Por: Marcos J. Santiago Santos
Actualizado: junio 2026
En 2026 generar una imagen con IA dejó de ser un truco y se volvió una herramienta de trabajo. La uso a diario en proyectos reales —desde conceptos visuales hasta cartas generadas dinámicamente dentro de una app— y aquí te explico, paso a paso, cómo crear las tuyas: primero sin escribir una línea de código, y después desde código si eres desarrollador.
La forma más rápida: sin código (ChatGPT)
Si solo quieres una imagen y no programar nada, este es el camino más directo:
- Abre ChatGPT (en
chatgpt.como la app) con una cuenta activa. - Escribe lo que quieres, empezando con “genera una imagen de…”. Ejemplo: “Genera una imagen de una taza de café sobre una mesa de madera, luz de mañana entrando por una ventana, estilo fotografía de producto.”
- Espera unos segundos. El trabajo pesado ocurre en la nube; tu equipo no hace nada.
- Refina con el chat: “hazla más oscura”, “ponla en formato vertical”, “quita el texto”. Cada mensaje ajusta la imagen anterior.
- Descarga la versión final.
Esto mismo aplica a otras herramientas como Google (Gemini) o Midjourney; cambia la interfaz, pero la lógica —describir, generar, refinar— es idéntica.
La fórmula de un buen prompt
El 90% de los malos resultados son culpa del prompt, no del modelo. Una estructura que me funciona siempre:
[Sujeto] + [acción/pose] + [estilo/medio] + [iluminación] + [encuadre/formato] + [detalles]
Mira la diferencia:
| Prompt débil | Prompt fuerte |
|---|---|
| ”un carro bonito" | "un carro deportivo rojo visto de 3/4, fotografía publicitaria, luz de atardecer, fondo de ciudad desenfocado, formato horizontal" |
| "logo de café" | "logo minimalista de una cafetería, ícono de grano de café, dos colores, fondo blanco, estilo plano vectorial" |
| "una persona" | "retrato de una mujer sonriendo, luz suave de estudio, fondo neutro gris, primer plano, fotografía profesional” |
Reglas rápidas: describe lo que SÍ quieres (las negaciones como “sin manos raras” funcionan peor), menciona el formato desde el inicio, y cambia una variable a la vez al iterar.
Cómo crear imágenes desde código (para developers)
Si quieres generar imágenes dentro de tu propia aplicación, se hace con la API. Con la librería oficial de OpenAI en Python, lo más simple es usar un modelo dedicado de imagen (gpt-image-1):
from openai import OpenAI
import base64
client = OpenAI(api_key="TU_API_KEY")
resp = client.images.generate(
model="gpt-image-1",
prompt="una taza de café sobre una mesa de madera, luz de mañana, estilo producto",
size="1024x1024",
)
# La API devuelve la imagen en base64; la guardas a disco:
img_b64 = resp.data[0].b64_json
with open("cafe.png", "wb") as f:
f.write(base64.b64decode(img_b64))Eso es todo: una llamada, recibes la imagen ya hecha. Si necesitas que la IA razone con datos o use fotos de referencia en la misma petición (mi caso al generar imágenes que dependen de información variable), se usa un modelo multimodal como gpt-5 con la herramienta de generación de imágenes:
resp = client.responses.create(
model="gpt-5",
input=[{"role": "user", "content": [
{"type": "input_text", "text": "una carta de jugador con estos datos..."}
]}],
tools=[{"type": "image_generation", "size": "1024x1024", "quality": "high"}],
)La diferencia: images.generate es directo y perfecto para “dame una imagen de X”; el enfoque con responses + herramienta sirve cuando quieres pasarle contexto, texto largo o imágenes de referencia junto al pedido.
Tamaño y calidad: lo que tú controlas
Dos parámetros afectan directamente el resultado, el tiempo y el costo:
- Tamaño: cuadrado (
1024x1024) o formatos vertical/horizontal. Más resolución = más detalle, pero más caro y más lento. - Calidad: niveles como low, medium o high. Low es rapidísimo y barato para probar; sube a high solo para la versión final.
Flujo recomendado: itera en baja calidad hasta afinar el prompt, y solo entonces genera la versión final en alta. Te ahorra tiempo y dinero.
Una cosa importante: nada de esto usa tu GPU
Cuando usas un servicio en la nube (OpenAI, Google, Midjourney), todo el cómputo pesado ocurre en sus servidores. Tu máquina solo manda el prompt y recibe la imagen. Por eso puedes generar desde un celular o un servidor liviano, y por eso pagas por uso en vez de comprar hardware.
Tu GPU solo entra en juego si corres modelos open source en tu propio equipo, como Stable Diffusion o Flux. Eso te da control total y cero costo por imagen, a cambio de poner tú el hardware, la instalación y el mantenimiento. Para la mayoría de proyectos, una API en la nube sale más práctica; el open source brilla cuando generas a gran volumen o necesitas privacidad total.
¿Cuánto cuesta?
El cobro es por imagen, y el precio sube con la resolución y la calidad. No es una suscripción de hardware: es consumo, parecido a una factura de luz, así que pagas solo lo que generas. Como los precios cambian seguido, revisa el pricing oficial del proveedor antes de planificar un volumen alto: estima cuántas imágenes finales necesitas al mes (las pruebas en baja apenas suman) y multiplica por el costo de la calidad alta.
En resumen
Crear imágenes con IA en 2026 es tan simple como describir lo que quieres —en ChatGPT con una frase, o en tu app con una llamada a la API— y dejar que la nube haga el resto. La clave no es perseguir el último modelo, sino escribir buenos prompts, controlar tamaño y calidad, e iterar. Con eso, la herramienta deja de ser un juguete y se convierte en parte real de tu proceso creativo.
¿Tienes un proyecto donde la IA visual podría ayudar? Hablemos.