Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · danielball.com
Guía práctica de la generación de imágenes con IA, de la difusión a los agentes
Daniel Ball publica una guía general sobre generación de imágenes con IA: cómo funcionan los modelos, su historia, qué ofrece ChatGPT, cuánto cuesta y cómo integrarla en código y agentes. Se basa en sus propios experimentos con varios proveedores desde Python, entre ellos sprites de pixel art y carteles de restaurante.
1 medio · MadridPublicada 24 oct, 07:10Actualizada 24 oct, 18:55· Ya no está en portadaEscrita por IA · cómo funciona
La guía repasa la historia del campo: de las GAN de 2014 y DeepDream a DALL-E, Midjourney y Stable Diffusion en 2022, Flux en 2024 y los modelos nativos de imagen de 2025, como GPT-4o o Gemini 2.5 Flash Image, apodado Nano Banana. Según el autor, en 2026 OpenAI apaga DALL-E en su API y OpenRouter ya lista más de 60 modelos de imagen de una docena de empresas. Explica también por qué fallaban los dedos y el texto: las manos se aprendían como textura y los tokenizadores troceaban las palabras en vez de letras. Ambos problemas están hoy casi resueltos, aunque el texto largo aún falla a veces.
En el apartado técnico, describe los modelos de difusión, que parten de ruido y lo limpian paso a paso guiados por el texto del prompt, y los multimodales, que generan la imagen dentro de un modelo que también entiende lenguaje y siguen mejor las instrucciones. La frontera entre ambos es borrosa: OpenAI apunta a un híbrido en el que un modelo de lenguaje planifica la imagen como secuencia de tokens y un decodificador de tipo difusión pinta los píxeles, y modelos «de difusión» como Flux usan bloques transformer.
El índice y el resumen añaden las conclusiones prácticas. Se paga por el lienzo y no por el contenido, y los precios varían más de cien veces, desde una fracción de céntimo hasta 15 céntimos o más por imagen. ChatGPT es la vía más sencilla y la menos controlable, y para tareas repetibles conviene la API. Las APIs cambian sin avisar, así que hay que guardar el modelo en configuración y registrar lo recibido. Funcionan mejor los prompts que describen cómo se hizo la imagen (cámara, película, proceso de impresión) que los adjetivos grandilocuentes. El delator de una imagen de IA ya no son los dedos ni la ortografía, sino el gusto: demasiado brillo, demasiado dramatismo y nada que pueda ser simple. Los mejores flujos son híbridos: la IA hace la parte creativa y el código ordinario las exactas, como tamaño, transparencia, paletas y maquetación. Según el autor, un agente multimodal puede escribir el prompt, llamar a la API, mirar el resultado y reintentar, pero el criterio estético sigue siendo humano.
«A practical guide to AI image generation, from diffusion to agents» · puesto 29 · 268 puntos · enviado por westsmith
Lo que dicen los comentarios
Los comentarios se dividen entre quien valora la guía y quien la ve superficial. Hay quien la considera algo que se podría pedir a Claude, o que está escrita con su estilo, y quien echa en falta rigor profesional: capas PSD, texto real con tipografía y paletas de marca respetadas. Otro hilo discute si el pixel art generado vale algo cuando quien lo usa no domina el medio, con el contraargumento de que a muchos jugadores les bastará. También se habla de alternativas: gráficos procedurales y SVG escritos por LLMs, logos generados con código, el uso de ControlNets (donde SDXL sigue destacando al combinar varias) y la ejecución local con ComfyUI frente a los servicios online.
Otra opción para el pixel art es el gráfico procedural: en vez de guardar bitmaps, se guardan instrucciones de dibujo, como un SVG. Así se evitan los problemas de alineación a la cuadrícula, paleta y ruido de los modelos grandes.
Todo esto sigue pareciendo un aficionado trasteando con diez cosas. Para uso comercial hace falta una guía para cambiar una animación dos meses después, con capas PSD, texto real con fuente y la paleta de marca respetada.
Si el usuario cree que se ve bien, ¿no pensarán lo mismo la mayoría de jugadores? No entiendo las quejas de «usa arte de verdad» en juegos, que suelen tener otros fallos visuales más llamativos.
Cuando genero imágenes en local con Flux o Qwen obtengo resultados de uno o dos años atrás respecto a ChatGPT y tardo hasta cinco minutos por imagen. ¿Es problema de hardware, de configuración o es lo que hay?
Los ControlNets se usan mucho y los modelos de edición modernos cubren los casos básicos, pero para combinar varios (profundidad, bordes, segmentación) SDXL sigue sin igual, y es el único que maneja bien el peso de cada uno.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.