Guía de prompts de GPT Image 2: estructura, ejemplos e imágenes reales

Un prompt de GPT Image 2 se escribe en el orden de OpenAI: uso previsto, escena, sujeto, detalles, estilo y al final las restricciones, con el texto exacto entre comillas y su posición indicada. En una edición, di qué cambia y enumera qué se queda. Ejecutamos ocho prompts el 27 de octubre de 2026: el texto entre comillas y el recuento salieron exactos, mientras que las ediciones redibujaron detalles pequeños.

La estructura de un prompt de GPT Image 2

La guía de prompting de OpenAI parte de la imagen que necesitas y luego cubre sujeto, composición, estilo y restricciones; para encargos complejos pide secciones etiquetadas en el orden escena, sujeto, detalles, restricciones. El orden del cookbook añade delante el uso previsto, porque nombrar el trabajo (un anuncio, una maqueta de interfaz, una infografía) fija el nivel de acabado. No hace falta ninguna sintaxis especial.

• Texto exacto: ponlo entre comillas, indica posición y tipografía, deletrea las palabras difíciles letra a letra, pide que no haya nada más en el encuadre y después relee. OpenAI sugiere medium o high cuando hay mucho texto, aunque nuestra infografía en low acertó todas las etiquetas.
• Ediciones: escribe "change only X", enumera lo que se queda, repite esa lista en cada ronda y pega la edición aprobada sobre el original cuando una zona deba quedar idéntica.
• Imágenes de referencia: un trabajo por entrada, ya sea paleta, textura o medio, y describe el sujeto nuevo aparte.
• Fotos: pide "photorealistic", describe encuadre y textura, y lee "50mm lens" como una pista del aspecto, no como un ajuste.
• Ajustes: quality es low, medium, high o auto. OpenAI recomienda 1024×1024, 1536×1024 y 1024×1536, y también acepta 2K, 4K y tamaños propios. No publica un límite de longitud del prompt; los nuestros tenían de 248 a 607 caracteres.

La guía de prompting de OpenAI ilustra sus ejemplos con imágenes de GPT Image 2.5, no de GPT Image 2, así que todas las imágenes de aquí son nuestras, hechas con gpt-image-2.

Cómo hicimos las imágenes

• Modelo gpt-image-2 a través de la API asíncrona de medios de OmniaKey el 27 de octubre de 2026 (hora de Pekín), una imagen por llamada y solo con los tres tamaños de imagen que recomienda OpenAI. La calidad fue high en el cartel, la pantalla de la app y una infografía, low en la otra infografía y medium en el resto; no enviamos ajustes de fondo, formato, compresión ni moderación.
• Los prompts 1–4, 7 y 8 generan. Los prompts 5 y 6 editan, con el original enviado en línea como JPEG reducido a 1024 px en su lado largo para no pasar del límite de 1 MiB.
• Los tiempos fueron de 23.1 s a 96.6 s; las ediciones tardaron 43.0 s y 78.9 s. El primer intento de transferencia de estilo falló con un error temporal de "unavailable" a los 131 s y no se cobró; la imagen que ves es el reintento.
• Miramos cada imagen a tamaño completo, revisamos el texto letra a letra, contamos los objetos y comparamos cada edición con su zona original mediante SSIM, donde 1 significa idéntico.
• OmniaKey vende acceso a la API de GPT Image 2, así que ejecutamos los prompts a través de ella. Los precios de abajo son los de lista de OpenAI, no los nuestros.
• Fuentes: la guía de generación de imágenes de OpenAI, su guía de prompting de imágenes, la guía de prompting del cookbook (ahora marcada como archived) y la página de precios de la API, revisadas el 27 de octubre de 2026.

También usamos GPT Image 2 para el primer fotograma del clip de imagen a vídeo de nuestra guía de prompts de Wan 3.0. Cada prompt se ejecutó una vez, así que cada imagen es una sola muestra.

Ocho prompts con imágenes reales

1. Un cartel con texto exacto

Tres líneas de texto exacto, cada una con su posición y su tipografía.

Intended use: a poster for a community event, printed at A3.
Scene: a warm autumn evening in a small-town square, string lights overhead.
Subject: a vintage bicycle with a wicker basket full of apples, centered in the lower half.
Text (exact, render each line once):
Line 1, top, large bold serif: "HARVEST NIGHT MARKET"
Line 2, below it, smaller: "Saturday, November 8 · 5–10 pm"
Line 3, bottom, small caps: "Old Mill Square"
Style: screen-printed poster, three colours (deep red, mustard, cream), visible paper grain.
Constraints: no other text, no logos, no watermark.

En español: un cartel para un evento vecinal impreso en A3, en una plaza pequeña durante una tarde de otoño con guirnaldas de luces, con una bicicleta antigua y una cesta de manzanas en la mitad inferior, y tres líneas de texto con posición y tipografía propias.

Ajustes: generar, 1024x1536, calidad high, 50.3 s.

Resultado: las tres líneas exactas; aparecieron dos añadidos pequeños.

• "HARVEST NIGHT MARKET" en serif grande y negrita sobre dos líneas, con una hoja de roble a cada lado; "Saturday, November 8 · 5–10 pm" conserva el punto y la raya tal cual.
• "OLD MILL SQUARE" en versalitas espaciadas, con la plaza, la aguja y la bicicleta roja, sin ningún otro texto, más las hojas y la luna que no pedimos.

Qué cambiar:

• Si el título tiene que quedar en una línea, dilo así: "title on a single line".
• Para frenar los añadidos pequeños, enuméralos: prueba "no leaves, no moon".

2. Una foto de producto, construida pieza a pieza

Cada casilla de la estructura, rellena para una botella.

Intended use: the hero image on an online shop's product page.
Scene: a seamless pale stone backdrop, soft morning window light from the left, a gentle shadow falling to the right.
Subject: a matte black stainless-steel water bottle with a bamboo cap, standing upright, slightly left of centre.
Details: small water droplets on the bottle, a sprig of fresh mint lying beside it, visible wood grain on the cap.
Photography: photorealistic product photo, 100mm macro lens look, sharp focus on the bottle, background softly out of focus.
Constraints: no text, no logo, no label on the bottle, no other objects.

En español: la imagen principal de la ficha de un producto, con una botella de acero inoxidable negra mate y tapón de bambú sobre piedra clara, luz de mañana desde la izquierda, gotas de agua y una ramita de menta al lado.

Ajustes: generar, 1536x1024, calidad medium, 96.6 s.

Resultado: todo lo que pide el prompt está, y nada más.

• Una botella negra mate con tapón de bambú a la izquierda del centro, gotas por toda la botella, menta en la base y sombras del marco de la ventana cruzando la piedra desde la izquierda.
• El fondo queda desenfocado y sin texto, logotipo, etiqueta ni ningún otro objeto.

Qué cambiar:

• Para un fondo de tienda blanco, descríbelo en la escena: "seamless pure white background". La API de OmniaKey devuelve siempre un PNG opaco.

3. Una infografía en calidad alta y baja

Un prompt, ejecutado dos veces cambiando solo el ajuste de calidad.

Intended use: a one-page explainer for a coffee shop's blog.
Create a clean infographic titled "HOW POUR-OVER COFFEE WORKS".
Layout: four numbered steps in one vertical column; each step has a simple flat illustration on the left and a short label on the right.
Step labels (exact text):
1. "Grind 15 g of beans"
2. "Heat water to 94 °C"
3. "Bloom for 30 seconds"
4. "Pour slowly for 3 minutes"
Style: flat vector illustration, cream background, dark brown and teal accents, plenty of white space.
Constraints: no other text, no logos, every label spelled exactly as written.

En español: una infografía de una página para el blog de una cafetería, con cuatro pasos numerados en una columna, una ilustración plana a la izquierda de cada paso y una etiqueta corta a la derecha, sobre fondo crema con toques marrón oscuro y verde azulado.

Ajustes: generar, 1024x1536, dos ejecuciones: calidad high (73.9 s) y calidad low (50.6 s).

Resultado: las dos escribieron bien cada etiqueta; la de calidad alta añadió texto.

• Las dos escriben bien el título, dibujan el molinillo, la tetera, el filtro y la jarra de vertido, y escriben las cuatro etiquetas exactas, "94 °C" incluido.
• high añadió un segundo "94 °C" junto a la tetera y puso las etiquetas debajo de sus círculos; low mantuvo todas las etiquetas a la misma altura y no añadió nada.

Qué cambiar:

• Empieza en low y compara hacia arriba antes de reescribir el prompt.
• Si la alineación importa, escribe "labels level with the step numbers".

4. Un retrato fotorrealista

Palabras de fotografía más una petición de textura real de piel.

Create a photorealistic candid portrait of a fictional woman in her fifties, a potter, sitting at her wheel in a small studio.
Framing: medium close-up at eye level, like a 35mm film photograph taken with a 50mm lens, shallow depth of field.
Details: real skin texture (pores, fine lines, freckles), grey hair tied back, a denim apron with clay stains, wet clay on her hands, shelves of unglazed bowls blurred behind her.
Lighting: soft daylight from a window on the left.
Constraints: no text, no watermark, natural colours, no heavy retouching.

En español: un retrato natural y fotorrealista de una alfarera ficticia de unos cincuenta años sentada al torno en un taller pequeño, en plano medio corto a la altura de los ojos, con aspecto de foto analógica de 35mm hecha con un objetivo de 50mm y textura de piel real.

Ajustes: generar, 1024x1536, calidad medium, 83.1 s.

Resultado: textura de piel real, con pose forzada y un encuadre más amplio.

• Pelo gris recogido, pecas y líneas finas, delantal manchado de barro, manos húmedas dando forma a un cuenco, cuencos sin esmaltar en las estanterías y luz de día desde la izquierda.
• Mira a cámara y sonríe, así que parece posado, y el encuadre va de la cabeza al torno, más amplio de lo pedido.

Qué cambiar:

• Para un aire espontáneo, di hacia dónde mira: "looking down at the clay, not at the camera".
• Describe también el encuadre con palabras llanas, por ejemplo "from the shoulders up".

5. Transferencia de estilo: una sola tarea para la imagen de entrada

Una edición cuya entrada es nuestro cartel del prompt 1, usado solo por su estilo.

Use the input image only as a style reference: copy its screen-printed look, its three-colour palette (deep red, mustard, cream) and its paper grain.
New subject: a lighthouse on a rocky headland at dusk, with a small sailboat on the sea below it.
Layout: the lighthouse centered, generous empty sky at the top.
Constraints: no text of any kind, no bicycle, no apples, no logos.

En español: usa la imagen de entrada solo como referencia de estilo, copiando su serigrafía, su paleta de tres colores y el grano del papel, y cambia el sujeto por un faro en un cabo rocoso al atardecer con un pequeño velero en el mar.

Ajustes: editar, entrada el cartel del prompt 1, 1024x1536, calidad medium, 43.0 s en el reintento (el primer intento dio un error temporal y no se cobró).

Resultado: la paleta y el grano pasaron; apareció un edificio de más.

• Un faro en un cabo rocoso al atardecer con un velero debajo, en los tres colores del cartel y con su grano de impresión, cielo abierto arriba y sin texto, bicicleta ni manzanas.
• Añadió una pequeña casa del farero junto al faro.

Qué cambiar:

• Si no puede aparecer nada más, enuméralo: prueba "no buildings except the lighthouse".

6. Cambiar una cosa y conservar el resto

Una edición de la foto de producto del prompt 2: un cambio y una lista de ocho elementos que se quedan.

Change only the colour of the bottle, from matte black to matte sage green.
Keep everything else exactly the same: the bamboo cap, the mint sprig, the water droplets, the lighting, the shadow, the camera angle, the framing and the stone background.

En español: cambia solo el color de la botella, de negro mate a verde salvia mate, y mantén igual todo lo demás: el tapón de bambú, la menta, las gotas, la luz, la sombra, el ángulo de cámara, el encuadre y el fondo de piedra.

Ajustes: editar, entrada la foto de producto del prompt 2, 1536x1024, calidad medium, 78.9 s.

Resultado: el color cambió y los detalles pequeños se redibujaron.

• Una botella verde salvia mate en el mismo sitio, con el tapón, la menta, las gotas, la luz y el fondo de piedra iguales a primera vista.
• A tamaño completo la menta se movió, las gotas cambiaron de sitio y la veta del tapón se redibujó; SSIM, donde 1 es idéntico: pared 0.985, mesa 0.93, menta 0.78, tapón 0.65, botella 0.33.

Qué cambiar:

• Cuando una zona deba quedar idéntica píxel a píxel, pega la edición aprobada sobre el original.
• Repite la lista de lo que se queda en cada ronda de ediciones.

7. Recuentos exactos

OpenAI no publica ninguna guía para contar objetos, así que esta receta es nuestra propia prueba.

Intended use: a test of exact object counts.
A top-down photo of a light wooden table with exactly seven red apples and exactly three green pears, arranged in one loose row, nothing else on the table.
Photography: photorealistic, soft even daylight, straight top-down view.
Constraints: exactly 7 apples and exactly 3 pears, no other fruit, no text.

En español: una foto cenital de una mesa de madera clara con exactamente siete manzanas rojas y exactamente tres peras verdes en una fila suelta, sin nada más sobre la mesa.

Ajustes: generar, 1024x1024, calidad medium, 23.1 s.

Resultado: siete y tres, exactos; la fila salió recta como con regla.

• Exactamente 7 manzanas rojas y 3 peras verdes, nada más, vistas desde arriba y con las peras tumbadas.
• La fila es perfectamente recta y regular, así que no siguió lo de "suelta".

Qué cambiar:

• Describe la colocación con palabras llanas: "scattered in a loose, uneven line".
• Mantén los números en la descripción y en las restricciones, como hicimos nosotros.

8. Una pantalla de app con texto de interfaz exacto

Seis textos de interfaz dentro del marco de un teléfono.

Intended use: a design mockup for a pitch deck.
Create a realistic mobile app screen for a fictional plant-watering app called "Sprout", shown inside a plain modern phone frame on a light grey background.
Screen content (exact text):
Header: "Good morning, Maya"
Card 1: "Monstera — water today"
Card 2: "Fiddle-leaf fig — in 2 days"
Card 3: "Snake plant — in 6 days"
Bottom button: "Log watering"
Style: clean rounded cards, soft green accents, readable sans-serif text, generous spacing.
Constraints: no other text, no real brand logos, all text spelled exactly as written.

En español: una maqueta de pantalla de app para una presentación, con la interfaz de una app ficticia de riego de plantas llamada "Sprout" dentro de un marco de teléfono moderno sobre gris claro, y el texto de la cabecera, las tres tarjetas y el botón inferior fijado.

Ajustes: generar, 1024x1536, calidad high, 55.6 s.

Resultado: todas las palabras bien escritas; la maquetación cambió en tres puntos.

• Un marco de teléfono con la forma de un iPhone reciente sobre gris claro, "Good morning, Maya" en dos líneas, tres tarjetas de plantas y un botón verde "Log watering"; todas las palabras bien escritas.
• Cada tarjeta se partió en nombre y estado, así que las rayas desaparecieron, "Sprout" no aparece en ningún sitio y se añadió una barra de estado con "9:41".

Qué cambiar:

• Cita cada línea tal como debe verse en pantalla y da el nombre de la app como texto, con su posición.
• Añade "no status bar" a las restricciones.

Fallos habituales y cómo se corrigen

OpenAI señala tres puntos débiles: la colocación precisa del texto, la coherencia de personajes o marcas entre imágenes distintas y la posición exacta en composiciones sensibles al diseño.

Cuánto cuesta una imagen

OpenAI cobra GPT Image 2 por token: entrada de imagen $8, salida de imagen $30 y entrada de texto $5 por millón de tokens, con Batch a la mitad. También publica precios de salida por imagen para tres tamaños, solo salida, revisados el 27 de octubre de 2026.

Nuestra infografía en calidad alta costó 33 veces la baja, $0.165 frente a $0.005, y fue la que llevaba el texto de más, así que conviene abocetar barato y subir cuando la maquetación aguanta. Nuestras nueve imágenes suman unos $0.72 antes de los tokens de entrada, que estos precios no incluyen. Para las tarifas actuales de OmniaKey, mira la página del modelo GPT Image 2.

Ejecutar estos prompts con la API

La API de medios de OmniaKey tiene tres pasos: crear una tarea, consultar esa tarea hasta que termine y descargar el resultado. Esta es una versión mínima de la petición que enviamos para el prompt 3 con calidad low, sin reintentos ni registro.

pip install requests
export OMNIAKEY_API_KEY="your-key"

import os
import time
import uuid

import requests

API = "https://api.omniakey.com/v1/media/tasks"
HEADERS = {"Authorization": f"Bearer {os.environ['OMNIAKEY_API_KEY']}"}

PROMPT = """Intended use: a one-page explainer for a coffee shop's blog.
Create a clean infographic titled "HOW POUR-OVER COFFEE WORKS".
Layout: four numbered steps in one vertical column; each step has a simple flat illustration on the left and a short label on the right.
Step labels (exact text):
1. "Grind 15 g of beans"
2. "Heat water to 94 °C"
3. "Bloom for 30 seconds"
4. "Pour slowly for 3 minutes"
Style: flat vector illustration, cream background, dark brown and teal accents, plenty of white space.
Constraints: no other text, no logos, every label spelled exactly as written."""

# 1. Create the task. Reuse the same Idempotency-Key only when retrying this exact request.
resp = requests.post(
    API,
    headers={**HEADERS, "Idempotency-Key": str(uuid.uuid4())},
    json={
        "model": "gpt-image-2",
        "type": "image",
        "operation": "generate",
        "input": {"prompt": PROMPT},
        "parameters": {"size": "1024x1536", "quality": "low"},
    },
    timeout=30,
)
resp.raise_for_status()
task = resp.json()
print("task:", task["id"], task["status"])

# 2. Poll the same task until it finishes. Slow is not failed: keep polling this id.
while task["status"] in ("queued", "processing"):
    time.sleep(4)
    task = requests.get(f"{API}/{task['id']}", headers=HEADERS, timeout=30).json()

if task["status"] != "succeeded":
    raise SystemExit(f"task ended {task['status']}: {task.get('error')}")

# 3. Download the image now: the signed URL lasts about an hour.
asset = task["assets"][0]
with open("pour-over.png", "wb") as f:
    f.write(requests.get(asset["url"], timeout=60).content)
print("saved pour-over.png", asset["mime_type"], asset["byte_size"], "bytes")

Una edición es la misma tarea con la operación cambiada y el original en línea:

{
    "model": "gpt-image-2",
    "type": "image",
    "operation": "edit",
    "input": {
        "prompt": "Change only the colour of the bottle, from matte black to matte sage green. Keep everything else exactly the same.",
        "image": {"data": "<base64>", "mime_type": "image/jpeg"},
    },
    "parameters": {"size": "1536x1024", "quality": "medium"},
}

• Varias referencias van en "images": [...] en lugar de "image".
• La petición completa está limitada a 1 MiB, así que reduce el original primero, como hicimos nosotros.
• En OmniaKey, size acepta 1024x1024, 1536x1024 o 1024x1536, y n debe ser 1.
• Los ajustes de fondo, formato, compresión y moderación no tienen efecto: el resultado es un PNG opaco.
• Los trabajos suelen tardar 25–60 segundos, y los nuestros tardaron de 23 a 97 s. La URL firmada dura alrededor de una hora, así que descarga en cuanto la tarea termina bien.

Para la tarifa actual de OmniaKey, mira la página del modelo GPT Image 2 y la documentación de la API de imágenes.

Preguntas frecuentes

¿Cuánto puede medir un prompt de GPT Image 2?

OpenAI no publica un límite: la guía de generación, la de prompting, la página del modelo y la referencia de la API no fijan ningún tope de caracteres ni de tokens. Los nuestros tenían de 248 a 607 caracteres, de 42 a 100 palabras.

¿Cómo evito texto y logotipos de más?

Indica las exclusiones, por ejemplo "no other text, no logos, no watermark", y revisa el resultado letra a letra. Nuestro cartel salió limpio; la infografía en calidad alta añadió un segundo "94 °C".

¿Merece la pena la calidad alta?

En una infografía fue la peor compra: low mantuvo todas las etiquetas alineadas y no añadió nada, mientras que high costó 33 veces más y escribió un "94 °C" extra. OpenAI aconseja abocetar en low y avisa de que un ajuste más alto no garantiza nada.

¿Puede GPT Image 2 crear un fondo transparente?

Sí, como vista previa, y necesita PNG o WebP, porque el JPEG no admite transparencia. A través de la API de OmniaKey el resultado es siempre un PNG opaco; para un fondo de tienda limpio, describe un fondo blanco sin costuras en la escena, como en el prompt 2.

¿Uso GPT Image 2 o GPT Image 2.5?

GPT Image 2 salió el 21 de abril de 2026 y los dos modelos 2.5 el 8 de septiembre de 2026. La guía de prompting de OpenAI describe 2.5 Flare como similar en calidad y más rápido, y 2.5 Sunburst como superior. Mira GPT Image 2.5 frente a GPT Image 2 y GPT Image 2 frente a Nano Banana 2.

Registro de cambios

• 28 de octubre de 2026: primera versión, con ocho prompts ejecutados el 27 de octubre de 2026.