¿Qué modelo de imágenes con IA logra caras y manos correctas?

¿Qué modelo de imágenes con IA logra caras y manos correctas? Revisamos las puntuaciones

Siete modelos de imágenes están en los tableros de imágenes de OpenArt Arena, y elegir entre ellos para sujetos humanos suele reducirse a adivinar. Extrajimos las puntuaciones publicadas por criterio, incluidas las que ocultan los rankings resumidos, y las comparamos con lo que realmente cuesta cada modelo y qué tan rápido funciona.

• Opción por defecto para personas: Seedream 5.0 Pro. Lidera en General con 1,051 y en Film con 1,074, y mantiene la mejor puntuación en Fidelidad a la Referencia con 1,037, que es lo que hace que un rostro siga siendo reconocible de una toma a otra.
• El más fotorrealista: Nano Banana Pro. Obtiene 1,184 en el criterio de Realismo de la tabla de Film, la cifra publicada más alta de las siete.
• Lo mejor para reparar una mano defectuosa: GPT Image 2. Lidera la Edición de Imágenes con 1,045, es el más económico con $0.057 por imagen y admite 16 imágenes de referencia.

Cómo se comparan los siete modelos

Arena realiza votaciones a ciegas cara a cara y reporta puntuaciones tipo Elo. Grok Imagine 2.0 se ubica en 1,000 como ancla fija, así que cada número a continuación se lee como mejor o peor que Grok. Las puntuaciones se comparan solo dentro de una columna.

Source: OpenArt's Tabla de clasificación de Arena, tablas de imágenes, v1.0.

Una nota sobre lo que estas puntuaciones cubren y lo que no, y luego seguimos. Arena puntúa el realismo, la consistencia de identidad y la precisión de edición. No ejecuta una prueba de anatomía aparte, así que nada aquí cuenta los dedos por ti. El realismo es el proxy publicado más cercano, y la brecha entre Nano Banana Pro con 1,184 y Qwen Image 3.0 con 975 es lo bastante amplia como para ser útil. Trata como empate a los modelos con intervalos de confianza superpuestos.

Qué modelos son mejores para sujetos humanos

Seedream 5.0 Pro

La opción predeterminada más segura. Lidera en General y Cine, se lleva la mejor puntuación en Creatividad con 1,103, y su 1,037 en Fidelidad a la Referencia significa que una cara que le das tiende a regresar luciendo como la misma persona. También admite fondos transparentes, algo que solo GPT Image 2 iguala.

El inconveniente son la velocidad y el margen. Tope de 2K, admite 10 imágenes de referencia y tarda 88.9 segundos para una imagen de 1K. También baja a 975 en Diseño Gráfico, así que si tu imagen necesita tipografía limpia, genera aquí a la persona y coloca el texto en otro lugar. Las especificaciones completas están en la Página del modelo Seedream 5.0 Pro.

GPT Image 2

La herramienta de reparación. Lidera en Edición de Imágenes con 1,045, y también lidera discretamente en Fidelidad al Prompt con 1,041, algo que importa cuando estás especificando exactamente qué mano sostiene qué. Genera en 4K, acepta 16 referencias, admite un prompt de 32,000 caracteres y tarda 44.8 segundos.

Su punto débil es la estética en comparación con lo más alto de la tabla: 1,030 en Estética Subjetiva frente a los 1,043 de Seedream, y 1,058 en Realismo frente a los 1,184 de Nano Banana Pro. Genera en otro lado, corrige aquí. El Página del modelo GPT Image 2 enumera los modos de edición.

Nano Banana Pro

El líder en realismo, por un margen. 1,184 en Realismo y 1,059 en Cine, en 4K con 14 referencias y unos rápidos 39.9 segundos.

Dos cosas lo frenan. Con $0.134 por imagen es el más caro de los siete, aproximadamente 2.4 veces GPT Image 2. Y obtiene 981 en Estética Subjetiva y 952 en Diseño Gráfico, por debajo del ancla en ambos, así que se percibe como técnicamente convincente más a menudo que como hermoso.

Nano Banana 2

El modelo para borradores. Google lo documenta como Gemini 3.1 Flash Image. Con 18.1 segundos y 4K con 14 referencias, es la forma más rápida de encontrar una composición que te guste antes de comprometerte con un modelo más lento. El realismo se mantiene en 1,064. La puntuación general está en 985, así que trata su resultado como un boceto. Las especificaciones y muestras están en la página del modelo Nano Banana 2.

Qué modelos evitar para sujetos humanos

Flux.2 Pro obtiene 881 en Fidelidad a la Referencia, la más baja de las siete, lo que lo descarta para trabajos con personajes. Qwen Image 3.0 obtiene 915 en Fidelidad al Prompt, así que una pose específica como "solo la mano izquierda, agarrando el mango" tiene más probabilidades de salir mal, y con 99.1 segundos es el modelo más lento de la tabla. Grok Imagine 2.0 es el ancla, útil como punto de referencia y económica a $0.06, pero no una recomendación.

Qué significa la Adherencia a la Referencia para la consistencia de personajes

La Adherencia a la Referencia es el número menos intuitivo de la tabla. Arena pasa el mismo brief por los siete modelos: un hombre en tres tomas espontáneas de calle, caminando, apoyado en una pared y cruzando la calle, con la misma cara, peinado y atuendo en las tres.

Arena los puntúa contra una imagen de referencia que no publica, así que la puntuación es el veredicto en lugar de tu propio ojo. Lo que sí puedes ver es cuánto del brief sobrevive el recorrido. Los siete resultados están en el Tabla de clasificación de Arena en Fidelidad a la Referencia, y si tu trabajo involucra un personaje recurrente, un embajador de marca o una persona de IA, esta columna importa más que el ranking General.

Por qué la IA sigue fallando con las manos en 2026

Una mano tiene dieciséis articulaciones que se mueven de forma independiente, y en la mayoría de las tomas varias quedan ocultas entre sí o detrás de un objeto. El modelo tiene que inferir una anatomía que no puede ver, a partir de una región que puede ocupar unos pocos cientos de píxeles.

Research from March 2025 put numbers on it. A team including researchers at Peking University built a 500 prompt human benchmark and found that close to half of generated images contained some distortion. Their companion dataset, Distortion-5K, annotated 4,700 images, and most flawed regions took up only a small share of the frame, which is why defects survive a quick glance. That study tested an older generation of models, so read it as evidence that the problem is real and hard to spot, not as a ranking of the seven models here.

Lo que cambió desde entonces es dónde viven las fallas. Un retrato centrado o una palma abierta suelen salir bien ahora. Los errores se movieron a lugares más difíciles: dedos envueltos alrededor del asa de una taza, dos personas tomadas de la mano, una mano cerca de una cara, un brazo escorzado y las caras pequeñas que están detrás de tu sujeto.

Cómo probar modelos de imágenes con IA para caras y manos

Las puntuaciones acotan el campo. Tus propios prompts lo deciden. Esto toma alrededor de dos horas.

Configúralo. Elige tres modelos de la tabla y ejecútalos en el Generador de imágenes con IA, donde los siete se cargan desde el mismo cuadro de prompt. Dale a cada uno los mismos prompts, referencias, relación de aspecto y resolución. Genera cuatro imágenes por prompt. Reintenta solo ante errores del servicio, nunca porque no te gustó un resultado, o estarás puntuando tu propia paciencia en lugar del modelo.

Usa prompts que lleven las cosas al límite. Seis cubren la mayor parte:

• Una mano agarrando un objeto por su asa
• Dos personas tomadas de la mano
• Una mano levantada cerca de la cara
• Una acción con la mano izquierda
• Un brazo en escorzo extendido hacia la cámara
• Un grupo de cinco con rostros al fondo

Agrega una prueba de identidad: la misma imagen de referencia en los tres modelos.

Puntúalo a ciegas. Oculta los nombres de los modelos. Abre cada imagen a resolución completa, porque un defecto que es invisible en un feed resulta obvio al 100 por ciento. En las manos, revisa la cantidad de dedos, la separación, la posición del pulgar, la continuidad de la muñeca, la dirección de las articulaciones y si el agarre realmente toca el objeto. En las caras, revisa la mirada, los dientes, las orejas, la geometría del perfil y la asimetría no intencionada. Cuenta a cada persona visible, incluidas las pequeñas del fondo.

Reporta dos números por modelo: la tasa de éxito en los primeros resultados y la tasa de éxito en los cuatro. Un modelo que lo logra una de cada cuatro veces genera más trabajo del que sugiere su promedio.

Cómo arreglar manos y caras de IA sin cambiar la imagen

Indica cuántas manos aparecen y qué hace cada una. "Una mano izquierda visible sosteniendo una taza de café por el asa" le da al modelo mucho más con qué trabajar que "una persona con café". Mantén la primera generación simple. Brazos cruzados, dedos superpuestos, tres accesorios y cuatro personas en un solo prompt es donde todo se viene abajo.

Encuadra según la anatomía que te importa. Una cara que ocupa 40 píxeles tiene 40 píxeles de detalle con los que trabajar, sin importar qué modelo elijas. Si las caras del fondo importan, recorta más de cerca o sube la resolución.

Cuando algo falla, enmascara solo la región defectuosa y pide una corrección específica. Una máscara reducida le da al modelo menos espacio para redibujar a la persona. Luego compara la reparación con el original a resolución completa y observa el borde: las mangas, las joyas, las sombras y los puntos de contacto son donde una edición local deja de ser local sin que te des cuenta.

Cómo elegir el modelo adecuado para tu trabajo

Arena vuelve a ejecutar estas comparaciones a medida que llegan nuevos modelos, así que el ranking en torno al cual planificas hoy no es necesariamente el que se mantendrá el próximo trimestre. Seedream 5.0 Pro y GPT Image 2 están a cuatro puntos de distancia en la puntuación general, lo suficientemente cerca como para que un solo lanzamiento los reordene.

Antes de estandarizar un solo modelo para sujetos humanos, revisa los números actuales en los cuatro tableros que importan aquí: General, Cine, Edición de Imágenes y el criterio de Realismo dentro de Cine. Las cuentas nuevas reciben 40 créditos gratis, sin necesidad de tarjeta de crédito, lo cual alcanza para ejecutar la prueba de seis prompts en tres modelos.

Preguntas frecuentes

¿Qué modelo es mejor para caras realistas?

Nano Banana Pro obtiene la puntuación más alta en el criterio de Realismo de Arena con 1,184, por delante de Seedream 5.0 Pro con 1,142. Para rostros que deben mantenerse consistentes en varias imágenes, Seedream es la mejor opción porque también lidera en Fidelidad a la Referencia con 1,037.

¿Qué modelo es el mejor para las manos?

Ningún tablero puntúa las manos por sí solas. Seedream 5.0 Pro y Nano Banana Pro lideran las métricas de realismo y cine que más se acercan, y GPT Image 2 es la opción más fuerte para reparar una mano después. Ejecuta la prueba de seis prompts de arriba en tus propios briefs antes de comprometerte.

¿Los modelos actuales todavía agregan dedos de más?

Sí, aunque mucho menos en poses simples. Ahora las fallas se concentran en objetos sostenidos, dedos cruzados, oclusiones y manos pequeñas en el fondo. Un estudio de 2025 sobre una generación anterior de modelos encontró que cerca de la mitad de su benchmark de 500 prompts con personas contenía distorsiones.

¿Cómo arreglo una mano de IA sin cambiar la cara?

Enmascara solo la mano y el área donde toca un objeto, luego pide una corrección específica, como una posición natural del pulgar. GPT Image 2 lidera la tabla de Edición de Imágenes de Arena con 1,045 para este tipo de trabajo. Después revisa el borde de la edición por si cambiaron las mangas, las sombras o las joyas.

¿Qué modelo es el más económico para este trabajo?

GPT Image 2 a $0.057 por imagen, seguido de Grok Imagine 2.0 a $0.06 y Qwen Image 3.0 a $0.075. Nano Banana Pro es el más caro con $0.134.

¿Qué modelo es el más rápido?

Nano Banana 2 con 18.1 segundos y Grok Imagine 2.0 con 18.3 segundos. Qwen Image 3.0 es el más lento con 99.1 segundos, seguido de cerca por Seedream 5.0 Pro con 88.9 segundos.

¿Las imágenes de referencia corrigen la deriva de identidad?

La reducen. Una referencia clara en un ángulo similar le da al modelo evidencia sobre las proporciones faciales y los rasgos distintivos. La identidad aún puede cambiar entre poses y ediciones, así que compara la línea del cabello, la textura de la piel y las proporciones entre resultados en lugar de asumir que la referencia se mantuvo.

¿Una puntuación general alta significa mejor anatomía?

Por sí solo no. La puntuación general promedia cuatro criterios amplios con el mismo peso. Usa Realismo y Fidelidad a la Referencia para sujetos humanos, y Edición para trabajos de reparación.