Resumen: ¿qué herramienta usar?
- Cuál usar: para ampliar imágenes a diario, nuestra primera opción es el ampliador de imágenes con IA MegaPotato (megapotato.app): en nuestras pruebas, su calidad es comparable a la de Topaz Wonder 3.5 y, con 100 fotos al mes, cuesta 7.4 veces menos que Wonder 3.5 a través de la API propia de Topaz (3.3 veces menos que en fal.ai; la comparativa completa de precios está más abajo). Da buenos resultados en todos los tipos de fotos que probamos, funciona directamente en el navegador y no requiere suscripción. Cuál elegir ↓
- Fotos reales: MegaPotato cumplió una y otra vez con fotos de teléfonos antiguos, imágenes con ruido y copias comprimidas. Crystal puede ser muy fiel al original y quedó cerca en la prueba controlada, pero tuvo muchos más problemas con las fotos reales de baja calidad: MegaPotato 67.2, Wonder 3.5 62.8, Crystal 46.1. Resultados por tipo de foto ↓
- Caras: en la prueba completa, con 567 caras, el juez de IA a ciegas dio a MegaPotato la mayor puntuación facial. En similitud con los originales, según la miden los modelos de reconocimiento facial, Wonder 3.5 y Crystal obtienen mejores cifras. Los detalles de aspecto natural y la conservación de la identidad son, obviamente, cosas distintas; por eso mostramos ambas. Caras de cerca ↓
- En qué nos basamos: MegaPotato obtuvo la mayor puntuación total tanto en la prueba principal de 18 herramientas y configuraciones como en la prueba ampliada de 135 fotos y 567 caras. Y el modelo exacto importa, y mucho: los otros cinco modelos de Topaz que probamos quedaron muy por debajo de Wonder 3.5 con las mismas imágenes de entrada pequeñas y deterioradas. La clasificación ↓
- Precio por foto: con 100 fotos al mes, haciendo la media de los resultados de 2.7, 16 y 48 MP, MegaPotato cuesta $0.073 con su descuento por lote. Topaz Wonder 3.5 cuesta $0.54 a través de la API propia de Topaz, cuyo plan parte de $50 al mes ($0.24 a través de fal.ai, con pago por uso): una diferencia de 7.4× (3.3×). Los chips de MegaPotato nunca caducan. Precios y condiciones ↓
- ¿Prefieres ver primero las imágenes? Cada ejemplo muestra de cerca la imagen de entrada, el original cuando lo hay y los resultados de las herramientas. Compara las caras pequeñas, las texturas y el texto: ahí están las diferencias que importan para tus fotos. Ejemplos en detalle ↓
La ampliación de imágenes es una de las tareas más antiguas de la visión artificial. Rara es la película de espías sin esta escena: un operador marca una zona, la amplía, aumenta el zoom y, con un botón mágico, obtiene la cara del sujeto a una resolución altísima. Desde la visión artificial clásica, anterior a las redes neuronales, hasta los LLM multimodales más avanzados de hoy, los investigadores siguen intentando resolver esta tarea que parece sencilla y que, en realidad, es casi imposible.
En 2025 hubo un auge increíble de todo tipo de modelos generalistas de edición de imágenes, basados en su mayoría en LLM multimodales y modelos de difusión, o que aprovechaban sus capacidades. El crecimiento exponencial de la calidad comenzó con FLUX.1 Kontext y quedó marcado por el lanzamiento de Nano Banana. Estos modelos pueden realizar cualquier transformación de una imagen que se pueda expresar con una instrucción de texto, desde la más precisa hasta la más abstracta. Pero, por buenos que fueran en tareas generales, seguían fallando en las transformaciones precisas, la conservación de la imagen original y el cumplimiento estricto del prompt. Llamaban especialmente la atención los cambios de color y, sobre todo, de identidad de las personas que introducían los chatbots propietarios (ChatGPT, Gemini y similares). Aun así, por entonces parecía que todas las tareas de transformación de imágenes se resolverían en muy poco tiempo.
Ha pasado más de un año, los modelos han mejorado y conservan mucho mejor el original, pero siguen apareciendo los mismos tipos de problemas. La ampliación de imágenes (superresolución) es especialmente exigente en este sentido: mientras que la edición general suele admitir cierto grado de imaginación («añade un gato»: no se especifican la raza ni los demás parámetros, solo un gato), ampliar no admite cambios en el original. Da igual que quieras ampliar una foto de un teléfono para un póster o crear una imagen 4K a partir de una imagen generada con IA: lo habitual es que solo quieras cambiar los detalles y la resolución.
Para ilustrarlo, pedimos a ChatGPT que ampliara cuatro veces una foto pequeña de una carrera urbana sin cambiar nada (la imagen). Devolvió una imagen nítida, limpia y luminosa. Pero fíjate en el número del corredor. El dorsal real dice LUT 3029. ChatGPT dibujó SEINE-MARNE 77, un departamento francés cerca de París, y sustituyó «trucks» en la camiseta por otra palabra. Nada de eso aparece en la foto. Gemini escribió LUT 2022. A partir de la misma copia pequeña, un ampliador de nuestra prueba leyó los cuatro dígitos (más herramientas con este corredor).
Lo que recibió cada herramienta, la foto original y el resultado de ChatGPT.
Esto es lo que hacen hoy los editores generales de imágenes con IA cuando se usan como ampliadores. Da igual cómo lo pidas y cómo prepares el prompt: no se limitan a ampliar los píxeles; intentan adivinar qué debería haber y lo dibujan. Muchas veces aciertan. A veces aparece otra palabra, otro color o incluso otra cara. Al mismo tiempo, los resultados suelen ser muy bonitos y encajar con lo que las personas consideramos estético.
Mientras tanto, hay muchos ampliadores de imágenes especializados en el mercado. Como es una tarea con tanta historia, hay una cantidad enorme de servicios y resulta muy difícil orientarse entre tantos modelos de épocas tan distintas. Así que preparamos la prueba de ampliadores más completa que conocemos, con los métodos más populares, eficaces y precisos.
La respuesta breve está arriba. El resto del artículo es una descripción precisa y reproducible de la prueba, organizada así: una prueba principal de 18 herramientas y configuraciones, con las mismas copias pequeñas y deterioradas de 16 fotos y cada resultado comparado con el original a tamaño completo, que ninguna herramienta vio. Después, la prueba completa: los tres líderes en 135 fotos con 567 caras, con todos los jueces evaluando cada resultado y todas las métricas que se pueden calcular en él. Luego, una serie de casos extremadamente difíciles: escaneos de material impreso, compresión JPEG fuerte, ruido, copias antiguas en papel, estatuas y pinturas. Por último, detallamos los precios para 10, 100 y 1 000 fotos al mes. Las imágenes están aquí ↓
Respuestas rápidas.
- ¿Qué es un ampliador de imágenes con IA? Una herramienta que aumenta el tamaño de una imagen y tiene que adivinar los detalles que no están en los píxeles.
- ¿Qué significa 4×? Cuatro veces el ancho y cuatro veces el alto: 504 × 336 pasa a ser 2016 × 1344.
- ¿Se puede ampliar una foto sin cambiar nada? Ninguna de las herramientas de esta prueba lo consigue.
- ¿Hay alguno gratis? Upscayl: gratis y sin conexión, pero no sirve para caras pequeñas.
- ¿Basta para imprimir? 2016 × 1344 permite imprimir a unos 17 × 11 cm con 300 píxeles por pulgada.
- ¿Buscas más nitidez, no más tamaño? Para eso sirve una herramienta de mejora, no un ampliador. En MegaPotato, ese modo se llama Refinar y no lo probamos aquí.
La clasificación: comparamos 18 ampliadores de imágenes con IA y configuraciones#
Cada herramienta tomó las mismas 16 fotos pequeñas (504 × 336 píxeles, ligeramente deterioradas) y las amplió a 4×; comparamos cada resultado con el original. El total se puntúa sobre 100. La fórmula y cada uno de sus componentes están en Cómo hicimos las pruebas.
| haz clic para ver todas las métricas | ||||||
|---|---|---|---|---|---|---|
| MegaPotato | 82.6prueba completa 78.8 | 7.00 prueba completa 7.13 | no paquetes de chips | Primero en ambas pruebas. Las fotos reales de baja calidad, nocturnas y de IA más limpias. Caras naturales | Suaviza un poco la piel. Las caras pequeñas se alejan más de la persona que con Wonder y Crystal. Rejuveneció a una mujer en una foto deteriorada | $0.073 app web |
| Topaz Wonder 3.5 | 81.9prueba completa 75.7 | 7.09 prueba completa 6.99 | no fal.ai sí API de Topaz | Las caras más fieles. El único que leyó 3029. El mejor con fotogramas de vídeos de la web | Solo por API; las apps tienen Wonder 3. Cambió algunas edades. Trata las estatuas y muñecas como personas | $0.24 fal.ai |
| Let's Enhance | 81.8 | 6.81 | no paquetes | Las caras que más gustaron al juez facial. No inventó nada | Solo en la web. Dígitos incorrectos. No participó en la prueba completa | $0.22 web |
| Crystal | 80.8prueba completa 69.5 | 6.78 prueba completa 5.97 | no API sí web | El más cercano a los originales según las métricas de imagen. El mejor sin personas | Flojo con el ruido y las copias antiguas en papel deterioradas (46.1 en fotos reales de baja calidad). Gafas de sol transparentes. Deformó una estatua | $0.35 API |
| ChatGPT, prompt estricto | 73.2 | 6.16 | no API o app | Resultados de buena calidad visual (MUSIQ 61.2) | Escribe palabras nuevas. Cambia los colores. Objetos nuevos. Su límite ronda los 8 MP | $0.16 API |
| ChatGPT, prompt sencillo | 73.2 | 5.81 | no API o app | Los resultados de mayor calidad visual, al nivel de Topaz Bloom 2 (MUSIQ 63.6) | Añadió cielo azul y árboles verdes. Caras más jóvenes. Palabras nuevas | $0.16 API |
| App de Gemini | 70.9 | 6.66 | no app gratuita | Cuidadoso con las caras y los colores. Barato | Poca nitidez. Archivos pequeños (1264 px en la app gratuita). Números nítidos, pero incorrectos | $0.11 API |
| Topaz Standard MAX | 69.9 | 5.78 | no fal.ai sí API de Topaz | Limpio con elementos grandes y nítidos | Caras pequeñas de plástico (cambió 7 de 67). Eliminó una mascarilla | $0.45 fal.ai |
| Topaz Bloom 2 | 68.1 | 5.81 | no fal.ai sí API de Topaz | Nítido y vivo, pensado para arte con IA | Redibuja las caras (puntuación de identidad 0.26). Texto nuevo. Colores más vivos | $0.91 fal.ai |
| Topaz Low Resolution V2 | 65.1 | 5.47 | no fal.ai sí API de Topaz | Barato. Bordes limpios | Texto deformado. Cambió 9 de 67 caras. Eliminó una mascarilla | $0.11 fal.ai |
| Recraft Crisp | 63.9 | 5.42 | no API | La API más barata. Va bien con arte con IA y bordes limpios | Deformó caras pequeñas (5 de 67). Sin ajuste de tamaño | $0.033 API |
| Topaz Standard V2 | 62.6 | 4.89 | no fal.ai sí API de Topaz | Barato. Bordes limpios | Caras pequeñas poco nítidas y de plástico (cambió 8 de 67). Eliminó una mascarilla | $0.11 fal.ai |
| Upscayl (Standard) | 59.7 | 5.12 | no gratis | Gratis, sin conexión, privado. No inventa palabras | Caras deformadas (13 de 67). Texto borroso | gratis GPU propia |
| Krea Enhance | 53.7 | 4.12 | no hasta 2K sí más de 2K | Muchas herramientas en un mismo sitio, incluidos modelos de terceros | Muy lejos de las caras reales (cambió 21 de 67). Líneas sobre las caras. Convirtió la tiza en gris | $0.21 plan Pro |
| Magnific Precision V2 | 53.5 | 5.20 | no ComfyUI sí web propia | Nítido. Conserva la escena | Dos pasadas de 2× (el nodo devuelve 2×). Grano y sobreenfoque por todas partes. Lejos de los originales (LPIPS 0.49) | $1.13 ComfyUI |
| Magnific Creative | 46.3 | 2.34 | no ComfyUI sí web propia | Imágenes nuevas con mucho detalle, para arte conceptual | Una escena nueva. Cambió 41 de 67 caras. Palabras inventadas por todas partes | $1.02 ComfyUI |
| Topaz High Fidelity V3 | 34.1 | 4.20 | no fal.ai sí API de Topaz | Pensado para imágenes de entrada grandes y nítidas | Apenas cambia una foto pequeña. Un fino borde negro | $0.11 fal.ai |
| Recraft Creative | 33.3 | 2.03 | no API | – | Una escena nueva. Cambió 51 de 67 caras. Palabras sin sentido | $2.05 API |
Total: sobre 100; debajo, el total de la misma herramienta en la prueba completa (135 fotos, las tres herramientas que probamos allí). Juez Opus 5.5: 0–10, con la puntuación de la prueba completa debajo. ¿Requiere un plan?: indica si la suscripción mensual es imprescindible para usar esa vía de acceso; cuando hay dos vías, se indica para cada una (rojo = sí). Las opciones gratuitas de Krea y ChatGPT tienen límites. Ventajas e inconvenientes: lo que mostraron las dos pruebas y los casos difíciles, en pocas palabras. Los detalles están en Todos los ampliadores con IA que probamos, uno por uno. *Precio por foto: la media de tres tamaños con 100 fotos al mes; debajo, cómo comprar a ese precio. La API propia de Topaz cuesta más que fal.ai. La API de MegaPotato no tiene descuento por lote y sale a $0.091 (Precios de los ampliadores con IA). Pasa el cursor sobre el nombre de una columna para ver qué mide. Todas se explican en Qué mide cada métrica. Haz clic en una fila para ver todas las métricas, incluidas las de la prueba completa.
Los cuatro primeros están a menos de dos puntos entre sí. MegaPotato (82.6), Topaz Wonder 3.5 (81.9), Let's Enhance (81.8) y Crystal (80.8) forman un grupo aparte. La siguiente herramienta, ChatGPT con un prompt estricto (los prompts están en Ajustes, prompts y alineación), queda ocho puntos por detrás (73.2). Así que decidimos seguir con tres de ellos y preparar un conjunto de imágenes mucho más amplio, difícil y exigente.
Calidad de imagen frente a fidelidad: estética y conservación del original#
En esta prueba usamos sobre todo fotos reales. No solo porque sea uno de los usos más importantes, sino también porque estas fotos son el caso difícil. En el arte con IA, una textura nueva suele parecer simplemente parte del arte. En una foto real hay una referencia, obviamente. Así que cada error se ve enseguida: una cara nueva, una palabra nueva, un color que no estaba.
Scatter plot of 8 points: Calidad visual (MUSIQ) against Distancia respecto al original (LPIPS). Distancia respecto al original (LPIPS) from 0.193 to 0.287. Highest Calidad visual (MUSIQ): ChatGPT, prompt sencillo (63.6); lowest: Gemini (50.4). Highlighted: MegaPotato (59.9 at 0.207).
| Distancia respecto al original (LPIPS) | Calidad visual (MUSIQ) | |
|---|---|---|
| ChatGPT, prompt sencillo | 0.287 | 63.6 |
| Topaz Wonder 3.5 | 0.211 | 61.7 |
| MegaPotato | 0.207 | 59.9 |
| Crystal | 0.193 | 59.7 |
| Upscayl (Standard) | 0.240 | 55.7 |
| Topaz Standard V2 | 0.248 | 54.9 |
| Recraft Crisp | 0.222 | 53.6 |
| Gemini | 0.242 | 50.4 |
Puntuaciones medias de ocho configuraciones en las 16 fotos de la prueba principal. Más a la izquierda significa más similitud con el original (un LPIPS menor, una de las métricas de similitud de nuestro total); más arriba significa mayor puntuación de calidad visual (MUSIQ). El eje empieza cerca de la herramienta más fiel, no en cero: las fotos originales están en 0 por definición y obtienen 53.3 en MUSIQ, por debajo de la mayoría de los resultados.
Está claro que ChatGPT da los resultados más estéticos, que, como era de esperar, están entre los más alejados del original. Los resultados de las herramientas especializadas se acercan al original, pero son menos estéticos (también depende de la imagen de entrada).
La prueba completa: MegaPotato frente a Topaz Wonder 3.5 y Crystal en 135 fotos#
A la prueba completa pasaron tres de los cuatro líderes de la prueba principal: MegaPotato, Topaz Wonder 3.5 y Crystal. (Let's Enhance, tercero en la prueba principal, solo está disponible en la web; no lo probamos con las 135 fotos.)
La muestra: 135 fotos y 567 caras.
- 14 fotos de la prueba principal, con el original.
- 16 fotos generadas con IA (FLUX.1 [schnell]) y 13 fotos sin personas (animales, naturaleza, edificios), reducidas y deterioradas igual que las imágenes de entrada de la prueba principal (un poco de desenfoque y ruido, guardadas dos veces como JPEG), con el original.
- 29 fotos reales de baja calidad tal como se tomaron: fotos con poca luz de teléfonos antiguos, de las primeras cámaras digitales, copias de aplicaciones de mensajería, fotos de escenarios y fiestas. No existe un original de alta resolución.
- 19 copias antiguas en papel y escaneos de película, con polvo, pérdida de color y grano, reducidos para la prueba. No existe un original sin deterioro.
- 44 fotos pequeñas de origen, procesadas exactamente tal como se publicaron: 37 fotos de Flickr de 2001–2007 y 7 fotogramas de vídeos de la web de 2005–2009. No existe un original de alta resolución.
En el conjunto hay: personas (103 fotos), multitudes y grupos (30), caras (567 caras: 348 de ellas de 10–24 píxeles de ancho en la imagen de entrada, 173 de 25–59 píxeles y 46 mayores), letreros y texto (20), noche, escenarios y poca luz (24), fotos antiguas (21), imágenes de IA (16), animales (20), naturaleza (26), ciudades, edificios y habitaciones (55) y fotogramas de vídeos de la web (7). Dejamos fuera los bodegones (productos y comida): esta muestra se centra en personas, lugares, animales y naturaleza.
Cuando no hay un original de alta resolución sin deterioro, los jueces compararon cada resultado con la imagen de entrada y solo usamos las métricas que no necesitan original: la similitud con el original (LPIPS, A-FINE, puntuación de identidad) se calcula a partir de las 43 fotos que sí lo tienen. Cada métrica se promedia entre las fotos en las que se puede calcular, y el total es la suma ponderada de esas medias. La columna n indica cuántas fotos o caras abarca cada fila.
| Métrica | MegaPotato | Topaz Wonder 3.5 | Crystal | n |
|---|---|---|---|---|
| Total, 0–100 | 78.8 | 75.7 | 69.5 | 135 fotos |
| Juez Opus 5.5 ↑ | 7.13 | 6.99 | 5.97 | 135 fotos |
| Qwen3.8, zonas ampliadas ↑ | 7.24 | 7.21 | 6.83 | 135 fotos |
| Qwen3.8, caras ↑ | 6.69 | 6.59 | 6.24 | 567 caras |
| Puntuación de identidad ↑ | 0.518 | 0.558 | 0.556 | 138 caras |
| Otra persona, % ↓ | 1.1 | 1.2 | 2.8 | 567 caras |
| Calidad facial (eDifFIQA) ↑ | 0.522 | 0.525 | 0.484 | 567 caras |
| LPIPS ↓ | 0.205 | 0.210 | 0.191 | 43 fotos |
| A-FINE ↓ | 17.0 | 34.8 | 35.4 | 43 fotos |
| MUSIQ ↑ | 52.4 | 52.5 | 45.7 | 135 fotos |
| NIQE ↓ | 3.98 | 3.95 | 4.01 | 135 fotos |
| DISTS ↓ | 0.140 | 0.125 | 0.119 | 43 fotos |
| DreamSim ↓ | 0.0166 | 0.0121 | 0.0107 | 43 fotos |
| DINOv2 ↑ | 0.966 | 0.975 | 0.976 | 43 fotos |
| TOPIQ-FR ↑ | 0.696 | 0.705 | 0.703 | 43 fotos |
| Color ΔE ↓ | 2.42 | 2.31 | 2.11 | 43 fotos |
| MANIQA ↑ | 0.325 | 0.344 | 0.281 | 135 fotos |
| CLIP-IQA+ ↑ | 0.512 | 0.537 | 0.466 | 135 fotos |
| TOPIQ ↑ | 0.442 | 0.469 | 0.403 | 135 fotos |
La primera fila es el total y las diez siguientes son sus componentes. Las ocho que aparecen al pulsar el botón son comprobaciones y no cuentan en él. Pasa el cursor sobre el nombre de una métrica para ver su explicación. Todas las definiciones están en Qué mide cada métrica.
La prueba completa por herramienta: las mismas cifras, una fila por herramienta
| Herramienta | Prueba completa, total | Juez Opus 5.5 (prueba completa) | Qwen3.8, zonas ampliadas (prueba completa) | Qwen3.8, caras (prueba completa) | Puntuación de identidad (prueba completa) | Otra persona, % (prueba completa) | Calidad facial (prueba completa) | LPIPS (prueba completa) | A-FINE (prueba completa) | MUSIQ (prueba completa) | NIQE (prueba completa) |
|---|---|---|---|---|---|---|---|---|---|---|---|
| MegaPotato | 78.8 | 7.13 | 7.24 | 6.69 | 0.518 | 1.1 | 0.522 | 0.205 | 17.0 | 52.4 | 3.98 |
| Topaz Wonder 3.5 | 75.7 | 6.99 | 7.21 | 6.59 | 0.558 | 1.2 | 0.525 | 0.210 | 34.8 | 52.5 | 3.95 |
| Crystal | 69.5 | 5.97 | 6.83 | 6.24 | 0.556 | 2.8 | 0.484 | 0.191 | 35.4 | 45.7 | 4.01 |
Una fila por herramienta: el total y sus diez componentes, tal como aparecen en los paneles de detalle de la clasificación. La tabla anterior contiene las mismas cifras y las ocho comprobaciones.
Resultados por tipo de foto. La misma fórmula, aplicada por separado a cada parte de la muestra. Cuando un tipo no tiene caras u originales, se excluyen esos componentes y se aumenta proporcionalmente el peso de los demás hasta sumar el 100 %, así que compara las herramientas dentro de un mismo tipo, no unos tipos con otros:
| Fotos de la prueba principal | 14 | 82.9 | 81.7 | 80.5 |
| Fotos generadas con IA | 16 | 79.2 | 76.1 | 76.1 |
| Sin personas | 13 | 72.8 | 72.6 | 74.2 |
| Fotos reales de baja calidad | 29 | 67.2 | 62.8 | 46.1 |
| Copias antiguas en papel y película | 19 | 73.9 | 74.0 | 73.3 |
| Fotos pequeñas de origen (Flickr, vídeos de la web) | 44 | 75.5 | 75.4 | 61.9 |
Lo mismo, por contenido (personas, texto, noche, animales y más)
| Personas | 103 | 78.6 | 75.2 | 68.2 |
| Multitudes y grupos | 30 | 80.0 | 76.1 | 69.7 |
| Caras (a partir de 10 px) | 103 | 78.9 | 75.2 | 68.3 |
| Letreros y texto | 20 | 81.6 | 78.5 | 73.9 |
| Animales | 20 | 75.4 | 74.5 | 66.3 |
| Naturaleza | 26 | 82.7 | 81.0 | 77.2 |
| Ciudades, edificios, habitaciones | 55 | 79.6 | 76.8 | 71.5 |
| Noche, escenarios, poca luz | 24 | 70.1 | 64.8 | 55.2 |
| Fotos antiguas | 21 | 76.9 | 76.5 | 74.7 |
| Imágenes de IA | 16 | 79.2 | 76.1 | 76.1 |
| Fotogramas de vídeos de la web | 7 | 65.5 | 67.6 | 42.7 |
| Fotos con original | 43 | 79.8 | 78.4 | 78.4 |
Qué dicen las cifras:
- MegaPotato encabeza la prueba completa con 3 puntos de ventaja. Destaca especialmente en las fotos reales de baja calidad (67.2 frente a 62.8 de Wonder y 46.1 de Crystal, 29 fotos), con luz nocturna y de escenario (70.1 frente a 64.8 y 55.2, 24 fotos), en imágenes de IA, texto y letreros, y multitudes.
- Wonder 3.5 está a su altura en las copias antiguas en papel (74.0 frente a 73.9, 19 fotos) y en las fotos pequeñas de origen (75.4 frente a 75.5, 44 fotos), y lo supera en fotogramas de vídeos de la web (67.6 frente a 65.5, 7 fotogramas). Crystal solo lidera las fotos sin personas (74.2, 13 fotos) y queda muy atrás en las fotos reales de baja calidad.
- El juez Opus 5.5 a ciegas coincide con ese orden: MegaPotato 7.13, Wonder 3.5 6.99, Crystal 5.97 sobre 10 (135 fotos); también coincide el juez Qwen3.8 al evaluar las zonas ampliadas (7.24, 7.21, 6.83).
- Caras: la misma diferencia que en la prueba principal. Wonder 3.5 y Crystal conservan mejor el parecido con la persona del original, según un conjunto de modelos de reconocimiento facial. Las caras de MegaPotato recibieron las mejores puntuaciones del juez facial Qwen3.8 y fueron las que menos veces identificó como otra persona.
- A-FINE es la métrica que más ventaja da a MegaPotato, porque considera más naturales los resultados de MegaPotato. A-FINE (CVPR 2025)[1] evalúa dos cosas: cuánto se parece un resultado al original y lo natural que se ve; cuando un resultado parece más natural que el original, da mucho más peso a la naturalidad. Al desglosarlo en las 43 fotos de la prueba completa que tienen original, A-FINE consideró el resultado de MegaPotato más natural que la foto original en todas las fotos.
Un fotograma de un vídeo de la Casa Blanca publicado en la web en 2010, 480 × 360 px tal como se publicó (120 × 90 px de la imagen de entrada)
Un fotograma de un vídeo de la Casa Blanca de 2010 publicado en la web, difundido como foto e incluido entre las fotos reales de baja calidad. MegaPotato crea una cara nítida y natural. Wonder 3.5 y Crystal la dejan borrosa. Las fotos reales de baja calidad fueron el tipo en el que MegaPotato sacó más ventaja.
Imagen: Executive Office of the President, dominio público
Un gato, 640 × 480 px, 2004 (170 × 128 px de la imagen de entrada)
Peces en un acuario, 640 × 480 px, 2005 (200 × 150 px de la imagen de entrada)
Un cantante en un concierto, 1280 × 960 px, 2006 (110 × 83 px de la imagen de entrada)
Fotos pequeñas de origen (no existe un original real de alta resolución), procesadas tal como se publicaron. En el gato, Crystal conserva el moteado del antiguo archivo JPEG; Wonder 3.5 y MegaPotato lo limpian. En los peces, MegaPotato ofrece las escamas y los ojos más nítidos, el resultado de Wonder es limpio pero menos definido y Crystal conserva el ruido. En el cantante, el resultado de Crystal sigue siendo poco nítido, mientras que Wonder y MegaPotato dan una cara limpia. En estas 44 fotos, MegaPotato y Wonder 3.5 empataron (75.5 y 75.4), y Crystal siguió siendo el menos nítido (61.9).
Fotos (Flickr, CC BY 2.0, creativecommons.org/licenses/by/2.0): «Cat | In your face cat.», de Jennifer Kramer; «I Want This Guy's Job!!!», de James; «Elwood Caine concert at Herr Nilsen», de Henning Klokkeråsen. Recortadas y ampliadas.
Cómo probamos los ampliadores con IA#
Básicamente, todas las fotos de la prueba se dividen en dos categorías:
- Fotos de alta resolución y calidad que deterioramos con distintos métodos (JPEG, desenfoque, ruido, etc.) y redujimos a baja resolución.
- Fotos de baja resolución de origen.
Izquierda: lo que recibió cada herramienta en la prueba principal, una copia pequeña de 504 × 336 (aquí se muestra ampliada). Derecha: el original, que ninguna herramienta vio. Solo lo usamos como referencia para evaluar los resultados.
De cerca:
La misma multitud, de cerca. En la copia que recibió cada herramienta, estas caras solo tienen unos 20–26 píxeles de ancho. El ampliador tiene que adivinar el resto.
La prueba principal (16 fotos, 18 herramientas y configuraciones).
- La misma imagen de entrada deteriorada para todos: 504 × 336 píxeles, un poco de desenfoque y ruido, guardada dos veces como JPEG, como una foto que se ha compartido varias veces. La imagen de IA solo se redujo.
- La misma tarea para todos: ampliar 4 veces (2016 × 1344). Configuramos Topaz, Crystal, Let's Enhance, MegaPotato, Krea, Upscayl y Magnific a 4×. Recraft no tiene ajuste de tamaño, pero devolvió exactamente 4×. A ChatGPT y Gemini no se les puede indicar un tamaño, así que redimensionamos sus resultados a 2016 × 1344.
- Ajustes predeterminados, una ejecución por foto. Topaz: seis modelos. ChatGPT: un prompt sencillo y otro estricto. No cambiamos ningún parámetro predeterminado para no alterar las condiciones de la prueba.
Once de las 16 fotos de la prueba principal (los originales). Las 16 están enlazadas en photos.csv. Las herramientas solo recibieron versiones pequeñas y deterioradas.
La prueba completa (135 fotos, 3 líderes). Las fotos se describen arriba. Cada resultado se amplió a 4× en una sola ejecución: MegaPotato en su app web, Wonder 3.5 y Crystal a través de fal.ai con sus ajustes predeterminados.
Los jueces, ambos a ciegas. Usar modelos multimodales potentes de IA como evaluadores[2] es un método consolidado en la investigación en IA[3]. Usamos dos distintos para que los gustos de un solo modelo no pudieran decidir el resultado.
- Claude Opus 5.5 (esfuerzo máximo)[4] vio cada resultado identificado con una letra aleatoria, como imagen completa y en zonas ampliadas, junto al original (o la imagen de entrada, cuando no existe original), y dio una puntuación de 0 a 10. Mostramos dos veces un resultado por foto para comprobar la coherencia de sus puntuaciones.
- Qwen3.8[5] (27B) puntuó las zonas ampliadas y cada cara junto al original, en la misma escala de 0–10, y respondió para cada cara: ¿sigue siendo la misma persona?
Las mediciones. Detectamos cada cara una vez en el original con SCRFD[6] (en la imagen de entrada ampliada cuando no hay original) y la recortamos del mismo modo en cada resultado, para que una cara perdida por una herramienta no pudiera escapar a la prueba.
- ¿La misma persona? La similitud media de cuatro modelos de reconocimiento facial (tres para la mayoría de las caras): ArcFace[7] (entrenado con Glint360K[8]), MagFace[9], AdaFace[10] (entrenado con WebFace12M[11]) y AuraFace[12] (1 = la misma cara; personas distintas obtienen alrededor de 0–0.3).
- Calidad facial: eDifFIQA[13] (el sucesor rápido de DifFIQA[14]), que puntúa lo limpia y reconocible que es una cara sin usar el original.
- Similitud con el original: LPIPS[15] y A-FINE[1] en el total. DISTS[16], DreamSim[17], DINOv2[18], TOPIQ[19] y la diferencia de color CIEDE2000[20] como comprobaciones.
- ¿Se ve bien? (sin necesidad de original): MUSIQ[21] y NIQE[22] en el total; MANIQA[23], CLIP-IQA+[24] y TOPIQ como comprobaciones.
Calculamos las métricas con la biblioteca de código abierto IQA-PyTorch[25] y el código de los propios modelos.
El total (0–100). Un 28 % corresponde a la puntuación de Opus, y un 8 % a cada uno de estos componentes: la puntuación de Qwen3.8 en zonas ampliadas, la puntuación de Qwen3.8 en caras, la puntuación de identidad, la proporción de caras que Qwen3.8 identificó como otra persona, la calidad facial, LPIPS, A-FINE, MUSIQ y NIQE. Las puntuaciones de los jueces se multiplican por 10. Todas las demás métricas se ajustan a una escala en la que la mejor de las 18 herramientas y configuraciones de la prueba principal obtiene 100 y la peor, 0. La prueba completa usa la misma escala, así que sus totales significan lo mismo. Un valor mejor que el mejor de la prueba principal cuenta como 100; uno peor que el peor, como 0. Los pesos los elegimos nosotros. Mostramos cada componente para que puedas ponderarlos a tu manera. Fijamos los pesos después de la prueba principal y antes de la prueba completa. Opus recibió el mayor peso porque es un modelo propietario extremadamente capaz y, en la prueba principal, sus puntuaciones fueron las que mejor coincidieron con lo que veíamos nosotros.
Sobre la reproducibilidad. Antes de puntuar, alineamos cada resultado con la imagen de entrada: si estaba desplazado más de 0.75 píxeles, lo recolocábamos (los resultados de Wonder 3.5 suelen estar desplazados unos 0.8 píxeles). Las cifras se reproducen: consulta Cómo repetir esta prueba.
Antes y después: ejemplos en detalle#
Los recortes que siguen son de la prueba principal, salvo que la figura indique lo contrario.
Caras: qué ampliador con IA conservó la identidad de la persona#
Debajo de cada resultado, en letra pequeña: Juez Opus 5.5, la puntuación del juez a ciegas (0–10) para el resultado completo del que procede el recorte. Similitud facial, cuánto se parece esa cara a la persona del original según los modelos de reconocimiento facial (0–1; personas distintas obtienen alrededor de 0–0.3), cuando hay una cara. MUSIQ, la puntuación de calidad visual del resultado completo (0–100).
Un futbolista de 1914, con una cara de unos 25 píxeles de ancho en la copia. Seis herramientas conservan el parecido con la persona del original: Crystal, Let's Enhance, MegaPotato, Topaz Wonder 3.5, Gemini y ChatGPT (ChatGPT también da a la foto un ligero tono azulado). Krea cubre la cara con líneas negras, Upscayl la pierde y Recraft Creative y Magnific Creative dibujan a otro hombre. Fíjate en las cifras de Upscayl: una similitud facial de 0.54, pero el juez facial Qwen3.8 le dio 2 sobre 10. Una cara deformada que conserva la forma general puede engañar al reconocimiento facial. Por eso mostramos ambos tipos de métricas.
En un retrato en primer plano, casi todas las herramientas hicieron un buen trabajo: la imagen contiene mucha más información, así que la tarea es más fácil.
El caso fácil: la nariz y los labios de un retrato en primer plano. Crystal y Topaz Wonder 3.5 son los que mejor conservan la textura de la piel del original. MegaPotato la suaviza un poco. Topaz Bloom 2 redibuja los labios, el resultado de Upscayl parece de cera y Magnific Creative pinta sus propias pecas.
Las caras pequeñas, en cambio, son extremadamente difíciles, así que las herramientas se separan en grupos muy claros. En una multitud o en una foto antigua de grupo, una cara solo tiene 10–35 píxeles de ancho, de modo que el modelo tiene que adivinar casi todo.
Una mujer en el extremo de una multitud en un mercado nocturno, con una cara de unos 15 píxeles de ancho. Ninguna herramienta acertó del todo. Según el juez facial Qwen3.8, Let's Enhance fue el que más se acercó (6 sobre 10); MegaPotato y ChatGPT obtuvieron un 5, y Topaz Wonder 3.5, un 3. Es curioso que ni siquiera ChatGPT lograra redibujarla bien. Gemini y Recraft Creative perdieron la cara por completo.
Un tendero en 1943. La cara tiene unos 16 píxeles de ancho. Topaz Wonder 3.5 y MegaPotato parecen los más cercanos en este caso: Wonder conserva la cara y el bigote, pero cambia la mirada; MegaPotato y Gemini conservan la cara con un bigote más claro. ChatGPT lo hace mucho más joven. Crystal dibuja otra cara, más delgada, y Upscayl pierde la cara.
Las caras de las estatuas parecen seguir la misma tendencia. La cara de este busto solo tiene unos 12 píxeles de alto: una muestra extremadamente difícil, así que todos los modelos fallan, cada uno a su manera. MegaPotato y Topaz Wonder 3.5 parecen los más cercanos; al menos hay una cara de mujer en el lugar correcto. Topaz Bloom 2 esculpe otra cara, Upscayl y Recraft Creative la pierden, y Magnific Creative convierte el busto en un jarrón.
Qué dicen las cifras de las caras. La prueba principal tiene 67 caras en 9 fotos, de 10–290 píxeles de ancho en la copia que recibieron las herramientas. Para cada una medimos la puntuación de identidad, la puntuación del juez facial Qwen3.8 y si el juez la identificó como otra persona:
- El reconocimiento facial y el juez de IA discrepan de una forma interesante. Un redimensionado simple y borroso obtiene una puntuación de identidad alta, porque el desenfoque conserva las formas generales. Pero el juez penaliza esos casos. Para crear una cara nítida hay que adivinar, y cada conjetura la aleja un poco del original. Ningún modelo consigue mejorar una cosa sin sacrificar la otra.
- La calidad facial no permite distinguir a los líderes. eDifFIQA puntuó las caras de Crystal, Wonder 3.5, Let's Enhance, MegaPotato y ChatGPT en el intervalo 0.56–0.59, igual que las caras reales (0.58). Las caras deformadas o borrosas obtuvieron puntuaciones mucho menores (Upscayl 0.39, redimensionado simple 0.27). Pero es más bien una métrica de calidad visual: evalúa lo limpia y reconocible que es una cara, no si sigue siendo la misma persona.
Los modelos creativos son otra historia. En la mayoría de los casos, ni siquiera intentan conservar la identidad de la persona:
La mujer de la foto de la cafetería. MegaPotato y Crystal (y, en la cuadrícula completa, Topaz Wonder 3.5 y Let's Enhance) la conservan. Topaz Bloom 2, Recraft Creative, Krea y Magnific Creative dibujan cada uno a una mujer distinta: los modelos de reconocimiento facial les dan entre 0.08 y 0.45, frente a 0.73 de MegaPotato y 0.79 de Crystal.
Texto y números: los errores más convincentes#
Los ampliadores son más peligrosos con el texto pequeño. El resultado parece legible, así que te lo crees.
El corredor del principio del artículo. El dorsal real es LUT 3029 TP. Topaz Wonder 3.5 y MegaPotato parecen los más cercanos en este caso: Wonder acertó los dígitos (con 7P en lugar de TP), MegaPotato escribió 2029. Crystal escribió 2020, Gemini 2022, y solo Gemini leyó «trucks» en la franja roja. ChatGPT (prompt estricto) escribió «182 XDA 17», y Recraft Creative sustituye por completo el dorsal y la camiseta.
El texto grande es más fácil que el pequeño, obviamente:
Un letrero del mercado nocturno. Los caracteres grandes sobreviven en MegaPotato, Topaz Wonder 3.5 y Crystal. El número de teléfono que aparece debajo, 0981337668, no se puede leer en la imagen de entrada y ninguna herramienta lo recupera: Wonder 3.5 y Crystal dibujan letras latinas en su lugar; MegaPotato, caracteres inventados. ChatGPT redibuja todo el letrero con otro estilo, Magnific Creative pinta una casa encima y Recraft Creative escribe otros caracteres.
Un menú de cafetería. Las palabras son lo bastante grandes como para leerlas en la copia pequeña, así que casi todas las herramientas las conservan. MegaPotato, Crystal y Topaz Wonder 3.5 parecen los más cercanos en este caso. Es curioso que muchos modelos fallen con los tonos. Krea vuelve gris la tiza, Magnific Creative reescribe dos palabras y Recraft Creative convierte el menú en palabras sin sentido («smme», «olwerlo», «Kinierl»).
Colores: quién no repintó la foto#
Hiedra en una casa de Estambul. MegaPotato, Crystal y Topaz Wonder 3.5 conservan los colores. ChatGPT (con ambos prompts) cambia el marrón rojizo oscuro de las hojas por un verde vivo.
La foto completa de la carrera. MegaPotato y Topaz Wonder 3.5 conservan los colores, como las otras herramientas que respetan el original. ChatGPT con el prompt sencillo enfría la luz cálida y añade un cielo azul y árboles verdes en la parte superior. Con el prompt estricto conserva más la calidez, pero sigue alterando los colores (diferencia de color de 11.1 y 7.8 frente a 2.3 de los dos anteriores).
Pelaje de animales e imágenes generadas con IA#
Pelaje de gato. MegaPotato y Crystal parecen los más cercanos en este caso; Topaz Wonder 3.5 queda algo menos definido. ChatGPT vuelve el pelaje más anaranjado, Magnific Creative pinta un pelaje con manchas y Recraft Creative, pelo largo y liso.
Una imagen de IA de la prueba completa (FLUX.1 [schnell], creada por nosotros), con 16 caras. Los tres líderes la resolvieron bien. El resultado de MegaPotato obtuvo la mejor puntuación del juez Opus 5.5 (8 sobre 10, frente a 7 de Crystal y 6.5 de Wonder 3.5), en la evaluación de zonas ampliadas de Qwen3.8 y en similitud con el original (LPIPS); sus caras también fueron las más cercanas a las personas del original (puntuación de identidad de 0.75, frente a 0.74 y 0.72).
Detalles inventados: qué añadieron las herramientas que no estaba en la foto#
Todas las herramientas generativas inventaron algún detalle que nunca existió en el original. Los modelos de propósito general lo hicieron más a menudo; los especializados, con menos frecuencia, pero ninguno se libra.
- MegaPotato: logotipos y caracteres inventados donde el texto es demasiado pequeño para leerlo.
- ChatGPT: objetos y decoraciones nuevos (cortinas, cuadros, nombres de empresas), y un cielo y una luz distintos.
- Topaz Wonder 3.5: convierte estatuas, muñecas y caras pintadas en personas vivas y fotografías. Dígitos incorrectos donde el texto es demasiado pequeño.
- Topaz Standard V2, Low Resolution V2 y Standard MAX: tienden a eliminar accesorios de las caras pequeñas.
- Topaz Bloom 2: ropa y objetos nuevos en personas, estatuas y mesas.
- Recraft Creative: una escena nueva: personas, plantas, ventanas y menús nuevos.
- Magnific Creative: también una escena nueva: personas y texto nuevos, un busto convertido en urna.
Casos extremadamente difíciles: copias antiguas en papel, compresión JPEG fuerte y ruido (57 imágenes)#
La prueba completa mide el rendimiento medio. Por eso también hicimos algunas pruebas con un deterioro extremo, para ver cómo se comportan los modelos en el peor caso: 57 imágenes, reducidas (288 × 216 o menos) y deterioradas a propósito, o simplemente difíciles de por sí. Escaneos de material impreso con puntos de semitono, compresión JPEG fuerte, ruido por poca luz, copias antiguas en papel con polvo y arañazos, papel texturizado, caras diminutas, gafas de sol, estatuas, muñecas, pinturas y cómics. Los originales son fotos de dominio público o con licencia libre (Library of Congress, Wikimedia Commons, The Metropolitan Museum of Art, Pexels). Aquí solo participaron los tres líderes, y jueces de IA a ciegas eligieron el mejor resultado de cada imagen. Para las imágenes que mostramos abajo, el juez Opus 5.5 también puntuó cada resultado en otra ronda a ciegas, con los criterios de la prueba principal. Su puntuación y MUSIQ aparecen debajo de los paneles. Las caras modificadas que verás son el resultado de las herramientas, no las personas reales. Solo las mostramos para documentar lo que hacen las herramientas.
Músicos en una imagen guardada con compresión JPEG fuerte (calidad 12) (64 × 48 px de la imagen de entrada de 288 × 216 px)
Un pasajero de tren con compresión JPEG fuerte (calidad 12) (56 × 42 px de la imagen de entrada de 288 × 216 px)
Dos caras muy deterioradas por la compresión JPEG. Para lo extrema que era la tarea, todas las herramientas cumplieron bastante bien, pero cada una inventó o perdió detalles distintos.
Fotos: cottonbro studio, licencia de Pexels; Syazani Zahari, licencia de Pexels
Una copia envejecida en sepia, con polvo, arañazos y desenfoque (148 × 111 px de la imagen de entrada de 288 × 216 px)
Una copia antigua y desvaída de un retrato de Einstein.
Foto: Ferdinand Schmutzer, dominio público
Una foto de 1943 guardada con compresión JPEG fuerte (calidad 12) (90 × 68 px de la imagen de entrada de 288 × 216 px)
La misma foto con mucho ruido por poca luz (90 × 68 px de la imagen de entrada de 288 × 216 px)
Dos tipos de deterioro fuerte en la misma foto de 1943. MegaPotato rejuveneció a la mujer y perdió sus gafas.
Fotos: Jack Delano, Library of Congress, dominio público (obra del Gobierno de EE. UU.)
Gafas de sol oscuras tras una compresión JPEG fuerte (100 × 75 px de la imagen de entrada de 288 × 216 px)
Gafas de sol deportivas de espejo de unos corredores tras una compresión JPEG fuerte (98 × 74 px de la imagen de entrada de 288 × 216 px)
Tras un deterioro fuerte por compresión JPEG, Crystal suele volver transparentes las gafas de sol oscuras y dibujar ojos detrás. MegaPotato y Wonder 3.5 suelen conservar los cristales oscuros.
Fotos: Karan Singh, licencia de Pexels; RUN 4 FFWPU, licencia de Pexels
Una muñeca de porcelana sin esmaltar en un museo del juguete, con una cara de unos 22 px de ancho en la imagen de entrada (56 × 42 px de la imagen de entrada de 288 × 216 px)
Un busto romano de mármol de un hombre, de mediados del siglo 1 (128 × 96 px de la imagen de entrada de 288 × 216 px)
Algunos ejemplos de caras no humanas.
Imágenes: Alf van Beem, Wikimedia Commons, CC0; The Metropolitan Museum of Art, Open Access, CC0
Una acuarela de John Singer Sargent, 1912 (60 × 45 px de la imagen de entrada de 288 × 216 px)
Una pintura. Wonder convierte la cara pintada en una fotografía, con mucha seguridad. MegaPotato la hace más joven y lisa, más parecida a una ilustración. Crystal conserva la pincelada suelta, que aquí parece lo correcto.
Imagen: John Singer Sargent, The Metropolitan Museum of Art, Open Access, CC0
Una copia en papel texturizado de la década de 1910, escaneada (72 × 54 px de la imagen de entrada de 288 × 216 px)
Solo MegaPotato elimina el grano del papel. Wonder deja parte de él y endurece la mirada de la mujer. Crystal lo deja todo tal cual.
Foto: Harris & Ewing, Library of Congress, sin restricciones de publicación conocidas
Las caras muy deterioradas son nuestro punto débil: en 8 imágenes de este tipo, MegaPotato cambió a la persona en 6 (otra edad, otra cara u ojos abiertos). Con imágenes de entrada muy pequeñas, nadie conservó la cara de Einstein, y MegaPotato además dejó una franja de píxeles con estrías a lo largo de dos bordes de cada resultado.
| Tipo de imagen | Imágenes | Wonder 3.5, el mejor | MegaPotato, el mejor | Crystal, el mejor |
|---|---|---|---|---|
| Puntos de periódicos y revistas (escaneos con trama de semitonos) | 11 | 8 | 6 | 0 |
| Copias antiguas en papel: polvo, arañazos, desenfoque, papel texturizado | 7 | 2 | 6 | 0 |
| Compresión JPEG fuerte y ruido por poca luz en personas | 16 | 9 | 6 | 3 |
| Gafas de sol tras una compresión JPEG fuerte | 5 | 4 | 3 | 0 |
| Caras diminutas e imágenes de entrada diminutas (128 × 96, 160 × 120) | 8 | 5 | 5 | 2 |
| Estatuas y muñecas | 5 | 1 | 4 | 0 |
| Pinturas y cómics | 5 | 2 | 1 | 2 |
| Todos los casos difíciles | 57 | 31 | 31 | 7 |
Los empates cuentan para todas las herramientas empatadas, así que una fila puede sumar más que su número de imágenes. Los grupos son pequeños: una sola imagen puede cambiar el resultado de una fila.
En pocas palabras: Wonder 3.5 y MegaPotato se repartieron los casos difíciles a partes iguales, con 31 primeros puestos cada uno en 57 imágenes, y Crystal obtuvo 7. Escaneos de material impreso, compresión JPEG fuerte y fotos con ruido: empieza por Wonder 3.5. Copias antiguas en papel, estatuas, muñecas y papel texturizado: MegaPotato. Pinturas: Crystal, que conserva las pinceladas. Con las caras deterioradas, ninguno era una apuesta segura.
Qué ampliador con IA usar según el tipo de foto#
- Fotos reales de baja calidad tal como se tomaron (fotos de teléfonos antiguos, de las primeras cámaras digitales, de fiestas y escenarios): MegaPotato, y con mucha diferencia (67.2 frente a 62.8 de Wonder 3.5 y 46.1 de Crystal, 29 fotos).
- Noche, escenarios y poca luz: MegaPotato (70.1 frente a 64.8 y 55.2, 24 fotos).
- Fotos compartidas, comprimidas o pequeñas con personas: MegaPotato para las caras más nítidas y naturales. Topaz Wonder 3.5 o Crystal cuando la cara deba parecerse lo máximo posible a la del original (puntuaciones de identidad más altas).
- Copias antiguas en papel desvaídas y fotos familiares antiguas: Wonder 3.5 o MegaPotato: a la par en 19 copias antiguas en papel (74.0 y 73.9). MegaPotato dio las caras más nítidas en los casos difíciles, pero a veces convierte el deterioro fuerte en patrones. Ninguna herramienta elimina el polvo y los arañazos de forma fiable.
- Escaneos de periódicos y revistas: Topaz Wonder 3.5 o MegaPotato.
- Estatuas, muñecas, pinturas y dibujos: MegaPotato deja de piedra los ojos de piedra. En pinturas, Crystal conserva las pinceladas. Wonder a veces les da «vida».
- Paisajes, animales y edificios sin personas: los tres están cerca (Crystal 74.2, MegaPotato 72.8, Wonder 3.5 72.6).
- Fotos con nombres, números o letreros: no te fíes de ninguna herramienta con el texto pequeño. Una palabra o un número que de pronto se vuelve legible es una conjetura, no una recuperación. Estamos trabajando en el texto pequeño para la próxima versión de MegaPotato.
- Una impresión grande a partir de un archivo pequeño: a 300 píxeles por pulgada, 2016 × 1344 píxeles permiten imprimir a unos 17 × 11 cm (6.7 × 4.5 in). MegaPotato llega a 8×, Let's Enhance a 16× y Topaz Gigapixel a 6×.
- Miles de imágenes a través de una API: MegaPotato ($0.079 por foto con 1 000 al mes), Topaz ($0.26 a través de su API propia desde $50 al mes, o $0.24 a través de fal.ai) o Crystal ($0.35) para fotos. Recraft Crisp ($0.033), solo para gráficos limpios. No probamos la velocidad ni la fiabilidad con grandes volúmenes.
Precios de los ampliadores con IA: cuánto cuestan realmente#
Bar chart of 4 bars: MegaPotato $0.073, Let's Enhance $0.22, Topaz Wonder 3.5 · fal.ai $0.24, Crystal $0.35. Highest: Crystal; lowest: MegaPotato.
| value | |
|---|---|
| MegaPotato | $0.073 |
| Let's Enhance | $0.22 |
| Topaz Wonder 3.5 · fal.ai | $0.24 |
| Crystal | $0.35 |
Las cuatro herramientas situadas a menos de dos puntos de la mayor puntuación total (de 80.8 a 82.6) y el precio de una foto con cada una: 100 fotos al mes, media de tres tamaños. Las barras empiezan en cero. MegaPotato cuesta entre 3.1 y 4.8 veces menos que las otras tres. La API propia de Topaz no aparece en el gráfico: su plan parte de $50 al mes, así que con 100 fotos al mes pagas principalmente por el plan, $0.54 por foto. Con 1 000 fotos al mes sale a $0.26.
Scatter plot of 14 points: Puntuación total against Precio por foto, $ (log scale). Precio por foto, $ from 0.033 to 2.051. Highest Puntuación total: MegaPotato (82.6); lowest: Recraft Creative (33.3). Highlighted: MegaPotato (82.6 at 0.073). Hollow points are estimates.
| Precio por foto, $ | Puntuación total | Puntuación total from | Puntuación total to | series | estimate | |
|---|---|---|---|---|---|---|
| MegaPotato | 0.073 | 82.6 | MegaPotato | |||
| Topaz Wonder 3.5 | 0.24 | 81.9 | Topaz | |||
| Let's Enhance | 0.223 | 81.8 | Let's Enhance | |||
| Crystal | 0.35 | 80.8 | Crystal | |||
| ChatGPT | 0.162 | 73.2 | OpenAI | yes | ||
| Gemini | 0.113 | 70.9 | yes | |||
| Topaz Standard MAX | 0.453 | 69.9 | Topaz | |||
| Topaz Bloom 2 | 0.907 | 68.1 | Topaz | |||
| Topaz Precision, 3 modelos | 0.107 | 53.9 | 34.1 | 65.1 | Topaz | |
| Recraft Crisp | 0.033 | 63.9 | Recraft | yes | ||
| Krea Enhance | 0.21 | 53.7 | Krea | yes | ||
| Magnific Precision V2 | 1.130 | 53.5 | Magnific | |||
| Magnific Creative | 1.020 | 46.3 | Magnific | yes | ||
| Recraft Creative | 2.051 | 33.3 | Recraft | yes |
Puntuación total frente al precio de una foto con 100 fotos al mes, media de tres tamaños, un color por proveedor y Topaz a través de fal.ai. El eje de precios es logarítmico: la misma distancia representa la misma proporción, no el mismo número de dólares. Los puntos huecos son precios normalizados por megapíxel. Upscayl no aparece en el gráfico: la app en sí es gratis, pero necesitas tu propia tarjeta gráfica y electricidad para usarla, y no calculamos esos costes. Cómo calculamos los precios ↓
Cómo calculamos los precios de los gráficos
El precio de una foto es la media de tres trabajos de ampliación a 4× (0.17 → 2.7 MP, 1 → 16 MP, 3 → 48 MP), con 100 fotos al mes. Un paquete de pago único o los créditos que no caducan se reparten entre los meses que duran a ese volumen, con un máximo de 12; para cada volumen elegimos el paquete o plan más barato. El precio de Topaz corresponde a fal.ai (pago por uso). Con la API propia de Topaz y su mínimo mensual de $50, todos los puntos de Topaz se desplazan a la derecha (Wonder 3.5 pasa a $0.54). Los tres modelos Precision de Topaz (Standard V2 62.6, Low Resolution V2 65.1, High Fidelity V3 34.1) cuestan lo mismo y comparten un punto situado en su media, con una barra del mínimo al máximo. El precio de MegaPotato corresponde a su app web, con su descuento del −20 % al enviar 3 fotos o más juntas. Con 100 fotos al mes, los paquetes más baratos son el de $25 por 600 chips para el tamaño pequeño y el de $50 por 1 300 chips para los dos mayores. Su API no tiene descuento por lote y sale a $0.091 por foto con este volumen. Los precios de Gemini y OpenAI corresponden a sus API Batch (mitad de precio, resultados en un máximo de 24 horas). Cuando una herramienta no puede producir un tamaño (ChatGPT por encima de 8 MP, Gemini a 48 MP, Magnific Creative por encima de 25 MP, Recraft a cualquier tamaño fijado) o solo tiene precio para un tamaño (Krea), normalizamos el precio a partir de su precio por megapíxel y mostramos un punto hueco. Las tablas de abajo incluyen 10 y 1 000 fotos al mes. Precios antes de impuestos.
Los precios por foto ocultan dos cosas: qué tienes que comprar primero y si puedes usar la herramienta sin escribir código. Así que aquí está el coste de un mes entero de la tarea pequeña de la prueba principal (una foto de 504 × 336 ampliada a 4×, 2.7 MP), que todas las herramientas pueden hacer. Los precios proceden de la web o API propia de cada proveedor, se revisaron de nuevo el 15 de noviembre de 2026 (cada fuente lleva su fecha) y son antes de impuestos. Las páginas figuran en las fuentes.
| MegaPotato[26] | $0.50 | $3.33 | $31 | Paquetes de chips de pago único desde $5. Los chips no caducan. 3 fotos o más juntas: −20 % | Sí |
| API de Crystal (Clarity AI)[27] | $0.50 | $5 | $50 | Pago por uso desde $1 | No |
| Web de Crystal (Clarity AI)[27] | $13–19 | $13–19 | $199–299 | Un plan mensual: Starter a $19 ($13 con facturación anual) por 1 200 créditos; 5 créditos por foto pequeña. Para 1 000 al mes hace falta Business, con 30 000 créditos. El plan más barato no incluye «compatibilidad con imágenes pequeñas» | Sí |
| Topaz Wonder 3.5 (API de Topaz)[28] | $50 | $50 | $100 | API propia de Topaz, desde $50 al mes. 1 crédito por foto | No |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (API de Topaz)[28] | $50 | $50 | $100 | El mismo plan de API. 1 crédito por foto | No |
| Topaz Standard MAX (API de Topaz)[28] | $50 | $50 | $100 | El mismo plan de API. 1 crédito por foto | No |
| Topaz Bloom 2 (API de Topaz)[28] | $50 | $50 | $200 | El mismo plan de API. 2 créditos por foto | No |
| Topaz Wonder 3.5 (fal.ai)[29] | $0.80 | $8 | $80 | Pago por uso. $0.08 por cada bloque de 8 MP del resultado o fracción | No |
| Topaz Standard MAX (fal.ai)[29] | $0.80 | $8 | $80 | Pago por uso. $0.08 por cada bloque de 4 MP del resultado o fracción | No |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai)[29] | $0.80 | $8 | $80 | Pago por uso. $0.08 por cada bloque de 24 MP del resultado o fracción | No |
| Topaz Bloom 2 (fal.ai)[29] | $1.60 | $16 | $160 | Pago por uso. $0.08 por cada bloque de 2 MP del resultado o fracción | No |
| Topaz for Web, Image (Wonder 3, no 3.5)[30] | $14–19 | $14–19 | $14–19 | Tarifa plana: $199 al año, $19 al mes con compromiso anual o $19 al mes sin compromiso anual, en oferta a $169 y $16 (con compromiso anual) el 15 de noviembre de 2026. Topaz anuncia procesamiento ilimitado. Los límites publicados son exportación de hasta 32 MP, dos imágenes a la vez y uso personal o para pequeñas empresas | Sí |
| Topaz Gigapixel (escritorio, Wonder 3)[30] | $11–29 | $11–29 | $11–29 | $149 al año, $19 al mes con compromiso anual o $29 al mes sin compromiso anual, en oferta a $127 y $16 (con compromiso anual). Procesamiento local ilimitado; en la nube, «ilimitado», con dos imágenes a la vez | Sí |
| Let's Enhance[31] | $3.25 | $9 | $72 | Planes o paquetes de pago único. 1 crédito por foto | Sí |
| Gemini (API)[32] | $0.50 | $5 | $50 | API Batch, pago por uso. Crea una imagen 2K (2528 × 1696). Sin código, la app gratuita ofrece 1264 px | No |
| ChatGPT (API de imágenes de OpenAI)[33] | $0.42 | $2.71 | $27 | API Batch con calidad «high». Pago anticipado mínimo de $5. Sin código, la app dio 1536 × 1024 | No |
| Recraft Crisp (API)[34] | $0.08 | $0.40 | $4 | Pago por uso desde $1 | No |
| Recraft Creative (API)[34] | $2.50 | $25 | $250 | Pago por uso desde $1 | No |
| Magnific Creative (nodo de ComfyUI)[35] | $3.40 | $34 | $340 | Créditos Comfy de prepago, mínimo $10, válidos durante un año. Planes propios de Magnific desde €16 al mes | No |
| Magnific Precision V2 (nodo de ComfyUI)[35] | $3.40 | $34 | $340 | Los mismos créditos. Dos pasos de 2× | No |
| Krea (plan Pro)[36] | $21–35 | $21–35 | $21–35 | Pro a $35 al mes o $21 con facturación anual: 20 000 unidades de cómputo. Krea ya no indica cuántas imágenes de Enhancer permite procesar esa cantidad (en octubre indicaba 2 500 al mes) | Sí |
| Upscayl | gratis | gratis | gratis | Tu propia tarjeta gráfica | Sí |
Qué significa esto en la práctica. Si sabes programar, la API de MegaPotato es la más barata entre las herramientas que respetan el original: $0.091 por foto (la media de tres tamaños con 100 fotos al mes; la API no tiene descuento por lote, mientras que la app web sí, y allí las mismas fotos cuestan $0.073), frente a $0.54 de Topaz Wonder 3.5 a través de la API propia de Topaz ($0.24 a través de fal.ai) y $0.35 de la API de Crystal. Sin código hay menos opciones. La web de Crystal parte de $13 al mes con facturación anual ($19 con pago mensual). Wonder 3.5 para fotos solo está disponible por API: fal.ai con pago por uso o la propia de Topaz desde $50 al mes (las apps de Topaz tienen Wonder 3, que no probamos). Así que MegaPotato y Let's Enhance son, básicamente, las únicas dos herramientas de primer nivel que puedes usar en el navegador con un pago único, sin suscripción; MegaPotato es más barato en todos los tamaños cuyo precio calculamos. Para un uso muy intensivo, de unas 1 000 fotos al mes, las tarifas planas de Topaz con Wonder 3 son difíciles de superar (Gigapixel a $149 al año, Topaz for Web a $199, en oferta a $127 y $169 el 15 de noviembre de 2026): Topaz anuncia procesamiento ilimitado y no publica un tope mensual, solo un límite de exportación de 32 MP y dos imágenes a la vez. No pudimos comprobar si eso se mantiene con miles de imágenes procesadas al mes. Con 100 fotos al mes, MegaPotato ya es más barato.
La letra pequeña que cambia el precio real y las herramientas que no probamos
- Gasto mínimo: API propia de Topaz, $50 al mes (el plan «Starter» de $0 que en octubre aparecía como «próximamente» ha desaparecido; los créditos por foto figuran en su documentación[37]); ninguno en fal.ai. Web de Crystal, $13–19 al mes. MegaPotato, $5 una sola vez. API de Crystal y Recraft, pago por uso desde $1. API de Gemini y OpenAI, pago anticipado de $5.
- Créditos que caducan: los créditos de los planes de Let's Enhance se pierden al cancelar (sus paquetes de pago único no caducan). Los créditos de la web de Crystal no se acumulan para el mes siguiente. Los créditos de las API de Gemini y OpenAI caducan a los 12 meses. Los chips de MegaPotato, las unidades de Recraft y los créditos de la API de Crystal no caducan.
- Saltos de precio y límites de tamaño: Crystal duplica el precio en cuanto se superan los 16 MP (de $0.20 a $0.40). Topaz Standard V2 lo duplica por encima de 24 MP, y Wonder 3.5 ya cuesta 2 créditos a 16 MP en la API de Topaz. En fal.ai, Wonder 3.5 cuesta $0.08 por cada bloque de 8 MP del resultado o fracción ($0.16 a 16 MP, $0.48 a 48 MP). MegaPotato sube de chip en chip (0.06 chips por bloque, con redondeo hacia arriba). La API de imágenes de OpenAI llega hasta unos 8 MP. La app gratuita de Gemini, hasta 1264 px. El plan gratuito de Let's Enhance, hasta 8 MP, con un logotipo.
- No probados: VanceAI[38], Pixelcut[39] y Remini[40]. Sus precios están en las fichas de herramientas.
Todos los ampliadores con IA que probamos, uno por uno#
Notas breves sobre cada herramienta: qué es, qué hizo bien y dónde falló. Las puntuaciones están en la clasificación y los precios en las tablas de precios; no tiene sentido repetirlos aquí.
1. MegaPotato, ampliador de imágenes con IA: primero en ambas pruebas y el más barato de los líderes#
MegaPotato es nuestra propia herramienta: una app web y una API, un modelo que amplía a 2×, 4× y 8×, o usa el modo Refinar sin cambiar el tamaño, con paquetes de chips en lugar de suscripción.
Destaca en fotos reales de baja calidad, fotos nocturnas e imágenes de IA; las caras quedan naturales y limpia las copias antiguas en papel (grano del papel, polvo) mejor que los demás. Su punto débil son las caras pequeñas: se alejan un poco más de la persona real que con Crystal y Wonder 3.5. En fotos oscuras y deterioradas cambió edades y, a veces, caras, y con imágenes de entrada muy pequeñas deja estrías en los bordes.
2. Topaz Wonder 3.5: las caras más fieles, pero solo por API#
Topaz Labs es probablemente el nombre más conocido en ampliación (forma parte de Adobe desde septiembre de 2026), con tres familias de modelos que se comportan de formas muy distintas: Precision, Generative y Creative. Wonder 3.5 es el que importa, y solo está disponible por API: la propia de Topaz o fal.ai, donde lo ejecutamos. Las apps tienen Wonder 3.
Las caras más fieles de toda la prueba, la única herramienta que leyó el número del corredor, la mejor en escaneos con trama de semitonos y la más cuidadosa con las caras deterioradas. Los problemas: trata las estatuas y muñecas como personas y las pinturas como fotografías, cambia las edades y deja poco nítidas las copias antiguas en papel desvaídas. Los otros modelos de Topaz son otra historia: Standard V2, Low Resolution V2 y Standard MAX convierten las caras pequeñas en plástico y tienden a eliminar accesorios; High Fidelity V3 apenas toca una foto pequeña (está pensado para las grandes); Bloom 2 redibuja las caras.
3. Let's Enhance: casi igual de fiel y fácil de usar#
Let's Enhance es uno de los ampliadores web más antiguos, solo disponible en la web (su API se vende aparte como Claid; no la probamos), con unos pocos modos. Usamos Prime, el predeterminado. Se paga con créditos, en paquetes o mediante un plan.
Cuidadoso y fiel: sus caras fueron las que más gustaron al juez facial y no inventó nada importante. Pierde en nitidez: sus resultados son los menos nítidos de los cuatro líderes, tanto para el juez de zonas ampliadas como según las métricas de calidad visual, y las caras se alejan un poco más de la persona real que las de Wonder y Crystal.
4. Crystal Upscaler (Clarity AI): muy fiel en fotos normales, flojo con el ruido y el material impreso#
Crystal es el modelo cerrado de Clarity AI, ajustado para caras y productos: una API con pago por imagen y una web con suscripción.
El más cercano a los originales según las métricas de imagen: conserva a la persona y los colores, no añade nada y es el mejor cuando no hay personas en el encuadre. Pero conserva el ruido y los bloques JPEG, solo que más nítidos; los puntos de semitono siguen siendo puntos y, en nuestros casos difíciles, volvió transparentes las gafas de sol oscuras e hizo que los niños de fotos antiguas parecieran adultos. No sirve para escaneos, copias en papel deterioradas ni fotos con ruido.
5. ChatGPT como ampliador: estupendo a primera vista, pero cambia detalles importantes#
ChatGPT no tiene botón de ampliar: pides una versión más grande y el modelo de imágenes dibuja una imagen nueva.
Los resultados más bonitos a primera vista. Pero el conocido problema de redibujar sigue ahí: altera los colores, rejuvenece a las personas y escribe texto con total seguridad, y un prompt estricto que diga «no inventes nada» no lo detiene. Bien para una imagen bonita; no para fotos familiares, documentos, productos ni nada con nombres y números.
6. App de Gemini (Google Nano Banana): cuidadosa con las caras, archivos pequeños#
Gemini tampoco es un ampliador: redibuja la imagen entera.
El más cuidadoso de los modelos de chat: conserva las caras y los colores. Pero los archivos son pequeños y poco nítidos, y escribe números nítidos pero incorrectos y palabras inventadas.
7. Recraft (Crisp y Creative): barato para gráficos, no para caras pequeñas#
Recraft es una herramienta de diseño con dos ampliadores: Crisp da nitidez a lo que hay; Creative redibuja. No puedes elegir el tamaño del resultado.
Crisp va bien con arte con IA y bordes limpios, y es la API más barata de la prueba, pero deforma las caras pequeñas. Creative simplemente dibuja otra foto, con personas nuevas y palabras sin sentido incluidas. Para logotipos, gráficos y arte con IA en grandes cantidades, no para personas.
8. Upscayl: gratis y sin conexión, pero no para caras pequeñas#
Upscayl es una app de escritorio gratuita y de código abierto que ejecuta modelos de tipo Real-ESRGAN en tu propia tarjeta gráfica: sin cuenta ni marca de agua; las fotos nunca salen de tu equipo (tres de los modelos incluidos están marcados como no comerciales).
Gratis, privado, aceptable con arte con IA y bordes limpios, y no inventa palabras. Las caras pequeñas salen deformadas y el texto pequeño sigue borroso. Ampliación gratuita y sin conexión de imágenes limpias, nada más.
9. Krea: muchas herramientas; probamos su propio modelo de mejora#
Krea es una plataforma creativa. Su Enhancer incluye modelos propios de Krea y de terceros (Topaz, Magnific). Probamos el propio de Krea.
Muchas herramientas en un solo sitio, si ya generas imágenes allí. En fotos, su propio Enhance se alejó mucho de las caras reales, dibujó líneas negras sobre las caras de 1914 y volvió gris la tiza roja. Terminó cerca del final de nuestra clasificación.
10. Magnific: el famoso dibuja otra imagen y su modo para fotos se pasa con la nitidez#
Magnific es el ampliador que todos mencionan primero, con dos modos: Creative y Precision. Ejecutamos ambos a través de los nodos de Magnific de ComfyUI, con los ajustes predeterminados de los nodos. El nodo devolvía 2× pidiéramos lo que pidiéramos, así que nuestro 4× son dos pasadas de 2×.
Creative crea una imagen nueva con mucho detalle, útil para arte conceptual e ilustraciones. En una foto, ese es precisamente el problema: dibuja una nueva, con otras personas y otras palabras. Precision conserva la escena, pero añade textura nítida inventada por todas partes. Con los ajustes predeterminados, ninguno se acercó a los primeros puestos. Precision, con ajustes de detalle más bajos, podría rendir mejor que en nuestra prueba.
Tres herramientas populares que no probamos: VanceAI, Pixelcut, Remini
- VanceAI. Un conjunto de herramientas en línea (ampliar, eliminar ruido, restaurar, colorear). Planes desde $15 al mes por 260 créditos; una ampliación a 4× cuesta 2 créditos. Los nuevos usuarios reciben 10 créditos gratis.
- Pixelcut. Un editor de fotos para vendedores en línea. 3 descargas gratis al día a 2×; 4× requiere Pro ($8–10 al mes, ampliaciones «ilimitadas»). API a $0.10 por ampliación, con planes desde $10 al mes.
- Remini. Una app para teléfono centrada en las caras. No puedes elegir el tamaño, así que es más una herramienta de «mejora» facial que un ampliador. Se vende mediante suscripciones, a menudo semanales.
Cómo repetir esta prueba#
Todo lo que necesitas para repetir la prueba está en esta página y en cuatro archivos pequeños:
- Las fotos: cada una de las 137 fotos de las dos pruebas principales, con su fuente, licencia y cómo se creó su imagen de entrada pequeña, en photos.csv. Cómo se creó cada tipo de imagen de entrada se explica en el apéndice. Los casos difíciles se describen en su sección.
- Las herramientas: dónde se ejecutó cada una, con sus ajustes y prompts, en Ajustes, prompts y alineación.
- La puntuación: los jueces, las mediciones y la fórmula, en Cómo hicimos las pruebas. Las cifras de cada herramienta en ambas pruebas están en la tabla de la prueba completa y en el apéndice.
- Cada puntuación: cada herramienta en cada foto, en scores.csv; cada cara, en faces.csv. README.txt explica qué es cada columna y cómo se obtienen a partir de ellas las tablas de esta página. Los datos se pueden usar libremente bajo CC BY 4.0, con un enlace a esta página.
Versión 1.1, 15 de noviembre de 2026. Los precios se revisaron de nuevo en todos los proveedores. MegaPotato ha bajado de precio (una foto de 48 MP ahora cuesta 4 chips en lugar de 5), por lo que ahora es 7.4 veces más barato que Topaz Wonder 3.5 a través de la API propia de Topaz y 3.3 veces más barato que a través de fal.ai. Topaz añadió a sus apps un plan anual con facturación mensual y cambió los precios de oferta, y Krea ya no indica el número de imágenes de Enhancer por plan. Todos los demás precios siguen igual, al igual que los resultados de las pruebas.
Versión 1.0, 14 de octubre de 2026. Las herramientas se ejecutaron a principios de octubre de 2026. Los precios se revisaron de nuevo el 17 de octubre de 2026; cada fuente lleva su fecha. Los cambios en las cifras se indicarán aquí.
Comprobamos que las cifras se reproducen. Al puntuar por segunda vez los resultados guardados de la prueba principal con el mismo código, ninguna cifra se desvió más de un 0.15 % de la primera ejecución, foto por foto. Al volver a evaluar 201 caras con los mismos prompts y recortes, el juez Qwen3.8 dio exactamente la misma puntuación el 85 % de las veces y la misma respuesta a «¿es la misma persona?» en el 99.5 % de las caras. Claude Opus 5.5 vio dos veces un resultado por foto bajo dos letras distintas. En la prueba principal, sus dos puntuaciones fueron idénticas en 9 de las 16 fotos y se diferenciaron en medio punto en las demás. Los propios ampliadores pueden dar un resultado distinto en una segunda ejecución.
Cómo citar esta prueba
MegaPotato Research Team. The Best AI Image Upscalers of 2026–2027: Benchmark With Reproducible Metrics and Prices. megapotato.app, 14 de octubre de 2026, versión 1.1 del 15 de noviembre de 2026. https://megapotato.app/blog/best-ai-image-upscalers-2026
@misc{megapotato2026upscalers,
title = {The Best AI Image Upscalers of 2026--2027: Benchmark With
Reproducible Metrics and Prices},
author = {{MegaPotato Research Team}},
year = {2026},
month = oct,
howpublished = {\url{https://megapotato.app/blog/best-ai-image-upscalers-2026}},
note = {Version 1.1, 15 November 2026}
}Apéndice: métricas, ajustes, prompts y fuentes de las fotos#
Todas las cifras de la prueba principal (18 herramientas y configuraciones)
Los componentes del total, como medias de las 16 fotos. «Otra persona» es la proporción de las 67 caras que el juez Qwen3.8 identificó como otra persona. A-FINE, DreamSim, DINOv2 y TOPIQ-FR se calcularon sobre copias a la mitad de tamaño (1008 × 672). Pasa el cursor sobre el nombre de una métrica para ver su explicación. Todas las definiciones están en Qué mide cada métrica.
| MegaPotato | 82.6 | 7.00 | 6.98 | 6.85 | 0.481 | 0.0 | 0.560 | 0.207 | 17.4 | 59.9 | 3.19 |
| Topaz Wonder 3.5 | 81.9 | 7.09 | 7.15 | 7.01 | 0.549 | 0.0 | 0.570 | 0.211 | 36.3 | 61.7 | 3.07 |
| Let's Enhance | 81.8 | 6.81 | 6.69 | 7.03 | 0.514 | 1.5 | 0.592 | 0.209 | 23.2 | 59.1 | 3.31 |
| Crystal | 80.8 | 6.78 | 6.85 | 6.76 | 0.545 | 1.5 | 0.583 | 0.193 | 37.1 | 59.7 | 2.98 |
| ChatGPT, prompt estricto | 73.2 | 6.16 | 6.80 | 6.52 | 0.474 | 4.5 | 0.562 | 0.269 | 27.7 | 61.2 | 4.34 |
| ChatGPT, prompt sencillo | 73.2 | 5.81 | 6.75 | 6.46 | 0.455 | 6.0 | 0.565 | 0.287 | 23.5 | 63.6 | 4.08 |
| App de Gemini | 70.9 | 6.66 | 6.48 | 6.51 | 0.519 | 1.5 | 0.540 | 0.242 | 35.2 | 50.4 | 4.63 |
| Topaz Standard MAX | 69.9 | 5.78 | 5.95 | 5.84 | 0.497 | 10.4 | 0.499 | 0.223 | 27.1 | 56.4 | 3.98 |
| Topaz Bloom 2 | 68.1 | 5.81 | 6.27 | 5.78 | 0.263 | 9.0 | 0.531 | 0.285 | 27.4 | 63.6 | 3.40 |
| Topaz Low Resolution V2 | 65.1 | 5.47 | 5.40 | 5.57 | 0.484 | 13.4 | 0.483 | 0.235 | 38.1 | 54.7 | 3.77 |
| Recraft Crisp | 63.9 | 5.42 | 5.24 | 5.16 | 0.490 | 7.5 | 0.405 | 0.222 | 30.1 | 53.6 | 4.01 |
| Topaz Standard V2 | 62.6 | 4.89 | 5.15 | 5.21 | 0.469 | 11.9 | 0.479 | 0.248 | 45.5 | 54.9 | 3.16 |
| Upscayl (Standard) | 59.7 | 5.12 | 4.66 | 4.28 | 0.476 | 19.4 | 0.385 | 0.240 | 35.2 | 55.7 | 3.65 |
| Krea Enhance | 53.7 | 4.12 | 5.02 | 4.70 | 0.281 | 31.3 | 0.501 | 0.317 | 47.5 | 58.2 | 3.04 |
| Magnific Precision V2 | 53.5 | 5.20 | 5.49 | 5.24 | 0.464 | 9.0 | 0.493 | 0.490 | 46.5 | 52.5 | 4.61 |
| Magnific Creative | 46.3 | 2.34 | 4.10 | 3.66 | 0.146 | 61.2 | 0.529 | 0.324 | 28.1 | 61.4 | 3.02 |
| Topaz High Fidelity V3 | 34.1 | 4.20 | 4.12 | 3.84 | 0.539 | 20.9 | 0.326 | 0.402 | 61.0 | 30.3 | 6.23 |
| Recraft Creative | 33.3 | 2.03 | 3.20 | 2.81 | 0.166 | 76.1 | 0.479 | 0.416 | 27.6 | 50.2 | 4.22 |
| Redimensionado simple | – | 4.34 | 4.18 | 3.76 | 0.551 | 25.4 | 0.266 | 0.471 | 62.7 | 27.1 | 7.61 |
| Foto real | – | – | 9.09 | – | 1.000 | – | 0.577 | 0.000 | 39.8 | 53.3 | 3.58 |
Más puntuaciones, que no cuentan en el total. Similitud con el original:
| MegaPotato | 0.144 | 0.0125 | 0.969 | 0.697 | 2.49 |
| Topaz Wonder 3.5 | 0.128 | 0.0096 | 0.981 | 0.710 | 2.32 |
| Let's Enhance | 0.131 | 0.0172 | 0.973 | 0.664 | 2.29 |
| Crystal | 0.122 | 0.0076 | 0.983 | 0.707 | 2.12 |
| ChatGPT, prompt estricto | 0.161 | 0.0233 | 0.980 | 0.621 | 4.82 |
| ChatGPT, prompt sencillo | 0.176 | 0.0315 | 0.975 | 0.605 | 6.19 |
| App de Gemini | 0.136 | 0.0155 | 0.976 | 0.667 | 2.83 |
| Topaz Standard MAX | 0.149 | 0.0197 | 0.958 | 0.674 | 2.46 |
| Topaz Bloom 2 | 0.172 | 0.0265 | 0.966 | 0.571 | 4.60 |
| Topaz Low Resolution V2 | 0.159 | 0.0156 | 0.938 | 0.672 | 2.19 |
| Recraft Crisp | 0.154 | 0.0196 | 0.948 | 0.685 | 2.51 |
| Topaz Standard V2 | 0.153 | 0.0194 | 0.958 | 0.640 | 2.53 |
| Upscayl (Standard) | 0.163 | 0.0232 | 0.950 | 0.666 | 2.66 |
| Krea Enhance | 0.183 | 0.0347 | 0.933 | 0.489 | 4.27 |
| Magnific Precision V2 | 0.207 | 0.0102 | – | 0.663 | 3.20 |
| Magnific Creative | 0.191 | 0.0626 | – | 0.446 | 5.51 |
| Topaz High Fidelity V3 | 0.213 | 0.0389 | 0.973 | 0.595 | 2.88 |
| Recraft Creative | 0.228 | 0.0645 | 0.885 | 0.326 | 6.97 |
| Redimensionado simple | 0.222 | 0.0271 | 0.972 | 0.608 | 2.57 |
| Foto real | 0.000 | 0.0000 | 1.000 | 0.818 | 0.00 |
–: no calculado (las dos filas de Magnific).
Puntuaciones de calidad visual, que no usan el original:
| MegaPotato | 0.394 | 0.602 | 0.532 |
| Topaz Wonder 3.5 | 0.422 | 0.624 | 0.570 |
| Let's Enhance | 0.420 | 0.591 | 0.524 |
| Crystal | 0.389 | 0.600 | 0.541 |
| ChatGPT, prompt estricto | 0.374 | 0.622 | 0.483 |
| ChatGPT, prompt sencillo | 0.400 | 0.651 | 0.513 |
| App de Gemini | 0.305 | 0.524 | 0.368 |
| Topaz Standard MAX | 0.362 | 0.579 | 0.478 |
| Topaz Bloom 2 | 0.435 | 0.616 | 0.579 |
| Topaz Low Resolution V2 | 0.345 | 0.545 | 0.458 |
| Recraft Crisp | 0.333 | 0.519 | 0.431 |
| Topaz Standard V2 | 0.324 | 0.535 | 0.465 |
| Upscayl (Standard) | 0.353 | 0.552 | 0.468 |
| Krea Enhance | 0.396 | 0.593 | 0.542 |
| Magnific Precision V2 | 0.373 | 0.539 | 0.491 |
| Magnific Creative | 0.415 | 0.637 | 0.552 |
| Topaz High Fidelity V3 | 0.219 | 0.285 | 0.222 |
| Recraft Creative | 0.329 | 0.513 | 0.431 |
| Redimensionado simple | 0.254 | 0.418 | 0.222 |
| Foto real | 0.323 | 0.538 | 0.433 |
Cuánto cuesta un mes con resultados de 16 MP
Las mismas reglas que en la tabla de la tarea pequeña de Precios de los ampliadores con IA: una foto de 1224 × 816 ampliada a 4×.
| MegaPotato | $1.00 | $6 | $53 | Paquetes de chips de pago único desde $5. 3 fotos o más juntas: −20 % | Sí |
| API de Crystal (Clarity AI) | $2 | $20 | $200 | Pago por uso desde $1 | No |
| Web de Crystal (Clarity AI) | $13–19 | $33–49 | $199–299 | Un plan mensual | Sí |
| Topaz Wonder 3.5 (API de Topaz) | $50 | $50 | $200–360 | API propia de Topaz, desde $50 al mes. 2 créditos por foto (4 según otra página de Topaz) | No |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (API de Topaz) | $50 | $50 | $100 | El mismo plan de API. 1 crédito por foto | No |
| Topaz Standard MAX (API de Topaz) | $50 | $50 | $360 | El mismo plan de API. 4 créditos por foto | No |
| Topaz Bloom 2 (API de Topaz) | $50 | $88 | $660 | El mismo plan de API. 8 créditos por foto | No |
| Topaz Wonder 3.5 (fal.ai) | $1.60 | $16 | $160 | Pago por uso. Dos bloques de 8 MP iniciados en el resultado | No |
| Topaz Standard MAX (fal.ai) | $3.20 | $32 | $320 | Pago por uso. Cuatro bloques de 4 MP | No |
| Topaz Standard V2, Low Res V2, High Fidelity V3 (fal.ai) | $0.80 | $8 | $80 | Pago por uso. Un bloque de 24 MP | No |
| Topaz Bloom 2 (fal.ai) | $6.40 | $64 | $640 | Pago por uso. Ocho bloques de 2 MP | No |
| Topaz for Web, Image (Wonder 3, no 3.5) | $14–19 | $14–19 | $14–19 | Tarifa plana ($199 al año, $19 al mes con compromiso anual o $19 al mes sin compromiso anual. $169 y $16 en oferta el 15 de noviembre de 2026). Procesamiento «ilimitado», exportación de hasta 32 MP, dos imágenes a la vez | Sí |
| Topaz Gigapixel (escritorio, Wonder 3) | $11–29 | $11–29 | $11–29 | $149 al año, $19 al mes con compromiso anual o $29 al mes sin compromiso anual ($127 y $16 en oferta). Procesamiento «ilimitado», dos imágenes en la nube a la vez | Sí |
| Let's Enhance | $6.50 | $24 | $160 | Planes o paquetes de pago único. 2 créditos por foto a 16 MP | Sí |
| Magnific Creative y Precision V2 (nodo de ComfyUI) | $6.80 | $68 | $680 | Créditos Comfy de prepago. 143.6 créditos por foto a 16 MP | No |
| Gemini (API) | $0.76 | $7.60 | $76 | API Batch. Redibuja a un tamaño predefinido (5056 × 3392) | No |
| ChatGPT (API de imágenes de OpenAI) | no disponible | no disponible | no disponible | Su imagen más grande es de 8.2 MP | no procede |
| Recraft Crisp y Creative (API) | no disponible | no disponible | no disponible | Sin ajuste de tamaño | no procede |
| Krea (plan Pro) | $21–35 | $21–35 | $21–35 | 20 000 unidades de cómputo. Krea ya no indica cuántas imágenes de Enhancer permite procesar esa cantidad (en octubre indicaba 2 500 al mes) | Sí |
| Upscayl | gratis | gratis | gratis | Tu propia tarjeta gráfica | Sí |
Ajustes, prompts y alineación
Cómo creamos la imagen de entrada pequeña (prueba principal). Recortamos una zona de proporción 3:2 de cada foto, creamos la imagen de referencia a 2016 × 1344, la redujimos a 504 × 336 (promedio de áreas), añadimos un desenfoque ligero (sigma 0.3 px) y un poco de ruido (sigma 1.5 en una escala de 0–255), y la guardamos dos veces como JPEG (calidad 60, después 80). La imagen de IA solo se redujo. Las imágenes de entrada de la prueba completa se describen con cada foto en la lista de fotos.
Dónde se ejecutó cada herramienta. Ajustes predeterminados, salvo el tamaño. Las herramientas se ejecutaron a principios de octubre de 2026.
| Herramienta | Dónde se ejecutó | Ajustes |
|---|---|---|
| MegaPotato | App web de megapotato.app | 4× |
| Topaz Wonder 3.5, Standard MAX | fal.ai topaz/upscale/image/generative | modelo elegido por nombre, upscale_factor 4, PNG |
| Topaz Bloom 2 | fal.ai topaz/upscale/image/creative | modelo elegido por nombre, upscale_factor 4, PNG |
| Topaz Standard V2, Low Resolution V2, High Fidelity V3 | fal.ai topaz/upscale/image/precision | modelo elegido por nombre, upscale_factor 4, PNG |
| Crystal | fal.ai clarityai/crystal-upscaler | scale_factor 4, creativity 0, PNG |
| Recraft Crisp, Recraft Creative | fal.ai fal-ai/recraft/upscale/crisp, fal-ai/recraft/upscale/creative | sin ajuste de tamaño |
| Let's Enhance | App web de letsenhance.io | Prime, 4× |
| Krea | krea.ai Enhance | 4× |
| Magnific Creative | Nodo de terceros de ComfyUI Magnific Image Upscale (Creative), créditos Comfy de prepago | 4×, standard, creativity, HDR, resemblance y fractality 0, engine automatic |
| Magnific Precision V2 | Nodo de terceros de ComfyUI Magnific Image Upscale (Precise V2) | dos pasadas de 2× (el nodo devolvía 2× con cualquier escala solicitada); flavor photo, sharpen 7, smart grain 7, ultra detail 30 |
| ChatGPT | ChatGPT Plus, herramienta de imágenes | los prompts de abajo |
| Gemini | App de Gemini (Nano Banana 2) | el prompt sencillo |
| Upscayl | Motor de línea de comandos de Upscayl | modelo Standard, 4× |
En fal.ai, los ajustes predeterminados de Topaz activan la mejora facial. La esquina con el logotipo de Let's Enhance se excluyó de las puntuaciones.
Prompts. Sencillo, para ChatGPT y Gemini: «Upscale this photo 4x. Keep everything exactly the same.» Estricto, para ChatGPT: «Super-resolution only, 4x. Resolve the detail that is already in the pixels — do not restore, retouch or reinterpret. If you downscale your result back to the original size it must match the original pixel for pixel. Do not use any knowledge of who or what this is: import nothing from other versions of this image. Keep geometry, crop, identity, expression, lighting, colour, grain and lens character exactly as they are. Add only micro-texture implied by the input: pores, hair strands, fabric weave, edges. No retouching, no smoothing, no relighting, no grading, no new elements. Where a region is unresolvable, leave it soft instead of inventing detail.»
Alineación. Cada resultado se redimensionó a 4× el tamaño de su imagen de entrada. Si estaba desplazado más de 0.75 píxeles (medidos mediante correlación de fase con la imagen de entrada ampliada por redimensionado bicúbico), lo recolocábamos; las métricas de similitud omiten los pocos píxeles del borde que quedan al descubierto. ChatGPT y Gemini desplazan y recortan la imagen, así que alineamos sus resultados mediante correspondencia de características.
Los jueces. Qwen3.8-27B-FP8 a través de vLLM, con decodificación voraz. Claude Opus 5.5 (claude-opus-5-5), con cada resultado identificado mediante una letra aleatoria. Sus instrucciones están abajo.
Las instrucciones de los jueces, palabra por palabra
Claude Opus 5.5, prueba principal. Usamos estos criterios para cada lámina. Omitimos las líneas sobre las rutas de los archivos y el archivo de salida.
You are a blind judge of AI image upscaling quality. You will score anonymous upscaled images against the real photo. You do not know which tools made them, and you must not try to find out. Setup: for each photo there are 3 or 4 sheets named <photo>_<view>.jpg: one "overview" (the whole frame) and 2–3 zoomed views (faces, text, textures). In every sheet the first tile, labelled REAL PHOTO, is the real full-resolution photo. The other tiles, labelled with letters, are upscaled versions made from a small, damaged copy of that photo (504x336 pixels, with blur, noise and JPEG artifacts). Within one photo a letter always means the same image in every view. Letters are shuffled differently for each photo, so letter A of one photo has nothing to do with letter A of another photo. In the overview sheets, the bottom-left corner of every tile, including the real photo, is covered by the same grey box on purpose; ignore it. The grocery photo is an old 1943 black-and-white photo: its real photo is itself soft and grainy. Task: for each photo, look at all its views first, then give every letter one score from 0 to 10 (half points allowed) for overall quality, the way a careful person would judge it looking at the result next to the real photo: is it sharp, clean and natural, and is it true to the real photo? - 10: looks like the real photo, equally sharp and clean; no visible changes. - 8–9: very close; sharp and natural; only tiny differences in fine texture. - 6–7: good; clearly an upscale (a bit soft, over-sharpened or waxy) or small invented details, but the same people, text and colours. - 4–5: clear problems: blurry, plastic skin, garbled details, a noticeable colour change, or one important thing changed. - 2–3: serious problems: faces turned into other people or broken, invented or missing objects or text, the scene redrawn. - 0–1: unusable. Judge the whole image: the overview shows colours, the whole scene and overall sharpness; the zoomed views show faces, text and textures. A serious error in a zoomed view (a broken or replaced face, a new object, wrong readable text) must pull the score down even if the rest is good. Blurry but faithful results should not get high scores either. Be consistent across photos. Score each letter on its own merits.
Claude Opus 5.5, prueba completa (imágenes de IA, fotos sin personas, fotos reales de baja calidad y copias antiguas en papel): las instrucciones que leyó el juez. Omitimos el formato de salida. En las fotos pequeñas de origen, el juez usó los criterios de la prueba principal, con la imagen de entrada ampliada mediante redimensionado simple en lugar de la foto real.
You are a blind judge. Three image upscalers (anonymous, letters A, B and C) each enlarged the same small photo 4 times. You do not know which tool is which, and the letters are shuffled on every sheet. Please judge each sheet on its own. What a sheet looks like. Each sheet is split into image files. Read every part of a sheet before you judge it. Part 1 is the whole image. The later parts are zooms. A red box under "Where this zoom is" shows the zoom's place. Top row: "What every tool got": the small input that all three tools were given, enlarged with plain bicubic (soft on purpose). "Original (answer)": only on some sheets. It is the real photo before it was damaged and shrunk. When it is there, it is the answer: the best result is the one closest to it. "Where this zoom is": the location of the zoom. Bottom row: A, B, C, the three results. How to judge. 1. Fidelity, 0 to 10. With an original: how close is the result to the original? Same people (face shape, identity, age, expression, skin tone, hair, glasses, beard), same objects, same text, same colours, same textures. Without an original: is the result a believable sharper version of the input, without changing what is there? Fidelity errors include inventing content (new objects, jewellery, glasses, a different face, eyes opened or closed, text or letters that are not there, fake texture) and losing real content (glasses, moustache, text, patterns, people). A statue or doll must stay a statue or doll. A painting must stay a painting. An old print may stay an old print. 2. Naturalness, 0 to 10. Does it look like a good, natural photo? Look for waxy or plastic skin, a painted look, halos, oversharpening, leftover noise or JPEG blocks, smears, garbled text, repeating patterns, seams and bands at the edges. 3. Rank A, B and C overall. Fidelity matters most, then naturalness. Use "=" only when you truly cannot separate two results. 4. Invented or lost content. For each letter, list concrete changes you can see. Write "none seen" if you saw none. Rules. Judge by eye only. Do not run code, do not measure pixels, do not compute statistics, do not compare file sizes or metadata. Do not try to guess which tool is which, and do not use names of tools. Some sheets may look alike. Judge every sheet fresh from its own images. Look closely at faces, hands, text and fine textures in the zooms.
Qwen3.8, zonas ampliadas. El prompt del sistema y, después, la petición para cada zona de cada resultado ({what} indica en qué fijarse en esa zona; su «overall» es la puntuación que cuenta en el total):
System: You are a meticulous photo-restoration evaluator. You compare an AI upscaler's output with the real high-resolution photo. Be strict: invented, removed or changed content (objects, letters, digits, faces, textures) is a serious fault even when the result looks sharp. Answer ONLY with the requested JSON.
Image 1 is the REFERENCE: a crop of the real high-resolution photo. Image 2 is the SAME crop taken from an AI upscaler's output; the upscaler only received a small, degraded version of the photo. What to look at in this region: {what}. Rate Image 2 against the reference and return JSON with keys: fidelity (0-10, 10 = same content as the reference, nothing invented, removed or changed), quality (0-10, sharpness and naturalness of Image 2 on its own: 10 = looks like a real high-resolution photo; blur, plastic skin, oversharpening, halos or painterly texture lower it), overall (0-10, how good a restoration of the reference this is), identity (only if the region shows a human face: 'same' | 'changed' | 'different' | 'destroyed'; otherwise 'n/a'), text (only if the reference contains readable letters or digits: 'correct' | 'partly' | 'wrong' | 'illegible'; otherwise 'n/a'), issues (a list of at most 4 short phrases naming concrete differences from the reference, or []). JSON only.Cuando no existe original, el prompt del sistema dice «with the small input photo it received» en lugar de «with the real high-resolution photo», y la petición empieza así: «Image 1 is the INPUT: a crop of the small photo that an AI upscaler received, enlarged by plain resizing, so it is blurry by nature (no better original exists). Image 2 is the SAME crop taken from the upscaler's output.» Las claves son las mismas, con «the input» en lugar de «the reference».
Qwen3.8, caras. Para cada cara de cada resultado (su «overall» es la puntuación facial que cuenta en el total; «same_person» = 'no' indica una cara cambiada):
Three tiles of the SAME face. Image 1: the REAL face (crop of the real high-resolution photo). Image 2: the degraded small input that the upscaler received, enlarged (blurry by nature). Image 3: the AI upscaler's result for the same tile. Compare Image 3 with Image 1 and answer as JSON with keys: same_person ('yes' | 'probably' | 'no' - is it still the same person as in Image 1?), expression ('kept' | 'changed' - eyes open/shut, mouth, smile, gaze), accessories ('kept' | 'changed' | 'none' - glasses, moustache/beard, mask, hat, badge, earrings), artefacts (list from: 'none', 'melted', 'painted', 'plastic_skin', 'extra_features', 'distorted', 'blurred', 'oversharpened'), overall (0-10: how faithful and natural a reconstruction of the real face Image 3 is; 10 = indistinguishable from Image 1, 0 = a different or destroyed face), note (one short sentence). JSON only.Cuando no existe original, el prompt facial incluye dos imágenes, la imagen de entrada ampliada mediante redimensionado simple y el resultado, y hace las mismas preguntas tomando como referencia la imagen de entrada.
La prueba completa. Las fotos sin original se evaluaron comparándolas con la imagen de entrada, ampliada mediante redimensionado bicúbico; los prompts lo indicaban. La puntuación de Opus en las imágenes de IA, las fotos sin personas, las fotos reales de baja calidad y las copias antiguas en papel es la media de sus dos puntuaciones de 0–10, de fidelidad y de naturalidad. En las fotos pequeñas de origen es una única puntuación de 0–10 respecto a la imagen de entrada. Las zonas ampliadas de Qwen3.8 en estas fotos son los cuatro cuadrados con más detalle (cada uno de un tercio del lado más corto) y las 8 caras más grandes. El juez Opus 5.5 vio cada resultado completo y en zonas ampliadas, como en la prueba principal.
Caras. Detectadas una vez con SCRFD en el original al tamaño de 4× (en la imagen de entrada ampliada a 4× cuando no hay original). Todas las caras de al menos 10 píxeles de ancho en la imagen de entrada. El mismo recorte alineado de 112 × 112 de cada resultado. Modelos de reconocimiento facial con promedio entre la imagen y su reflejo horizontal. La puntuación de identidad promedia AdaFace (IR-101, WebFace12M), ArcFace (R100, Glint360K), AuraFace v1 y MagFace (R100). En la prueba principal, MagFace solo se ejecutó en las 14 caras de la foto de la carrera; en la prueba completa, en todas las caras.
Métricas. LPIPS (AlexNet) y la diferencia de color CIEDE2000 (tras un desenfoque gaussiano de 2 px) a tamaño completo; DISTS en bloques de 512 px; A-FINE, DreamSim, DINOv2 (ViT-L) y TOPIQ-FR en copias a la mitad de tamaño; MUSIQ, CLIP-IQA+ y TOPIQ como media de 5 bloques fijos de 512 px; MANIQA y NIQE en la imagen completa; eDifFIQA (L) en los recortes de caras.
Limitaciones de esta prueba
- 16 fotos son una muestra pequeña para 18 herramientas. 135 fotos son una muestra mayor, para tres.
- Una ejecución por foto y configuración. Las herramientas generativas pueden dar un resultado distinto cada vez.
- Ajustes predeterminados. Muchas herramientas tienen controles que las hacen más cuidadosas o más creativas.
- ChatGPT y Gemini no pudieron producir exactamente 4×.
- Las fotos sin original solo se pueden evaluar frente a la imagen de entrada, que es menos nítida. Se lo indicamos a los jueces.
- Los pesos del total son una elección. A-FINE, uno de sus diez componentes, prefiere resultados que parecen más naturales que el original, lo que favorece a los ampliadores más atrevidos. Publicamos cada componente para que puedas cambiar su peso.
- Topaz, Crystal y Recraft se ejecutaron a través de fal.ai, y Magnific a través de los nodos de ComfyUI, no de las apps de los propios proveedores. Sus apps pueden comportarse de otra forma.
- Los modelos de reconocimiento facial solo compararon cada resultado con su propio original. No se buscó la identidad de nadie ni se publican datos faciales.
- Los precios y los modelos cambian a menudo. Las pruebas se realizaron a principios de octubre de 2026, los precios corresponden al 15 de noviembre de 2026, y cada fuente de precios lleva su fecha.
Qué mide cada métrica
Todas las columnas de las tablas anteriores, en un solo lugar. En la página, los nombres de columna con subrayado de puntos muestran su definición al pasar el cursor por encima.
- Total
- la puntuación sobre 100: un 28 % corresponde al juez Opus 5.5 y un 8 % a cada uno de los otros nueve componentes (las dos puntuaciones de Qwen3.8, la puntuación de identidad, la proporción de caras cambiadas, la calidad facial, LPIPS, A-FINE, MUSIQ y NIQE). Las puntuaciones de 0–10 de los jueces se multiplican por 10. Todos los demás componentes se ajustan a una escala en la que la mejor de las 18 herramientas de la prueba principal obtiene 100 y la peor, 0. Consulta Cómo hicimos las pruebas.
- Juez Opus 5.5
- Claude Opus 5.5, un LLM multimodal de Anthropic, vio cada resultado identificado con una letra aleatoria, completo y en zonas ampliadas, junto al original (o la imagen de entrada cuando no existe original), y lo puntuó en una escala de 0–10. Un 28 % del total.
- Qwen3.8, zonas ampliadas
- Qwen3.8-27B, un LLM multimodal abierto ejecutado en una GPU H100 alquilada, puntuó en una escala de 0–10 las zonas ampliadas con más detalle de cada resultado junto al original.
- Qwen3.8, caras
- el mismo modelo puntuó en una escala de 0–10 cada recorte de cara junto a la cara original y respondió si seguía siendo la misma persona.
- Puntuación de identidad
- la similitud media entre una cara del resultado y la misma cara del original, según cuatro redes de reconocimiento facial: ArcFace (CVPR 2019, entrenada con Glint360K), MagFace (CVPR 2021), AdaFace (CVPR 2022, entrenada con WebFace12M) y AuraFace (2024). 1 corresponde a la misma cara; personas distintas obtienen alrededor de 0–0.3.
- Otra persona, %
- la proporción de caras que el juez Qwen3.8 identificó como otra persona.
- Calidad facial (eDifFIQA)
- eDifFIQA (IEEE T-BIOM 2024), una puntuación de calidad de imagen facial basada en difusión: lo limpia y reconocible que se ve una cara, sin el original. Cuanto mayor, mejor.
- LPIPS
- Learned Perceptual Image Patch Similarity (CVPR 2018): la distancia entre un resultado y el original según las características de una red AlexNet. Cuanto menor, más similitud.
- A-FINE
- Adaptive Fidelity-Naturalness Evaluator (CVPR 2025): evalúa cuánto se parece un resultado al original y lo natural que se ve, y da más peso a la naturalidad cuando el resultado parece más natural que el original. Cuanto menor, mejor.
- MUSIQ
- Multi-Scale Image Quality transformer (ICCV 2021): una puntuación de calidad visual que no necesita original. Cuanto mayor, mejor.
- NIQE
- Natural Image Quality Evaluator (IEEE Signal Processing Letters 2013): cuánto se alejan las estadísticas de una imagen de las de fotos naturales, sin usar el original. Cuanto menor, más natural.
- DISTS
- Deep Image Structure and Texture Similarity (IEEE TPAMI 2022): similitud con el original en estructura y textura. Cuanto menor, más similitud.
- DreamSim
- una métrica de similitud de imágenes entrenada con valoraciones humanas (NeurIPS 2023). Cuanto menor, más similitud.
- DINOv2
- la similitud de las características de DINOv2 ViT-L (TMLR 2024) entre el resultado y el original. Cuanto mayor, más similitud.
- TOPIQ-FR
- una red de calidad de imagen con enfoque descendente (IEEE TIP 2024), desde el significado de la imagen hasta sus distorsiones; TOPIQ-FR compara con el original y TOPIQ evalúa sin él. Cuanto mayor, mejor.
- Color ΔE
- la diferencia de color CIEDE2000 entre el resultado y el original, tras un desenfoque de 2 px, para medir el color y no la nitidez. Cuanto menor, más similitud.
- MANIQA
- Multi-dimension Attention Network para calidad de imagen, sin necesidad de original (CVPR Workshops 2022). Cuanto mayor, mejor.
- CLIP-IQA+
- el aspecto de una imagen según el modelo CLIP (AAAI 2023), sin necesidad de original. Cuanto mayor, mejor.
- Precio por foto
- el precio medio de un resultado de 2.7, otro de 16 y otro de 48 MP con 100 fotos al mes, antes de impuestos. Consulta Precios de los ampliadores con IA.
Las 137 fotos: fuentes, licencias e imágenes de entrada
Cada foto, con su fuente, licencia y el recorte, región o semilla exactos, está en photos.csv. Así creamos cada tipo de imagen de entrada:
- La prueba principal (16 fotos). El recorte del archivo a tamaño completo se redimensionó a 2016 × 1344 (el original con el que comparamos) y, mediante promedio de áreas, a 504 × 336. Después aplicamos desenfoque gaussiano (sigma 0.3 px), ruido gaussiano (sigma 1.5 sobre 255, a partir de la semilla de la foto) y JPEG dos veces (calidad 60, después 80; 4:2:0). La prueba completa usa 14 de estas fotos (se excluyen las etiquetas de precios y la imagen de Midjourney).
- Imágenes de IA (16). FLUX.1 [schnell] en fal.ai (
fal-ai/flux/schnell, 4 pasos, 1536 × 1152), a partir del prompt y la semilla de la foto; esa imagen es el original. Imagen de entrada: promedio de áreas a 384 × 288 y, después, el mismo desenfoque, ruido (la misma semilla) y JPEG que en la prueba principal. - Fotos sin personas (13). La región del archivo de origen se redimensionó a 1536 × 1152 (el original) y a 384 × 288 mediante promedio de áreas; después aplicamos el mismo desenfoque, ruido y JPEG que en la prueba principal.
- Fotos reales de baja calidad (29), sin original de alta resolución. Imagen de entrada: el recorte del archivo tal como se publicó, a su resolución original, nada más.
- Copias antiguas en papel y película (19), no hay original sin deterioro. Imagen de entrada: el archivo tal como se descargó, reducido mediante promedio de áreas (OpenCV INTER_AREA) a 480 px en el lado largo, nada más.
- Fotos pequeñas de origen (44), sin original de alta resolución. Imagen de entrada: el archivo exactamente como se publicó (37 fotos de Flickr, 2001–2007) o un fotograma del vídeo (7 fotogramas de vídeos de la web, 2005–2009). Los archivos con licencias NC o ND y los fotogramas de vídeo se enlazan, no se redistribuyen, y sus resultados no se muestran en esta página.
Fuentes
- [1]Du Chen et al. Toward Generalized Image Quality Assessment: Relaxing the Perfect Reference Quality Assumption. CVPR, 2025.
- [2]Dongping Chen et al. MLLM-as-a-Judge: Assessing Multimodal LLM-as-a-Judge with Vision-Language Benchmark. ICML, 2024.
- [3]Lianmin Zheng et al. Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena. NeurIPS Datasets and Benchmarks Track, 2023.
- [4]Anthropic. Introducing Claude Opus 5.5. Página del anuncio de Anthropic, 2026.
- [5]Qwen Team. Qwen3.8-27B-FP8 (ficha del modelo). Ficha del modelo en Hugging Face (sin artículo científico), 2026.
- [6]Jia Guo et al. Sample and Computation Redistribution for Efficient Face Detection. ICLR (póster), 2022.
- [7]Jiankang Deng et al. ArcFace: Additive Angular Margin Loss for Deep Face Recognition. CVPR, 2019.
- [8]Xiang An et al. Partial FC: Training 10 Million Identities on a Single Machine. ICCV Workshops (MFR), 2021.
- [9]Qiang Meng et al. MagFace: A Universal Representation for Face Recognition and Quality Assessment. CVPR (presentación oral), 2021.
- [10]Minchul Kim, Anil K. Jain, Xiaoming Liu. AdaFace: Quality Adaptive Margin for Face Recognition. CVPR (presentación oral), 2022.
- [11]Zheng Zhu et al. WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face Recognition. CVPR, 2021.
- [12]fal. AuraFace (ficha del modelo AuraFace-v1). Ficha del modelo en Hugging Face (sin artículo científico), 2024.
- [13]Žiga Babnik, Peter Peer, Vitomir Štruc. eDifFIQA: Towards Efficient Face Image Quality Assessment based on Denoising Diffusion Probabilistic Models. IEEE Transactions on Biometrics, Behavior, and Identity Science (T-BIOM), vol. 6, n.º 4, pp. 458–474, 2024.
- [14]Žiga Babnik, Peter Peer, Vitomir Štruc. DifFIQA: Face Image Quality Assessment Using Denoising Diffusion Probabilistic Models. IJCB (IEEE International Joint Conference on Biometrics), 2023.
- [15]Richard Zhang et al. The Unreasonable Effectiveness of Deep Features as a Perceptual Metric. CVPR, 2018.
- [16]Keyan Ding et al. Image Quality Assessment: Unifying Structure and Texture Similarity. IEEE TPAMI, vol. 44, n.º 5, pp. 2567–2581, 2022.
- [17]Stephanie Fu et al. DreamSim: Learning New Dimensions of Human Visual Similarity using Synthetic Data. NeurIPS (presentación destacada), 2023.
- [18]Maxime Oquab et al. DINOv2: Learning Robust Visual Features without Supervision. Transactions on Machine Learning Research (TMLR), 2024.
- [19]Chaofeng Chen et al. TOPIQ: A Top-down Approach from Semantics to Distortions for Image Quality Assessment. IEEE Transactions on Image Processing, vol. 33, pp. 2404–2418, 2024.
- [20]Gaurav Sharma, Wencheng Wu, Edul N. Dalal. The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations. Color Research & Application, vol. 30, n.º 1, pp. 21–30, 2005.
- [21]Junjie Ke et al. MUSIQ: Multi-scale Image Quality Transformer. ICCV, 2021.
- [22]A. Mittal, R. Soundararajan, A. C. Bovik. Making a “Completely Blind” Image Quality Analyzer. IEEE Signal Processing Letters, vol. 20, n.º 3, pp. 209–212, 2013.
- [23]Sidi Yang et al. MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment. CVPR Workshops (NTIRE), 2022.
- [24]Jianyi Wang, Kelvin C. K. Chan, Chen Change Loy. Exploring CLIP for Assessing the Look and Feel of Images. AAAI, vol. 37, n.º 2, pp. 2555–2563, 2023.
- [25]Chaofeng Chen, Jiadi Mo. IQA-PyTorch: PyTorch Toolbox for Image Quality Assessment. Software en GitHub (pyiqa), 2022.
- [26]MegaPotato. Pricing. Nuestra propia página, consultada el 15 de noviembre de 2026.
- [27]Clarity AI. Pricing. Página del proveedor, consultada el 15 de noviembre de 2026.
- [28]Topaz Labs. API plans and credits. Página del proveedor, consultada el 15 de noviembre de 2026.
- [29]fal.ai. Topaz Image Upscale: Generative, Precision, Creative. Páginas del proveedor, consultadas el 15 de noviembre de 2026.
- [30]Topaz Labs. Pricing: Gigapixel, Topaz for Web. Página del proveedor, consultada el 15 de noviembre de 2026.
- [31]Let's Enhance. Pricing. Página del proveedor, consultada el 15 de noviembre de 2026.
- [32]Google. Gemini API pricing. Página del proveedor, consultada el 15 de noviembre de 2026.
- [33]OpenAI. API pricing. Página del proveedor, consultada el 15 de noviembre de 2026.
- [34]Recraft. API pricing. Página del proveedor, consultada el 15 de noviembre de 2026.
- [35]Magnific a través de los nodos de terceros de ComfyUI: API node pricing (35.91 créditos por paso de 2× con una imagen de entrada de hasta 1.3 MP, 71.82 hasta 3 MP, 107.73 hasta 6.4 MP; $1 = 211 créditos), consultado el 15 de noviembre de 2026. Planes propios de Magnific: Pricing, página del proveedor, consultada el 15 de noviembre de 2026.
- [36]Krea. Pricing. Página del proveedor, consultada el 15 de noviembre de 2026.
- [37]Topaz Labs. Model Pricing. Documentación para desarrolladores, consultada el 15 de noviembre de 2026.
- [38]VanceAI. Pricing. Página del proveedor, consultada el 15 de noviembre de 2026.
- [39]Pixelcut. Pricing y API pricing. Páginas del proveedor, consultadas el 15 de noviembre de 2026.
- [40]Remini. remini.ai: las suscripciones se muestran dentro de la app. Página del proveedor, consultada el 15 de noviembre de 2026.
