OpenAI GPT-Image-2 en ComfyUI: generación de imágenes con razonamiento

OpenAI GPT-Image-2 (gpt-image-2) es el modelo de imagen más reciente de OpenAI, disponible en ComfyUI a través de los Nodos asociados. Es el primer modelo de imagen de OpenAI que razona antes de generar: en lugar de un muestreo de una sola pasada, el modelo planifica la composición, verifica su trabajo e itera. Este nodo admite:

• Generación de texto a imagen con un manejo sólido de texto denso, elementos de UI, iconografía, infografías, mapas, diapositivas y paneles de manga
• Edición de imágenes con alta fidelidad estructural a una resolución de hasta 2K
• Hasta 8 imágenes consistentes a partir de un solo prompt, conservando la continuidad de personajes y objetos

GPT-Image-2 se selecciona como una opción de model en el nodo OpenAI GPT Image 2.5 de la Biblioteca de nodos. El nodo llama a la API de generación de imágenes de OpenAI de forma síncrona y devuelve imágenes que coinciden con la descripción.

​

Para qué es bueno GPT-Image-2

​

Generación guiada por razonamiento

GPT-Image-2 planifica la composición antes de renderizar. Eso lo hace muy adecuado para prompts que históricamente rompían a los modelos de imagen: por ejemplo, un póster con una lista de siete elementos con viñetas en Helvetica de 11pt, centrado: y produce resultados limpios con texto denso, elementos de UI pequeños, iconografía, infografías, mapas y diapositivas.

​

Edición de imágenes que conserva lo importante

GPT-Image-2 realiza ediciones puntuales con fidelidad estructural: mantiene todo lo que queda fuera de la zona editada estable píxel a píxel mientras aplica el cambio solicitado de forma limpia a una resolución de hasta 2K. Úsalo para tareas como colorear fotos en blanco y negro o pasar una escena del mediodía al atardecer sin deformar rostros, geometría ni detalles finos.

​

Hasta ocho imágenes coherentes por prompt

El modelo puede devolver hasta ocho imágenes distintas a partir de un solo prompt manteniendo la continuidad de personajes y objetos a lo largo de la serie. Esto resulta útil para storyboards, hojas de referencia, vistas de personaje y variantes de producto sin fijar la semilla ni hacer malabares con el prompt. Envía el lote directamente a un nodo Save Image o encadénalo a un flujo de trabajo de video más adelante.

​

Flujos de trabajo híbridos

GPT-Image-2 encaja de forma natural en flujos de trabajo híbridos: úsalo para el fotograma principal con mucho texto y luego pasa a tus modelos locales para ampliación, estilización o generación de video: el mejor modelo para cada paso, en un solo gráfico.

​

Salidas de ejemplo

Generación de texto a imagen con composición guiada por razonamiento: Edición de imagen sobre una imagen de entrada, preservando la estructura fuera de la zona de edición:

​

Primeros pasos

1. Actualiza ComfyUI a la última versión (v0.19.4 o posterior) o usa Comfy Cloud.
2. En la Biblioteca de nodos, busca OpenAI GPT Image 2.5 y agrega el nodo.
3. Establece el campo model en gpt-image-2.

​

Flujos de trabajo disponibles

​

Texto a imagen (T2I)

Genera una imagen a partir de un prompt de texto con la composición basada en razonamiento de GPT-Image-2.

​

Edición de imagen

Edita una imagen de entrada con alta fidelidad estructural a una resolución de hasta 2K.