Imagen 4: reseña y fotos de producto con IA

Imagen 4 de Google DeepMind: fotos de producto fotorrealistas hasta 2K, fondos limpios y tipografía nítida. Comparado con Nano Banana y Flux 2.

Soy Marina, directora de arte en Flami. Cuando un vendedor me manda la foto real de su producto, tomada con el teléfono, el artículo sobre la alfombra del pasillo, y me pide que "se vea bien para la publicación", lo primero que abro suele ser Imagen 4. No porque sea el modelo más inteligente del mercado. Es porque Imagen entrega ese look de estudio limpio: un frasco de crema sobre un fondo gris uniforme, luz suave y pareja, con pinta de catálogo y no de generador.

Voy a contar en qué casos me resuelve el trabajo y en cuáles cambio de modelo sin pensarlo dos veces. Sin maquillar nada, uso este modelo todos los días.

De dónde viene

Imagen es obra de Google DeepMind, el mismo laboratorio detrás de Gemini. Google presentó la cuarta versión en Google I/O el 20 de mayo de 2025 y pasó a estar disponible de forma general a través de la API de Gemini en agosto de 2025, junto con Imagen 4 Fast.

La propia DeepMind no se guarda nada al describirlo.

"Imagen 4 es nuestro mejor modelo de texto a imagen hasta ahora, con imágenes fotorrealistas, velocidad casi en tiempo real y mayor nitidez."
, Google DeepMind, página de Imagen

Es texto de marketing, claro. Pero en lo que respecta al fotorrealismo, no están exagerando.

Por qué sigue en mi caja de herramientas

Fondos de estudio limpios. Este es el punto fuerte. Cuando necesito una foto principal para una publicación con fondo parejo, luz suave y una sombra ordenada, Imagen llega ahí casi sin pelear con el prompt. Otros modelos tienden a colar "atmósfera": un reflejo que no pedí, textura de mesa, un tono cálido de más. Imagen suele entregarme exactamente esa foto estéril, estilo lightbox, que pedí.

Textura de los materiales. TechCrunch señaló que el modelo domina el detalle fino: tela, gotas de agua, pelaje. En fotos de producto esto se nota de inmediato. El plástico mate se ve mate, el vidrio se ve vidrio, una manta afelpada realmente parece afelpada.

Tipografía. Esta es la segunda razón por la que la gente recurre a él. Google ajustó específicamente el renderizado de texto, y el texto pequeño en un póster o banner sale legible de verdad. Maneja particularmente bien el alfabeto latino. Con otros alfabetos la historia cambia, lo veo más abajo.

Resolución. Hasta 2K en Imagen 4 y Ultra, confirmado en el anuncio de disponibilidad general. De sobra para una publicación de marketplace. Si la foto va a un catálogo impreso o un banner grande, los píxeles extra ayudan.

Tres niveles, y para qué sirve cada uno

La familia se divide en tres versiones, cada una con su función. La tabla de precios de la API de Gemini de Google deja la lógica bastante clara:

Imagen 4 Fast. Alrededor de 2,7 segundos por imagen, 0,02 USD según el precio de Google. Lo uso cuando necesito probar veinte variantes de fondo rápido y quedarme con la ganadora.
Imagen 4 Flagship. Equilibrio entre calidad y velocidad, 0,04 USD. Esta versión cubre quizás el 80% de lo que le pido.
Imagen 4 Ultra. La mayor fidelidad al prompt, 0,06 USD, y más lento. Recurro a él para la toma final que va a producción.

Flami funciona con créditos de suscripción en lugar de facturación por imagen de la API, con los mismos tres niveles, sin necesidad de entrar a la consola de la API de Gemini. Al registrarte recibes créditos iniciales gratis, así que probarlo no cuesta nada por adelantado.

SynthID, vale la pena saberlo de entrada

Toda imagen que genera Imagen lleva una marca de agua invisible llamada SynthID. No se ve a simple vista y no afecta la calidad, pero permite verificar de forma programática que un cuadro fue generado con IA.

Para marcas y agencias que se preocupan por la transparencia, eso suma. Para alguien que publica un producto, en general no cambia nada en la imagen final. Aun así, prefiero mencionarlo de entrada antes de que alguien pregunte después de qué se trata esa marca.

Dónde lo dejo de lado

Ahora la parte menos favorecedora, porque si no esto sería solo publicidad.

Alfabetos distintos al latino. Imagen maneja el alfabeto latino de maravilla, pero con alfabetos como el cirílico el resultado puede salir inestable, con trazos de más o letras deformadas. Sinceramente no sé si es una limitación dura del modelo o si no estoy escribiendo el prompt de la manera correcta, pero el patrón se repite cada vez: cuando el texto en otro alfabeto es el centro de la toma, cambio a Ideogram 3.0 o Nano Banana.

Un mismo sujeto a lo largo de una serie. Si necesito que la misma cara o el mismo producto se mantenga reconocible en cinco escenas distintas, Imagen rinde peor que Flux 2. Las opiniones varían entre diseñadores en este punto, pero en mis propias pruebas Flux se mantiene más consistente a lo largo de una serie.

Energía de estilo de vida. El look estéril de Imagen es tanto su fuerza como su debilidad. Para la foto principal de un catálogo es casi ideal. Para una escena de estilo de vida con emoción real, alguien riendo, una sensación de historia, puede salir plana. Ahí voy a Nano Banana o armo la escena en GPT Image 2.

Qué modelo para qué trabajo

Me preguntan esto todo el tiempo, así que acá va la versión corta.

foto principal de producto en estudio limpio: Imagen 4
textura de material creíble, vidrio, plástico, tela: Imagen 4
tipografía en alfabeto latino sobre un póster: Imagen 4
texto en otro alfabeto como elemento central del cuadro: Ideogram 3.0 o Nano Banana
un sujeto que se mantiene a lo largo de varias escenas: Flux 2
fotos de estilo de vida con emoción e historia: Nano Banana

En pocas palabras, Imagen apunta a la precisión y a un cuadro limpio, para cuando el producto necesita verse como si lo hubieran fotografiado en un estudio real. Cuando el trabajo gira en torno al texto, a una historia con gancho o a un personaje que atraviesa toda una serie, busco en otro lado.

Checklist: ¿cuándo conviene usar Imagen 4?

Necesitas una foto principal de estudio limpio para una publicación en Amazon o Mercado Libre.
La textura del material tiene que verse real, sin ese "brillo de IA".
El texto pequeño en alfabeto latino de un póster tiene que mantenerse nítido
Quieres probar muchas variantes de fondo rápido, ahí entra el nivel Fast.
El texto en otro alfabeto es el elemento central de la toma, mejor Ideogram o Nano Banana
Un producto o rostro necesita mantenerse consistente en una serie, Flux 2 es la apuesta más segura

Qué viene después

Quiero correr Imagen 4, Flux 2 y Nano Banana con los mismos prompts de producto y mostrar la diferencia lado a lado, sin comentario de por medio. También estoy preparando una comparativa aparte del renderizado de texto en otros alfabetos entre Ideogram 3.0, Seedream 5.0 y Qwen Image 2. Ya tengo notas acumulándose para esa.

Probá Imagen 4 en Flami, con créditos iniciales gratis al registrarte.

Preguntas frecuentes

¿Qué es Imagen 4?

Es el modelo de generación de imágenes de Google DeepMind, hecho por el mismo equipo detrás de Gemini. Se presentó en Google I/O en mayo de 2025 y pasó a estar disponible de forma general a través de la API de Gemini en agosto de 2025. Destaca en fotorrealismo, fondos de estudio limpios y tipografía. Flami ofrece Ultra, Flagship y Fast.

¿Cuál es la diferencia entre Ultra, Flagship y Fast?

Fast es rápido, unos 2,7 segundos por imagen, pensado para probar muchas variantes seguidas. Flagship es el equilibrado, entre calidad y velocidad. Ultra da la mayor fidelidad al prompt para la toma final, pero tarda más.

¿Qué resolución entrega?

Imagen 4 y Ultra llegan hasta 2K. Soporta formatos como 16:9, 9:16, 1:1, 4:3 y 3:4, lo que cubre publicaciones cuadradas, Stories y banners horizontales.

¿Imagen 4 o Flux 2?

Imagen gana en fondos de estudio limpios y textura de materiales. Flux 2 es más confiable cuando un mismo sujeto o producto tiene que mantenerse a lo largo de varias escenas distintas.

¿Maneja bien el texto en otros alfabetos?

El alfabeto latino sí, muy bien. El texto en cirílico puede salir inestable, con trazos de más o letras deformadas. Si el texto en otro alfabeto es el centro de la imagen, Ideogram 3.0 o Nano Banana son más confiables.

¿Qué es SynthID?

Es una marca de agua digital invisible de Google que se incrusta en cada imagen generada, y que permite verificar de forma programática que fue hecha con IA. No se ve a simple vista, no afecta la imagen de la publicación y no limita el uso comercial.

¿Puedo usar Imagen 4 sin configurar una cuenta de Google Cloud?

Sí, a través de Flami. Recibes créditos iniciales gratis al registrarte, y están disponibles los mismos niveles Fast, Flagship y Ultra sin tener que tocar la consola de la API de Gemini directamente.

Imagen 4: cuando tu foto de producto necesita un estudio limpio, no una estética