Ponerse a comparar herramientas de generación y razonamiento visual es algo común en estos tiempos, sobre todo
cuando
los pesos pesados sacan artillería nueva. Por un lado tenemos a Gemini 3.1 con su enfoque y por el otro a
ChatGPT Image 2 (el motor de OpenAI),
midiéndose el aceite en un terreno donde ya no solo importa que la imagen "se vea bonita", sino que entienda
de física, texto y contexto real.
Yo uso los dos desde la aplicación de Adobe Firefly (después haré un post sobre eso) y las
diferencias entre ambos enfoques marcan terreno
rápido. Vamos a evaluar cuatro aspectos clave que me parecen relevantes para saber cuál es mejor para cada
tipo
de proyecto:
1. Comprensión de texto y tipografías incrustadas
Aquí ChatGPT Image 2 ha ganado mucha tracción logrando meter textos dentro de las imágenes sin que parezcan
jeroglíficos. Del lado de Gemini 3.1, he notado
falencias con los textos después de uno o dos ajustes. De hecho siempre hay que recordarle que no modifique o
toque los textos porque en algunos casos los reemplaza por manchas borrosas y los deforma. En general, ChatGPT Image
2 es más confiable para generar imágenes con tipografías legibles y coherentes después de varios cambios.
ChatGPT = 1 | Gemini = 0
Aquí hice la prueba con dos solicitudes de prompt muy similares, pero con resultados distintos. En la primera
imagen (Izquierda), ChatGPT Image 2 logró mantener la tipografía y el estilo del cartel al igual que Gemini,
pero cuando hay
textos diminutos se complica un poco más mantenerlos.
2. Consistencia de personajes y estilos múltiples
Si necesitas mantener la misma línea visual a lo largo de
varias imágenes, la consistencia multi-referencia de Gemini se defiende
bastante bien al jalar contexto de varias imágenes base (Recordemos que Gemini hace parte de Google y esto le
permite generar imágenes a partir de búsquedas). OpenAI, por su parte, maneja muy bien el realismo
fotográfico directo y las texturas orgánicas a la primera pasada.
Aquí voy a poner un empate técnico porque depende mucho de la capacidad del usuario para describir lo que
necesita y de la cantidad de referencias que tengas a la mano. Las dos son buenas opciones.
ChatGPT = 2 | Gemini = 1
3. Velocidad y flujo de trabajo en vivo
Mientras ChatGPT te da una experiencia de generación muy directa y
enfocada en el prompt visual puro, Gemini puede traer
datos, modificar detalles sobre la marcha hablando o pedirle que ajuste proporciones sin tener
que reiniciar el prompt de cero ya que permite crear "ramas" desde otra conversación. De hecho Chat GPT se tarda
unos segundos más en generar la imagen final y para
aquellos usuarios que la hemos usado gratis solo nos permite hacer unos cuantos cambios por día. Gemini nos
ofrece más subidas de
imagen y más cambios por día, lo que lo hace más flexible para iterar rápido. Punto para Gemini.
ChatGPT = 2 | Gemini = 2
4. Control técnico y precisión espacial
Para quienes venimos del diseño industrial o la arquitectura, los dos
siguen pecando a veces de inventarse leyes de la física si no se les acota bien, pero Gemini entiende mejor
las relaciones espaciales complejas si le describes geometrías o distribuciones de espacio con criterio
técnico. De hecho un truco que uso es a veces dibujar o rayar sobre las imágenes para que entiendan mejor la
proporción y la escala. ChatGPT Image 2 es más literal y menos flexible en este aspecto a mi parecer.
ChatGPT = 2 | Gemini = 3
Según mi experiencia, Gemini 3.1 es más versátil para proyectos que requieren iteración rápida y ajustes en
tiempo real, mientras que ChatGPT Image 2 se destaca en la generación de imágenes con tipografía y realismo
fotográfico. La elección entre ambos dependerá del tipo de proyecto y las necesidades específicas del usuario,
pero esta vez Gemini 3.1 se lleva la corona en esta comparativa.
Alejandro Romero
