GPT Image 2 vs Nano Banana 2 para la generación de imágenes
GPT Image 2 es la mejor opción para composiciones fieles al prompt, control de materiales e iluminación, asociación de atributos a objetos y ediciones que preservan la imagen original. Nano Banana 2 destaca en tipografía multilingüe, contacto entre personas y ampliación de imágenes a distintas relaciones de aspecto, mientras que en gráficos estructurados de interfaz el resultado fue un empate.
Datos comparados
| Característica | GPT Image 2 | Nano Banana 2 |
|---|---|---|
| Desarrollador | OpenAI | |
| Disponibilidad en Banana Pie | Disponible ahora | Disponible ahora |
| Créditos desde | 20 créditos | 40 créditos |
| Resolución máxima | 4K | 4K |
| Imágenes de referencia | Hasta 8 | Hasta 8 |
Caso por caso
El mismo prompt. Dos modelos. Juzga la diferencia entre las imágenes publicadas a continuación.
Materiales e iluminación de producto
Mejor en este caso: GPT Image 2LEFT cumple mejor los requisitos de materiales e iluminación. El llenado hasta la mitad, el reflejo contenido, la refracción y la dirección de la luz desde la parte superior izquierda son más claros y presentan una mayor coherencia física.
- Se ve exactamente un frasco de perfume rectangular y transparente, sin texto, logotipo ni objetos adicionales: Empate. Ambos muestran un frasco rectangular en posición vertical y no hay texto, logotipos, plantas ni accesorios independientes visibles; la forma similar a un frasco situada en el lado derecho de RIGHT es claramente un reflejo en la superficie mojada.
- El frasco está visiblemente lleno hasta la mitad con un líquido ámbar: LEFT lo hace mejor. El líquido ámbar alcanza un punto medio claro y nivelado en el cuerpo del frasco, mientras que el nivel de llenado de RIGHT parece estar algo por debajo de la mitad.
- La refracción del vidrio y el reflejo sobre la piedra negra mojada presentan coherencia física: LEFT lo hace mejor. Los bordes del vidrio y los tonos ámbar se refractan de forma consistente, y el único reflejo se extiende de manera natural bajo el frasco. RIGHT muestra un reflejo separado del frasco a la derecha, además de un intenso patrón ámbar proyectado, lo que hace que la óptica de la superficie sea menos coherente y menos sutil.
- La iluminación desde la parte superior izquierda produce reflejos consistentes y una sombra de contacto plausible: LEFT lo hace mejor. La iluminación intensa desde la parte superior izquierda, los reflejos del vidrio y la sombra que se extiende hacia la parte inferior derecha concuerdan claramente. RIGHT también presenta luz desde la parte superior izquierda y una sombra hacia la derecha, pero la intensa proyección ámbar y el reflejo que parece independiente reducen la consistencia de la iluminación.
Prompt y ajustes utilizados
Prompt
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
Tipografía multilingüe
Mejor en este caso: Nano Banana 2RIGHT sigue exactamente la composición solicitada de cuatro líneas para el cartel, mientras que LEFT divide incorrectamente la primera línea en dos.
- Exactamente cuatro líneas de texto centradas y ningún texto adicional: RIGHT lo hace mejor. Muestra exactamente cuatro líneas centradas, mientras que LEFT presenta "MOONLIGHT MARKET" en dos líneas, como "MOONLIGHT" y "MARKET", lo que da lugar a cinco líneas de texto visibles.
- Texto y orden exactos: RIGHT lo hace mejor. Sus líneas dicen exactamente "MOONLIGHT MARKET", "月光市集", "18 OCT" y "RIVER HALL", en el orden solicitado. LEFT contiene el mismo texto y respeta el orden, pero divide la primera línea requerida en "MOONLIGHT" y "MARKET".
- Colores requeridos: Empate. Ambos muestran "月光市集" en rojo y "MOONLIGHT MARKET", "18 OCT" y "RIVER HALL" en negro.
- Legibilidad, espaciado y alineación: RIGHT lo hace mejor. Las cuatro líneas son claramente legibles, están centradas sobre un eje común y presentan un espaciado limpio. LEFT es legible y está centrado, pero la primera frase, sobredimensionada, salta de línea y hace que el espaciado general sea menos uniforme.
Prompt y ajustes utilizados
Prompt
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
Anatomía humana y contacto
Mejor en este caso: Nano Banana 2Right muestra en conjunto una acción de modelado de cerámica más clara y plausible, pese a la ambigüedad y la distorsión de la mano superior. Left permite distinguir algo mejor el número de dedos, pero presenta anomalías más evidentes en las puntas de los dedos y en la forma de las manos.
- Exactamente dos manos completamente visibles: Empate. Ambas imágenes contienen visiblemente un alfarero y exactamente dos manos, sin personas ni manos adicionales; ninguna mano queda cortada por el encuadre.
- Cada mano tiene exactamente cinco dedos diferenciados y de forma natural: Left lo hace mejor. Los cinco dedos se pueden contar con mayor facilidad en ambas manos de la imagen izquierda, aunque varias puntas se superponen; en la derecha, el número de dedos de la mano superior es ambiguo porque algunos están parcialmente fusionados u ocultos, y uno de los dedos laterales parece inusualmente alargado.
- Los dedos, las articulaciones y el contacto con la arcilla son anatómicamente plausibles: Right lo hace ligeramente mejor. La mano interior y la mano exterior de apoyo forman un agarre de modelado más claro y creíble, mientras que la imagen izquierda presenta dedos con aspecto hinchado y puntas amontonadas que parecen parcialmente fusionadas. La mano superior derecha aún tiene un dedo lateral visiblemente extraño, por lo que la ventaja es limitada.
- El cuenco de arcilla, el torno giratorio y la acción de modelado se reconocen con claridad: Right lo hace mejor. El cuenco y el torno en movimiento se ven con claridad en ambas imágenes, pero la derecha muestra de forma más definida una mano modelando el interior mientras la otra sostiene la pared exterior.
Prompt y ajustes utilizados
Prompt
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
Conteo y vinculación de atributos
Mejor en este caso: GPT Image 2LEFT sigue de forma más completa la composición solicitada. Ambas imágenes respetan correctamente las cantidades, los atributos y la orientación de la taza, pero RIGHT incumple el requisito de que no haya objetos adicionales visibles.
- Criterio 1: Empate. Ambas imágenes contienen visiblemente exactamente tres cubos rojos en fila a la izquierda, exactamente dos esferas azules a la derecha y una taza amarilla centrada detrás de los grupos.
- Criterio 2: Empate. Ambas asocian el rojo a los cubos, el azul a las esferas transparentes similares al vidrio y el amarillo a una taza de apariencia cerámica. Los cubos de RIGHT muestran una veta de madera más evidente, mientras que los objetos de LEFT siguen correspondiendo visiblemente a las categorías y los materiales solicitados.
- Criterio 3: Empate. En ambas imágenes, el asa está claramente unida a la taza y se extiende hacia la derecha.
- Criterio 4: LEFT lo hace mejor. LEFT muestra únicamente los objetos solicitados y ningún texto, mientras que RIGHT incluye visiblemente una planta en maceta y otros elementos de una habitación al fondo. No hay texto visible en ninguna de las imágenes.
Prompt y ajustes utilizados
Prompt
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
Composición publicitaria
Mejor en este caso: GPT Image 2Left sigue más fielmente la composición solicitada, principalmente por el origen más claro de la estela en la esquina inferior izquierda y por una zona superior vacía más definida. Ambas incumplen el requisito de que no haya más texto al incluir "AERO" en la zapatilla.
- Exactamente una zapatilla plateada y una estela naranja: Left lo hace mejor. Ambas muestran una zapatilla plateada en la parte inferior derecha, pero la estela naranja de Left entra claramente desde la esquina inferior izquierda y se curva hacia el interior de la escena; la estela de Right atraviesa la parte inferior desde el borde derecho antes de curvarse hacia la izquierda.
- Único texto visible: Empate. Ambas reproducen correctamente "RUN LIGHT" y "42 KM", pero también muestran visiblemente el texto adicional prohibido "AERO" en la zapatilla.
- Espacio superior y ubicación del titular: Left lo hace mejor. Left deja una zona claramente despejada y considerablemente más alta que el margen superior solicitado, con "RUN LIGHT" justo debajo, en la parte superior izquierda. Right también tiene cielo vacío sobre el titular, pero el margen está más cerca del límite requerido.
- Visibilidad y jerarquía de los elementos: Empate. Ambas mantienen completamente visibles el titular, la insignia, la estela y la única zapatilla, con una jerarquía clara entre el titular y el producto; ninguna presenta un recorte o una superposición importante que oculte un elemento requerido.
Prompt y ajustes utilizados
Prompt
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
Gráfico de interfaz estructurado
Depende de la tareaAmbas imágenes cumplen los cuatro criterios de evaluación. Sus diferencias estilísticas no aportan una ventaja significativa según dichos criterios.
- Título y columnas: Empate. Ambas reproducen el título exacto "CHOOSE YOUR PLAN" y exactamente tres columnas etiquetadas como "STARTER", "PRO" y "TEAM".
- Filas: Empate. En ambas imágenes, cada columna contiene exactamente tres filas alineadas y etiquetadas como "PROJECTS", "STORAGE" y "SUPPORT".
- Botones: Empate. En ambas imágenes, cada columna tiene exactamente un botón azul con la etiqueta "SELECT".
- Alineación y contenido adicional: Empate. Ambas muestran tres columnas distribuidas uniformemente y ningún texto adicional. LEFT incluye iconos en las filas, mientras que RIGHT utiliza líneas divisorias, pero ninguna de estas diferencias entra en conflicto con este criterio.
Prompt y ajustes utilizados
Prompt
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
Vinculación y edición de objetos con seis referencias
Mejor en este caso: GPT Image 2La imagen de la izquierda sigue con mayor fidelidad la edición basada en varias referencias, especialmente al conservar la escena base y las posiciones originales de los cuatro objetos sustituidos. La de la derecha reproduce con más precisión la pareja de limones, pero introduce cambios espaciales más importantes.
- Sustitución de la taza y la toalla: La izquierda lo hace mejor. Ambas muestran la taza azul marino con borde dorado y la servilleta de rayas verdes y blancas, pero la izquierda conserva mejor el espacio que ocupaba la taza original, la orientación del asa y la ubicación de la toalla; la derecha reduce el tamaño de la taza y cambia considerablemente el ángulo y la forma plegada de la servilleta.
- Sustitución de la pera y el cuaderno: La izquierda lo hace mejor. Ambas eliminan la pera y el cuaderno azul originales y muestran exactamente una naranja y el cuaderno de tapa dura amarillo mostaza con una banda elástica negra, pero la izquierda sitúa ambos reemplazos más cerca de sus respectivas posiciones y orientaciones en la escena base.
- Dos limones: La derecha lo hace mejor. Ambas colocan exactamente dos limones a la derecha de la taza, sin objetos adicionales, pero la derecha conserva mejor la disposición de la pareja de referencia, con los limones en contacto, e incluye la hoja unida al limón izquierdo; la izquierda omite la hoja y separa más los limones.
- Conservación de la escena base: La izquierda lo hace mejor. La posición de la cámara, el encuadre, las vetas de la mesa, la separación entre objetos y las sombras en general se mantienen mucho más cerca de la Referencia 1, mientras que la derecha desplaza y cambia el tamaño de varios objetos y modifica más la composición original.
Imágenes de referencia
Prompt y ajustes utilizados
Prompt
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
Sustitución de texto dentro de la imagen
Mejor en este caso: GPT Image 2Ambos resultados logran una sustitución del texto limpia y exacta, pero el de la izquierda sigue con mucha más fidelidad la instrucción de limitar la edición al texto, al preservar el resto de la imagen original.
- Sustitución exacta del texto: Ambas imágenes muestran exactamente "NIGHT OWL" y eliminan por completo "MORNING BEAN".
- Sin caracteres deformados: Ambas muestran letras limpias y bien formadas, sin caracteres adicionales, duplicados ni deformados.
- Tipografía, espaciado y perspectiva: La izquierda se acerca más a la referencia, al conservar el estilo de letras altas en mayúsculas sin remates, el amplio espaciado, el tamaño de las letras y la perspectiva original del letrero. La derecha también resulta convincente, pero sus letras son algo más pequeñas y están más juntas, con un punto de vista considerablemente distinto.
- Conservación de materiales, iluminación y escena: La izquierda lo hace claramente mejor. Mantiene casi exactamente el encuadre de referencia, la geometría de la fachada del local, la textura del letrero, las posiciones de las lámparas, las sombras, las plantas, las ventanas, la puerta y el banco. La derecha cambia el recorte y el punto de vista y reconstruye de forma visible muchos detalles del entorno, incluidas las proporciones de la fachada, las ventanas, la jardinera, el banco, las lámparas y el follaje.
Imágenes de referencia
Prompt y ajustes utilizados
Prompt
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
Transferencia de identidad y prendas con múltiples referencias
Mejor en este caso: GPT Image 2La izquierda logra una mejor transferencia en conjunto: conserva con mayor fidelidad a la persona y la composición original, y reproduce mejor la chaqueta de referencia, de lavado claro y sin desgaste.
- Identidad, expresión, pelo, pose, proporciones corporales y encuadre: La izquierda lo hace mejor. El rostro, la expresión, la disposición del pelo, la posición de las manos, la anchura de los hombros y el recorte coinciden estrechamente con la Referencia 1, mientras que la derecha cambia de forma notable la estructura facial, la expresión, la disposición del pelo, las proporciones corporales y el encuadre.
- Material, color, cuello, botones, bolsillos y parche de la manga de la chaqueta: La izquierda lo hace mejor. Reproduce con mayor fidelidad el tejido vaquero azul pálido sin desgaste de la Referencia 2, el grueso cuello de borreguillo color crema, la geometría de los bolsillos del pecho, los herrajes de color bronce, la distribución de las costuras y el parche rojo en la parte superior de la manga. La derecha introduce un tejido vaquero más oscuro y marcas blancas de desgaste ausentes en la referencia, y su parche queda menos visible.
- Sustitución completa sin maniquí ni fondo de producto: Ambas están a la par. Las dos eliminan por completo la chaqueta de traje negra y muestran la chaqueta vaquera en la escena interior original, sin trasladar el maniquí invisible ni el fondo blanco de producto.
- Manos, ajuste de la prenda, oclusión, sombras e iluminación: La izquierda lo hace mejor. Conserva con mayor fidelidad las manos originales y su superposición, mientras que las mangas, los puños, los pliegues y la iluminación desde la izquierda se integran de forma coherente en la escena. La derecha también resulta verosímil, pero cambia de forma más visible las manos y la pose, y la chaqueta parece más plana y holgada.
Imágenes de referencia
Prompt y ajustes utilizados
Prompt
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
Reiluminación coherente de escenas
Mejor en este caso: GPT Image 2La izquierda recrea de forma convincente la iluminación de la hora dorada y conserva la habitación original con mucha más fidelidad. La derecha presenta sombras direccionales más marcadas, pero sus amplios cambios en la composición y los objetos incumplen la restricción principal de la edición.
- La luz cálida de la hora dorada entra claramente por la ventana izquierda: La izquierda lo hace mejor; el sol bajo brilla de forma visible a través de esa ventana y proyecta un claro haz cálido por la habitación, mientras que la derecha también es cálida, pero el origen de la luz resulta menos evidente.
- Las luces y la dirección de las sombras responden de forma coherente a la nueva fuente de luz: La derecha lo hace ligeramente mejor; la mesa, el sofá, la planta y la lámpara proyectan sombras intensas y orientadas de forma uniforme hacia la derecha por efecto de la luz de la izquierda, con sombras direccionales especialmente claras sobre la alfombra y la pared. La izquierda es coherente, pero algunas sombras son más suaves y su definición es menos uniforme.
- El resultado va más allá de un filtro amarillo uniforme: La derecha lo hace mejor; las zonas de brillo localizado, las sombras proyectadas intensas y la alternancia de luces y sombras sobre el sofá, la alfombra, el suelo y la pared crean un cambio de iluminación espacial muy marcado. La izquierda también añade iluminación y sombras localizadas, en lugar de limitarse a cambiar el color.
- No se mueve, añade, elimina ni rediseña ningún mueble ni elemento decorativo: La izquierda lo hace mucho mejor; conserva fielmente la composición de referencia, las posiciones de los objetos, sus proporciones y sus diseños. La derecha cambia el encuadre y desplaza o redimensiona de forma notable la ventana, la planta, el sofá, la lámpara, la mesa y la alfombra, además de alterar detalles como la estructura de la mesa y las proporciones del sofá.
Imágenes de referencia
Prompt y ajustes utilizados
Prompt
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
Outpainting entre distintas proporciones
Mejor en este caso: Nano Banana 2La derecha conserva la composición de referencia con mucha más fidelidad y logra una ampliación del paisaje igual de natural y sin uniones visibles.
- Formato 16:9 con contenido nuevo y natural a ambos lados: Ambos resultados presentan ampliaciones convincentes del paisaje, con continuidad del cielo, el océano y la playa a izquierda y derecha; están a la par en este criterio.
- La imagen original completa permanece centrada, sin recortes ni estiramientos: La derecha lo hace mejor. El horizonte, la línea de costa, la posición de la cabaña y su escala conservan casi exactamente las proporciones verticales de la referencia, mientras que la izquierda reduce el tamaño de la cabaña y desplaza ligeramente hacia abajo el horizonte y la línea de costa.
- La cabaña original, la línea de costa y la composición interna se mantienen intactas: La derecha lo hace mejor. La anchura de la cabaña, el perfil del tejado, la ubicación de la puerta, los soportes, la línea de costa y el horizonte se ajustan mucho más a la referencia. La izquierda modifica de forma más notable las proporciones de la cabaña y varios detalles estructurales.
- Sin uniones visibles, relleno reflejado ni objetos repetidos: Ambas carecen de uniones visibles y no muestran reflejos simétricos ni objetos repetidos evidentes. La derecha queda algo más limpia porque sus ampliaciones laterales prolongan la costa abierta sin añadir la forma de relieve distante que la izquierda introduce en el extremo derecho del horizonte.
Imágenes de referencia
Prompt y ajustes utilizados
Prompt
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
Preservación del producto al cambiar de escena
Mejor en este caso: GPT Image 2La izquierda logra una edición que conserva mejor el original. La derecha integra la zapatilla en la cancha mojada al anochecer de forma algo más natural, pero la izquierda mantiene con mucha más fidelidad la geometría, los detalles de construcción, el ángulo de visión y la marca lateral distintiva de la zapatilla de referencia.
- Cancha de baloncesto mojada al anochecer: La derecha lo hace ligeramente mejor. Ambas muestran una cancha exterior mojada con una canasta, una valla, un cielo al anochecer y un pavimento reflectante, pero las líneas de la cancha y la transición de tonos cálidos a fríos en la iluminación vespertina de la derecha hacen que el entorno resulte más reconocible y cohesionado.
- Fidelidad de la zapatilla: La izquierda lo hace mejor. Su silueta, el cuello acolchado, la altura de la lengüeta, la construcción de los paneles, el trazado de las costuras, el refuerzo texturizado de la puntera, el grosor de la suela y el ángulo de cámara de tres cuartos se mantienen mucho más cerca de la referencia. La derecha adopta una vista lateral más plana y cambia varias proporciones, especialmente en el cuello, la puntera y la suela.
- Marca geométrica negra del lateral: La izquierda lo hace mejor. Su marca conserva el segmento horizontal corto de la parte trasera, la diagonal ascendente, la rama superior y la rama delantera descendente de la referencia, con una posición y unas proporciones más fieles. En la derecha, la rama superior es más corta y el símbolo en conjunto está más comprimido y girado.
- Coherencia física: La derecha lo hace ligeramente mejor. La zapatilla se apoya con firmeza en el pavimento, su reflejo invertido se alinea de forma natural debajo de ella y los colores del atardecer se extienden de forma coherente por la superficie mojada. La izquierda también logra un contacto y unos reflejos convincentes, pero el reflejo del primer plano es inusualmente grande y está visualmente distorsionado en relación con la zapatilla.
Imágenes de referencia
Prompt y ajustes utilizados
Prompt
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
Coste y latencia
GPT Image 2 parte de 20 créditos, mientras que Nano Banana 2 parte de 40 créditos, por lo que GPT Image 2 es la opción que requiere menos créditos por generación. En la pequeña muestra de latencia de esta ejecución, GPT Image 2 registró entre 81370 ms y 189546 ms, mientras que Nano Banana 2 registró entre 57125 ms y 122746 ms; estas observaciones corresponden únicamente a esta ejecución y no son cifras de referencia.
Cómo comparamos y declaración de transparencia
Usamos un único prompt fijo por escenario con cada modelo y publicamos los resultados seleccionados. Las imágenes públicas incluyen una marca de agua de Banana Pie. Banana Pie ofrece acceso de pago tanto a GPT Image 2 como a Nano Banana 2.
Banana Pie ofrece acceso de pago a este modelo junto con otros modelos en un mismo estudio. Nuestros veredictos proceden de pruebas realizadas mediante el mismo sistema que usan nuestros usuarios.