Por qué ya no sirve la lista de palabras clave
Hace dos años el recurso habitual era amontonar palabras clave separadas por comas: "gato, óleo, luz dorada, 8k, premiado". Aquello funcionaba porque la parte del modelo que leía el texto era un codificador corto, acostumbrado a palabras sueltas.
Hoy ya no es así. Delante de los modelos de imagen actuales hay un modelo de lenguaje completo, y eso cambió lo que conviene escribir: una frase bien hecha es mejor que una lista de palabras clave, porque transmite también las relaciones. "Mujer, vestido rojo, playa, atardecer" dice cuatro cosas sueltas; "una mujer con vestido rojo pasea por la orilla al atardecer" dice además quién hace qué y dónde. Uno de los fabricantes contrapone exactamente esos dos ejemplos en su propia guía. Por qué cambió esto lo desarrolla el artículo sobre cómo funciona la generación de imágenes, hasta el nivel del mecanismo.
Las cuatro capas
Las guías de los fabricantes nacieron por separado y aun así recomiendan casi la misma estructura. Reducida a cuatro capas queda así — y la mayoría de las imágenes malas lo son porque falta la segunda, la tercera o la cuarta.
- Tema. Qué hay en la imagen y qué está haciendo. No "un perro", sino "un terrier viejo duerme en el alféizar de una ventana". La acción es lo que convierte una imagen en imagen; sin ella el modelo te da una foto de catálogo.
- Estilo. Foto, ilustración, pintura, 3D — y dentro de eso, de qué tipo. Esta capa es la que más decide, y es la que se omite con más frecuencia. Si no lo dices, el modelo te da el promedio asociado a ese tema.
- Luz. De dónde viene, qué dura es, de qué color. "Luz suave de ventana que entra de lado", "sol duro de mediodía con sombras marcadas", "hora dorada a contraluz". La luz es la diferencia entre una imagen de aficionado y una profesional, y el modelo la sigue con precisión.
- Composición. Desde dónde miramos, qué hay en primer plano, cuánto aire queda alrededor. "Fotografiado desde abajo", "primer plano", "el tema en el tercio izquierdo, espacio libre a la derecha". De esto hay un artículo aparte: cómo fijar la composición, porque en 2026 ya no es solo cuestión de pedirlo con educación.
Antes y después
La misma imagen, en dos formulaciones. La diferencia no está en la longitud sino en si aparecen las cuatro capas.
ANTES
cafetería, portátil, mañana, acogedor
DESPUÉS
Sobre una mesa de madera de cafetería hay un portátil abierto, al lado
un café con leche a medio terminar y una libreta. Fotografía documental,
colores naturales, grano leve. Luz suave de ventana matinal que entra de
lado, con sombras largas sobre la mesa. Fotografiado ligeramente desde
arriba, encuadre cercano, el portátil a la derecha y el tercio izquierdo
vacío.
La versión "después" son cuatro frases, y cada una añade una capa distinta. Lo que no lleva: ni un solo "8k", "premiado" ni "muy detallado". Esas palabras contaban algo en los modelos antiguos; hoy el trabajo lo hace la descripción concreta.
El orden importa
Esta es la parte que menos gente conoce, aunque uno de los fabricantes la deja escrita en su documentación: el modelo presta más atención a lo que va delante. Si el prompt empieza por la atmósfera y termina por el tema, obtienes peor resultado que al revés.
Por eso el orden utilizable es: tema principal → acción → estilo → luz → composición → detalles accesorios. Si algo no aparece en la imagen, lo primero que conviene probar no es una formulación más alta ("es MUY importante que…") sino adelantarlo dentro de la frase.
Cuánto debe medir
Aquí los fabricantes no se ponen de acuerdo, y conviene saberlo antes de que alguien te venda uno de ellos como regla. La documentación de una familia de pesos abiertos da tres franjas: 10-30 palabras para una idea simple, 30-80 palabras para la mayoría de escenas, más de 80 solo para trabajos con varios personajes o técnicos — y añade: "empieza corto y añade solo lo que cambia la imagen". Otro gran proveedor recomienda lo contrario: para él "el prompt corto y simple da la mejor imagen". Un tercero apuesta abiertamente por la descripción detallada de varias oraciones.
La resolución práctica es sencilla: manda la guía de tu herramienta, no una regla general. Lo que se cumple en todas: empieza más corto, mira qué falta y añade justo eso. El mayor problema de un prompt de ochenta palabras escrito de una vez no es su longitud, sino que si la imagen sale mal no sabes qué media frase la estropeó.
Las palabras de cámara, y qué significan en realidad
El "35mm, f/1.4", el "Kodak Portra 400" y la "iluminación de tres puntos con softbox" funcionan de verdad — los modelos aprendieron de descripciones fotográficas, y esas expresiones evocan un aspecto de forma fiable.
Pero hay una salvedad importante que uno de los fabricantes dice sin rodeos: trata los datos de cámara como indicaciones de aspecto, no como simulación física. El "f/1.4" no calcula óptica; evoca cómo se ve una imagen hecha con f/1.4. De ahí se sigue que amontonarlos no aporta más: "85mm f/1.2 softbox hora dorada bokeh cinematográfico" no son cinco ajustes, sino cinco señales de ambiente que se contradicen entre sí. Un objetivo, una situación de luz, una referencia de película — con eso basta.
Lo que no conviene escribir
Cuatro costumbres que hoy ya no ayudan y que en algunos modelos perjudican claramente.
- Prompt negativo donde ni siquiera existe. Parte de los modelos recientes lo han retirado; un fabricante deja escrito que su modelo no lo admite y pide que describas lo que quieres, no lo que no quieres.
- La fórmula "que no salga". Si escribes "sin coches", el modelo sigue pensando en coches. Escribe mejor lo que hay en su lugar: "una calle vacía".
- La acumulación de palabras de calidad. El "8k, ultradetallado, premiado, obra maestra" evocaba el estilo de los modelos antiguos. Hoy ese trabajo lo hace la descripción concreta.
- Marcas y nombres de creadores vivos. Las condiciones de las herramientas te lo trasladan a ti: tú garantizas que tienes derecho. Sobre el lado legal hay un artículo aparte: de quién es la imagen hecha con IA, que lo desarrolla a fondo.
Texto dentro de la imagen
Si la imagen necesita además un rótulo, una regla es igual en todas partes: ponlo entre comillas. Todos los fabricantes lo documentan, y la mayoría recomienda además describir el carácter de la tipografía y dónde va el rótulo. Eso sí, es un tema propio, porque el texto con tildes es una dificultad aparte: el artículo sobre el texto dentro de la imagen lo desarrolla en detalle.
Una plantilla que puedes reescribir
Cambia lo que va entre corchetes. El orden es intencionado — lo que va delante se lo toma el modelo más en serio.
[TEMA PRINCIPAL: quién o qué, y qué está haciendo — una frase]
[ESTILO: foto / ilustración / pintura / 3D, y dentro de eso de qué tipo]
[LUZ: de dónde viene, qué dura es, de qué color]
[COMPOSICIÓN: desde dónde miramos, qué va dónde, dónde queda el hueco libre]
[SI HACE FALTA TEXTO: el rótulo "entre comillas", el carácter de la letra, su sitio]
[PROPORCIÓN: 16:9 / 1:1 / 4:5]
Lo que conviene llevarse
Un buen image prompt no es más largo, sino más estratificado: tema, estilo, luz, composición. Escribe una frase de verdad en lugar de una lista de palabras clave, pon delante lo más importante, y si algo falta en la imagen, adelántalo en la frase antes de pedirlo más fuerte. Las palabras de cámara evocan un aspecto, no simulan óptica — con una de cada sobra. Y las palabras de calidad y el prompt negativo déjalos fuera, salvo que la guía de tu herramienta los pida expresamente. Con el prompt de texto pasa lo mismo, por cierto, solo que con otras capas: la anatomía de un prompt que funciona lo desarrolla allí entero.