Las mejores API de imagen a imagen de 2026: la misma edición, tres modelos, resultados reales

La mayoría de los recopilatorios de "las mejores API de imagen a imagen" solo comparan tablas de parámetros. Nosotros comparamos las salidas. Tomamos una foto de origen —un goteador de café de cerámica esmeralda sobre una encimera de cocina desordenada— y enviamos la instrucción de edición exactamente idéntica a tres modelos de imagen a imagen a través del mismo endpoint de tareas de hiapi, y luego colocamos los resultados uno al lado del otro, sin ningún retoque. Este artículo muestra cada imagen, el prompt exacto, el precio por imagen en tiempo real y las diferencias de esquema de API que solo se descubren cuando realmente se hace la llamada.

La prueba: una imagen, un prompt, tres modelos

Todos los participantes se invocan a través de la API de tareas asíncronas de hiapi:

• gpt-image-2/image-to-image@ext: el endpoint de edición extendido de GPT Image 2: hasta 16 imágenes de referencia, salida 4K y tres niveles de calidad
• nano-banana-2: el modelo principal actual de Nano Banana: edición y generación de imágenes, salida 4K y gran capacidad de renderizado de texto
• nano-banana-pro: el nivel superior de la misma familia, orientado a la calidad de los activos visuales principales

La imagen de origen se tomó deliberadamente desordenada —migas en la encimera, un paño de lino, objetos junto a la ventana— porque así es como se ve una tarea real de "déjalo limpio para publicarlo". (Esta imagen la generamos antes con gpt-image-2/text-to-image; ahora es nuestra entrada de prueba estándar de i2i.)

Cada modelo recibió la siguiente instrucción, palabra por palabra:

Replace the background: put this exact sage green ceramic pour-over coffee
dripper, unchanged - same shape, same matte glaze, same camera angle - on a
polished white marble countertop against a seamless pale warm-grey studio
backdrop. Remove the crumbs, cloth and clutter. Soft diffused studio lighting,
gentle realistic shadow under the product, professional e-commerce catalog
photography. No text.

El clásico reemplazo de fondo para comercio electrónico: conservar el producto, sustituir el entorno. Es el uso comercial más frecuente de una API de imagen a imagen y, además, pone a prueba justo lo que una tabla de parámetros no puede contarte: la fidelidad del sujeto, es decir, si el modelo devuelve tu producto o un clon convincente.

Lo que devolvió cada modelo

gpt-image-2/image-to-image@ext

Cumplimiento de la instrucción excelente: encimera de mármol, fondo continuo gris cálido, desaparición del desorden, sombra de estudio suave y composición de catálogo. Pero mira el producto en sí. El esmalte es más brillante y moteado que el mate original, y el borde presenta una fina línea decorativa marrón clara que no existe en la imagen de origen. La forma, la pared interior estriada y el asa son correctos, pero el material se desvió. Para trabajo conceptual y moodboards eso es irrelevante; para un producto que está a punto de publicarse, tu equipo de operaciones lo detecta al instante.

Esta ejecución usó quality: "medium" y 1K: coste de la imagen $0.061.

nano-banana-2

Este resultado nos hizo volver a comprobar si habíamos mezclado los archivos. El esmalte mate, las estrías, el borde sin esmaltar, el asa e incluso el ángulo de cámara permanecen prácticamente iguales, mientras que la encimera y el fondo se cambiaron a mármol y gris cálido según lo pedido. Si la tarea es "pon este SKU exacto en una escena nueva", en esta prueba nano-banana-2 tiene la mejor fidelidad del sujeto de los tres: $0.085 en 1K, mientras que 2K es más barato ($0.076, consulta los precios abajo).

nano-banana-pro

Misma familia, misma fidelidad: el producto se conserva intacto, la textura mate está intacta y la escena es ligeramente más cálida, con una textura de mármol más marcada: el resultado directo tiene un toque más de "fotografía de revista". Si eso justifica casi el doble de precio frente a nano-banana-2 ($0.17 tanto en 1K como en 2K) depende de la tarea; la ventaja de Pro suele notarse en composiciones complejas con múltiples elementos y en activos visuales principales de máximo nivel, no en un simple cambio de fondo de un solo producto como este.

Tabla comparativa

Modelo	Cumple la instrucción de edición	Conserva la fidelidad del producto	Imágenes de referencia	Salida máxima	Precio por imagen
gpt-image-2/image-to-image@ext	Total	Parcial: el esmalte y el borde se desvían	Hasta 16	4K	$0.007–0.76
nano-banana-2	Total	Casi exacta	Varias	4K	$0.076–0.114
nano-banana-pro	Total	Casi exacta	Varias	4K	$0.17–0.2992

Las observaciones anteriores provienen de una edición controlada ejecutada el 5 de julio de 2026. Sujetos distintos (rostros, tejidos, tipografía) pueden alterar el orden de los modelos; el sentido de este artículo es precisamente que puedes repetir este experimento con tus propias imágenes en pocos minutos.

Precios, verificados con la página de precios en vivo

Todos los precios siguientes se verificaron el 5 de julio de 2026 con la página de precios de hiapi. Todos se facturan por imagen y por uso, sin planes de suscripción.

gpt-image-2/image-to-image@ext se factura por calidad × resolución:

Calidad	1K	2K	4K
low	$0.007	$0.015	$0.022
medium	$0.061	$0.132	$0.217
high	$0.245	$0.535	$0.76

Los modelos de la familia Nano Banana se facturan solo por resolución:

Modelo	1K	2K	4K
nano-banana-2	$0.085	$0.076	$0.114
nano-banana-pro	$0.17	$0.17	$0.2992

Tres consejos prácticos:

• La forma más barata de iterar el prompt de edición es gpt-image-2 en low/1K: $0.007 por intento. Haz prototipos ahí y luego vuelve a ejecutar los prompts finalistas con mayor calidad o en los modelos Nano Banana.
• El nivel 2K de nano-banana-2 es más barato que el 1K ($0.076 frente a $0.085). No hay motivo para no elegir 2K.
• Los niveles de mayor calidad hacen que el renderizado sea más nítido; no cambian el comportamiento de conservación del sujeto. La desviación de material que vimos en medium se convierte en una desviación de material más nítida en high.

Los esquemas de entrada no son intercambiables

Los tres modelos están detrás del mismo endpoint —POST https://api.hiapi.ai/v1/tasks—, pero el esquema de input varía según la familia de modelos, y ahí es donde surgen la mayoría de los errores de la primera integración.

El endpoint de edición de GPT Image 2 recibe image_urls, y tanto quality como resolution son obligatorios:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2/image-to-image@ext",
    "input": {
      "prompt": "Replace the background: put this exact product on a marble countertop...",
      "image_urls": ["https://your-cdn.example.com/source.jpg"],
      "quality": "medium",
      "resolution": "1K"
    }
  }'

Los modelos de la familia Nano Banana reciben image_input, además de aspect_ratio y resolution:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nano-banana-2",
    "input": {
      "prompt": "Replace the background: put this exact product on a marble countertop...",
      "image_input": ["https://your-cdn.example.com/source.jpg"],
      "aspect_ratio": "1:1",
      "resolution": "1K"
    }
  }'

Ambos devuelven el ID de la tarea en data.taskId. Consulta el endpoint de detalles de la tarea hasta que status sea success y luego descarga output[0].url lo antes posible: las URL de salida caducan, así que guarda los bytes de inmediato en tu propio almacenamiento. Nuestras ediciones se devolvieron en pocos minutos en la cola asíncrona en todas las ejecuciones.

Un detalle útil: si envías un nombre de campo incorrecto, la respuesta 400 indica el esquema esperado ("image_urls: missing required field"), así que equivocarte solo te cuesta unos segundos, no una sesión de depuración.

Cómo la edición con múltiples imágenes de referencia cambia las reglas del juego

La edición con una sola imagen de origen es el caso básico, pero ambas familias aceptan más de una imagen de entrada, y ahí es donde ocurre el trabajo de consistencia de productos y personajes:

• El image_urls de gpt-image-2/image-to-image@ext acepta hasta 16 imágenes de referencia: suficiente para introducir todo un tablero de marca (fotos del producto, referencias de color, referencias de diseño) en una sola edición.
• Los modelos de la familia Nano Banana aceptan varias imágenes de referencia en image_input y destacan especialmente en mantener estable el sujeto a través de distintas escenas.

Dos salidas de nano-banana-2 de nuestra propia biblioteca de recursos muestran el efecto en la práctica; ambas se basan en la misma imagen de referencia de una botella y una persona:

El truco está en el prompt: nombra lo que no puede cambiar ("esta botella de sérum exacta, sin cambios: el mismo vidrio ámbar, el mismo tapón cuentagotas negro") y deja que el modelo reconstruya todo lo demás. Encuentra el tutorial completo en nuestra guía de imágenes de producto con Nano Banana.

Cómo elegir

• Editar tu propio producto o personaje, con la fidelidad del sujeto como requisito indispensable → empieza con nano-banana-2. En nuestra prueba ofreció la mejor fidelidad por el precio; elige 2K, que es el nivel más barato.
• Iteración a gran escala y sensible al coste → gpt-image-2/image-to-image@ext en low/1K, $0.007 por intento. Itera de forma barata y luego escala el prompt ganador.
• Flujos de trabajo con tableros de marca que requieren muchas imágenes de referencia a la vez → gpt-image-2/image-to-image@ext, el único de los tres que acepta 16 imágenes de referencia.
• Activos visuales principales 4K de gama alta → nano-banana-pro, pero haz primero una comparación A/B con nano-banana-2 a $0.114/4K: para trabajo con un solo sujeto, la diferencia es menor de lo que sugiere el precio.

Si estás sopesando integrar por separado a cada proveedor de modelos, los criterios que de verdad importan en producción son: un precio por imagen verificable en una página pública, una sola autenticación y un solo bucle de sondeo de tareas en lugar de varios, y la posibilidad de cambiar la cadena de "model" sin reescribir la tubería. Esa es la razón de ser de un endpoint unificado; compáralo con lo que tu stack actual ya ofrece.

Preguntas frecuentes

¿Cuál es la diferencia entre una API de imagen a imagen y una API de texto a imagen? La de texto a imagen genera una imagen solo a partir de una descripción. La de imagen a imagen recibe una o varias imágenes de entrada más una instrucción y devuelve la imagen modificada: reemplazo de fondo, cambio de estilo, edición de objetos o composiciones construidas con varias imágenes de referencia. Los modelos de esta prueba pueden hacer i2i; la mayoría también genera desde cero.

¿Cuál es la API de imagen a imagen más barata de esta comparación? Según el precio de lista, gpt-image-2/image-to-image@ext en calidad low y 1K: $0.007 por imagen. La edición más barata que además conserva el aspecto exacto de nuestro producto es nano-banana-2 en 2K: $0.076.

¿Cuántas imágenes de referencia puedo enviar? gpt-image-2/image-to-image@ext permite hasta 16 mediante el array image_urls. Los modelos de la familia Nano Banana aceptan varias imágenes de referencia mediante image_input, justo para el flujo de consistencia mostrado arriba.

¿Estos modelos pueden renderizar texto en la imagen editada? nano-banana-2 incluye el renderizado de texto como una de sus ventajas principales, y es la opción más segura cuando la edición incluye etiquetas o textos de embalaje. En cualquier caso, revisa el texto renderizado antes de publicar: la tipografía generada por modelos todavía necesita revisión humana.

Haz la prueba con tus propias imágenes

La forma más rápida de resolver "qué modelo de imagen a imagen encaja con mi contenido" es la misma que usamos nosotros: elige una imagen de origen, escribe un prompt de edición y ejecútalo en gpt-image-2/image-to-image@ext, nano-banana-2 y nano-banana-pro: en hiapi son tres POST idénticos, cambiando solo la cadena del modelo. Consigue tu clave de API en la guía de inicio rápido; con los niveles que usamos, todo el experimento de tres modelos cuesta unos $0.32. Menos que el café que puede preparar ese goteador.