Blog

Guía de uso

Práctica de iteración de prompts con FLUX 3 Image Klein: de la composición de producto a las referencias múltiples

Converger paso a paso la composición, los roles de las referencias y el control de detalles con el método de variables fijas

Nov 18, 2026
Ilustración geométrica de una sección mineral presentada en facetas planas sobre un fondo verde azulado oscuro, con caras en verde turquesa y verde bosque claramente definidas, que sirve como imagen de portada de este artículo.
En esta página

Por qué las imágenes de producto requieren prompts escritos por fases

El error más frecuente con los prompts de imágenes de producto es tratarlos como una redacción que se escribe de una vez: sujeto, materiales, iluminación, fondo, composición, cámara, estilo y descripciones negativas todo metido en un párrafo, y luego generar, mirar el resultado, no quedar satisfecho y volver a cambiar el párrafo entero. El problema es que en una ronda así se modifican a la vez siete u ocho factores, y no puedes determinar qué frase fue realmente la que tuvo efecto; la siguiente ronda suele ser solo otra forma de repetir la misma suerte.

La idea de la iteración por fases es descomponerlo en eslabones con dependencias de orden: primero se define el formato y el nivel de píxeles, luego la posición y proporción del producto en la imagen, después se decide qué rol asume cada imagen de referencia y, por último, se hacen los ajustes de detalle y de la capa de entrega. En cada fase solo se toca el campo que corresponde a esa fase y los demás quedan fijados. Así, las diferencias entre los resultados de cada ronda se vuelven explicables.

Del lado de la llamada, este método corresponde a un conjunto claro de campos: prompt, image_urls, aspect_ratio, resolution, steps, seed, output_format y safety_tolerance. Dividir en fases es, en esencia, decidir qué campos pueden variar en esta ronda.

El método de variables fijas tiene un valor adicional: convierte el prompt en un activo versionable. Si en cada ronda se registra «prompt + conjunto de parámetros + resultado», cuando se adopta una versión de composición puedes rastrear cómo surgió y reutilizarla al cambiar la imagen del producto más adelante.

Puntos de fallo típicos del prompt largo de una sola vez

  • Empezar a acumular adjetivos sin tener clara la dimensión y, cuando la composición ya es estable, descubrir que el formato no sirve para la página de detalles;
  • Meter varias imágenes de referencia juntas sin indicar su rol en el prompt, de modo que el modelo solo puede adivinar cuál es el sujeto;
  • Mezclar palabras de detalle (textura, brillos, material) con palabras de composición en la misma ronda de cambios, de modo que la luz y la sombra quedan claras pero la disposición se desvía;
  • Ajustar repetidamente durante la fase de exploración parámetros de la capa de entrega como output_format y safety_tolerance, generando ruido irrelevante.
Los cristales apilados de una vez tienden a entrar en conflicto; al separar las variables y cambiar solo un punto por ronda, las facetas se vuelven gradualmente nítidas.

Primero el formato y el nivel de píxeles, después el contenido de la imagen

A menudo el problema de composición no es que el prompt esté mal escrito, sino que el formato no era el correcto desde el principio. aspect_ratio determina el formato de salida, con auto por defecto; en ese caso el modelo decide por sí mismo el formato según el prompt y las imágenes de referencia. El modo automático es cómodo en la fase de exploración, pero su decisión no es estable: con el mismo prompt, cambiando ligeramente el orden de las palabras, la salida puede ser vertical o cuadrada.

Cuando el producto final ya está claro (banner de la página de inicio, imagen horizontal de la página de detalles, imagen vertical del feed móvil), conviene fijar aspect_ratio de forma explícita y dejar de permitir que el modelo lo decida. Los valores disponibles cubren desde 21:9, 16:9, 3:2, 1:1 hasta 4:5, 9:16 y otros formatos horizontales, verticales y cuadrados, suficientes para cubrir la gran mayoría de posiciones en los estantes.

resolution es el nivel de píxeles, con valores opcionales 768, 1K, 1.5K, 2K y 4K, y 1K por defecto. El ancho y alto concretos varían con el formato, por lo que forma pareja con aspect_ratio: el formato fija la proporción y el nivel fija la nitidez. En la fase de exploración de la composición se recomienda quedarse en el nivel por defecto, porque en ese momento lo que se juzga es la disposición y la proporción, no la nitidez de los bordes; subir la resolución antes de tiempo solo hace que cada ronda tarde más y no mejora la precisión del juicio de composición.

Cómo corresponde el formato con la posición de negocio

  • Horizontal (como 16:9, 3:2): adecuado para banners de la página de inicio y escenas horizontales, con espacio a los lados del producto para colocar textos;
  • Vertical (como 4:5, 9:16): adecuado para el feed móvil y la primera pantalla de la página de detalles, con el producto normalmente centrado o algo más abajo para mayor estabilidad;
  • Cuadrado (1:1): adecuado para miniaturas de estante y para la imagen principal que debe reutilizarse en varios canales.

Una vez fijados estos dos puntos y después de mover prompt, no confundirás «formato equivocado» con «prompt que no funciona». Si necesitas verificar rápidamente los criterios de los campos, puedes consultar antes la descripción de parámetros en la página del modelo.

Los formatos de distintas proporciones son como las facetas de un mismo cristal: primero se elige la celda y luego se decide qué colocar dentro.

Describir la composición del producto con etiquetas y bbox

El problema de describir la composición con adjetivos es que no es localizable. Frases como «producto centrado, dejar espacio arriba, sombra suave abajo a la derecha» el modelo puede entenderlas, pero el nivel de detalle de esa comprensión varía cada vez. prompt admite combinarse con <etiquetas> y JSON de bbox para especificar la disposición y las regiones de edición local, lo que ofrece una forma de expresión más parecida a «dibujar un boceto».

La forma básica consiste en nombrar las regiones clave de la imagen y luego usar bbox para describir la posición de esas etiquetas. Las etiquetas se encargan de la semántica (esto es el producto, esto es la zona de espacio libre, esto es la zona de proyección) y bbox se encarga de la geometría (dónde está su rango). Así, la descripción de la composición pasa de una imaginación difusa de luces y sombras a un conjunto de definiciones de región legibles, modificables y comparables.

En la práctica se recomienda ser moderado con el número de etiquetas: el sujeto del producto, la zona de espacio libre para colocar textos en posproducción y la zona de proyección o reflejo; normalmente tres bastan. Cuantas más etiquetas, más fácil es que se compriman entre sí y resulte menos directo que ajustar el formato.

Preguntas de autoevaluación en la fase de composición

  • ¿La proporción del producto en la imagen cumple los requisitos del estante? La imagen principal suele necesitar más presencia y el banner más espacio libre;
  • ¿La posición de la zona de espacio libre realmente permite colocar textos, y no queda cortada a la mitad por el borde del producto?
  • ¿La dirección de la sombra coincide con la descripción de la fuente de luz, evitando sombras en ambos lados?
  • ¿Las capas del fondo interfieren con el sujeto? Si se necesita un fondo limpio, debe quedar claro ya en esta fase.

Antes de que la composición sea estable, no conviene añadir con prisa palabras de detalle de material. Las palabras de detalle hacen que el modelo asigne atención a la superficie y tienden a deshacer las relaciones de región que acabas de ajustar.

El lienzo se divide en bloques localizables: la zona principal del producto, la zona de proyección y la zona de texto, como las facetas de una sección mineral.

Asignación de roles de las referencias múltiples: sujeto, estilo y composición

image_urls es un arreglo de imágenes de referencia cuyos elementos son direcciones de imagen; si se omite, es generación puramente a partir de texto. El mal uso más común cuando se admiten varias imágenes es «meter algunas más nunca está de más»: se meten juntas una foto real del producto, una imagen de estilo de la competencia y una referencia de maquetación, pero en el prompt solo se escribe «genera una imagen de producto basándote en estas imágenes». El modelo solo puede repartir responsabilidades por su cuenta y, a menudo, la imagen de estilo contamina la forma del producto o la imagen de maquetación se impone sobre la proporción del sujeto.

La forma correcta es indicar en prompt el rol de cada imagen. Los roles suelen dividirse en tres tipos: sujeto (de qué imagen se toman la forma, la estructura y la paleta del producto), estilo (de qué imagen se toman la luz, la textura y la atmósfera) y composición (de qué imagen se toman la disposición y el espacio libre). Una imagen puede asumir varios roles, pero debe quedar claro en el texto; no se puede dar por hecho que el modelo lo entenderá.

Además, prompt también asume la responsabilidad de «indicar qué contenido de las imágenes de referencia debe modificarse y qué debe conservarse». Es decir, además de declarar quién es quién, hay que declarar qué se copia y qué se cambia. Por ejemplo, conservar la forma del producto, sustituir el fondo, ajustar la iluminación: este tipo de instrucciones deben corresponder una a una con el rol concreto de cada imagen de referencia.

Orden de redacción de la asignación de roles

  1. Primero, una frase que indique qué se quiere en la imagen final (por ejemplo, la imagen principal de un producto);
  2. Declarar una a una el rol de cada imagen de referencia, asociándolas con etiquetas;
  3. Indicar los elementos que se conservan y los que se modifican;
  4. Por último, añadir descripciones generales de atmósfera como el fondo y la iluminación.

El número de imágenes de referencia tiene un límite, pero lo que realmente decide el éxito no es la cantidad, sino si cada imagen tiene una responsabilidad clara. Se puede empezar con una sola imagen de sujeto para validar la composición, luego añadir la imagen de estilo y, por último, la de maquetación, añadiendo solo una cada vez y observando cómo cambia el resultado.

Método de iteración con variables fijas: cambiar solo un punto por ronda

Para convertir la iteración en un proceso, la regla central es una sola: cambiar solo un punto por ronda. En concreto, se fija primero un conjunto de parámetros de referencia y luego, en cada ronda, se sustituye solo un campo: o se cambia una frase de prompt, o se añade o elimina una imagen de referencia.

Se recomienda fijar como referencia seed, steps y los píxeles del formato: seed con un entero fijo, steps cerca del límite superior por defecto para conservar margen de detalle, y aspect_ratio y resolution con los valores determinados en el paso anterior. A partir de ahí, cada ronda de generación reutiliza este conjunto de parámetros y registra los resultados según «qué ronda, qué se cambió, cómo fue el resultado».

Hay que tener una expectativa razonable sobre seed: su función es «reproducir lo más posible el mismo resultado con los mismos parámetros», no garantizar la consistencia. Aunque los parámetros no cambien en absoluto, no hay que suponer que dos salidas son idénticas píxel a píxel; hay que tratarlo como una herramienta para reducir la fluctuación aleatoria, no como una promesa de reproducibilidad. Por eso la versión del prompt y el conjunto de parámetros deben registrarse juntos; de lo contrario, después no se podrá determinar si la diferencia proviene del prompt o de la aleatoriedad.

Plantilla de registro de la iteración de una ronda

  • Número de ronda y objetivo (qué se quiere validar en esta ronda);
  • Instantánea de los parámetros fijos: seed, steps, aspect_ratio, resolution;
  • Única variable de la ronda: qué frase del prompt o qué imagen de referencia;
  • Evaluación del resultado: objetivo alcanzado / sin efecto / introduce un problema nuevo;
  • Siguiente paso: mantener, revertir o abrir otra rama.

Cuando una ronda introduce un problema nuevo, la acción correcta es revertir al conjunto de parámetros anterior y cambiar otro punto, no seguir acumulando parches sobre la versión problemática. Cuando haya varias ramas en paralelo, distínguelas con números para evitar que se mezclen las versiones del prompt.

Ajuste de detalles: steps, resolución y edición local

La fase de detalles llega solo después de que la composición y los roles de las referencias estén estables. En ese momento los campos que se pueden mover son steps, resolution y las regiones de edición local dentro de prompt.

steps es el número de pasos de difusión, con 16 por defecto y un rango de 1 a 16. Cuanto menor es el valor, más rápida es la generación y pueden reducirse los detalles. Su papel es el de un mando de velocidad frente a detalle, no el de un mando de puntuación de calidad: ajustarlo con la composición sin definir no tiene sentido; con la composición ya definida, sirve para obtener texturas y bordes más completos en un tiempo aceptable. Ten en cuenta que no afecta al criterio de facturación, así que el criterio de elección debe ser tu coste de espera, no el presupuesto.

resolution solo merece la pena subirse en esta fase. El valor por defecto 1K basta para juzgar la composición y la asignación de roles; cuando la maquetación esté aprobada y necesites entregar una pieza final con más píxeles, súbelo nivel a nivel y comprueba si con alta resolución aparecen sobreenfoque de materiales o ruido en el fondo. Sube solo un nivel cada vez para poder compararlo.

La edición local depende de las etiquetas y bbox dentro de prompt: primero delimita con etiquetas la región que se va a cambiar y luego indica en el texto qué se cambia dentro de la región y qué se conserva fuera de ella. Un fallo habitual de la edición local es que el borde de la región no coincide con el borde del producto, de modo que se recorta una esquina; por eso, al delimitar se puede ampliar ligeramente y luego restringir con el texto los elementos que se conservan.

Orden recomendado de la fase de detalles

  1. Primero, usar steps para encontrar el equilibrio entre detalle y tiempo de espera;
  2. Después, usar la edición local para corregir defectos puntuales, como sombras demasiado duras o colores parásitos en los bordes;
  3. Por último, subir resolution para producir la pieza final;
  4. Subir solo un nivel o cambiar solo una región cada vez, confirmando elemento por elemento.

Parámetros de la capa de entrega y diagnóstico de problemas frecuentes

output_format y safety_tolerance pertenecen a la capa de entrega. output_format es jpeg por defecto y admite png; elige png si necesitas fondo transparente o un posprocesado posterior, y jpeg es más ligero para publicar directamente. safety_tolerance es la tolerancia de seguridad de contenido, un entero donde 0 es el más estricto y 2 el valor por defecto. Ninguno de los dos debería ajustarse repetidamente durante la fase de exploración de la composición: cambiarlos al principio solo introduce variables ajenas a la imagen; conviene determinarlos de forma unificada cuando la composición ya es estable y se pasa a la producción en lote.

Problemas frecuentes y vías de diagnóstico

  • Se cambió el prompt pero la imagen no cambia: confirma primero si en esta ronda solo se cambió ese punto y luego revisa si el cambio afecta al nivel que el modelo atiende (las palabras de composición cambian en la fase de detalles suelen ser ineficaces);
  • Se ignora una imagen de referencia: revisa si en prompt se declaró un rol explícito para esa imagen y si se indicaron los elementos que se conservan y los que se modifican;
  • Varias imágenes interfieren entre sí: reduce el número de referencias e incorpóralas una a una en el orden sujeto, estilo y composición para localizar cuál está causando el problema;
  • Fallo de reproducibilidad: seed solo reproduce lo más posible; confirma si el conjunto de parámetros y la versión del prompt son exactamente iguales y acepta que todavía hay fluctuación;
  • Formato distinto del esperado: confirma si aspect_ratio sigue en auto; fíjalo explícitamente y después evalúa la composición;
  • Generación más lenta: revisa si subiste demasiado pronto resolution o steps; vuelve a los niveles de la fase de exploración para verificarlo.

Revisar de forma conjunta los criterios de los campos anteriores antes de pasar a la siguiente ronda suele ahorrar una gran cantidad de intentos inútiles. Para los detalles de los campos, puedes consultar la página del modelo flux-3-image-klein.

Trabajar por fases, fijar variables y registrar cada ronda: el valor de este proceso no está en hacer más inteligente al modelo, sino en que cada uno de tus cambios pueda explicarse. Si tratas el prompt y el conjunto de parámetros como código que necesita control de versiones, la producción de imágenes de producto pasará de depender de la suerte a ser una ingeniería reproducible.

Artículos relacionados

Ver todos los artículos →

Empieza a crear con artefactos de IA persistentes

Consigue tu API key y llama a modelos de imagen, vídeo y audio a través de una única API basada en tasks.

Leer la documentación de la API