AI Pin Maker es un estudio de IA todo en uno recién lanzado para la generación de imágenes, videos, pines de esmalte personalizados y álbumes. Se destaca por su enrutamiento multi-modelo a través de más de 28 modelos subyacentes, permitiendo transiciones fluidas entre tareas en una única sesión y cuenta.
OpenAI ha lanzado la última versión de su generador de imágenes con IA, ChatGPT Images 2.0, que ahora puede buscar en la web para crear imágenes más sofisticadas a partir de una única instrucción. Impulsado por el nuevo modelo GPT Image 2, esta característica con "capacidades de pensamiento" está disponible para suscriptores de ChatGPT Plus y planes superiores.
Gemini ahora puede usar datos de Google Fotos para generar imágenes personalizadas que reflejan el estilo y los gustos del usuario. Esta función, denominada 'Inteligencia Personal', utiliza información de las aplicaciones de Google conectadas para crear imágenes basadas en el contexto individual del usuario.
GPT Image 2 es un modelo de imagen práctico centrado en producir elementos visuales utilizables para desarrolladores, diseñadores y equipos de contenido, destacando en el manejo de texto y diseño. Mejora los modelos anteriores al renderizar texto y gestionar el diseño de forma fiable, siendo ideal para maquetas y conceptos de interfaz.
El ERNIE Image de Baidu es un modelo de texto a imagen de código abierto centrado en generar imágenes de alta calidad con texto legible y soporte bilingüe chino-inglés. Destaca en composiciones estructuradas como diseños de carteles y escenas de cómics, siendo útil para diversos flujos de trabajo creativos.
Esta investigación optimiza sistemáticamente la inferencia de modelos de difusión en tiempo real en el Apple M3 Ultra, explorando varias técnicas como la conversión CoreML y la cuantificación. El estudio logró 22.7 FPS para la transformación img2img de 512x512 combinando la conversión CoreML del SDXS-512 con una tubería de cámara de 3 hilos.
Este contenido presenta tres ideas clave derivadas de Playground v2.5, centrándose en métodos para mejorar significativamente la calidad estética de las imágenes producidas por modelos de generación de texto a imagen. Probablemente profundiza en detalles técnicos que mejoran el atractivo visual y la coherencia artística.
OpenAI lanzó el modelo gpt-image-2 el 21 de abril de 2026, que renderiza hasta 2.000 píxeles y soporta siete relaciones de aspecto con hasta 8 imágenes coherentes por llamada. Este nuevo modelo presenta un modo de pensamiento para el diseño y la tipografía, mejorando drásticamente la representación de texto y gráficos.
ByteDance ha lanzado BAGEL, un modelo multimodal de 7B parámetros de código abierto bajo la licencia Apache 2.0. Unifica la generación, edición, transferencia de estilo y comprensión de imágenes en una sola arquitectura, apuntando a la implementación en dispositivos.
Este contenido anuncia la introducción de MAI-Image-2.5, un nuevo modelo de IA desarrollado por Microsoft. Destaca los últimos avances en las capacidades de IA de Microsoft, específicamente para tareas relacionadas con imágenes.
Este artículo explora cómo ChatGPT contribuye a la generación de imágenes, las tecnologías subyacentes y las implicaciones para desarrolladores, artistas y empresas. La capacidad de crear imágenes a partir de descripciones textuales agiliza los procesos y democratiza el arte, mejorando la productividad.
El autor intentó usar varias herramientas de IA de texto a imagen para figuras científicas, pero descubrió que fallan constantemente en la representación de texto. Esto se debe a que los modelos tratan el texto como píxeles, y solo una herramienta de ilustración científica específica funcionó.
El artículo aborda la naturaleza del desperdicio en el arte generativo, donde se crean y descartan múltiples variaciones. El autor reflexiona sobre el valor de las imágenes "casi elegidas", viéndolas como una visión del proceso de pensamiento de la IA antes de seleccionar un resultado final.
Este contenido describe una prueba A/B en raxxo.shop utilizando tres imágenes generadas por Magnific y Vercel Edge Config para evaluar el impacto de un recorte más ajustado en la tasa de clics (CTR). Una configuración de una hora llevó a una variante que superó el control en un 18,4% después de 11 días, y el artículo proporciona el cableado y el esquema exactos.
Este tutorial enseña a generar imágenes panorámicas equirrectangulares de 360 grados usando GPT Image 2 dentro de ChatGPT. También explica cómo ver estas imágenes de forma interactiva en un visor basado en navegador y cómo incrustarlas en sitios web.
El autor, un desarrollador con presupuesto cero, utilizó herramientas de IA gratuitas para crear fotos de productos profesionales para su aplicación, superando un bloqueo creativo. Comparte esta experiencia para ayudar a otros creadores independientes a generar activos visuales de alta calidad sin costo.
El texto describe un servidor MCP llamado "prompt-to-asset" que enruta inteligentemente las solicitudes a uno de más de 30 modelos de imagen según los requisitos de la tarea, superando las limitaciones de los wrappers de modelo único. Destaca la complejidad de construir esta lógica de enrutamiento, dadas las diferentes fortalezas de varios modelos de imagen, como la renderización de texto, los fondos transparentes y la adherencia al estilo.
Midjourney es reconocida como el motor de IA generativa de imágenes más potente estéticamente, operando con una filosofía que enfatiza la creatividad compartida. Aunque comenzó como un bot de Discord, ha evolucionado a una suite creativa completa con interfaz web, APIs y capacidades multimodales, enfocándose en democratizar la creación visual de alta fidelidad.
Bonsai Image 4B de PrismML es una familia de modelos de generación de imágenes que utiliza pesos de 1 bit o ternarios para ejecutar difusión de alta calidad directamente en dispositivos como iPhones. Este modelo logra una compresión de 8,3 veces, reduciendo su tamaño de 7,75 GB a 0,93 GB, manteniendo hasta el 95% de la calidad original.
Este artículo describe cómo automatizar la creación de imágenes Open Graph dinámicas utilizando un pipeline de backend que alimenta las tendencias visuales en Gemini Flash. Esto elimina la necesidad de plantillas codificadas y el diseño manual, garantizando la previsibilidad y evitando las "alucinaciones" de la IA.