Cómo editar imágenes con IA con GPT Image 2.5

Sacaste la foto del producto en la mesa del comedor con la luz del mediodía, y salió plana: el fondo de tela se arrugó, la etiqueta se lee a medias y el ambiente le compite al asunto. Montar de nuevo la escena cuesta una tarde y un set que no tenés. Con GPT Image 2.5 ese arreglo es una frase: le decís al motor qué cambiar en español, y él reconstruye la imagen dejando intacto lo que no le tocaste. Esta guía recorre el modo en que operamos en Moosky la edición de fotos de producto y retratos con este modelo —cómo pedir el cambio sin que se te escape el encuadre, qué sale cada tirada de la escalera de calidad (cifras del código de cobro vivo, no de folleto publicitario) y cuándo conviene subir a este escalón premium o quedarse en un motor de limpieza local más barato—.

Antes del primer número, la transparencia de la casa: formo parte de Moosky, y el editor que usa esta guía es producto de acá —mi comisión y tu factura dependen del mismo botón—. Cada crédito citado abajo salió del mismo sistema de facturación que dispara las corridas reales (la matriz calibrada del composer, medida de telemetría en vivo el 15 de septiembre, con el margen de la casa y cien créditos por dólar), y el precio exacto de tu corrida te aparece en pantalla antes de aprobar cualquier clic.

Instrucciones, no máscara

El GPT Image 2.5 en Moosky no tiene pincel. Nada de pintar una región, seleccionar un área, bloquear una capa. Adjuntás la imagen, escribís en frases simples lo que debe cambiar, y el modelo reconstruye la toma con ese cambio aplicado. Eso corta para los dos lados:

  • Los arreglos que en un editor de escritorio pedirían un recorte a mano —sacar el fondo, pasar la escena a la hora dorada, borrar a la persona de la izquierda— salen en una frase, porque el modelo inventa contenido verosímil, con la luz combinando, donde estaban los píxeles viejos.
  • No existe un modo «tocá solo este punto». Un modelo que reconstruye la imagen entera puede pasarse de la raya en una limpieza puntual, y el 2.5 cobra caro lo suficiente para que esa pasada de más te salga en dinero. Ese trabajo pertenece a una herramienta local más barata.

La forma de prompt que el propio producto enseña es directa: declará primero el cambio deseado, después lo que debe quedar estable —pose, encuadre, texto, luz, fondo—. El orden no es ceremonia: el modelo lee más o menos por esa prioridad, y un prompt que abre con «mantené todo» y entierra la edición al final te devuelve una foto intacta con una cuenta que dice lo contrario.

Lo que justifica el sobreprecio del 2.5 es la calidad del «mantené»: conserva detalles que el prompt ni mencionó mejor que casi cualquier modelo de su carril. Eso lo vuelve la apuesta de una sola tirada cuando algo tiene que seguir siendo reconocible —una cara, la etiqueta de un producto, la foto hero del catálogo que ya tenés aprobada, menos un detalle—.

Dónde entra en la fila

Encajes fuertes. Texto en inglés legible dibujado dentro de la imagen: titular de banner, etiqueta de maqueta. Acabado comercial de toma única —foto hero, creativo de anuncio, placa de producto—. Entornos complejos donde muebles, perspectiva y luz tienen que concordar entre sí. Semejanza estricta a partir de varias fotos de referencia al mismo tiempo. Ediciones amplias en las que la mayor parte de la toma tiene que sobrevivir.

Encajes débiles. Limpieza puntual —un vello sobre el mostrador, una mancha en la pared: mandala a un modelo local de costo bajo—. Letrero en otros idiomas o fuera del alfabeto latino, donde especialistas más baratos ganan. Plantillas de varios paneles y storyboard, que piden un modelo de composición.

Si tu caso es «foto correcta, casi todo lo alrededor errado» y el texto legible importa, esta es la herramienta. Si es «foto correcta, un granito», es la equivocada.

La cuenta de créditos, honesta

El 2.5 no factura como un motor de imagen común, y la suposición vieja —más píxeles, cuenta proporcionalmente mayor— acá está errada. La salida se mide en tokens: pagás por token de imagen generada, y esos tokens crecen con la franja de calidad mucho más que con la resolución. Tres consecuencias:

  • Calidad baja es peldaño de borrador de verdad, no descuento de centavo. Un cuadrado 1K generado desde cero (solo prompt, sin foto adjunta) sale ~1 crédito en bajo, ~2 en medio y ~7 en alto, con cien créditos formando un dólar. Un lote de borradores en bajo para probar rumbos de edición cuesta moneditas; un «alto» mal configurado en una prueba desechable cuesta siete veces lo que costaba ese mismo borrador en bajo.
  • Adjuntar la foto también cuesta. Los tokens de entrada se miden igual: cada imagen adjunta suma a la cotización, y una foto cuadrada 1K agrega del orden de cinco créditos. En la práctica, la edición típica en 1K —tu foto como base— sale ~6 en bajo, ~7 en medio y ~12 en alto.
  • La resolución, comparado con eso, es casi gratis. Las tarifas suben poco por el menú de tamaños: el 4K generado desde cero queda en ~2 / ~4 / ~14 créditos en las tres franjas, y con la foto base adjunta, sobre los ~18 en alto. Después de aprobar la edición en medio, re-renderizar la ganadora en 4K alto es una decisión, no un castigo. El castigo es iterar en alto.

El movimiento es una escalera: medio por defecto, bajo para explorar, alto solo para la pieza en la que el texto en pantalla tiene que salir exacto o la imagen va a aparecer frente a un cliente. Borroneá barato, escalá una vez. La cotización aparece en pantalla antes de cualquier render, y una corrida que falla devuelve los créditos.

Los controles que importan

Cuatro palancas en el composer:

  • Imagen de entrada es opcional. Adjuntá la foto y el modelo edita esa toma; omitila y el mismo composer genera desde el prompt y las referencias. También puede sacar un fotograma de un video: editar un frame del clip que grabaste es una subida, no un pantallazo.
  • Imágenes de referencia, hasta ocho además de la base. La referencia hace lo que la palabra no alcanza: «combiná con la luz de la Imagen 1» vale más que tres frases sobre calidez. El orden de los adjuntos tiene significado —el prompt que cita «Imagen 1 / Imagen 2» resuelve en el orden en que los agregaste—.
  • Resolución viene en tamaños fijos, cada uno con costo cotizado: el cuadrado 1K (el predeterminado), los gemelos 720P, el par 3:2, 1080P, 2K, 1440P y 4K. Elegí el formato en que vas a publicar; recortar un render cuadrado tira una orilla que ya pagaste.
  • Calidad es la palanca de costo de la que hablamos: baja, media, alta.

Tres casos de vitrina

1. La foto del puesto que pide catálogo. Tenés la bolsa de café de especialidad fotografiada sobre la mesa de madera del puesto, con el mantel de tela arrugándose de fondo, y la querés sobre una placa de hormigón pulido con luz de vidriera. Una frase: Reubicá la bolsa sobre una placa de hormigón pulido con luz suave de ventana entrando por la izquierda; mantené la bolsa, su forma, el ángulo y el frente impreso sin ningún cambio. Sale ~6 en bajo, ~7 en medio. La escalera entera de los tres lances —borrador, aprobación, heroína en 4K— cierra sobre los 31 créditos: treinta y un centavos.

2. El retrato que está bueno, menos la luz. La dueña de una panadería con una expresión excelente, luz chata de tubo y una alacena desordenada de fondo. Reluce con luz suave de ventana entrando de la izquierda, sombras cálidas en degradado, y cambiá la alacena revuelta de atrás por una pared lisa gris cálido; mantené el rostro, el pelo, la expresión y el delantal exactamente como están. En recorte apretado es donde la deriva de identidad muerde más: nombrá la identidad en el prompt en vez de confiar en la toma base.

3. El compuesto de tres referencias. Tenés la foto de la botella de aceite de tu marca, el pantallazo de una cocina que te gusta y la muestra del color corporativo. Adjuntá las tres —el prompt cita los adjuntos, entonces el orden importa—: Ubicá la botella de la Imagen 1 sobre la mesada de madera de la Imagen 2, iluminada con el tono verde oliva de la Imagen 3, con una sombra suave cayendo a la derecha; mantené el arte de la etiqueta de la botella sin alteración. Una imagen nacida de tres fuentes es donde el presupuesto de referencias se paga —chequeá la cotización antes, porque cada adjunto suma tokens de entrada: con la base y las tres referencias, la corrida media rueda sobre los 20 créditos—.

Los modos de falla, con precio

Como el modelo reconstruye la imagen entera, la edición mala llega en formas reconocibles, y cada una tiene arreglo de una línea:

  • Derivó todo; el producto está sutilmente errado. Tu lista de preservación fue vaga de más. Nombrá cada elemento sobreviviente con precisión —«mantené el arte de la etiqueta y el ángulo de la botella estables»—, no un «mantené el producto» pelado.
  • Una limpieza se convirtió en un re-render completo. Fue la herramienta equivocada, no el prompt. El arreglo puntual pide un modelo local barato.
  • La corrida murió en el filtro de contenido. El 2.5 impone un filtro de política estricto —en nuestra ventana de tráfico fue rechazada una de cada catorce corridas, antes de que el modelo viera la imagen—. La negativa suele ser problema de redacción, no de foto.

Preguntas

¿El prompt puede ser en español? Puede —la instrucción funciona en el idioma en que escribís, y el composer lee frases naturales—. Lo propio del 2.5, lo que justifica el sobreprecio, es el lettering renderizado dentro de la imagen: texto legible en la escena. Para letrero en español —sobre todo con acentos y la «ñ»—, la regla honesta es probar en bajo (un crédito en la generación desde cero, ~6 con foto adjunta), leer las letras con calma, y recién entonces escalar. No apruebes una cuenta alta con una tipografía que no revisaste.

¿Esto no es lo mismo que convertir una foto en video? Son carriles vecinos que la gente confunde, y la cuenta es otra. Acá tocás la imagen quieta y sigue quieta; en el carril de imagen a video la foto es el punto de partida del movimiento —de eso trata cómo convertir una imagen en video con IA, y la aritmética entera del saldo vive en cuánto cuesta un video con IA—.

¿Se puede probar sin tarjeta? Las cuentas nuevas entran con los créditos de registro —los diez de bienvenida más los cincuenta de planificación—, que pagan un buen puñado de borradores en el piso de abajo (cada edición de prueba a ~6 créditos) antes de cualquier recarga. Después es crédito suelto: cien por dólar, sin suscripción, sin vencimiento, y la cotización en pantalla antes de cada corrida.

¿Cuál es el tamaño máximo? 4K horizontal o vertical, saliendo del menú de resoluciones —generado desde cero sobre los 14 créditos en alto, unos 18 con la foto base adjunta—, siempre con el valor exacto cotizado en pantalla antes del clic.

Probalo

Abrí el editor de imagen, elegí GPT Image 2.5, adjuntá la foto y leé la cotización antes de generar. La página de herramientas de edición de imagen cubre la fila entera de motores, y la página del GPT Image tiene las especificaciones del modelo. Si tu necesidad es recurrente, el saldo de créditos espera lo que no gastes —sin suscripción y sin apuro—. Si tu edición es un canje cosmético simple y no preservación de precisión, empezá por la guía del Wan 2.7 en inglés, How to Edit an Image with Wan 2.7, y dejá este escalón para las finales. Si leés inglés, el original de este carril —con el caso del banner de lanzamiento— está en How to Edit Images with AI: The GPT Image 2.5 Workflow.