Product Updates··4 min de lectura

Elige tu motor de IA

Elige entre cuatro motores de IA para Flat-to-Model: Nano Banana 2, Nano Banana Pro, Seedream o GPT Image 2. O deja que Auto decida. Comparados en 2K.

By On-Model Team

Una modelo de moda en un estudio oscuro vista a través de paneles translúcidos superpuestos con tonos azul frío, neutro y ámbar cálido

Flat-to-Model convierte tus fotos de producto en flat-lay en imágenes on-model fotorrealistas, y el motor de IA que ejecuta el rendering moldea el resultado. Algunos motores son más limpios y editoriales, otros más dramáticos y creativos. Puedes elegir el que mejor encaje con la estética de tu marca, o quedarte en Auto y dejar que On-Model elija por ti.

El selector Generation model vive en el paso de revisión de Flat-to-Model, junto a los controles de pose, fondo y relación de aspecto. La misma opción está disponible en la API como campo opcional model dentro del objeto options.

Los motores

  • Auto (predeterminado): elige el mejor modelo para tu conjunto de imágenes e instrucciones.
  • Nano Banana 2: motor rápido y equilibrado, con renderizado de piel fotorrealista y buena fidelidad a las prendas.
  • Nano Banana Pro: opción de mayor fidelidad con el detalle textil más marcado; más lento que Nano Banana 2.
  • Seedream: iluminación más dramática e interpretación más creativa del styling.
  • GPT Image 2: estilo de render distintivo con una dominante cromática ligeramente más cálida.

Los cuatro motores nombrados soportan salidas en 1K, 2K y 4K.

Pros y contras de un vistazo

MotorCalidad de renderVelocidadIdeal para
Nano Banana 2AltaMediaCatálogo y opción por defecto segura
Nano Banana ProMáximaMediaHero shots y detalle textil premium
SeedreamMediaRápidaLencería y moda íntima
GPT Image 2AltaLentaAmbientes editoriales y tono cromático distintivo

Si solo te llevas una idea: Nano Banana 2 es la opción por defecto segura, Nano Banana Pro para los hero shots, GPT Image 2 para un look editorial o atmosférico, y Seedream es la elección para lencería y trajes de baño, donde los filtros de seguridad de otros motores pueden ser conservadores.

Mismas entradas, cuatro motores, 2K

Aquí está el mismo trío de flat-lays, la misma identidad y la misma pose, renderizados por cada motor en 2K.

Camisa
Pantalón
Mules
Mismas entradas, cuatro motores, 2K
Nano Banana 2
Nano Banana Pro
Seedream
GPT Image 2

Mismas prendas, misma identidad, misma pose: sentada en un taburete de madera frente a una pared de yeso écru cálido. Cada motor lee la escena de forma distinta. Nano Banana 2 se mantiene limpio y frontal, con el azul hielo de la camisa bien sostenido. Nano Banana Pro afina el detalle textil y la caída del pantalón. Seedream lleva a la modelo a un tres cuartos, suaviza los tonos y entibia el fondo. GPT Image 2 impone su propia paleta con una dominante ligeramente más cálida. Ninguno es universalmente mejor. Son estéticas por defecto distintas, y elegir la que encaja con tu catálogo de marca es exactamente el punto.

Qué motor produjo cada output

Una vez completado un job, puedes ver qué motor renderizó cada resultado.

En la app, un pequeño icono de motor aparece junto al tiempo de procesamiento en cada tarjeta de output. Pasa el cursor sobre él para ver el nombre del motor.

En la API, cada resultado en GET /jobs/<id>/results lleva un campo model_used:

{
  "job_id": "8c9f1a...",
  "status": "completed",
  "results": [
    {
      "image_index": 0,
      "group_index": 0,
      "model_used": "nano_banana_2",
      "output": { "full_size": "https://..." }
    },
    {
      "image_index": 1,
      "group_index": 0,
      "model_used": "gpt_image",
      "output": { "full_size": "https://..." }
    }
  ]
}

Útil tanto para controles de consistencia como para hacer seguimiento de qué motor funciona mejor con qué tipo de entrada a lo largo del tiempo.

Uso vía API

Pasa model en el objeto options de tu petición Flat-to-Model:

{
  "project_id": "...",
  "images": ["uuid1", "uuid2", "uuid3"],
  "identity_code": "default-pro-...",
  "instructions": [ /* ... */ ],
  "options": {
    "model": "nano_banana_pro"
  }
}

Valores válidos: "auto" (predeterminado), "nano_banana_2", "nano_banana_pro", "seedream" o "gpt_image".

En nuestra integración pública en Python es un único flag CLI:

python flat_to_model.py \
  --input-folder SKU/ \
  --identity-code <your-identity-code> \
  --model gpt_image

Referencia completa en la documentación de la API Flat-to-Model.

Create-Packshot usa la misma lista

El mismo desplegable Generation model de cinco opciones está disponible también en Create-Packshot. Las diferencias estéticas descritas arriba se transfieren directamente al output del packshot: ghost-mannequin, flat-lay, marketing-ready y white-cutout se benefician igual de la elección del motor. Mira la guía Create-Packshot para un recorrido completo.

Model-Swap también tiene desplegable

El selector Generation model también está disponible en el paso de revisión de Model-Swap.

El default es Onda, el motor de swap propietario de PiktID. La alternativa es Nano Banana 2, disponible para equipos que quieran probar otra estética en sus swaps. model_used funciona exactamente igual: cada resultado en GET /jobs/<id>/results te dice qué motor lo produjo.

Pasa swap_options.model en un job de Model-Swap, o --model onda | nano_banana_2 en la integración Python.

"Motores distintos son herramientas distintas. Las marcas y agencias que producen cientos de SKU por semana conocen su estética, y se merecen la elección. Exponer la selección de motor convierte On-Model de una caja negra en un pipeline de producción controlable, y model_used en cada output hace la elección verificable."

Nunzio Alexandro Letizia, cofundador de PiktID y creador de On-Model

Pruébalo ahora

Abre cualquier job de Flat-to-Model o Model-Swap y busca el desplegable Generation model en el paso de revisión. Elige un motor, genera y compara el resultado con Auto.

¿Nuevo en On-Model? Empieza por la guía Flat-to-Model, explora los presets, o descubre Create-Packshot.

model-selectionai-modelsnano-banananano-banana-proseedreamgpt-imageondaflat-to-modelcreate-packshotmodel-swapcomparison