¿Qué modelo de imagen debe escribir las palabras? Cuatro familias, cuatro pedidos distintos

Lograr que un titular, una etiqueta o un letrero salgan bien escritos es el pedido que más separa a los modelos de imagen. Cuatro familias del catálogo de LUVI lo resuelven bien, y lo interesante es que no quieren la misma frase. El 22 de septiembre de 2026, una imagen cotizó 30 créditos en GPT Image 2.5 Flare en su nivel medio, 105 en Qwen Image Max, 120 en Grok Imagine Image 2.0 y 144 en Seedream 5.0 Pro. Esto es lo que te pide cada una.

Seedream: dale una superficie a las palabras

Seedream trata la tipografía como una de sus fortalezas, y su guía pide algo que las demás no: un objeto físico sobre el que está escrito el texto. "Neon sign reading…", "engraved brass plate", "handwritten chalk". Primero la superficie, y después el tipo se especifica como lo haría un diseñador: carácter, peso, caja, color y una posición en la grilla.

Vienen con dos reglas. El texto va entre comillas dobles en el alfabeto de destino, con los glifos reales y nunca romanizado, y el texto sin comillas sale como la idea de un letrero y no como las palabras. Y cada línea se queda en unas tres a cinco palabras.

Qwen-Image: dale una posición y un tratamiento

Qwen-Image está construido alrededor del texto multilínea y bilingüe, y su pedido es el más mecánico de los cuatro: entrecomilla la cadena, di dónde va, di cómo se ve. "A dark blue sign reads "Il Messaggero" in white Gothic lettering, top-left" es todo el patrón.

Las relaciones espaciales se leen al pie de la letra, y por eso "center-right" y "top third" hacen trabajo real. El límite de la familia es el idioma: la documentación de Alibaba dice que el modelo admite chino simplificado e inglés, y que otros idiomas se pueden probar sin garantía.

Grok Imagine Image 2.0: dale una jerarquía

Image 2.0 planifica el diseño, así que quiere niveles y no posiciones. Nombra la pieza —póster de concierto, caja de cereal, pantalla de bienvenida de una app— y después describe la jerarquía: un titular grande, un subtítulo de la mitad de su tamaño, un bloque de créditos de cuatro líneas en la base.

Tiene una maña que conviene prever. Escribir el literal entrecomillado en mayúsculas es lo que hace que el modelo lo trate como contenido a renderizar, y el efecto secundario es que tiende a componer en mayúsculas. Cuando importa la combinación de cajas, entrecomilla sin mayúsculas.

GPT Image 2.5: pocos bloques y una cerca contra el texto fantasma

GPT Image 2.5 acepta el texto entrecomillado o en MAYÚSCULAS, y después quiere que el tipo se describa como una restricción espacial aparte, no metida en la misma frase. Sus dos límites prácticos se diferencian de los otros: deja cada zona de texto en cinco palabras o menos, y mantén pocos bloques, porque varios bloques de texto en un mismo cuadro tienden a fundirse entre sí.

También le sienta bien una cerca explícita contra las letras inventadas ("no other visible words, no random letters, no duplicate text") y afirmar la instancia única: que el eslogan se renderice exactamente una vez.

¿Entonces cuál?

Haz coincidir el pedido con el trabajo, no con el precio.

• Un letrero, una placa, una fachada: texto que pertenece a un objeto. Seedream, porque le hablas por la superficie.
• Varias cadenas colocadas con precisión en un mismo cuadro. Qwen-Image, porque lee la posición al pie de la letra y maneja el texto multilínea de forma nativa.
• Un póster, una portada, el frente de un empaque: texto que es el diseño. Grok Imagine Image 2.0, porque arma la jerarquía por ti.
• Una sola línea corta dentro de una imagen fotográfica. GPT Image 2.5, el más barato de los cuatro en el nivel medio, siempre que mantengas pocos bloques.

Queda una consideración fuera de la pregunta del texto: los modelos de edición. Si las palabras tienen que cambiar sobre una imagen que ya existe, Qwen-Image escribe el reemplazo como una operación con las dos cadenas entrecomilladas, y GPT Image 2.5 quiere el cambio agrupado con una lista explícita de lo que se preserva. Los dos salen más baratos que regenerar el cuadro desde cero y quedarte con otra composición.

Cómo lo verificamos

• Modelos: Seedream 5.0 Pro, Qwen Image Max, Grok Imagine Image 2.0 y GPT Image 2.5 Flare, todos texto a imagen.
• Configuración: una imagen en el tamaño por defecto de cada modelo y en su nivel de calidad por defecto.
• Fecha y qué se leyó: 22 de septiembre de 2026. Cotizaciones de créditos en vivo y contratos de parámetros de los modelos dentro de LUVI, las guías de prompts que LUVI escribió para las cuatro familias y la documentación de Qwen-Image de Alibaba Cloud para el límite de idioma.
• Resultados: 30 créditos en GPT Image 2.5 Flare en medio, 105 en Qwen Image Max, 120 en Grok Imagine Image 2.0 y 144 en Seedream 5.0 Pro. No se generó ninguna salida para este artículo, así que no afirma nada sobre la calidad de los resultados.
• Limitaciones: esto compara lo que pide cada familia, no con qué frecuencia cada una escribe bien una palabra. Eso exigiría una prueba controlada con el mismo texto en las cuatro, y no la corrimos.

En LUVI

Elige la familia por la forma del trabajo y deja que el botón de la pluma, junto al cuadro del prompt, reescriba tu texto en el dialecto de esa familia: es la manera más rápida de ver cuán distinto hay que formular el mismo pedido. La página de modelos lista los precios actuales de cada uno, y cuándo aparece el prompt negativo también importa acá, porque solo algunas de estas cuatro lo tienen.

Las cuentas nuevas arrancan con 200 créditos y pueden sumar hasta 1,500 más verificando un teléfono y una tarjeta. Puedes crear una cuenta de LUVI y resolverlo con tu propio texto.