Mejor modelo de IA para imágenes con texto (2026)

Pídele a un modelo de IA una camiseta de death metal que diga VENOM, y el mejor modelo que probamos imprimió VENON. Fue uno de los tres únicos errores de ortografía de GPT Image en 404 imágenes. Qwen-Image cometió 86. Si buscas el mejor modelo de IA para generar imágenes con texto, estos son los datos.

El texto es donde los modelos de imagen todavía se separan. Un modelo puede renderizar cromo, goteos de pintura e iluminación de estudio que pasan por una foto, y luego colocar mal un punto y convertir una palabra en otra distinta. Nuestro trabajo es crear prompts de fuentes con IA, así que cada prompt que publicamos pasa por cinco modelos y cada imagen se revisa letra por letra. Después de 59 estilos, toda esa revisión dio como resultado la comparación que sigue.

La respuesta corta

• GPT Image 2.5 y Nano Banana 2.1 son los mejores modelos de IA para generar imágenes con texto. Dos o tres errores cada uno en unas 400 imágenes, en todos los sistemas de escritura.
• Grok Imagine 2.0 y Seedream 5.0 Pro cumplen con el alfabeto latino y el chino, empiezan a fallar en japonés y se desmoronan en árabe.
• Qwen-Image 3.0 Pro es el único modelo que pierde puntos con palabras sencillas del alfabeto latino, y en árabe sacó 6 de 53.

Cómo hicimos la prueba

Cada uno de los 59 estilos es un prompt publicado en AIFont, como Textura, Paint Splatter o Tagging Letters. Cada estilo tiene un prompt por idioma con una palabra corta en ese idioma: FRESH, Reino, ばくはつ, كعك.

• El mismo prompt para todos los modelos. Para cada estilo e idioma, todos los modelos recibieron exactamente el mismo texto de prompt. Solo contamos la primera imagen que devolvió cada modelo, sin elegir el mejor de varios intentos.
• Parámetros: 2K, formato cuadrado, a través de la API de cada proveedor, del 22 al 29 de octubre de 2026. GPT Image se ejecutó con su calidad xhigh y Grok Imagine con medium, su nivel más alto; los otros tres no tienen ajuste de calidad.
• Modelos: GPT Image 2.5 (OpenAI), Nano Banana 2.1 (Google), Grok Imagine Image 2.0 (xAI), Seedream 5.0 Pro (ByteDance), Qwen-Image 3.0 Pro (Alibaba).
• Evaluación: un revisor de IA leyó cada imagen, con zoom en chino, japonés y árabe. Una persona revisó además 489 de las imágenes puntuadas: todas las que la IA marcó como incorrectas o dudosas, la mayor parte del árabe y una muestra aleatoria del resto.
• Qué cuenta como error: una palabra está mal solo si puedes decir qué se lee en su lugar (VENON, no VENOM). Las letras estilizadas, los trazos decorativos y las diferencias de mayúsculas y minúsculas cuentan como correctos. Las palabras de más que el prompt nunca pidió cuentan como error.

En total fueron 2.057 imágenes de primer intento. Quedaron fuera 41 imágenes en árabe en las que la IA y el revisor humano no coincidieron y ninguno de los dos lee árabe como lengua materna, así que se puntuaron 2.016 imágenes.

Alfabeto latino y chino: los cinco modelos aprueban

Todos los modelos superaron el 90% en inglés, alemán, español, portugués y chino. Si tu texto es corto y está en uno de estos idiomas, cualquiera de los cinco suele acertar al primer intento.

La única excepción es Qwen-Image en español y portugués, donde falló entre 9 y 10 palabras por idioma. Su error típico no es una falta de ortografía.

Ese patrón, la palabra pedida más un bloque de texto que nadie pidió, explica 40 de los 86 errores de Qwen-Image. El texto de más suele ser una copia desordenada del propio prompt.

Japonés: aquí se abre la brecha

Los kana japoneses llevan pequeñas marcas que cambian la palabra: dos puntos (dakuten) convierten は en ば. En nuestro prompt de paint splatter, Grok Imagine y Seedream pusieron dakuten donde no correspondía.

Los demás errores en japonés de Grok Imagine y Seedream siguen el mismo patrón: un carácter equivocado, no una palabra ilegible. Grok escribió ストリトト por ストリート, ジングス por ジンクス y ぼうげん por ぼうけん; Seedream escribió かくどう por かくとう y ねがいの por ねがい. Un lector japonés detecta cada uno de inmediato.

Árabe: solo dos modelos aguantan

El árabe es el sistema de escritura más difícil de esta prueba. Las letras se enlazan, cambian de forma según su posición y muchas se distinguen solo por el número o la posición de los puntos. Un solo prompt muestra toda la diferencia: la palabra نمر (tigre) como grafiti en una caja de servicios en la calle.

Grok Imagine y Seedream pierden sus puntos en árabe por los puntos diacríticos y las letras de más. De los 14 errores en árabe de Grok, 6 son un punto que falta, sobra o está desplazado, y 5 una letra de más; de los 20 de Seedream, 9 son puntos y 7 letras de más. En nuestro prompt de gingerbread, ambos modelos esparcieron trocitos redondos de galleta encima y alrededor de كعك, y se leen como puntos de más.

Lo de Qwen-Image en árabe es otro problema. Rara vez llega a escribir la palabra pedida; escribe una línea de otras letras árabes alrededor de ella o en su lugar.

Las cifras del árabe llevan una advertencia. Ninguno de nuestros revisores lee árabe como lengua materna, y excluimos 41 imágenes en las que la IA y la persona no coincidieron. Confiamos en el orden de la clasificación, porque la distancia entre un 96% y un 11% es mucho mayor que cualquier error de revisión. Los porcentajes exactos pueden cambiar a medida que hablantes nativos corrijan el dataset.

Hasta los líderes se equivocan

Los tres errores de GPT Image: VENON por VENOM en una camiseta de death metal, y dos palabras en árabe, una con la última letra equivocada (تحيئ por تحية) y otra con una letra de menos (فتة por فتنة).

Los dos de Nano Banana: una palabra en japonés con un carácter deformado, y una imagen de Halloween en chino que añadió tres pequeñas etiquetas «PARTY!» alrededor de la palabra pedida, 南瓜. La palabra en sí estaba bien; el texto de más rompió nuestra regla.

¿Sirve volver a generarla?

En parte, y depende del modelo. Contamos los casos en los que la primera imagen estaba mal y comprobamos si un intento más lo corregía.

Grok Imagine y Seedream cometen errores de detalle, un punto o un trazo, y cerca de la mitad desaparecen en el segundo intento. La manía de Qwen-Image de añadir texto sobrevive a los reintentos: solo se corrigieron 10 de 86. Si un modelo sigue añadiendo texto, reescribir el prompt ayuda más que volver a lanzarlo.

¿Qué modelo de IA para generar imágenes usar con texto?

• Cualquier idioma, un solo intento: GPT Image o Nano Banana. Elige por el estilo visual. La precisión del texto no es motivo para preferir uno sobre el otro.
• Solo inglés o chino: los cinco sirven. Grok Imagine y Seedream son buenas opciones si te gusta su estilo; revisa el resultado antes de imprimir.
• Japonés: GPT Image o Nano Banana. Con los demás, lee cada kana y revisa los dakuten.
• Árabe: GPT Image o Nano Banana. Nosotros no publicaríamos texto en árabe de los otros tres sin que lo revisara un hablante nativo.
• Qwen-Image: usa una palabra corta y revisa toda la imagen en busca de letras de más, no solo la palabra que pediste.

Cada página de fuente de AIFont muestra los resultados de los cinco modelos en cada idioma, así puedes ver cómo se lee un estilo antes de copiar su prompt. Las colecciones de fuentes góticas y letras de grafiti son un buen sitio para compararlos lado a lado.

Letra gótica Textura

solo letras · gótica · negrita

Letras de tag de graffiti

letras con efecto · grafiti · manuscrita

Letras con salpicaduras

letras con efecto · pincel · negrita

Los datos son abiertos

Las 2.495 imágenes del dataset, con sus prompts, veredictos y notas de revisión, son públicas bajo CC BY 4.0: dataset de renderizado de texto de AIFont en GitHub, archivado en Zenodo (DOI 10.5281/zenodo.23815210). Si lees árabe, japonés o cualquier otro idioma del dataset y encuentras un veredicto equivocado, abre un issue. Las correcciones entran en la siguiente versión y en esta tabla.

Repetiremos la comparación cuando salgan nuevos estilos e idiomas, y cuando se actualicen los modelos.