Guía de prompts para GPT Image y ChatGPT Images

Para escribir un prompt controlable de GPT Image, indica el uso previsto, describe el sujeto y la escena, define restricciones de inclusión y exclusión, entrecomilla cualquier texto literal que deba aparecer y elige la superficie que encaje con el trabajo. Trata el primer render como un borrador que compararás con ese brief.

Según la documentación oficial consultada para esta guía, gpt-image-2 es el modelo GPT Image recomendado por OpenAI para nuevos trabajos de generación y edición en la API. En ChatGPT, la experiencia de producto se llama ChatGPT Images (Images 2.0). Esos nombres están relacionados, pero no son intercambiables: los controles de la interfaz de producto no son los mismos que los parámetros de la Image API ni las opciones de la herramienta de la Responses API.

La guía de generación de imágenes de OpenAI sigue listando limitaciones de los modelos GPT Image, entre ellas la colocación o claridad imperfecta del texto, retos de coherencia con personajes o marcas recurrentes, y dificultad con maquetaciones precisas. No trates una buena adherencia al prompt como una garantía.

Esta página es específica de flujos OpenAI. Para craft de imagen portable (sujeto, estilo, iluminación, composición, exclusiones), consulta la Guía de prompts de imagen IA. Para disciplina de iteración más allá de las imágenes, consulta Cómo escribir mejores prompts de IA.

Elige la superficie que encaje con el trabajo. No asumas que ChatGPT Images, la Image API y la herramienta de imagen de la Responses API comparten los mismos controles.

• ChatGPT Images (Images in ChatGPT): crea o edita en el chat o en el hub de Images; sube una referencia; usa el editor de selección o describe las ediciones en la conversación; elige la relación de aspecto con el selector o en el prompt. El Help Center indica que ChatGPT Images puede seguir instrucciones para hacer un fondo transparente. Los resaltados de selección no siempre son precisos, y las ediciones pueden extenderse más allá del área seleccionada. “Images with thinking” es una etiqueta de función de plan de ChatGPT (Plus, Pro y Business según Help); trátala como nombre de modo de producto, no como motivo para pedir cadena de pensamiento oculta.
• Image API (/v1/images/generations, /v1/images/edits): elige directamente un modelo GPT Image como gpt-image-2; es la mejor opción cuando necesitas una sola generación o edición a partir de un prompt con opciones explícitas de size, quality, formato y moderación. Consulta la ficha del modelo gpt-image-2.
• Responses API + herramienta image_generation (herramienta de generación de imágenes): elige un modelo de texto principal compatible; la herramienta usa un modelo GPT Image por debajo. Prefiere esta vía para edición conversacional en varios turnos, File IDs, action opcional (auto, generate o edit) y streaming de parciales. Los ID de modelo GPT Image no son válidos como campo model de Responses. La herramienta puede exponer un revised_prompt; compara la imagen con tu petición escrita, no solo con una reescritura oculta.

Los desarrolladores pueden necesitar completar la Organization Verification en la consola de desarrollador antes de usar modelos GPT Image, incluido gpt-image-2. ID antiguos de GPT Image como gpt-image-1.5, gpt-image-1-mini y chatgpt-image-latest están en una ruta de deprecación documentada hacia gpt-image-2; vuelve a comprobar la página de deprecations el día que publiques. El acceso histórico a DALL·E en ChatGPT sigue disponible mediante el DALL·E GPT según Help; no es el objetivo principal de enseñanza aquí.

Esta guía usa SCQIVE: Subject & scene (sujeto y escena), Constraints (restricciones), Quality & canvas (calidad y lienzo), Inputs (entradas), Verification (verificación) y Edit intent (intención de edición). Es un checklist práctico creado para GetBetterPrompts para flujos de imagen de OpenAI, no un estándar del sector. Ideas relacionadas aparecen en el cookbook de prompts de GPT Image de OpenAI (estructura, restricciones, iteración) y en controles de salida de la API como size, quality y format.

Intended use: [ad / UI mock / poster / photo / icon]
Subject & scene: […]
Constraints: [must include / must avoid]
Canvas: [aspect or size] | Quality: [low/medium/high/auto or ChatGPT default]
Inputs: [Image 1 = …; Image 2 = …; mask = …]
Exact text (if any): "[…]"; typography/placement: […]
Edit intent (if revising): Change only [X]. Keep [identity, pose, lighting, layout, …]
Verification: Compare to request; note mismatches; next single change: […]

Omite las partes vacías. Usa Verification para comprobaciones visibles frente a tu brief. No pidas al modelo que revele cadena de pensamiento privada ni razonamiento oculto como prueba de que una imagen es correcta.

Antes de los controles específicos de OpenAI, cubre lo básico que necesita todo modelo de imagen: sujeto, entorno, estilo o medio, atmósfera de iluminación, encuadre y exclusiones. Nombra un sujeto principal, un entorno, un medio visual y lo que no debe aparecer. El lenguaje de cámara (lente, encuadre) es una pista de look, no un simulador de física.

Mantén esta sección corta a propósito. Para composición más profunda, catálogos de iluminación, apilado de estilos y dirección de color, usa la Guía de prompts de imagen IA. El resto de esta página se centra en ChatGPT Images frente a flujos de API, referencias, máscaras, ediciones en varios turnos y controles de salida.

El cookbook de OpenAI recomienda una estructura consistente: escena, luego sujeto, luego detalles, luego restricciones, e indicar el uso previsto. Los segmentos etiquetados son más fáciles de depurar que un párrafo largo y continuo.

Débil:

Make a cool coffee shop.

Mejorado:

Create a photorealistic lifestyle photo for a cafe homepage hero. Scene: rainy afternoon, foggy street window, warm interior lamps vs cool blue-gray exterior. Main subject: empty window-side table with one ceramic cup and a closed paperback. Composition: wide landscape, subject left third, negative space right for headline overlay. Style/lighting: candid 35mm look, soft window light, natural imperfections. Constraints: no people, no logos, no readable brand names, no watermark, no extra text.

Por qué ofrece más control: el uso previsto, el sujeto, la composición, la iluminación y las exclusiones sustituyen una vibra estética abierta.

Para fotorrealismo, incluye “photorealistic” y pide textura real cuando la quieras. Trata los números exactos de cámara como guía de look. Genera en la relación de aspecto o tamaño de publicación cuando puedas, en lugar de recortar después un encuadre que no encaja.

Pon las palabras requeridas entre comillas, especifica tipografía y colocación, deletrea con cuidado los nombres de marca difíciles y prohíbe etiquetas extra. Para texto denso en la API, sube quality a medium o high. Las Limitations oficiales siguen diciendo que la colocación y la claridad del texto pueden fallar, así que verifica el lettering visualmente.

Débil:

Poster that says summer sale.

Mejorado:

Create a print-ready portrait poster for a retail promo. Exact text: "SUMMER SALE" in bold white sans-serif, centered in the upper third. Secondary text: "Up to 40% off" smaller, directly under the headline. Constraints: no other text anywhere; no logos; high contrast on a deep teal background; leave lower third mostly empty for a product photo later. Quality: medium or high if using the API.

Por qué ofrece más control: cadenas entrecomilladas, colocación, jerarquía y una prohibición de pies inventados hacen que los fallos se puedan diagnosticar. Aun así, espera errores ocasionales de texto y regenera o edita cuando haga falta.

Indica qué cambiar y qué debe permanecer idéntico. El patrón del cookbook es: cambia solo X; mantén identidad, pose, iluminación, colores, fondo y composición. Un cambio por seguimiento mantiene los fallos diagnosticables. Aun así puede haber drift residual; no prometas bloqueo de rostros ni drift de identidad casi nulo.

Débil:

Make it better.

Mejorado:

Change only the cup: replace it with a matte black tumbler. Keep everything else exactly the same: cafe interior, window rain, book, camera angle, color grade, and empty right-side negative space. Do not add people, logos, or text.

Por qué ofrece más control: un solo cambio más una lista explícita de conservación hace que los desajustes sean fáciles de ver y corregir.

En ChatGPT Images puedes seleccionar una región o describir la edición en la conversación. El Help Center advierte que los resaltados no siempre son precisos y que las ediciones pueden desbordarse fuera de la selección, así que nombra también la región en texto.

Indexa cada entrada e indica qué tomar prestado frente a qué reemplazar. La guía de generación de imágenes de OpenAI muestra composición con varias imágenes de referencia (el ejemplo documentado usa cuatro). Di “Image 1…”, “Image 2…” y separa la identidad (mantén esta etiqueta o forma de producto) del préstamo de estilo (iguala solo material o iluminación).

Débil:

Use these images.

Mejorado:

Image 1: product bottle (keep label text and bottle shape). Image 2: marble countertop style reference (borrow material and lighting only). Create a square product photo of the Image 1 bottle standing on a surface matching Image 2’s material. Constraints: do not redesign the label; no extra products; no watermark.

Por qué ofrece más control: los roles indexados evitan que el modelo invente qué foto es el producto y cuál es solo una pista de textura.

Para gpt-image-2, omite input_fidelity; la API procesa las entradas con alta fidelidad y puede costar más tokens de entrada. Vuelve a comprobar la guía actual si usas modelos GPT Image antiguos que aún exponen ese parámetro.

En la Image API y en flujos de herramienta compatibles, proporciona una máscara para indicar la región a reemplazar, más un prompt que describa el contenido nuevo. Requisitos oficiales de la máscara: la imagen y la máscara deben compartir el mismo formato y tamaño, quedar por debajo de 50MB, y la máscara debe incluir un canal alfa.

Si suministras varias imágenes, la máscara se aplica a la primera. El masking con GPT Image está guiado por el prompt; no esperes inpainting quirúrgico perfecto cada vez.

Prompt orientado a máscara mejorado:

Using the provided mask on Image 1, change only the lounge pool water to include one pink flamingo float. Keep architecture, furniture, lighting, and camera angle identical. Do not alter unmasked areas.

Por qué ofrece más control: la máscara acota la región mientras la lista de conservación y la línea “change only” limitan el desbordamiento. Aun así, verifica los bordes visualmente.

En ChatGPT Images, refina con seguimientos naturales: una variable por turno. En la Responses API, continúa con previous_response_id o referenciando un id previo de image_generation_call, y opcionalmente configura action en edit cuando ya hay una imagen en contexto. Forzar edit sin una imagen en contexto produce error; deja action en auto cuando el modelo deba decidir.

Turno 1: usa el prompt mejorado del café hero de arriba.

Turno 2:

Change only the lighting: warmer interior lamps, keep framing, props, and empty right third identical. No new objects.

Turno 3 (si hace falta):

Remove the faint reflection on the window glass only. Keep everything else the same.

Por qué ofrece más control: una variable por turno evita mega-prompts sobrecargados y pilas de estilo contradictorias.

En la API con gpt-image-2, las opciones de quality son low, medium, high y auto. Empieza con low para borradores cuando importen el coste o la latencia; sube para texto denso o assets finales. El formato de salida por defecto es png; también están disponibles jpeg y webp con opciones de compresión.

Los tamaños flexibles están acotados, no son ilimitados. Según la guía actual de generación de imágenes: longitud máxima de borde ≤ 3840px; ambos bordes múltiplos de 16px; relación borde largo a borde corto ≤ 3:1; total de píxeles entre 655,360 y 8,294,400. Las salidas por encima de unos 2560×1440 (3,686,400 píxeles) se tratan como experimentales.

Ejemplos prácticos incluyen 1024×1024, 1536×1024, 1024×1536 y tamaños mayores admitidos listados en la documentación. Vuelve a comprobar la guía en vivo el día que publiques; no asumas “cualquier resolución”.

La transparencia depende de la superficie. El Help de ChatGPT Images indica que el producto puede seguir instrucciones para hacer un fondo transparente. Por separado, gpt-image-2 no admite background: "transparent" en la API ni en la herramienta de Responses; esas peticiones fallan.

No copies un prompt de transparencia de ChatGPT a la API de gpt-image-2 y esperes el mismo comportamiento de parámetro. Si necesitas transparencia en la API, vuelve a comprobar si otro modelo GPT Image aún la admite ese día, o compón offline.

Ejemplo de fondo transparente en ChatGPT Images (producto):

Create a single ceramic mug on a transparent background, centered, soft contact shadow only if needed for grounding. No table, no room, no extra objects, no text, no watermark.

Por qué ofrece más control en ChatGPT: encaja con un comportamiento de producto documentado en Help, con un solo sujeto y exclusiones duras. No es una receta del parámetro API background para gpt-image-2.

La moderación en la API admite auto (por defecto) y low; las peticiones bloqueadas necesitan cambios de prompt o de entrada, no reintentos a ciegas. El precio depende de tokens, quality, size e imágenes de entrada.

Consulta el pricing de la API actual y la calculadora de generación de imágenes en lugar de memorizar importes. El pricing y los límites del producto ChatGPT siguen tu plan de ChatGPT, no las partidas de la Image API.

• Composición débil: añade encuadre, espacio negativo y uso previsto; regenera en la relación de aspecto de publicación.
• Objetos no deseados: añade exclusiones explícitas; usa “change only / remove X”; un pase de objeto cada vez.
• Texto incorrecto: entrecomilla las cadenas; sube quality; prohíbe texto extra; acepta las Limitations oficiales de texto e itera.
• Drift de identidad o de referencia: indexa refs; conserva rostro, outfit o etiqueta; un cambio por turno; vuelve a suministrar la referencia.
• Prompts sobrecargados: vuelve a SCQIVE; reparte estilos conflictivos entre turnos.
• Conflictos de estilo: elige un medio; quita adjetivos que compiten.
• Región equivocada editada: nombra la región; ajusta la selección o la máscara; di “do not alter surrounding objects.”
• Desajuste de capacidad: esperar los knobs del selector de ChatGPT en la Image API, esperar transparencia de gpt-image-2, o usar un ID de GPT Image como model de Responses. Encaja tarea → superficie → ficha de modelo actual.

No pidas cadena de pensamiento privada como verificación. Compara la imagen con la petición escrita y después cambia una sola restricción.

• El uso previsto está indicado (anuncio, UI, foto, cartel, icono…)
• Sujeto, entorno y encuadre son explícitos
• Las restricciones cubren inclusiones y exclusiones
• El texto exacto dentro de la imagen está entrecomillado (o se indica “no text”)
• La relación de aspecto o el tamaño encajan con el recorte de publicación
• La superficie encaja con el trabajo (ChatGPT vs Image API vs Responses)
• La capacidad del modelo encaja con el trabajo (sobre todo transparencia, máscaras, varios turnos)
• Referencias y máscaras están indexadas con roles claros
• Para ediciones: change-only + lista de conservación listos
• Nivel de quality elegido al usar la API (empieza en low para borradores)
• Límites sensibles al tiempo vueltos a comprobar en la página oficial el mismo día
• Plan de verificación: qué compararás visualmente, y el siguiente cambio único
• Ninguna petición de cadena de pensamiento oculta

Un trabajo controlable con GPT Image es un brief de producción claro, la superficie correcta de OpenAI, límites honestos e iteración visible. Mantén separadas la UI de ChatGPT Images, los parámetros de la Image API y la herramienta de imagen de Responses. Usa SCQIVE para organizarte, enlaza a la Guía de prompts de imagen IA para craft visual profundo, y verifica cada render importante frente a tu petición escrita.

Cuando quieras ayuda para afinar un brief de imagen antes de generar, usa la herramienta de prompts de imagen gratuita.