GPT Image 2.5 vs Nano Banana 2.1: prueba con el mismo prompt y precio

El 26 de octubre de 2026 pasamos los mismos cuatro prompts por GPT Image 2.5 Sunburst, GPT Image 2.5 Flare y Nano Banana 2.1. Sunburst ganó el menú, Flare la foto de producto y dos pruebas quedaron en empate. Una imagen 2K costó unos $0.50 con las tarifas de OpenAI y GPT en calidad high, y unos $0.056 con las de Google para Nano Banana 2.1.

GPT Image 2.5 Flare hizo la mejor foto de producto, pero dibujó un faro que nadie pidió en el menú y contó mal los dos frascos. Tiene los mismos precios por token que Sunburst y en nuestras pruebas no fue más rápido.

Los tres están en OmniaKey: GPT Image 2.5 Sunburst, GPT Image 2.5 Flare y Nano Banana 2.1.

Cómo lo probamos

• Modelos: gpt-image-2.5-sunburst, gpt-image-2.5-flare y gemini-nano-banana-2.1 en OmniaKey. OpenAI publica además instantáneas con fecha, gpt-image-2.5-sunburst-2026-09-08 y gpt-image-2.5-flare-2026-09-08; usamos los ID sin fecha.
• Ajustes: Sunburst y Flare con size 2048x2048 y quality high, Nano Banana 2.1 con image_size 2K, aspect_ratio 1:1 y su razonamiento por defecto. Todas las imágenes son 2048×2048.
• Fecha: 26 de octubre de 2026. El menú se ejecutó dos veces en Sunburst y Nano Banana 2.1 y una en Flare, y cada una de las otras pruebas una vez por modelo. Con la imagen de origen de la edición y tres ejecuciones extra de calidad salen 18 llamadas, y todas salieron bien al primer intento.
• La imagen de origen de la edición se hizo con GPT Image 2, un modelo anterior, y los tres modelos recibieron el mismo archivo.
• El tiempo va desde crear la tarea hasta verla terminada, consultando cada 4 s con la API asíncrona de medios de OmniaKey, así que incluye la cola.
• Juzgamos a tamaño completo: cada palabra y cada precio, los objetos contados en recortes ampliados, si cada imagen sigue cada línea de su prompt y, en la edición, qué elementos quedaron igual.
• OmniaKey vende acceso por API a los tres modelos, así que las pruebas se hicieron a través suyo. Todos los precios de abajo son los de lista de OpenAI y de Google, no los nuestros.
• Fuentes: las páginas de modelo de OpenAI de GPT Image 2.5 Sunburst y Flare, sus precios de API, la guía de generación de imágenes y el registro de cambios; y de Google los precios de la API de Gemini, la generación de imágenes y el registro de cambios, todos revisados el 25 de octubre de 2026.

Una o dos imágenes por prompt y modelo es una muestra pequeña, así que cada resultado es un ejemplo que puedes mirar.

Cuatro pruebas con los mismos prompts

Prueba 1: menú de cafetería con seis precios (1:1)

Esta prueba lee cada palabra y cada precio de una tarjeta de menú impresa y mira si los precios quedan en una sola columna.

Prompt:

A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads "HARBOR CAFÉ". Below it, six items, each on its own line with the price aligned to the right: "Flat White — $4.50", "Oat Latte — $5.25", "Cardamom Bun — $3.75", "Avocado Toast — $9.00", "Shakshuka — $11.50", "Lemon Tart — $4.25". At the bottom, in small italic text: "Open daily 7am–3pm". Natural window light, soft shadows, a sprig of rosemary at one corner of the card.

Qué pide: una tarjeta de menú de cafetería sobre una mesa de mármol, fotografiada desde arriba. La tarjeta es de papel crema con tinta verde oscuro, el título dice "HARBOR CAFÉ" y debajo van seis platos, uno por línea, con el precio alineado a la derecha. Abajo, en cursiva pequeña, "Open daily 7am–3pm", luz natural de ventana, sombras suaves y una ramita de romero en una esquina.

• GPT Image 2.5 Sunburst (36.7 s y 34.3 s): cada palabra y cada precio correctos en las dos ejecuciones, incluida la tilde de "CAFÉ" y el guion corto de "7am–3pm". Las dos quitaron los guiones largos y pusieron los precios en una columna alineada a la derecha, como un menú impreso. El romero está en la esquina de la tarjeta, en parte fuera de ella; la primera ejecución añadió una taza y un vaso de agua en los bordes y la segunda una taza.
• GPT Image 2.5 Flare (42.9 s): cada palabra y cada precio correctos, guiones largos fuera, precios a la derecha, con una línea fina entre platos y un borde alrededor de la tarjeta. Añadió un pequeño dibujo de faro y pájaros sobre el título, más una taza y un vaso de agua.
• Nano Banana 2.1 (36.5 s y 32.8 s): cada palabra y cada precio correctos en las dos ejecuciones, y el romero en la esquina de la tarjeta como se pidió. Mantuvo los guiones largos, así que los precios nunca quedan alineados: la primera ejecución tiene líneas guía de distinta longitud y la segunda no tiene alineación a la derecha.

Veredicto: GPT Image 2.5 Sunburst. Los cinco menús escribieron bien cada palabra y cada precio, así que el texto es un empate. Sunburst convirtió las líneas "Flat White — $4.50" en un menú real con columna de precios alineada, dos veces, y no añadió nada a la tarjeta. Nano dejó los guiones tal cual, así que sus precios no quedan alineados, y Flare dibujó un faro que nadie pidió.

Prueba 2: contar objetos en un estante (1:1)

Esta prueba comprueba dos conteos exactos en una sola imagen y si el estante queda como se pidió.

Prompt:

A studio photo of a wooden shelf against a light gray wall. On the shelf, from left to right: a clear glass jar holding exactly five red marbles, an empty clear glass jar, and a clear glass jar holding exactly three yellow lemons. A small white paper tag hangs from the middle jar with the number "2" written on it in black marker. A single blue feather lies on the shelf in front of the right jar. Soft, even lighting and no other objects.

Qué pide: una foto de estudio de un estante de madera contra una pared gris claro. De izquierda a derecha, un frasco de vidrio transparente con exactamente cinco canicas rojas, otro frasco vacío y un tercero con exactamente tres limones amarillos. Del frasco central cuelga una etiqueta de papel blanca con el número "2" escrito en rotulador negro, y frente al frasco de la derecha hay una pluma azul. Luz suave y uniforme, y ningún otro objeto.

• GPT Image 2.5 Sunburst (32.9 s): exactamente 5 canicas rojas en el frasco izquierdo y el frasco central vacío con la etiqueta "2". El frasco derecho muestra 3 limones delante y un cuarto medio oculto detrás, así que 4. La pluma está delante, entre el frasco central y el derecho.
• GPT Image 2.5 Flare (37.7 s): 6 canicas en pirámide y 4 limones a la derecha, 3 delante y uno medio oculto. El frasco central está vacío con la etiqueta "2".
• Nano Banana 2.1 (37.5 s): 7 canicas en el frasco izquierdo y exactamente 3 limones a la derecha, apilados contra el vidrio. El frasco central está vacío con la etiqueta "2", y los frascos son más altos, tipo tarro Mason.

Veredicto: empate entre Sunburst y Nano Banana 2.1. Ningún modelo acertó los dos frascos: Sunburst escondió un cuarto limón, Nano puso siete canicas y Flare falló los dos. Si el conteo importa, revisa cada imagen y prueba a pedir los objetos en fila ("three lemons in a row, none behind").

Prueba 3: foto de producto de una zapatilla de cuero blanca (1:1)

Esta prueba comprueba si sobrevive un encargo de estudio: reflejos brillantes, neón desenfocado, sin texto y sin logos.

Prompt:

Product photo of a white leather running shoe on wet black asphalt at night, low angle, close-up. Pink and teal neon signs are out of focus in the background, and their colors reflect in the puddles and on the shoe's glossy surfaces. Small water droplets on the toe box. Sharp focus on the shoe, shallow depth of field, realistic commercial photography, no logos and no text.

Qué pide: una foto de producto de una zapatilla de cuero blanca sobre asfalto negro mojado de noche, ángulo bajo y primer plano. Los carteles de neón rosa y turquesa quedan desenfocados al fondo y su color se refleja en los charcos y en las zonas brillantes de la zapatilla. Gotas pequeñas en la puntera, foco nítido en la zapatilla, poca profundidad de campo, fotografía comercial realista, sin logos y sin texto.

• GPT Image 2.5 Sunburst (41.5 s): asfalto mojado, reflejos de neón rosa y turquesa, gotas en la puntera, un acabado brillante tipo charol y ningún texto. Pero la zapatilla está puesta: se ven un tobillo y un pantalón de jogging negro, así que es una foto de estilo de vida y no la foto de producto pedida.
• GPT Image 2.5 Flare (41.8 s): una zapatilla sola sobre asfalto mojado de noche, desde un ángulo bajo, el neón desenfocado detrás, color en los charcos y en el acabado brillante, gotas en la puntera, sin texto ni logos. Es lo más cercano a cada línea del encargo.
• Nano Banana 2.1 (47.3 s): una zapatilla sola de cuero mate perforado, la más parecida a cuero real de las tres, con gotas en la puntera. Falló la línea "sin texto": el neón rosa desenfocado del fondo tiene forma de palabra, el suelo parece brillante en vez de encharcado y la zapatilla no es brillante.

Veredicto: GPT Image 2.5 Flare. Es la única que entregó una foto de producto limpia, con reflejos brillantes y sin texto. Sunburst puso la zapatilla en un pie y Nano hizo la zapatilla más realista pero añadió un neón con forma de palabra.

Prueba 4: edición de una sala (1:1)

Esta prueba comprueba una edición que conserve la sala: solo cambia el sofá y llega una planta.

Prompt:

Change the sofa to dark green velvet and put a tall potted fiddle-leaf fig plant on the left side of the sofa. Keep everything else exactly the same: the walls, the window, the coffee table, the books, the rug, the light and the camera angle.

Qué pide: cambiar el sofá por terciopelo verde oscuro y poner a su izquierda una higuera de hoja de violín alta en maceta. Todo lo demás queda igual: las paredes, la ventana, la mesa de centro, los libros, la alfombra, la luz y el ángulo de cámara.

La foto de origen la hicimos con GPT Image 2, un modelo anterior, a partir de un prompt de un sofá de tres plazas de tela gris claro contra una pared blanca, una mesa de centro redonda de roble con dos libros, una alfombra de lana color crema y una ventana grande a la derecha con cortinas translúcidas, con sol de tarde. Los tres modelos recibieron el mismo archivo.

• GPT Image 2.5 Sunburst (43.1 s): un sofá de terciopelo verde oscuro y una higuera alta en una cesta a la izquierda. Las paredes, los dos cuadros, la ventana, las cortinas, los cojines, la manta, la mesa de roble, los dos libros, las letras del lomo, la alfombra, la luz y el ángulo coinciden con el origen. La estantería del extremo izquierdo desapareció y la planta ocupa su lugar.
• GPT Image 2.5 Flare (37.5 s): el mismo resultado que Sunburst, con la higuera a la izquierda, cada elemento pedido y las letras del lomo intactos, y la estantería fuera.
• Nano Banana 2.1 (33.2 s): un sofá de terciopelo verde oscuro y una higuera en maceta blanca a la izquierda, con la estantería intacta. Pero acortó el sofá: movió su extremo izquierdo hacia la derecha para que cupieran la planta, la manta y los cojines, y convirtió las letras del lomo en otras ilegibles. La mesa, la alfombra, la ventana y la luz siguen igual.

Veredicto: empate entre Sunburst y Flare. Los dos conservaron cada elemento pedido, hasta las letras del lomo, y hicieron sitio a la planta quitando la estantería. Nano conservó la estantería pero acortó el sofá y cambió las letras del lomo, y el prompt pedía que los libros no cambiaran.

Resultados por prueba

Todos los menús escribieron bien cada palabra y cada precio, así que esa prueba la decidió la maquetación: GPT trató los guiones largos como separadores y alineó los precios, y Nano los mantuvo. Cada modelo falló además una línea de un encargo: Sunburst hizo una foto de estilo de vida en vez de una de producto, Flare dibujó en el menú y Nano metió un neón con forma de palabra en una foto "sin texto".

Precio y velocidad

OpenAI cobra GPT Image 2.5 por token y no publica un precio por imagen, así que las cifras de abajo son los tokens que facturaron nuestras imágenes por las tarifas de OpenAI.

OpenAI cobra $30 por millón de tokens de salida de imagen, así que una imagen en high son 16,640 × $30 por millón = $0.4992, más 79–160 tokens de texto de entrada a $5 por millón, como mucho $0.0008.

En un móvil los tres se parecen; a tamaño completo el menú en low es algo más blando. Es un solo prompt, así que tómalo como una pista.

Sunburst y Flare facturaron los mismos tokens en la misma calidad: 16,640 en high y 4,224 en medium. La edición en high añadió 1,659 tokens de imagen de entrada a $8 por millón y 56 tokens de texto, unos $0.51.

Las tarifas de lista de Google, revisadas el 25 de octubre de 2026, son $30 por millón de tokens de salida de imagen, $7.50 por millón de tokens de salida de texto y razonamiento, y $1.50 por millón de tokens de entrada.

Nuestra edición con Nano usó 258 tokens de razonamiento y una imagen de entrada de 1,120 tokens, unos $0.054. En high, GPT Image 2.5 cuesta unas 9 veces más por imagen 2K, en medium unas 2.3 veces y en low cuesta menos: $0.033 frente a $0.056.

Nano cuesta más que el precio de imagen que publica Google porque el razonamiento viene activado por defecto en medium y se factura como salida de texto a $7.50 por millón. Nuestra prueba de Qwen Image 3 vs Nano Banana 2.1 midió el mismo efecto.

Los dos proveedores cobran la mitad de la tarifa estándar en los trabajos Batch.

Las calidades low y medium no hicieron más rápido a GPT: los menús en low y medium tardaron 37.3 s en Sunburst y 37.8 s en Flare en medium. Para ver las tarifas actuales de OmniaKey, mira las páginas de Sunburst, Flare y Nano Banana 2.1.

¿Sunburst o Flare?

Sunburst para texto, maquetación y conteos, y Flare para fotos de producto; por token cuestan lo mismo. El consejo de OpenAI es "Choose Sunburst for workflows where editing precision matters most, and Flare for fast, high-quality everyday image generation.". Sus páginas de modelo etiquetan Sunburst como "Highest" con velocidad "Medium" y Flare como "Higher" con "Very fast", ambos con las mismas tarifas por token.

En nuestras ejecuciones los dos facturaron los mismos tokens y dieron ediciones casi idénticas, y Flare hizo la mejor foto de producto. Flare también dibujó en el menú, contó mal los dos frascos y tuvo la mediana más lenta, 41.8 s. La documentación de OpenAI lista dos niveles de calidad más, xhigh y max, que no probamos, y lo que cambió respecto a la generación anterior está en GPT Image 2.5 vs GPT Image 2.

Pros y contras

GPT Image 2.5 Sunburst

• Pros: cada palabra correcta en las dos ejecuciones del menú y con los precios alineados, el conteo de canicas correcto, una edición que conservó cada elemento pedido y la mediana más rápida, 35.5 s.
• Contras: puso la zapatilla en el pie de una persona, escondió un cuarto limón, añadió una taza y un vaso de agua a la escena del menú, y cuesta unos $0.50 por imagen 2K en high.

GPT Image 2.5 Flare

• Pros: la mejor foto de producto y una edición igual de buena que la de Sunburst.
• Contras: dibujó un faro no pedido en el menú, contó mal los dos frascos y tuvo la mediana más lenta, 41.8 s, pese a la etiqueta "Very fast" de OpenAI.

Nano Banana 2.1

• Pros: cada palabra correcta, exactamente tres limones, el romero donde se pidió, la estantería intacta y unos $0.056 por imagen 2K. La documentación de Google le da 4K y hasta 14 imágenes de referencia, que Nano Banana 2.1 vs Pro mide junto a Pro.
• Contras: mantuvo los guiones largos y los precios nunca quedan alineados, siete canicas en vez de cinco, neón con forma de palabra en una foto "sin texto", un sofá acortado y letras del lomo cambiadas en la edición, y tokens de razonamiento en cada imagen.

Qué modelo para cada trabajo

Lanza la misma prueba con una sola API

Esto envía el prompt del menú de la prueba 1 a Sunburst a 2048×2048 y calidad high, tal como lo ejecutamos:

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: harbor-cafe-menu-001" \
  -d '{
    "model": "gpt-image-2.5-sunburst",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads \"HARBOR CAFÉ\". Below it, six items, each on its own line with the price aligned to the right: \"Flat White — $4.50\", \"Oat Latte — $5.25\", \"Cardamom Bun — $3.75\", \"Avocado Toast — $9.00\", \"Shakshuka — $11.50\", \"Lemon Tart — $4.25\". At the bottom, in small italic text: \"Open daily 7am–3pm\". Natural window light, soft shadows, a sprig of rosemary at one corner of the card."},
    "parameters": {"size": "2048x2048", "quality": "high"}
  }'

1. La respuesta es 202 con un id de tarea.
2. Consulta https://api.omniakey.com/v1/media/tasks/{id} cada pocos segundos hasta que status sea succeeded.
3. Descarga la imagen desde assets[0].url.

Cambia model a gpt-image-2.5-flare para Flare. En OmniaKey quality acepta low, medium, high o auto, y medium bajó nuestros tokens de salida de 16,640 a 4,224.

Para Nano Banana 2.1 pon model en gemini-nano-banana-2.1 y parameters en {"aspect_ratio": "1:1", "image_size": "2K"}, porque OmniaKey rechaza size en ese modelo. Para editar, pon operation en edit y envía el origen como input.image con {"data": "<base64>", "mime_type": "image/jpeg"}, manteniendo toda la petición en 1 MiB como máximo. Los modelos GPT Image devuelven PNG y los de Gemini, normalmente JPEG.

Empieza por las páginas de GPT Image 2.5 Sunburst, GPT Image 2.5 Flare y Nano Banana 2.1, y mira la documentación de la API de imágenes para cada parámetro.

Preguntas frecuentes

¿Es mejor GPT Image 2.5 que Nano Banana 2.1?

Por prueba: Sunburst ganó el menú, Flare la foto de producto, y el conteo y la edición de la sala quedaron en empate. El precio va al revés, unos $0.50 frente a unos $0.056 por imagen 2K en high. Elige los modelos GPT para maquetación y para ediciones que debas conservar, y Nano cuando la factura pese más.

¿Cuál es la diferencia entre GPT Image 2.5 Sunburst y Flare?

OpenAI sitúa a Sunburst en la precisión de edición y a Flare en la generación diaria rápida, con Sunburst en "Highest" a velocidad "Medium" frente a "Higher" y "Very fast" de Flare. Los dos usan las mismas tarifas por token y facturaron los mismos tokens en nuestras ejecuciones. Flare dio la mejor foto de producto y Sunburst la maqueta de menú más limpia.

¿Cuántos tokens usa una imagen de GPT Image 2.5?

A 2048×2048 las nuestras facturaron 1,088 tokens de salida en low, 4,224 en medium y 16,640 en high, y la edición añadió 1,659 tokens de imagen de entrada. La calculadora de OpenAI no estima el uso de tokens de 2.5, así que mide un primer lote y multiplica por $30 por millón de tokens de salida.

¿Por qué Nano Banana 2.1 cuesta más que su precio de imagen publicado?

Porque el razonamiento viene activado por defecto en medium y se factura como salida de texto a $7.50 por millón. Nuestras cuatro generaciones usaron una mediana de 730 tokens de razonamiento, unos $0.0055 sobre los $0.0504 de la imagen.

¿gpt-image-2 está obsoleto?

No. La página de obsolescencias de OpenAI no tiene ninguna fila para gpt-image-2, y la guía de imágenes lo sigue documentando. Los más antiguos gpt-image-1-mini, gpt-image-1.5 y chatgpt-image-latest salen de la API el 1 de diciembre de 2026, con Sunburst o Flare como reemplazo, y gpt-image-1 dejó de funcionar el 23 de octubre de 2026.

Registro de cambios

• 26 de octubre de 2026: primera versión, con las cuatro pruebas del mismo prompt hechas el mismo día.