista de Google, trasladado con un margen del 0 %, de modo que si tu stack ya llama a los modelos de imagen de Gemini a través de un único endpoint, la familia de Nano Banana 2 se puede alcanzar sin un segundo contrato. GPT-Image-2.5 no está en el catálogo de OrcaRouter a fecha de 9 de septiembre de 2026 — solo lo está la generación anterior, GPT-Image-2 —, así que el nuevo modelo de OpenAI implica disponer de una clave directa de OpenAI por ahora.

¿A qué valor predeterminado debería ajustarse tu producto?

• Lanzamiento — GPT-Image-2.5: disponibilidad general el 8 de septiembre de 2026. Nano Banana 2 (Gemini 3.1 Flash Image): lanzamiento en febrero de 2026, disponibilidad general el 28 de mayo.

• Precio — GPT-Image-2.5: $8/$30 por millón de tokens de imagen, precio por imagen sin publicar. Nano Banana 2: $0.067 por imagen 1K, $0.101 por imagen 2K, ~$0.151 por imagen 4K; en lote, a mitad de precio.

• Resolución y formato — GPT-Image-2.5: hasta 3840×2160. Nano Banana 2: 4K, además de relaciones de aspecto estrechas de 1:4 y 1:8.

• Funciones de consistencia — GPT-Image-2.5: fidelidad a la referencia entre ediciones (según se afirma). Nano Banana 2: cinco personajes / catorce objetos, anclaje en el conocimiento del mundo (según se afirma).

• Puntuaciones independientes — GPT-Image-2.5: ninguna aún. Nano Banana 2: AA entre los cinco primeros en ambas tablas.

• Forma de la API — GPT-Image-2.5: API de imágenes, dos endpoints de calidad. Nano Banana 2: API multimodal de Gemini, texto e imagen en una sola llamada.

Si tu producto es un sistema de diseño o un motor de contenido que necesita personajes y objetos consistentes en miles de imágenes con relaciones de aspecto inusuales, Nano Banana 2 es la respuesta de ingeniería, es medible y es el valor predeterminado más seguro en esta comparación — puedes acceder a él directamente a través de Google o mediante la ruta de paso de OrcaRouter hoy mismo. Si tu producto es de edición intensiva y creativa, donde la imagen marginal debe ser impecable y el presupuesto es secundario, el endpoint Sunburst de GPT-Image-2.5 es la apuesta no medida más convincente del mercado. La disciplina que aplica a cada enfrentamiento de esta serie también aplica aquí: el predecesor de OpenAI, GPT Image 2 (high), sigue siendo el modelo de texto a imagen con la puntuación más alta en Artificial Analysis, así que GPT-Image-2.5 debe superar su propio récord interno antes de ganarse el derecho a compararse con el valor predeterminado bien medido de Google. Vigila los rankings para su primera aparición — ese es el evento que convierte esta comparación de afirmaciones en datos.