Edición de imágenes multi-referencia con GPT Image 2.5: combinación de imágenes de origen y prompts de 50K
La mayor parte del trabajo visual comercial comienza con activos que ya existen: un packshot limpio de un nuevo SKU, una placa de textura de estudio aprobada por un director de arte o el diseño de envase de la temporada pasada que necesita texto actualizado para un lanzamiento regional. Regenerar esos elementos visuales desde cero con un modelo de solo texto desperdicia la geometría, las proporciones de la etiqueta y la silueta del producto que ya pagaste por fotografiar.
El endpoint openai/gpt-image-2.5-sunburst/edit-image de OpenAI en E2X está diseñado para la edición condicionada por referencias y la composición de múltiples imágenes. Pasas un array de imágenes de origen accesibles públicamente en image_urls junto con una instrucción de edición en lenguaje natural de hasta 50,000 caracteres de longitud. Con el descuento permanente del 75% de E2X, cada edición en 1K cuesta $0.0525, en 2K cuesta $0.105 y en 4K cuesta $0.1575, tanto si ejecutas en calidad low, medium, high, xhigh o max.

Esta guía recorre la mecánica de openai/gpt-image-2.5-sunburst/edit-image: cómo escribir prompts diferenciales (delta prompts) que bloqueen la geometría existente mientras cambian las etiquetas o la iluminación, cómo indexar múltiples archivos en image_urls, por qué el límite del prompt salta de 32,000 a 50,000 caracteres en la ruta de edición y cuándo cambiar a Google Nano Banana o GPT Image 2 para ediciones especializadas.
Esquema de entrada y precios en openai/gpt-image-2.5-sunburst/edit-image
Llamar a openai/gpt-image-2.5-sunburst/edit-image utiliza la misma cola POST https://api.e2x.ai/v1/jobs/submit que cualquier otro modelo del catálogo de E2X. Solo dos propiedades dentro de input son obligatorias: prompt e image_urls. En E2X, GPT Image 2.5 está disponible en dos variantes: GPT Image 2.5 Sunburst (openai/gpt-image-2.5-sunburst, que admite resoluciones 1K/2K/4K y niveles de calidad low, medium, high, xhigh, max) y GPT Image 2.5 Flare (openai/gpt-image-2.5-flare, que admite /models/openai/gpt-image-2.5-flare/text-to-image y /models/openai/gpt-image-2.5-flare/edit-image con resoluciones 1K/2K/4K y niveles de calidad low, medium, high).
| Campo | Tipo | Obligatorio | Predeterminado | Descripción y límites |
|---|---|---|---|---|
prompt | string | Sí | Ninguno | Instrucción de edición o composición de hasta 50,000 caracteres. |
image_urls | string[] | Sí | Ninguno | Array de URLs HTTPS accesibles públicamente que apuntan a tus imágenes de referencia. |
aspect_ratio | string | No | "1:1" | "auto" más 15 proporciones fijas: "1:1", "4:3", "3:4", "3:2", "2:3", "5:4", "4:5", "16:9", "9:16", "2:1", "1:2", "21:9", "9:21", "3:1", "1:3". |
resolution | string | No | "1K" | "1K" ($0.0525), "2K" ($0.1050) o "4K" ($0.1575). Debe ir en mayúsculas. |
quality | string | No | "high" | "low", "medium", "high", "xhigh" o "max". Los cinco comparten el multiplicador ×7. |
Dado que el costo base de lista ($0.03, reducido en un 75% a $0.0075) se multiplica por 7 en todos los niveles de quality ($0.0075 × 7 = $0.0525), actualizar un trabajo de edición de "high" a "xhigh" o "max" no añade ningún costo en E2X. Solo resolution ("1K" = ×1, "2K" = ×2, "4K" = ×3) cambia el precio. Puedes verificar la tabla de tarifas actual en cualquier momento en nuestra página de precios, o consultar nuestra guía de la API de GPT Image 2.5 para ver el cálculo completo de facturación en microcentavos.
Una mejora del esquema respecto a openai/gpt-image-2/edit-image es que quality ahora es opcional en 2.5. Si omites quality, el worker usa "high" por defecto, aunque para reemplazos tipográficos y composiciones de múltiples objetos recomendamos pasar explícitamente "xhigh" o "max".
Reglas de delta prompting: bloquear lo que permanece frente a nombrar lo que cambia
El mayor error que cometen los desarrolladores al pasar de openai/gpt-image-2.5-sunburst/text-to-image a edit-image es escribir una descripción completa de la escena desde cero sin indicarle al modelo qué partes de la imagen de entrada no deben tocarse. Si pasas una foto de estudio de un frasco de vela y escribes el prompt "An amber glass candle jar on dark linen with a gold label reading BERGAMOT & CEDAR SOY CANDLE", el modelo interpreta tu prompt como un permiso para redibujar el frasco, alterar la veta de la madera de la tapa y cambiar el ángulo de la cámara.
La edición por referencia funciona mejor cuando escribes un prompt diferencial estructurado en tres cláusulas explícitas:
- El cambio específico: indica la región exacta, el material o la cadena de texto que debe modificarse.
- Las invariantes bloqueadas: nombra los elementos estructurales de la imagen de origen que deben permanecer intactos (silueta del envase, material de la tapa, perspectiva de la cámara, textura del fondo, dirección de la iluminación).
- El índice de referencia posicional: cuando
image_urlscontiene más de una URL, haz referencia a cada entrada por su posición basada en 1 (image 1,image 2,image 3) e indica qué papel desempeña cada archivo.
Flujo de trabajo 1: reemplazo de tipografía de envases en amber-jar-original.png
Supongamos que tu equipo de comercio electrónico tiene un packshot maestro (amber-jar-original.png) de un frasco de vela de boticario y necesita localizar o cambiar el nombre de la línea de fragancias en doce SKUs sin volver a fotografiar el frasco físico.
Aquí tienes la solicitud curl que llama a openai/gpt-image-2.5-sunburst/edit-image con resolución "2K" y calidad "xhigh" ($0.105) para reemplazar el título impreso por "BERGAMOT & CEDAR SOY CANDLE" mientras se bloquean el frasco, la tapa y el fondo:
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-image-2.5-sunburst/edit-image",
"input": {
"prompt": "Change the main label title on the amber glass jar to \"BERGAMOT & CEDAR SOY CANDLE\" in the same serif font and gold foil finish. Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged.",
"image_urls": [
"https://assets.yourstore.example.com/packshots/amber-jar-original.png"
],
"aspect_ratio": "4:5",
"resolution": "2K",
"quality": "xhigh"
}
}'

Prompt utilizado para el flujo de trabajo de reemplazo de etiqueta anterior:
"Change the main label title on the amber glass jar to \"BERGAMOT & CEDAR SOY CANDLE\" in the same serif font and gold foil finish. Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged."
Por qué funciona de forma tan limpia:
- La cadena de reemplazo
"BERGAMOT & CEDAR SOY CANDLE"está envuelta entre comillas dobles escapadas para que el modelo sepa dónde empiezan y terminan los caracteres literales. - El tratamiento tipográfico (
in the same serif font and gold foil finish) le indica a GPT Image 2.5 que iguale el reflejo metálico especular y el estilo de trazo ya presentes enamber-jar-original.png. - La cláusula de bloqueo (
Keep the apothecary jar shape, wooden lid, and linen backdrop unchanged) evita desviaciones en la escena de estudio circundante.
Al iterar sobre la posición de la etiqueta o los saltos de línea, ejecuta tus primeras pasadas con "resolution": "1K" ($0.0525) y "quality": "xhigh", y luego sube "resolution" a "2K" o "4K" una vez que el interletraje se vea correcto.
Flujo de trabajo 2: composición de producto con dos referencias mediante image_urls
La edición de una sola imagen actualiza un activo en su lugar. La edición multi-referencia te permite combinar placas fotográficas separadas en una sola toma coherente. En lugar de pegar un recorte PNG plano sobre un fondo en Photoshop y pintar sombras de contacto falsas a mano, pasas ambas URLs en image_urls y le indicas a GPT Image 2.5 cómo interactúa físicamente el objeto de image 1 con el entorno de image 2.
En el siguiente ejemplo, image 1 (chronograph-front.png) es una toma de estudio frontal limpia de un reloj cronógrafo de titanio cepillado, e image 2 (wet-slate-surface.jpg) es una placa de textura ambiental de pizarra oscura húmeda iluminada por luz lateral fría y reflejos de neón.
"Place the titanium chronograph watch from image 1 onto the wet slate block in image 2. Match the cool side-lighting from image 2 and keep the sub-dial numerals sharp."

Observa cómo la composición de dos referencias resuelve la integración física:
- La caja del reloj, el bisel del taquímetro, las agujas y la geometría de las subesferas provienen de
image 1. - El relieve de la superficie, las gotas de agua y la luz rasante direccional provienen de
image 2. - Donde el brazalete de titanio toca la pizarra húmeda, el modelo genera oclusión de contacto realista y reflejos especulares sobre la piedra húmeda que coinciden con el ángulo de la caja del reloj.
Si añades una tercera URL de referencia a image_urls, asígnale también un rol explícito. Por ejemplo: "Take the titanium chronograph watch from image 1, place it onto the wet slate surface in image 2, and apply the warm amber-and-teal color grading from image 3." Cada archivo en image_urls debe ser accesible mediante HTTPS público por los workers de E2X (las URLs firmadas de S3 o R2 con un vencimiento de 15 minutos funcionan bien para buckets privados).
Por qué edit-image te ofrece un límite de prompt de 50,000 caracteres
En openai/gpt-image-2.5-sunburst/text-to-image, prompt acepta hasta 32,000 caracteres. En openai/gpt-image-2.5-sunburst/edit-image, maxLength aumenta a 50,000 caracteres.
Ningún redactor humano se sienta frente a un teclado a escribir 50,000 caracteres a mano. Ese límite existe para los pipelines automatizados de catálogos y localización, donde el software construye el prompt mediante programación a partir de bases de datos estructuradas de productos, transcripciones OCR y guías de estilo de marca.
En un pipeline típico de localización automatizada, un único payload de edit-image combina cuatro bloques generados por máquina dentro de prompt:
- La transcripción OCR completa con cuadros delimitadores de la imagen de origen (para que el modelo sepa qué cadenas existentes en un panel nutricional abarrotado o diagrama técnico se están reemplazando y cuáles permanecen intactas).
- El mapa de traducción de destino (asignando cada bloque de texto de origen a su cadena de reemplazo localizada entre comillas).
- Invariantes estrictas de marca y envase (referencias de colores hexadecimales, acabados de materiales, reglas de conservación de iconos normativos y restricciones negativas).
- Asignaciones de rol para cada URL en
image_urls(identificando el packshot principal, la superposición de insignia localizada y el entorno de fondo de destino).
Aquí tienes un ejemplo en TypeScript que muestra cómo un pipeline de catálogo ensambla un payload estructurado de edición multi-referencia, lo envía a openai/gpt-image-2.5-sunburst/edit-image en calidad "max" y realiza el sondeo para obtener el resultado:
const E2X_API = "https://api.e2x.ai/v1";
interface LocalizationEditJob {
masterPackshotUrl: string;
environmentPlateUrl: string;
ocrTranscript: Array<{ region: string; originalText: string; replacementText: string }>;
lockedElements: string[];
brandLightingRules: string;
resolution?: "1K" | "2K" | "4K";
}
export function buildStructuredEditPrompt(job: LocalizationEditJob): string {
const textReplacements = job.ocrTranscript
.map(
(item, idx) =>
`${idx + 1}. In region [${item.region}], replace "${item.originalText}" with "${item.replacementText}" using the exact same typeface, weight, and foil finish.`
)
.join("\n");
const invariants = job.lockedElements.map((el) => `- ${el}`).join("\n");
const prompt = [
"TASK: Multi-reference product compositing and packaging copy localization.",
"SOURCE REFERENCES:",
"- image 1: Primary product packshot providing exact container geometry, cap proportions, and label layout.",
"- image 2: Target studio surface and lighting environment plate.",
"",
"COMPOSITE INSTRUCTION:",
"Place the product from image 1 onto the surface shown in image 2.",
job.brandLightingRules,
"",
"EXACT TYPOGRAPHY REPLACEMENTS ON PRODUCT LABEL:",
textReplacements,
"",
"LOCKED INVARIANTS (DO NOT ALTER):",
invariants,
].join("\n");
if (prompt.length > 50_000) {
throw new Error(`Constructed prompt (${prompt.length} chars) exceeds 50,000-char limit`);
}
return prompt;
}
export async function runCatalogComposite(
job: LocalizationEditJob,
apiKey = process.env.E2X_API_KEY
): Promise<string> {
if (!apiKey) throw new Error("Missing E2X_API_KEY");
const headers = {
Authorization: `Bearer ${apiKey}`,
"Content-Type": "application/json",
};
const submitRes = await fetch(`${E2X_API}/jobs/submit`, {
method: "POST",
headers,
body: JSON.stringify({
model: "openai/gpt-image-2.5-sunburst/edit-image",
input: {
prompt: buildStructuredEditPrompt(job),
image_urls: [job.masterPackshotUrl, job.environmentPlateUrl],
aspect_ratio: "auto",
resolution: job.resolution ?? "1K",
quality: "max",
},
}),
});
if (!submitRes.ok) {
throw new Error(`Submit failed (${submitRes.status}): ${await submitRes.text()}`);
}
const { data: submitted } = (await submitRes.json()) as {
data: { jobId: string };
};
for (let attempt = 0; attempt < 120; attempt++) {
await new Promise((r) => setTimeout(r, 3000));
const pollRes = await fetch(`${E2X_API}/jobs/${submitted.jobId}`, { headers });
const { data: state } = (await pollRes.json()) as {
data: {
status: string;
outputs?: Array<{ url: string }>;
error?: { message?: string };
};
};
if (state.status === "completed" && state.outputs?.[0]?.url) {
return state.outputs[0].url;
}
if (state.status === "failed" || state.status === "cancelled") {
throw new Error(state.error?.message ?? `Edit job ended with ${state.status}`);
}
}
throw new Error(`Edit job ${submitted.jobId} timed out`);
}
Observa que el código pasa "aspect_ratio": "auto" y "quality": "max". Con "aspect_ratio": "auto", el resultado conserva la relación de aspecto del encuadre de referencia en lugar de forzar un recorte cuadrado "1:1". Y recuerda copiar la URL devuelta en state.outputs[0].url a tu propio bucket de almacenamiento de objetos tan pronto como termine el trabajo, o configurar los clientes oficiales desde nuestra página de SDKs de E2X.
Comparación de endpoints de edición de imágenes entre OpenAI y Google en E2X
Aunque openai/gpt-image-2.5-sunburst/edit-image es nuestra principal elección para actualizaciones de tipografía en envases, instrucciones diferenciales complejas de 50K y refinamiento de detalles en xhigh / max, otros tres endpoints en nuestra categoría de imagen a imagen resuelven problemas específicos a los que 2.5 no apunta:
| Endpoint de edición | Precio 1K | Precio 2K | Precio 4K | Límite de prompt | Mejor caso de uso |
|---|---|---|---|---|---|
openai/gpt-image-2.5-sunburst/edit-image | $0.0525 | $0.1050 | $0.1575 | 50,000 caract. | Reemplazo de etiquetas de envases, composición multiproducto, niveles xhigh y max incluidos en la tarifa base, relación de aspecto "auto". |
openai/gpt-image-2/edit-image | $0.0525 | $0.1050 | $0.1575 | 50,000 caract. | Edición o extracción de productos sobre un PNG transparente con canal alfa mediante background: "transparent". |
google/nano-banana-2.1/edit-image | $0.0300 | $0.0400 | $0.0900 | Estándar | Menor costo para ediciones en 1K ($0.03) y 4K ($0.09), además de proporciones de banner extremas 8:1, 1:8, 4:1 y 1:4. |
google/nano-banana-pro/edit-image | $0.0750 | $0.0750 | $0.1500 | Estándar | Conservación de la identidad facial humana y semejanza de personajes a través de hasta 14 imágenes de referencia separadas por rol. |
Así es como puedes enrutar entre esos cuatro modelos de edición en la práctica:
- Textos de envases, composiciones de estudio multiproducto y especificaciones automatizadas de 50K: usa
openai/gpt-image-2.5-sunburst/edit-image($0.0525en 1K). Su combinación de niveles de calidadxhighymaxy un presupuesto de prompt de 50,000 caracteres maneja ediciones tipográficas densas mejor que cualquier otra ruta. - Recortes con fondo transparente (
background: "transparent"): usaopenai/gpt-image-2/edit-image($0.0525en 1K). Dado que GPT Image 2.5 omite el parámetrobackground, GPT Image 2 sigue siendo el endpoint de referencia siempre que tu salida necesite un canal alfa transparente. Consulta nuestra guía de GPT Image 2.5 vs GPT Image 2 para obtener un enrutador listo para usar que cambia entre los dos automáticamente. - Cambios de fondo en 4K de gran volumen y banners ultraanchos: usa
google/nano-banana-2.1/edit-image. Con un precio de$0.03por edición en 1K y$0.09por edición en 4K (con nuestro descuento del 50% en Google), reduce los costos de edición en 4K en un 43% en comparación con la tarifa 4K de$0.1575de OpenAI y admite proporciones de hasta8:1. - Personajes humanos recurrentes y consistencia de retratos: usa
google/nano-banana-pro/edit-image($0.075en 1K/2K). Nano Banana Pro te permite definir el alcance de las imágenes de referencia explícitamente por rol (hasta 5 para identidad de personaje, 6 para objetos y 3 para estilo), lo que evita desviaciones faciales entre viñetas de storyboard.
Puedes comparar todos los endpoints de edición y generación de imágenes lado a lado en el catálogo de modelos de E2X y en la categoría de texto a imagen.
Preguntas frecuentes
¿Cuántas imágenes de origen puedo pasar en image_urls en openai/gpt-image-2.5-sunburst/edit-image?
image_urls acepta un array de hasta 10 URLs de imágenes HTTPS accesibles públicamente en una sola solicitud. Al pasar múltiples URLs, haz referencia a ellas en tu prompt por su posición basada en 1 (image 1, image 2, image 3) y especifica si cada imagen proporciona el producto principal, el entorno de fondo o la referencia de iluminación y materiales.
¿Cuesta más una edición multi-imagen con 3 referencias que una edición de 1 imagen?
No. En E2X, openai/gpt-image-2.5-sunburst/edit-image se factura por solicitud basándose únicamente en la resolution de salida ("1K" cuesta $0.0525, "2K" cuesta $0.105, "4K" cuesta $0.1575), no en la cantidad de URLs de entrada en image_urls ni en la longitud de tu prompt de 50,000 caracteres.
¿Por qué el modelo redibujó mi producto en lugar de cambiar solo el fondo?
Si un prompt de edición solo describe la escena final deseada sin nombrar qué debe permanecer fijo, el modelo puede reinterpretar la geometría del sujeto. Incluye siempre una cláusula de bloqueo explícita en tu prompt, como "Keep the watch case, bezel markings, and hand positions from image 1 unchanged; only replace the background surface with the wet slate from image 2."
¿Puedo pasar rutas de archivos locales o URIs de datos en base64 dentro de image_urls?
Proporciona URLs HTTPS accesibles públicamente en image_urls (como enlaces prefirmados de S3, GCS o Cloudflare R2) para que los nodos worker de E2X puedan obtener los bytes de referencia directamente durante la ejecución del trabajo.