Ranking de Image Edit Arena 2026 — Actualización de Febrero

El Ranking Completo

Treinta y cuatro modelos. Siete organizaciones. Millones y millones de comparaciones de la comunidad. He enlazado todos los modelos para que puedas probarlos tú mismo — porque ninguna reseña debería pedirte que confíes solo en la palabra de alguien.

Qué Cambió en Febrero

La brecha en la cima se está reduciendo. Cuando escribí por última vez sobre este ranking en enero, chatgpt-image-latest-high-fidelity (20251216) mantenía una ventaja cómoda. Ahora gemini-3-pro-image-preview-2k (nano-banana-pro) le pisa los talones — 13 puntos de diferencia en un campo donde los cuatro primeros están separados por solo 23. Eso es esencialmente un empate técnico una vez que se tiene en cuenta la variación en los patrones de votación de la comunidad.

Cuatro nombres aparecieron en este ranking que no estaban aquí en enero. hunyuan-image-3.0-instruct de Tencent aterrizó directamente en el puesto #6 — sin calentamiento, sin subida lenta, directo al top diez. p-image-edit de Pruna apareció en el #22, un comodín de una empresa conocida por la optimización de modelos en lugar de la construcción de modelos. Alibaba agregó wan2.6-image en el #18 y wan2.5-i2i-preview en el #25, expandiendo silenciosamente su huella de edición de imágenes a cuatro modelos en total. Black Forest Labs ahora divide explícitamente su línea Klein en flux-2-klein-9b (#15) y flux-2-klein-4b (#24), haciendo transparente el intercambio de recuento de parámetros.

Pero el titular de febrero no es sobre quién ganó o perdió algunas posiciones. Es sobre un modelo que no podía dejar de usar.

nano-banana-pro: La Elección de los Profesionales

Quiero ser honesto contigo de una manera que los números del ranking no pueden ser. La arena dice que chatgpt-image-latest-high-fidelity (20251216) es el #1. Mi historial de edición dice algo diferente. Durante las últimas tres semanas no usé nada más que gemini-3-pro-image-preview-2k (nano-banana-pro) para mi trabajo con clientes — cada reemplazo de fondo, cada reajuste de color, cada eliminación de objeto, cada corrección de iluminación. Lo que pasó fue simple: dejé de buscar cualquier otra cosa.

He estado observando a la comunidad de cerca. Los servidores de Discord, los hilos de Reddit, las capturas de pantalla de flujo de trabajo real que la gente comparte en X. Cuando los profesionales publican sus comparaciones de edición de antes y después, el modelo que sigue apareciendo no es ChatGPT. Es nano-banana-pro. No porque gane algún voto de preferencia abstracto, sino porque la gente está entregando trabajo real con él.

Aquí está la capacidad que me convenció. Le di una instrucción de cuatro partes: "Elimina el coche aparcado en la entrada, extiende el jardín para llenar el espacio, iguala la iluminación de la tarde en la hierba nueva y añade un sutil destello de lente desde la posición del sol." Cuatro demandas en capas en una sola pasada. nano-banana-pro clavó las cuatro. El jardín reconstruido tenía la dirección de sombra correcta. El destello de lente estaba en el ángulo correcto con respecto a la fuente de luz. He probado este mismo prompt en cada uno de los cinco mejores modelos. La mayoría maneja dos instrucciones antes de que la coherencia comience a romperse. ChatGPT maneja tres en un buen día. nano-banana-pro manejó cuatro sin inmutarse.

La variante 2K — gemini-3-pro-image-preview-2k (nano-banana-pro), actualmente en el puesto #2 — maneja la edición de alta resolución con una compostura que no he visto en otro lugar. A 2K, muchos modelos introducen artefactos de ringing alrededor de bordes afilados o pierden detalles finos en patrones repetitivos como tela tejida, paredes de ladrillo o copas de árboles. nano-banana-pro los conserva. El hermano de resolución estándar en el puesto #3 ha acumulado más de medio millón de evaluaciones de la comunidad — ese tipo de volumen te dice que la gente lo prueba una vez y se queda.

Lo que llamo "inteligencia de edición contextual" es donde este modelo lidera genuinamente el campo. No solo ejecuta cambios a nivel de píxel — capta la relación semántica entre los elementos de una escena. Elimina a una persona de una foto grupal, y reconstruye el espaciado social de forma natural, ajustando el lenguaje corporal de los sujetos adyacentes en lugar de simplemente pintar un parche plano. Cambia una escena de verano a otoño, y modifica no solo el follaje sino los ángulos de sombra, la temperatura de la luz ambiental y la forma en que las superficies reflejan la luz difusa. Esto no son trucos de ingeniería de prompts. Este es un modelo que ha interiorizado cómo se ve el mundo físico.

Espero que nano-banana-pro supere la posición #1 de ChatGPT dentro del próximo ciclo de clasificación. La trayectoria está ahí. Google está iterando en la arquitectura nano-banana más rápido de lo que OpenAI está iterando en el modo de alta fidelidad, y las ventajas prácticas en la edición de múltiples pasos le dan un impulso que los benchmarks de edición única luchan por capturar.

La Precisión Quirúrgica de OpenAI

Quiero ser justo con OpenAI, porque merecen crédito por una genuina excelencia en ingeniería. chatgpt-image-latest-high-fidelity (20251216) en el puesto #1 está ahí por una razón. La designación "high-fidelity" es nueva desde mi última revisión, y los refinamientos del pipeline de salida son visibles. Donde ChatGPT sobresale es en ediciones aisladas y quirúrgicas. "Cambia solo el color de los ojos a verde" — lo hace con cero sangrado en los tonos de piel circundantes. "Reemplaza el texto en el letrero sin alterar el desgaste del letrero" — conserva la textura de la superficie mientras intercambia contenido. Esa especificidad es genuinamente inigualable.

OpenAI coloca cuatro modelos en el top 31: chatgpt-image-latest-high-fidelity en el #1, gpt-image-1.5-high-fidelity en el #4, gpt-image-1 en el #29, y gpt-image-1-mini en el #31. La brecha entre su mejor nivel y su nivel económico es significativa — 285 puntos — lo que sugiere que OpenAI ha concentrado su inversión en edición en la cima en lugar de construir una línea amplia. Si estás usando OpenAI para edición de imágenes, estás pagando por el buque insignia o te estás conformando.

Las Caras Nuevas

hunyuan-image-3.0-instruct de Tencent es la mayor sorpresa de la que nadie está hablando. #6 al llegar. Eso no es una subida lenta — es un modelo que apareció listo. Tencent ha dominado la IA en idioma chino durante años, pero esta es la primera aparición seria de Hunyuan en un benchmark global de edición de imágenes. La designación "instruct" importa: este es un modelo arquitectónicamente ajustado para comandos de edición en lugar de generación. En mis pruebas maneja prompts bilingües — inglés y chino — con fluidez nativa en ambos, lo que abre flujos de trabajo reales para equipos que operan en varios idiomas.

Bytedance continúa teniendo la lista más amplia. Cinco modelos se extienden desde seedream-4.5 (#5) hasta seededit-3.0 (#30). seedream-4.5 sigue siendo su joya de la corona para la transformación artística — dile "haz que este retrato parezca un Rembrandt" y no solo calienta los colores; simula pinceladas, iluminación de claroscuro y textura de lienzo. seedream-4-2k en el puesto #8 maneja el trabajo de alta resolución, mientras que seedream-4-fal (#20) y seedream-4-high-res-fal (#13) cubren caminos de inferencia más rápidos. Bytedance no está construyendo un solo campeón — están construyendo un conjunto de herramientas completo.

Alibaba se expandió silenciosamente a cuatro modelos. qwen-image-edit en el puesto #16 ha acumulado más de 1.7 millones de evaluaciones de la comunidad — adopción orgánica masiva. El más nuevo qwen-image-edit-2511 en el puesto #14 está subiendo rápido. Y los dos modelos Wan — wan2.6-image (#18) y wan2.5-i2i-preview (#25) — señalan que Alibaba está invirtiendo seriamente en la transformación de imagen a imagen como su propia categoría de producto.

Reve ocupa tres posiciones en el top 23. reve-v1.1 en el #10 y reve-v1 en el #12 son editores competentes de gama media, y reve-edit-fast (#23) ofrece una alternativa optimizada para la velocidad. p-image-edit de Pruna en el puesto #22 vale la pena observar — Pruna se especializa en compresión y optimización de modelos, por lo que probablemente sea un enfoque destilado que golpea por encima de su peso de parámetros. Y en el puesto #34, step1x-edit de StepFun ancla la lista como una línea base de código abierto que mantiene honesto al ecosistema.

La Ventaja del Open Source

Para aquellos de nosotros que construimos productos sobre estos modelos, hay una dimensión que el ranking no captura: independencia. Black Forest Labs ahora ocupa **nueve posiciones** — más que cualquier otra organización. Desde flux-2-max en el puesto #9 hasta flux-1-kontext-dev en el #28, este es un espectro completo de compensaciones calidad-velocidad que puedes ejecutar en tu propia infraestructura.

La línea Klein cuenta una historia de ingeniería interesante. flux-2-klein-9b (#15) y flux-2-klein-4b (#24) — los nombres revelan el recuento de parámetros. Nueve mil millones y cuatro mil millones respectivamente. BFL está haciendo sistemáticamente que la edición de imágenes capaz sea accesible para hardware más pequeño. flux-2-klein-4b puede ejecutarse en una GPU de consumo con 8GB de VRAM. Eso importa enormemente para los desarrolladores que no pueden justificar los costos de API a escala o que necesitan capacidad de edición fuera de línea. La familia Kontext — flux-1-kontext-max (#26), flux-1-kontext-pro (#27), flux-1-kontext-dev (#28) — lleva la edición consciente del contexto a entornos auto-hospedados, con flux-1-kontext-pro solo habiendo acumulado más de 6.4 millones de evaluaciones de la comunidad.

Hacia Dónde Va Todo Esto

Después de tres meses inmerso en este espacio, mirando los cambios en el ranking y llevando los modelos al fallo, veo cuatro cosas convergiendo.

nano-banana-pro probablemente reclamará el puesto #1 a mediados de año. La velocidad de iteración de Google en la arquitectura nano-banana ha sido implacable. La variante 2K ya está a una distancia de ataque, y la ventaja de la edición de múltiples pasos crea un volante: los profesionales que lo adoptan producen mejores resultados, comparten esos resultados y atraen a más profesionales. OpenAI necesitará lanzar algo fundamentalmente nuevo — no un refinamiento incremental — para mantener la primera posición.

Los modelos de edición ajustados por instrucción se convertirán en el paradigma estándar. La llegada de hunyuan-image-3.0-instruct de Tencent al puesto #6 confirma lo que la arquitectura nano-banana ya sugería: el futuro de la edición de imágenes son modelos construidos específicamente para comandos de edición, no modelos de generación reutilizados para edición. Espera que OpenAI y BFL lancen variantes específicas de instrucción antes del verano.

Los modelos sub-4B se volverán genuinamente competitivos. flux-2-klein-4b ya demuestra que un modelo de cuatro mil millones de parámetros puede producir ediciones que compiten en la misma arena que modelos diez veces su tamaño. Para mediados de 2026 espero ver modelos de edición de 2-3B que se ejecuten en teléfonos. Cuando eso suceda, toda la economía de la edición de imágenes cambia — de llamadas a API en la nube a inferencia en el dispositivo.

La edición de imágenes y la edición de video se fusionarán. Los modelos que manejan la consistencia temporal en las ediciones de imágenes — manteniendo la iluminación físicamente correcta cuando mueves un objeto, preservando la coherencia de las sombras cuando cambias un fondo — están construyendo exactamente la base necesaria para la edición de video cuadro por cuadro. Las organizaciones con fuertes posiciones en edición de imágenes hoy son las que dominarán la edición de video mañana. Mantén tu ojo en Google y Bytedance en particular.

Mis Recomendaciones

Después de ejecutar estos modelos a través de flujos de trabajo reales — no prompts de referencia, entregables reales de clientes — aquí es donde te indicaría dependiendo de lo que realmente necesites.