Imagen 4
El modelo de texto a imagen de Google, con salida fotorrealista
Imagen 4 es el modelo de texto a imagen de Google DeepMind, anunciado en Google I/O en mayo de 2025 y disponible de forma general por la API de Gemini y Vertex AI. Genera imágenes a resoluciones de hasta 2K y dibuja texto y tipografía legibles dentro de las imágenes, un terreno en el que las versiones anteriores de Imagen y muchos modelos competidores tenían problemas. Google lo envía como una familia de tres variantes: un nivel rápido pensado para bocetos, a unas diez veces la velocidad de Imagen 3, un nivel estándar y un nivel Ultra para la máxima fidelidad y el máximo seguimiento del prompt. El precio es por imagen y por variante: la opción rápida es la más barata y Ultra la más cara.
El modelo se sitúa junto a Gemini y Veo en la gama de medios generativos de Google, y compite de forma directa con los modelos GPT Image de OpenAI y con Midjourney. Se posiciona menos en la novedad en bruto y más en la fiabilidad: seguimiento consistente de prompts detallados, manos y caras más nítidas, y menos de los artefactos de renderizado que arrastraban los modelos de difusión anteriores. Quienes desarrollan acceden por Google AI Studio y Vertex AI, y también impulsa la generación de imágenes dentro de la app de consumo de Gemini.