ChatGPT Images 2.6: GIF, SVG y edición consistente llegan a ChatGPT, Codex y la API

OpenAI presentó el 4 de noviembre de 2026 ChatGPT Images 2.6, la nueva versión de su generador de imágenes, con una promesa central: producir imágenes hasta 50 por ciento más rápido y mantener consistentes los personajes, productos y detalles de marca a lo largo de varias rondas de edición. La actualización llega al mismo tiempo a ChatGPT, a Codex y a la API, y trae tres novedades concretas para quienes crean contenido: generación de GIF animados, exportación en formato SVG y un control de complejidad que decide cuánto piensa el modelo antes de dibujar (OpenAI, 2026a).

El contexto explica por qué este lanzamiento importa. Según la propia compañía, las personas ya crean 4,000 millones de imágenes por semana entre ChatGPT, Codex y la API, más de 500 millones al día en promedio. A esa escala, una mejora de velocidad y de consistencia no es un detalle menor: define si la herramienta sirve para producción profesional diaria o solo para experimentos aislados. Esta nota reúne lo anunciado, lo que cuesta en la API según la documentación y el análisis de terceros, y lo que aún falta por comprobar (OpenAI, 2026a).

¿Qué es exactamente Images 2.6 y dónde se puede usar?

Images 2.6 es la versión actualizada del generador de imágenes de OpenAI y está disponible desde el 4 de noviembre de forma global en ChatGPT y en Codex para todos los niveles de suscripción, en escritorio, móvil y web. No es una función restringida a planes empresariales: el anuncio indica disponibilidad en todos los niveles desde el primer día. En la API, la oferta se divide en dos modelos con nombres propios: GPT-Image-2.6 Flare, orientado a velocidad, y GPT-Image-2.6 Sunburst, orientado a calidad y consistencia en las ediciones (OpenAI, 2026a).

La tarjeta de sistema, publicada junto al lanzamiento, completa la descripción técnica: Sunburst y Flare mejoran la consistencia de edición, la preservación de detalles y la respuesta a bocetos y anotaciones sobre imágenes. Flare está optimizado para generación rápida, mientras Sunburst rinde mejor cuando la calidad se configura en niveles medio o alto y el trabajo exige que la escena cinco siga pareciéndose a la escena uno. La actualización también añade generación de GIF y marcado de fotos tanto en ChatGPT como en la API, además de salida SVG en la API (Deployment Safety Hub, 2026).

Una novedad con impacto cotidiano es la posibilidad de guardar imágenes de referencia: una persona, una mascota o un personaje pueden quedar registrados para reaparecer de forma consistente en creaciones posteriores. Es la respuesta de OpenAI al problema conocido como cambiar una cosa y que cambie todo, en el que pedir un ajuste pequeño devolvía una imagen irreconocible. La función convierte al generador en una herramienta de continuidad, algo esencial para marcas, mascotas corporativas y series de contenido (OpenAI, 2026a).

¿Qué significa que ahora genera GIF?

Los GIF animados son la novedad más visible. OpenAI propone casos de uso que van desde animar la mascota de una marca para una campaña hasta crear reacciones y memes para redes sociales o guiones gráficos animados para explorar el movimiento de un personaje antes de una producción de video. La compañía muestra ejemplos creados por OpenArt en los que una sola instrucción pide una hoja de sprites de seis cuadros en una cuadrícula de tres por dos, con la misma cámara, el mismo personaje y la misma escena, leída de izquierda a derecha para formar un bucle continuo (OpenAI, 2026a).

Coco Mao, directora ejecutiva y cofundadora de OpenArt, resume el valor así: los GIF son el idioma nativo de las redes sociales y GPT-Image-2.6 permite a cada creador de OpenArt hablarlo con fluidez desde una sola instrucción. La declaración forma parte del material de lanzamiento, así que conviene leerla como lo que es, el testimonio de un socio con acceso anticipado, pero el formato de los ejemplos publicados permite hacerse una idea concreta del resultado esperado (OpenAI, 2026a).

La tarjeta de sistema advierte que los GIF traen riesgos propios y que la pila de seguridad de Images 2.5 se reforzó con salvaguardas específicas para animación. No se detallan públicamente todos los mecanismos, pero el documento sí describe la arquitectura general: revisiones de política basadas en modelos de lenguaje antes de generar, clasificadores que bloquean imágenes de entrada problemáticas, análisis combinado de imagen e instrucción para detectar ediciones maliciosas y una revisión final de la imagen generada antes de mostrarla al usuario (Deployment Safety Hub, 2026).

¿Qué control nuevo da el parámetro de complejidad?

El parámetro de complejidad es independiente de la calidad y controla cuánta planificación hace el modelo antes de dibujar: bajo, medio o alto, siendo alto el valor por defecto. OpenAI recomienda complejidad baja para ediciones rápidas y acotadas, como cambiar un fondo o un rótulo, y media o alta para escenas con muchos elementos, texto denso, maquetas y relaciones complejas entre objetos. La documentación advierte dos cosas que todo desarrollador debe saber: la planificación no cuesta tokens adicionales, pero sí añade latencia, y puede introducir cambios no deseados en la imagen (OpenAI, 2026a).

Junto a ese control llegan dos capacidades pedidas desde hace tiempo. El marcado de imágenes, que ya existía en ChatGPT, llega a la API: los equipos pueden señalar con precisión el punto exacto donde quieren un cambio, en lugar de describirlo con palabras. Y la exportación en SVG produce archivos vectoriales listos para sitios web, aplicaciones e impresión, un formato que evita la pérdida de nitidez al escalar logotipos y gráficos. Itay Schiff, director creativo de Figma Weave, afirma en el anuncio que la combinación de velocidad y control preservando los detalles que definen un personaje, un producto o una marca lo hace útil para producción creativa dentro de flujos reutilizables (OpenAI, 2026a).

¿Qué tan rápido es en la práctica?

La cifra oficial es 50 por ciento más rápido que la versión anterior, y OpenAI precisa que Flare puede generar una imagen en tan solo seis segundos cuando la calidad está en baja. Un desarrollador que registró sus tiempos reales y los compartió, citado en el análisis de i-scoop, midió una imagen de calidad media en 12 segundos con la versión 2.5 y en 8 segundos con la 2.6, y una de calidad baja en 6.7 segundos, muy cerca de los seis prometidos. La mejora de velocidad se sostiene en esa medición, aunque una sola muestra no constituye una evaluación independiente amplia (OpenAI, 2026a; i-scoop, 2026).

El matiz está en el costo de esa velocidad, y aquí el anuncio oficial calla lo que la calculadora de tokens de la propia OpenAI revela. El precio por token no cambió: 8 dólares por millón de tokens de imagen de entrada, 30 por millón de tokens de imagen de salida y 5 por millón de tokens de texto, según la página de precios citada por i-scoop. Lo que cambió es cuántos tokens consume cada imagen: la calculadora aplica un multiplicador de 4.2 en calidad baja, 3.3 en media y 1 en alta y superiores. En términos llanos, un borrador barato de 1024 por 1024 píxeles deja de costar medio centavo para costar unos dos centavos y medio; un equipo que genere mil imágenes de baja calidad al día pasa de 6 a 25 dólares. Desde calidad alta en adelante, nada cambia (i-scoop, 2026).

Hay otro detalle de precios que conviene registrar: la versión 2.5 aparece en la tabla Batch a mitad de precio, mientras la 2.6 no figura allí todavía. Para cargas masivas sin urgencia, esa diferencia puede pesar más que la velocidad. Desarrolladores en foros como Hacker News verificaron los conteos de tokens contra datos de uso real y llegaron a resultados dentro de uno o dos tokens del cálculo oficial, lo que da confianza razonable a la aritmética publicada por i-scoop, aunque sigue siendo un análisis de terceros y no una confirmación formal de OpenAI (i-scoop, 2026).

¿Qué dicen las evaluaciones de seguridad?

La tarjeta de sistema incluye una evaluación automatizada sobre 3,077 solicitudes difíciles diseñadas para producir imágenes contrarias a la política, en categorías como violencia y contenido sexual. Los resultados muestran a los modelos 2.6 en niveles comparables a sus equivalentes 2.5, con diferencias pequeñas en cada categoría; la propia documentación advierte que estos porcentajes no representan la frecuencia real de solicitudes o salidas problemáticas en el tráfico de producción. En otras palabras: son mediciones de eficacia de los filtros bajo presión, no estadísticas de uso cotidiano (Deployment Safety Hub, 2026).

El documento también describe el enfoque de datos: entrenamiento con información pública de internet, contenido de terceros socios y material generado por usuarios o entrenadores humanos, con filtrado para reducir información personal y clasificadores contra contenido dañino o sensible. Son declaraciones del propio proveedor sobre sus procesos, útiles para entender la arquitectura de confianza, pero no auditables desde fuera con la información pública disponible (Deployment Safety Hub, 2026).

¿Qué significa para creadores y empresas en Colombia?

Para un emprendimiento colombiano que produce su propio contenido, la combinación de GIF, referencias guardadas y SVG cambia el flujo de trabajo semanal. Una tienda puede animar su mascota para redes sin contratar animación cuadro a cuadro, mantener al mismo personaje en toda una campaña y exportar el logotipo resultante en vectorial para la web y el empaque. La startup Town, citada en el anuncio, usó los modelos en la API para explorar personajes animados que dieran más personalidad a su asistente de trabajo, un caso replicable por equipos pequeños que antes no podían costear ese nivel de producción (OpenAI, 2026a).

Para agencias y equipos de marketing, la lección práctica está en la aritmética: la producción de bocetos en calidad baja ahora cuesta más de cuatro veces en tokens, así que conviene reservar la calidad baja para pruebas realmente rápidas y planear las iteraciones finas en calidad alta, donde el precio no cambió. Y para quienes manejan datos de personas, la función de guardar rostros de referencia exige una pausa: almacenar la imagen de un empleado, un cliente o un menor como referencia permanente es un tratamiento de datos personales que en Colombia está cubierto por la ley de protección de datos, de modo que la habilitación técnica debe ir acompañada de autorizaciones claras. El anuncio de OpenAI no aborda ese marco local; es una consideración del lector colombiano, no del proveedor (OpenAI, 2026a; i-scoop, 2026).

¿Cómo se comporta frente a la versión 2.5?

La comparación directa ayuda a decidir la actualización de flujos existentes. La 2.5, lanzada en septiembre, ya ofrecía el mismo reparto de modelos: un Flare para velocidad y un Sunburst para detalle. La 2.6 mantiene esa arquitectura y concentra las mejoras en cuatro frentes: consistencia entre rondas de edición, preservación de los detalles que identifican a un personaje, un producto o una marca, respuesta a bocetos y anotaciones dibujadas sobre la imagen, y velocidad de generación. A eso se suman las capacidades nuevas de GIF, marcado en la API, SVG y complejidad configurable. Para un equipo que ya integró la 2.5, la migración no exige rediseñar el flujo: exige recalibrar costos y probar si la promesa de consistencia reduce el número de intentos necesarios por imagen final (Deployment Safety Hub, 2026; OpenAI, 2026a).

El ahorro potencial está precisamente en los intentos. Si antes hacían falta cinco generaciones para recuperar al mismo personaje tras un ajuste, y ahora bastan dos, el costo por imagen útil puede bajar aunque el costo por generación en calidad baja se haya multiplicado. Esa es la apuesta comercial implícita del lanzamiento: vender menos reintentos, no más imágenes. Comprobarla exige una prueba sencilla que cualquier equipo puede hacer en una tarde, generando la misma serie de cinco escenas con ambos modelos y comparando cuántas iteraciones necesita cada uno para mantener la identidad visual (i-scoop, 2026).

¿Qué muestran los ejemplos publicados?

Los ejemplos oficiales son instructivos porque revelan el nivel de precisión que el modelo acepta en las instrucciones. Las hojas de sprites de OpenArt piden un trabajador de oficina en estilo chibi con cabeza grande y cuerpo pequeño, sentado frente a un monitor que muestra una gráfica bursátil, con una secuencia exacta de expresiones: esperanza, sorpresa, llanto y recuperación, o alegría y celebración según la versión. La instrucción especifica cámara frontal fija en tres cuartos, mismo escritorio, mismo fondo de oficina en miniatura, seis cuadros de dimensiones idénticas y una transición suave del sexto cuadro de vuelta al primero para cerrar el bucle. Que el anuncio muestre ese nivel de detalle indica para qué tipo de producción está pensada la herramienta: activos listos para redes y campañas, no solo ilustraciones sueltas (OpenAI, 2026a).

Otro ejemplo parte de un búho dibujado a bolígrafo sobre papel rayado: una foto de un boceto sencillo se convierte en un personaje animado con potencial para videos, juegos y otros formatos. Es la demostración práctica de la respuesta a bocetos que destaca la tarjeta de sistema y una ruta de trabajo interesante para estudios pequeños: dibujar a mano, fotografiar, animar. El flujo invierte el orden tradicional, en el que la animación exigía primero dominar herramientas complejas (Deployment Safety Hub, 2026; OpenAI, 2026a).

¿Qué riesgos nuevos introduce la animación?

La tarjeta de sistema reconoce que los GIF no son simplemente imágenes que se mueven: la animación añade vectores de riesgo, porque un contenido engañoso gana credibilidad cuando tiene movimiento. Por eso las salvaguardas específicas para GIF se suman a la pila heredada de Images 2.5, que ya incluía revisiones de política previas a la generación, clasificadores de imágenes de entrada, análisis combinado de imagen e instrucción para detectar ediciones maliciosas y revisión del resultado final. La evaluación sobre las 3,077 solicitudes difíciles muestra comportamiento comparable al de la generación anterior en todas las categorías medidas, con mejoras puntuales en algunas y retrocesos pequeños en otras, dentro de lo que el documento presenta como variación esperada (Deployment Safety Hub, 2026).

Para quienes publican contenido generado, la recomendación práctica no cambia con la versión: revisar cada salida antes de usarla, especialmente cuando incluye texto, logotipos o figuras reconocibles, y mantener la transparencia sobre el origen sintético del material cuando el contexto lo exija. Las evaluaciones de la tarjeta miden los filtros del proveedor bajo presión; no eliminan la responsabilidad editorial de quien publica (Deployment Safety Hub, 2026).

¿Cómo encaja en Codex y en flujos de desarrollo?

La disponibilidad simultánea en Codex merece atención separada. Un programador que construye una interfaz puede ahora generar y refinar los activos visuales dentro del mismo entorno donde escribe el código, iterar sobre un ícono o una ilustración sin cambiar de herramienta y exportar el resultado en SVG para integrarlo directamente al proyecto. Para equipos de producto pequeños, ese circuito cerrado elimina una de las fricciones más comunes entre diseño y desarrollo: el traspaso de archivos entre herramientas y personas distintas. El anuncio no cuantifica ese beneficio, pero la arquitectura del lanzamiento, con API, Codex y ChatGPT compartiendo los mismos modelos, apunta exactamente a esa integración (OpenAI, 2026a).

En la API, la combinación de marcado de imágenes y parámetro de complejidad habilita flujos automatizados más finos: un sistema puede señalar programáticamente la zona a modificar, pedir una edición de complejidad baja para velocidad y escalar a complejidad alta solo cuando la escena lo exige. Es un nivel de control que acerca el generador a una herramienta de producción industrial y lo aleja del juguete de demostración, siempre dentro de los límites de costo por token ya descritos (OpenAI, 2026a; i-scoop, 2026).

El dato de escala merece una segunda lectura antes de cerrar. Cuatro mil millones de imágenes por semana significa que las decisiones de diseño de esta herramienta, qué filtros aplica, qué formatos exporta, cuánto cobra por iteración, afectan a una porción enorme del contenido visual que circula por internet. Cuando una plataforma con ese volumen añade animación y referencias persistentes de personajes, no está lanzando una función menor: está redefiniendo lo que millones de personas entenderán como producir una imagen. Por eso los detalles aparentemente técnicos de este anuncio, el multiplicador de tokens, el valor por defecto del parámetro de complejidad, la ausencia en la tabla Batch, importan tanto como las novedades llamativas de los GIF (OpenAI, 2026a; i-scoop, 2026).

También conviene registrar lo que el anuncio no trae. No hay integración anunciada con editores de video de terceros más allá de los socios citados, no hay precios nuevos de suscripción para ChatGPT asociados a la versión, y no hay compromiso de fecha para que la 2.6 aparezca en Batch con descuento. Las empresas que planeen presupuestos de fin de año deben trabajar con lo publicado hoy: mismos precios por token, multiplicadores nuevos por nivel de calidad y disponibilidad global inmediata en ChatGPT, Codex y API (OpenAI, 2026a).

Hay, por último, un cambio cultural en cómo se trabaja con estas herramientas que el parámetro de complejidad deja ver. Hasta ahora la lógica era pedir y esperar: una sola instrucción, una sola imagen, suerte con el resultado. La nueva lógica es dirigir: señalar la zona exacta a modificar, decidir cuánto debe planear el modelo, guardar los personajes que deben persistir y exportar en el formato que el proyecto necesita. Esa transición, de usuario que solicita a director que ajusta, es probablemente la novedad más duradera de Images 2.6, más allá de la velocidad y de los GIF que concentran los titulares. Y es también la que más habilidad exigirá: las herramientas que responden mejor a instrucciones precisas premian a quien aprende a darlas (OpenAI, 2026a).

¿Qué queda por verificar?

Lo primero es la consistencia prometida en uso prolongado. El problema de que una edición pequeña rehiciera toda la imagen está en el centro del lanzamiento, y solo semanas de uso real dirán si las referencias guardadas y Sunburst lo resuelven en producción. Lo segundo es el costo efectivo por flujo de trabajo: la diferencia entre generar en calidad baja o alta ahora implica decisiones de presupuesto que antes no existían, y cada equipo tendrá que medir sus propios promedios. Lo tercero es la disponibilidad en Batch y los descuentos asociados, ausentes por ahora para la 2.6. El anuncio ya es usable y está disponible en Colombia desde el primer día; sus números de velocidad y seguridad, en cambio, siguen siendo en su mayoría autorreportados y deben leerse como tales (Deployment Safety Hub, 2026; i-scoop, 2026; OpenAI, 2026a).

Referencias

Deployment Safety Hub. (2026, 4 de noviembre). ChatGPT Images 2.6 system card. OpenAI. https://deploymentsafety.openai.com/chatgpt-images-2-6

i-scoop. (2026, 5 de noviembre). ChatGPT Images 2.6 adds GIFs and remembers your characters, but cheap images now cost four times more in the API. i-scoop. https://www.i-scoop.eu/chatgpt-images-2-6/

OpenAI. (s.f.). Introducing ChatGPT Images 2.6 [Video]. YouTube. https://www.youtube.com/watch?v=bJldMYfRvMQ

OpenAI. (2026a, 4 de noviembre). Introducing Images 2.6. https://openai.com/index/introducing-images-2-6/

OpenAI. (s.f.). Pricing: Image generation. Consultado el 6 de noviembre de 2026, de https://developers.openai.com/api/docs/pricing#image-generation

Pexels. (s.f.). Licencia de Pexels. Consultado el 6 de noviembre de 2026, de https://www.pexels.com/license/