¿GPT Image 2 puede cambiar solo una pequeña parte de una foto?

Veredicto rápido: una máscara guía, no es un candado

En el ejemplo oficial de OpenAI Developers, el usuario puede proporcionar una máscara si no quiere que el modelo cambie una parte específica de la imagen de entrada. Eso confirma que la máscara forma parte del flujo de edición.

El matiz clave está en la misma documentación: OpenAI advierte que el modelo podría seguir editando algunas partes dentro de la máscara, aunque intentará evitarlo; si se necesita una máscara exacta, recomienda usar un modelo de segmentación de imágenes.

En otras palabras: la máscara sirve para orientar la edición, pero no debe entenderse como una capa bloqueada al estilo de un editor tradicional de imágenes.

Qué confirma realmente la documentación oficial

La información oficial disponible permite sostener tres puntos.

Primero, GPT Image 2 aparece como modelo en la documentación de la API de OpenAI. Eso confirma su existencia en ese entorno documentado, pero no demuestra por sí solo que cada edición vaya a preservar siempre rostros, iluminación, composición o zonas no solicitadas.

Segundo, los ejemplos oficiales de GPT Image incluyen edición con máscara. La documentación indica que se puede aportar una mask cuando se quiere evitar que el modelo cambie una parte concreta de la imagen, y que aun así se necesita un prompt: la máscara y la instrucción textual trabajan juntas para guiar el resultado.

Tercero, OpenAI no describe la máscara como una garantía de precisión absoluta. Al contrario, avisa que el modelo todavía puede modificar partes dentro de la máscara y sugiere segmentación de imágenes cuando se requiere una máscara exacta.

Qué implica para rostros, luz y composición

Si la necesidad es algo como corregir una mancha mínima en una prenda y que el rostro, el tono de piel, la luz, el fondo y el encuadre queden exactamente iguales, la documentación citada no alcanza para prometer ese nivel de control.

La máscara puede ayudar a dirigir la edición hacia una zona, pero la formulación oficial es que el modelo intentará evitar cambios en ciertas partes, no que jamás las tocará.

Esto importa especialmente con materiales sensibles: retratos, fotos de producto, logotipos, empaques, textos visibles, documentos de identidad o imágenes comerciales donde la luz y las proporciones deben mantenerse. En esos casos no basta con que la imagen generada se vea bien a primera vista. Conviene conservar el original y comparar manualmente rasgos faciales, bordes, letras, composición y proporciones antes de aprobar el resultado.

Qué aportan los reportes de la comunidad

En OpenAI Developer Community hay varias publicaciones relacionadas con gpt-image-1 que reportan problemas de edición con máscara: conservación deficiente, máscaras que no limitan la modificación a una zona concreta, inpainting que reemplaza la imagen completa o máscaras ignoradas.

Una respuesta de la comunidad describe el masking de GPT Image como prompt-based y afirma que el modelo regenera la imagen completa, intentando redibujar las áreas no modificadas de forma parecida al original; también señala que puede no seguir la forma exacta de la máscara con precisión total.

Estos reportes se refieren sobre todo a gpt-image-1 y no son una promesa oficial sobre GPT Image 2. Por tanto, no permiten concluir que GPT Image 2 tenga exactamente los mismos problemas. Aun así, encajan con la advertencia oficial de que la máscara puede no ser completamente precisa, por lo que son una señal práctica de riesgo.

Cuidado con las promesas de edición quirúrgica

También existen sitios de terceros que promocionan GPT Image 2 Edit como una herramienta capaz de modificar imágenes de referencia con lenguaje natural y hacer surgical pixel-level edits sin máscaras, capas ni Photoshop.

Ese tipo de afirmación puede leerse como material comercial, pero no debería pesar más que la documentación de OpenAI ni que las pruebas propias. Para decidir si una herramienta puede cambiar solo una zona pequeña y dejar todo lo demás intacto, la referencia más segura sigue siendo la limitación oficial: la máscara ayuda, pero no garantiza exactitud total.

Recomendaciones prácticas antes de usarlo en serio

Si el objetivo es crear bocetos visuales, variaciones para redes, pruebas de concepto o explorar cambios de fondo, la edición con máscara puede ser útil: OpenAI documenta ese flujo de trabajo.

Si el objetivo es una imagen de alta precisión —por ejemplo, un retrato, una foto de producto, una pieza de marca o una imagen con texto importante— conviene aplicar controles más estrictos:

1. Escribe un prompt claro. Aunque uses máscara, OpenAI indica que el prompt sigue siendo necesario; especifica qué quieres cambiar y qué debe conservarse.
2. Prepara bien la máscara si el borde importa. Si necesitas una máscara exacta, OpenAI recomienda recurrir a un modelo de segmentación de imágenes.
3. No trates la salida como versión final automática. La documentación advierte que la máscara aún puede dejar pasar cambios, así que revisa rostro, bordes, texto y elementos de marca.
4. Compara siempre con el original. Para imágenes sensibles a iluminación, proporción o detalles, revisa antes y después en paralelo, no solo si el resultado parece natural.

La frase más segura

GPT Image 2 puede probarse dentro de un flujo de edición localizada, pero la evidencia disponible no respalda prometer que solo modificará una zona pequeña y que el rostro, la luz o la composición quedarán intactos. La documentación oficial permite usar máscaras para guiar la edición, pero también advierte que no son perfectamente precisas; para trabajos exigentes, conviene combinar segmentación, comparación con el original y revisión humana.