Ideogram Vector 1.0 vs GPT Image 2.5: un precio por archivo frente a un precio por token

Lo más difícil de elegir entre Ideogram Vector 1.0 y GPT Image 2.5 no es la calidad. Es que los dos modelos facturan en monedas que no se pueden comparar sin hacer cálculos, y uno de ellos cambió los cálculos sin cambiar la tarifa. Ideogram Vector 1.0, lanzado el 22 de octubre de 2026, cobra por archivo: de $0.13 a $0.20 por un SVG, $0.32 en alta calidad con referencias, de $0.10 a vectorizar una imagen. GPT Image 2.5, lanzado el 8 de septiembre de 2026, cobra por token: $30 por millón de tokens de salida en modo estándar, $15 en lote, y el costo por imagen surge de cuántos tokens gasta el modelo en tu solicitud. Uno de esos números es un precio. El otro es una tarifa que tienes que modelar.

Esa diferencia en la estructura de facturación resulta explicar la mayor parte de la diferencia práctica entre los modelos. No es que uno sea mejor —GPT Image 2.5 es el generador de ráster más potente en casi todos los ejes en los que se puede juzgar a un generador de ráster, y Vector 1.0 es el único de los dos que puede entregarte un archivo escalable—. Es que los dos se compran de maneras distintas, para trabajos distintos, por equipos con distintas tolerancias al costo. Acertar en la aritmética vale más que acertar en la tabla de clasificación.

Primero, el problema de la escalera

Ambos modelos venden calidad por niveles. Solo uno de ellos mantuvo estables los nombres de los niveles, y el que no lo hizo es el que te sorprenderá en la factura.

GPT Image 2.5 se ofrece en dos variantes de API: gpt-image-2.5-flare para cargas de trabajo que priorizan la velocidad y gpt-image-2.5-sunburst para la precisión, y además expone un parámetro de calidad. Las guías de API de terceros que comparan la lista de precios de 2.5 con la de GPT Image 2 informan de que OpenAI reetiquetó la escala en lugar de recalibrar los precios: lo que 2.5 denomina "high" corresponde aproximadamente a lo que la generación anterior denominaba "medium", y reproducir la salida de alta calidad anterior ahora exige el ajuste "max". Si esa información es correcta, una migración directa que asigne quality: high a quality: high pierde fidelidad de forma silenciosa mientras la tarifa por token se mantiene idéntica. Ese es un modo de fallo silencioso, y es el tipo de cosa que acaba apareciendo como "el nuevo modelo ha empeorado" en lugar de "nuestra configuración ha cambiado".

Considera eso como información de terceros en lugar de documentación confirmada del proveedor: OpenAI no ha publicado una tabla de consumo de tokens para las instantáneas 2.5, lo cual es en sí mismo la razón por la que el costo por imagen es difícil de determinar con precisión. Las cifras por imagen citadas habitualmente a 1024×1024 son aproximadamente $0.0059 en low, $0.013 en medium, $0.053 en high, $0.094 en xhigh y $0.211 en max, pero son estimaciones de calculadora, no una tarifa publicada.

Ideogram Vector 1.0 no tiene una trampa equivalente. Tres niveles de calidad, tres precios fijos y un dry_run parámetro que devuelve una cotización de precio para una solicitud específica sin generarla ni facturarla. Sea lo que sea lo que quede por resolver sobre el modelo, su estructura de precios es legible.

El contraste de las especificaciones, y lo que esconde

Una línea por dimensión, ambos lados:

• Formato de salida — GPT Image 2.5 devuelve imágenes raster; Ideogram Vector 1.0 devuelve SVG con rutas y tipografía editables.

• Unidad de facturación — GPT Image 2.5 factura los tokens de entrada y salida a $5/$8 de entrada y $30 de salida por millón (Estándar), y $15 de salida en Lote; Vector 1.0 factura por archivo generado a $0.13 / $0.16 / $0.20 según el nivel.

• Coste por salida a 1K: GPT Image 2.5 se sitúa entre aproximadamente medio centavo y cinco centavos según el nivel; Vector 1.0 se sitúa entre trece y treinta y dos centavos por SVG.

• Perfil de velocidad — GPT Image 2.5 se divide en Flare (rápido) y Sunburst (precisión) para que puedas elegir; Vector 1.0 tiene un solo modelo y un ajuste de calidad.

• Edición — GPT Image 2.5 está diseñado para la edición basada en instrucciones y el refinamiento de varios turnos; Vector 1.0 no puede editar un ráster, pero su vectorizador convierte uno en trazados por $0.10.

• Representación de texto: ambos lo presentan como un punto fuerte, y ambas afirmaciones son de los propios proveedores. El diferenciador de Ideogram es la tipografía trasladada a un formato donde el texto puede corregirse; el de OpenAI es el texto colocado correctamente dentro de una escena renderizada.

• Benchmarks independientes: GPT Image 2.5 los tiene; Vector 1.0 no tiene ninguno, y de todos modos ninguno de los rankings de imágenes mide lo que realmente importa aquí.

Esa última línea merece que se amplíe, porque es la asimetría más trascendental de este artículo.

Por qué la tabla de clasificación no puede responder a esto

Artificial Analysis incluye tanto GPT Image 2.5 Flare (max) como GPT Image 2.5 Sunburst (max) en su arena de texto a imagen, junto con la competencia de raster. Esa arena funciona por preferencia por pares a ciegas: personas y evaluadores observan dos imágenes y eligen la mejor. Es un instrumento razonable para juzgar si una imagen generada se ve bien.

No puede juzgar un SVG. Un archivo vectorial no es mejor ni peor por cómo se ve su vista previa aplanada; es mejor o peor por cuántos puntos de anclaje tiene, si sus trazados están cerrados, si sus degradados sobreviven, si su tipografía está convertida en contornos o es texto editable, y si sus componentes son separables. Ninguna de esas propiedades es visible en una comparación de imágenes lado a lado. Hay que abrir el archivo.

Así que la afirmación honesta es que GPT Image 2.5 se puede clasificar y Vector 1.0 no, y la clasificación que existe mide algo que Vector 1.0 no produce. Cualquiera que cite una diferencia de Elo entre estos dos modelos está comparando una fotografía con un plano.

Los casos para los que se creó GPT Image 2.5

Si el trabajo es de edición, GPT Image 2.5 no tiene rival cerca aquí. Vector 1.0 no dispone de endpoint de edición. No puedes pedirle que cambie el fondo, intercambie un color o mueva un producto dos pulgadas a la izquierda — solo puedes generar un nuevo SVG o vectorizar una imagen existente. Todo el diseño de GPT Image 2.5 va por el camino opuesto: modificación basada en instrucciones, refinamiento en varios turnos y el tipo de cambio localizado pequeño que antes requería una máscara.

Si el trabajo es fotográfico o está basado en escenas, lo mismo. Vector 1.0 crea marcas y rotulación. No produce una foto de producto con una iluminación convincente.

Si el trabajo es de gran volumen y desechable, el modelo de tokens gana en pura economía por un orden de magnitud. A unos centavos por imagen, quinientas miniaturas de concepto cuestan menos de veinte dólares. En Vector 1.0, el mismo barrido a calidad media costaría ochenta, y cada uno de esos archivos tendría que ser digno de conservarse.

Si necesitas descuentos por lotes, la Batch API de GPT Image 2.5 reduce a la mitad la tarifa de salida, a 15 USD por millón de tokens. Vector 1.0 no tiene una modalidad de lote publicada: el volumen se gestiona mediante el límite de solicitudes en curso de tu cuenta, que se manifiesta en respuestas 429 en lugar de en un descuento.

Los escasos casos en los que gana la geometría

Los casos inversos son más limitados, pero decisivos cuando se aplican.

Cualquier entregable destinado a impresión, corte, grabado o bordado. GPT Image 2.5 a máxima calidad te da un hermoso archivo ráster que un taller de producción trazará mal. Vector 1.0 te da trazados.

Cualquier recurso de marca que deba permanecer editable. Un logotipo que un cliente va a recolorear en todo un sistema, o un logotipo nominativo que marketing va a recomponer con un grosor distinto, necesita geometría. Regenerarlo a un tamaño diferente no es lo mismo que escalarlo.

Cualquier flujo de trabajo en el que el precio por archivo sea más fácil de presupuestar que el precio por token. Los equipos de diseño piensan en activos. Un precio fijo de $0,20 por SVG es previsible de una forma en la que "depende de cuántos tokens consuma el modelo" no lo es, y la dry_run permite convertir una estimación por lotes en un script de una sola línea.

Y cualquier caso en el que quieras vectorizar un recurso existente. El endpoint de conversión de imagen a vector de $0.10 no tiene equivalente en la superficie documentada de GPT Image 2.5. Acepta JPEG, PNG o WEBP de hasta 50 MB y ofrece un modo simple para menos formas y un modo predeterminado que conserva más detalle; además, según la propia página de referencia de Ideogram, todavía no puede agrupar el resultado en capas.

Llamando a ambos desde un mismo lugar

Esta es la única comparación de esta serie en la que podemos ser específicos sobre nuestra propia cobertura: GPT Image 2.5 está en el catálogo de OrcaRouter tanto gpt-image-2.5-flare como gpt-image-2.5-sunburst. Ideogram Vector 1.0 no lo está — está disponible a través de la plataforma y la API propias de Ideogram y de varias plataformas de terceros, y nosotros no lo ofrecemos.

Esa asimetría es útil en lugar de incómoda, porque se corresponde con cómo deberían usarse los dos modelos. El lado de GPT Image 2.5 es el lado de alto volumen y de iteración rápida: el lado en el que pruebas veinte variantes, descartas diecinueve y te importan la latencia y la conmutación por error. Servirlo al precio de lista del proveedor con un 0 % de margen, detrás de la conmutación por error automática, significa que una degradación de Sunburst no detiene el lote y que un cambio de tarifas de Flare entra en vigor por nuestra parte ese mismo día. El lado vectorial es el lado de bajo volumen y de alto riesgo: un puñado de archivos por proyecto, cada uno vale treinta veces lo que una imagen de mapa de bits, que preferirías generar deliberadamente e inspeccionar a mano en lugar de enrutar automáticamente.

Si estás creando el arnés que los compara, la forma práctica es un bucle pequeño: entra el prompt, sale un raster de GPT Image 2.5, vectorizas ese raster por $0.10 y abres ambos. La comparación que haces no es cuál se ve mejor. Es si la versión trazada se acerca lo suficiente al SVG generado directamente como para omitir la llamada más costosa.

La regla general

Cuenta los entregables. Si el número es grande y los archivos son desechables, GPT Image 2.5 gana tanto en capacidad como en coste, y el riesgo de reetiquetado de niveles es manejable siempre que verifiques qué significa realmente high en tu configuración.

Si el número es pequeño y los archivos son permanentes —un logotipo, un logotipo nominativo, una etiqueta, un conjunto de iconos—, el precio por archivo es irrelevante frente al coste de vectorizar a mano, y Ideogram Vector 1.0 es el único de los dos que cierra la conversación con un archivo que puedes enviar a producción.

La parte incómoda es que el segundo caso, aquel en el que Vector 1.0 gana claramente, es también el que no tiene ninguna evidencia independiente que lo respalde. Eso no es motivo para elegir GPT Image 2.5 en su lugar. Es un motivo para abrir el primer SVG que generes y contar los trazados tú mismo antes de construir un flujo de trabajo sobre él.