Imágenes 2.6 vs FLUX 3: fidelidad de edición frente a control de resolución

La comparación entre Images 2.6 y FLUX 3 suele plantearse como un concurso de calidad. No lo es. Images 2.6 de OpenAI, lanzado el 4 de noviembre de 2026 como el par de API GPT-Image-2.6 Flare y GPT-Image-2.6 Sunburst, vende iteración: turnos rápidos, un sujeto que sobrevive a una cadena de ediciones y, ahora, salida de movimiento y vectorial. FLUX 3 Image de Black Forest Labs, disponible desde el 1 de octubre, vende determinismo: diez imágenes de referencia, instrucciones de maquetación con cuadros delimitadores, niveles de resolución fijos de hasta 4K y un precio por imagen que se puede meter en una hoja de cálculo sin modelar recuentos de tokens. Uno de los dos es un mejor producto para un equipo de diseño que necesita la misma disposición cada vez. El otro es un mejor producto para un equipo que necesita probar doce variantes antes del almuerzo.

Esta es la versión práctica de esa elección: qué te permite hacer realmente cada superficie de control, cuánto cuesta una imagen en cada una y qué dice la única clasificación auditada sobre la generación anterior a esta.

Lo que cada modelo realmente es

Images 2.6 es la tercera generación de imágenes de OpenAI en siete meses. Images 2.0 llegó en abril como el primer modelo de imágenes con razonamiento, Images 2.5 dividió la línea en un nivel de velocidad y un nivel de calidad en septiembre, y 2.6 mantiene esa división: Flare para latencia, Sunburst para detalle y consistencia en ediciones múltiples. Ambos están alojados, ambos cobran por token y ambos son accesibles mediante los endpoints estándar de images. No hay pesos.

FLUX 3 Image es el buque insignia de Black Forest Labs, lanzado un mes antes. Gestiona texto a imagen y edición con hasta diez imágenes de referencia, acepta instrucciones de disposición con cuadros delimitadores y renderiza en niveles fijos desde 768×768 hasta 4K con relaciones de aspecto seleccionables. Dos semanas después del buque insignia, BFL publicó FLUX 3 Image Klein —un hermano destilado de 5.6B con pesos descargables y una licencia gratuita para uso comercial con ingresos anuales inferiores a $5M. Esa vía de escape de pesos abiertos no tiene equivalente en ninguna parte del lanzamiento de Images 2.6.

La superficie de control: donde FLUX 3 sigue ganando sin discusión

Cuatro cosas que FLUX 3 hace que Images 2.6 no hace, o no documenta.

• Un diseño que especificas en lugar de describir. Los cuadros delimitadores te permiten colocar elementos por coordenadas. La edición guiada por marcado de Images 2.6 es potente, pero de naturaleza distinta: le muestras al modelo dónde cambiar algo en una imagen existente; no le entregas una cuadrícula de diseño para una nueva.

• Resolución elegida de antemano. FLUX 3 publica sus niveles —768, 1K, 1.5K, 2K, 4K— y asigna un precio a cada uno. La documentación de Images 2.6, tal como se publicó el 5 de noviembre, describe ajustes de calidad y complejidad y formatos de salida, pero no publica una tabla de resoluciones. Si tu pipeline tiene un entregable 4K obligatorio, esa asimetría por sí sola puede decidir la cuestión.

• Diez referencias. La edición multirreferencia de FLUX 3 es la especificación más concreta de esta comparativa. El anuncio de OpenAI habla de imágenes de referencia reutilizables dentro de ChatGPT y de entrada de imágenes en la API, sin publicar un límite por solicitud.

• Una vía autoalojada. Los pesos de Klein son descargables. Nada en la línea Images lo es.

Edición: la brecha que Sunburst existe para cerrar

La propuesta de OpenAI para Sunburst no es la belleza máxima. Es que la décima edición siga pareciendo la primera: el rostro, el logotipo y el detalle del producto se mantienen. Ese ha sido el verdadero modo de fallo de los modelos de imagen alojados durante dos años: cada edición es una nueva generación condicionada a la anterior, y la pequeña deriva se acumula.

Dos de las funciones de la API 2.6 apuntan directamente a ese problema. El parámetro de complejidad te permite dar al modelo más margen de planificación cuando una escena tiene varios elementos que deben mantenerse todos; las ediciones guiadas por marcado eliminan la ambigüedad de «cambiar la cosa de la izquierda» dibujando sobre la imagen en su lugar. La respuesta de FLUX 3 al mismo problema es estructural: aliméntalo con más referencias y dile dónde va cada cosa.

Cuál enfoque funciona mejor aún no es una pregunta que nadie pueda responder con datos. Sunburst no tiene una puntuación de edición independiente. FLUX 3 Image sí: 1.123 Elo en el tablero de edición de Artificial Analysis, lo que lo sitúa entre los quince primeros, pero claramente por detrás de la generación anterior de OpenAI.

Cuánto cuesta una imagen en cada uno

Los modelos de facturación son lo bastante distintos como para que una comparación ingenua por imagen resulte engañosa en ambos sentidos.

• FLUX 3 Image, por imagen — $0.041 en 768², $0.048 en 1K, $0.07 en 1.5K, $0.10 en 2K, $0.607 en 4K.

• FLUX 3 Image Klein, por imagen — 0,008 $ a 768², 0,009 $ a 1K, 0,011 $ a 1,5K, 0,014 $ a 2K, 0,036 $ a 4K.

• Images 2.6, por token — $5 por millón de tokens de entrada de texto ($1.25 en caché), $8 por millón de tokens de entrada de imagen ($2 en caché), $30 por millón de tokens de salida de imagen, idéntico en Flare y Sunburst.

Si se calcula, la tasa por token queda en un rango similar al de FLUX 3 en tamaños habituales: aproximadamente medio centavo por un render 1K de baja calidad, unos cinco centavos por uno 1K de alta calidad y alrededor de diez centavos en 2K de alta calidad. Donde ambas se diferencian claramente es en los extremos. Una imagen 4K de FLUX 3 cuesta sesenta centavos porque compraste una imagen 4K; un render de bajo esfuerzo de Images 2.6 cuesta casi nada porque compraste muy pocos tokens de salida. Ninguno de los dos precios es un truco: simplemente cobran por cosas distintas.

La cifra que nunca aparece en ninguno de los dos tarifarios es el costo de una imagen rechazada. Si la consistencia de edición de Sunburst te ahorra una regeneración de cada cinco, su precio efectivo por recurso utilizable baja un 20% y la comparación se invierte. Hasta que existan datos independientes sobre edición, eso es una suposición, no un cálculo.

Puntos de referencia, con los asteriscos adjuntos

La tabla de texto a imagen de Artificial Analysis del 5 de noviembre sitúa a GPT Image 2.5 Sunburst en primer lugar con 1.224 Elo y a GPT Image 2.5 Flare en segundo lugar con 1.208. FLUX 3 Image se encuentra en 1.119, en torno al duodécimo puesto, a 48 dólares por cada mil imágenes. Klein está en 1.043 por 9 dólares por cada mil imágenes.

Lee eso con atención. La generación que OpenAI lanzó en septiembre supera a FLUX 3 por unos 105 Elo en una tabla de clasificación con un intervalo de confianza de ±10: una diferencia real, no ruido. Images 2.6 todavía no aparece en la tabla, así que la afirmación justa es que el modelo anterior de OpenAI obtiene mejores resultados que FLUX 3 en preferencia humana, y el nuevo aún no se ha medido. Sería fácil escribir «2.6 supera a FLUX 3»; nadie ha realizado las votaciones.

En edición, FLUX 3 Image obtiene 1,123 y se sitúa en una franja de nueve a diecisiete. GPT Image 2.5 Sunburst lidera esa clasificación con 1,199. De nuevo: el predecesor, no el modelo del título.

Los tableros de preferencias tampoco miden aquellas cosas en las que FLUX 3 realmente destaca. Nadie que vote en una arena está comprobando si el cuadro delimitador cayó en el píxel correcto o si la exportación en 4K es genuinamente 4K. Considera el Elo como un indicador de «qué resultado le parece mejor a un desconocido», lo cual es una pregunta válida y no la única.

Los pesos abiertos cambian el perfil de riesgo, no la calidad

Klein es la parte más subestimada de este enfrentamiento. Con 5,6B de parámetros y nueve dólares por cada mil imágenes de 1K según los propios precios de BFL, es lo bastante barato como para usarlo a modo de nivel de borrador, y el hecho de que sus pesos se puedan descargar significa que el pipeline sobrevive a un cambio de precio, a una deprecación o a una caída del servicio. El límite de la licencia se basa en los ingresos: uso comercial gratuito por debajo de 5 M$ de ingresos anuales, y condiciones distintas por encima de esa cifra. Lee esa cláusula antes de desarrollar sobre él.

En cuanto a calidad, Klein no sustituye a ninguno de los dos modelos insignia: 1.043 Elo es un escalón visiblemente inferior respecto a los 1.119 de FLUX 3 Image y queda muy lejos de las cifras de OpenAI. El caso de uso honesto es la previsualización en volumen con una pasada final de acabado de un modelo insignia, no un sustituto para recortar costes.

Elegir entre ellos

Elige FLUX 3 cuando el entregable se especifica antes de que empiece la generación: relaciones de aspecto fijas, un diseño que tenga que repetirse, salida en 4K, un pipeline de composición que quiera imágenes de referencia en lugar de texto. Elige Images 2.6 cuando el trabajo sea iterativo y conversacional — el mismo recurso editado veinte veces, un personaje que tenga que mantenerse fiel al modelo, un bucle de vista previa en el que seis segundos frente a doce cambian lo que hacen tus usuarios. Elige Klein cuando necesites que el modelo siga funcionando cuando la API de otro deje de hacerlo.

Si quieres probar ambos sin dos contratos, OrcaRouter no puede hacerlo hoy: ni Images 2.6 ni FLUX 3 están todavía en nuestro catálogo. Lo que sí está: GPT-Image-2.5 Flare y Sunburst, los modelos de imagen Gemini e Imagen de Google, y Grok Imagine Image, detrás de una sola clave con conmutación automática en caso de fallo y el precio de lista del proveedor trasladado con un 0 % de margen. Eso hace que una comparativa resulte barata en los modelos que sí tenemos, y significa que un cambio de precio del proveedor te llega el mismo día en lugar de en la próxima renovación del contrato.

Lo que hay que vigilar es la primera puntuación independiente de Images 2.6. Si Sunburst queda en 1.224 o por encima, el caso de FLUX 3 se reduce a control y resolución —que son ventajas reales, pero más limitadas de lo que parecen hoy.