Generación de imágenes

Una anulación de model por llamada prueba solo ese proveedor/modelo y no continúa con el proveedor principal/de reserva configurado ni con proveedores detectados automáticamente.

Un valor predeterminado de proveedor solo entra en la lista de candidatos cuando OpenClaw puede autenticar realmente ese proveedor. Establece agents.defaults.mediaGenerationAutoProviderFallback: false para usar solo entradas explícitas de model, primary y fallbacks.

Establece agents.defaults.imageGenerationModel.timeoutMs para backends de imagen lentos. Un parámetro de herramienta timeoutMs por llamada anula el valor predeterminado configurado, y los valores predeterminados configurados anulan los valores predeterminados de proveedor definidos por plugins. Los proveedores de imágenes alojados de Google y OpenRouter usan valores predeterminados de 180 segundos; la generación de imágenes de Microsoft Foundry MAI, xAI y Azure OpenAI usa 600 segundos. Las llamadas de herramientas dinámicas de Codex usan un valor predeterminado de puente image_generate de 120 segundos y respetan el mismo presupuesto de tiempo de espera cuando está configurado, limitado por el máximo de puente de herramienta dinámica de 600000 ms de OpenClaw.

Usa action: "list" para inspeccionar los proveedores registrados actualmente, sus modelos predeterminados y las pistas de variables de entorno de autenticación.

La generación de imágenes de OpenAI usa openai/gpt-image-2 de forma predeterminada. Si se configura un perfil OAuth de openai, OpenClaw reutiliza el mismo perfil OAuth usado por los modelos de chat de suscripción de Codex y envía la solicitud de imagen a través del backend de Codex Responses. Las URL base heredadas de Codex, como https://chatgpt.com/backend-api, se canonicalizan a https://chatgpt.com/backend-api/codex para solicitudes de imagen. OpenClaw no recurre silenciosamente a OPENAI_API_KEY para esa solicitud: para forzar el enrutamiento directo de la API de OpenAI Images, configura models.providers.openai explícitamente con una clave de API, una URL base personalizada o un endpoint de Azure.

Los modelos openai/gpt-image-1.5, openai/gpt-image-1 y openai/gpt-image-1-mini todavía se pueden seleccionar explícitamente. Usa gpt-image-1.5 para salida PNG/WebP con fondo transparente; la API actual de gpt-image-2 rechaza background: "transparent".

gpt-image-2 admite tanto generación de texto a imagen como edición con imágenes de referencia mediante la misma herramienta image_generate. OpenClaw reenvía prompt, count, size, quality, outputFormat e imágenes de referencia a OpenAI. OpenAI no recibe aspectRatio ni resolution directamente; cuando es posible, OpenClaw asigna esos valores a un size admitido; de lo contrario, la herramienta los informa como anulaciones ignoradas.

Las opciones específicas de OpenAI viven bajo el objeto openai:

{  "quality": "low",  "outputFormat": "jpeg",  "openai": {    "background": "opaque",    "moderation": "low",    "outputCompression": 60,    "user": "end-user-42"  }}

openai.background acepta transparent, opaque o auto; las salidas transparentes requieren outputFormat png o webp y un modelo de imagen de OpenAI con capacidad de transparencia. OpenClaw enruta las solicitudes predeterminadas de fondo transparente de gpt-image-2 a gpt-image-1.5. openai.outputCompression se aplica a salidas JPEG/WebP y se ignora para salidas PNG.

La pista de nivel superior background es neutral respecto al proveedor y actualmente se asigna al mismo campo de solicitud background de OpenAI cuando se selecciona el proveedor OpenAI. Los proveedores que no declaran compatibilidad con fondo la devuelven en ignoredOverrides en lugar de recibir el parámetro no admitido.

Para enrutar la generación de imágenes de OpenAI mediante una implementación de Azure OpenAI en lugar de api.openai.com, consulta endpoints de Azure OpenAI.

La generación de imágenes de Microsoft Foundry usa nombres de implementaciones de imagen MAI desplegadas bajo el prefijo de proveedor microsoft-foundry/. No hay un modelo predeterminado a nivel de proveedor porque la API MAI espera tu nombre de implementación en el campo model:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "microsoft-foundry/<deployment-name>",        timeoutMs: 600_000,      },    },  },}

El proveedor usa la API MAI de Microsoft Foundry, no la API de OpenAI Images:

• Endpoint de generación: /mai/v1/images/generations
• Endpoint de edición: /mai/v1/images/edits
• Autenticación: AZURE_OPENAI_API_KEY / clave de API del proveedor, o Entra ID mediante az login
• Salida: una imagen PNG
• Tamaño: predeterminado 1024x1024; el ancho y la altura deben ser de al menos 768 px cada uno, y el total de píxeles debe ser como máximo 1.048.576
• Ediciones: una imagen de referencia PNG o JPEG, admitida solo por implementaciones MAI-Image-2.5-Flash y MAI-Image-2.5

La generación solo con prompt puede usar un nombre de implementación personalizado con solo el endpoint de Foundry configurado. Las ediciones con nombres de implementación personalizados necesitan metadatos de onboarding/modelo para que OpenClaw pueda verificar que la implementación está respaldada por MAI-Image-2.5-Flash o MAI-Image-2.5.

Los modelos de imagen MAI actuales son MAI-Image-2.5-Flash, MAI-Image-2.5, MAI-Image-2e y MAI-Image-2. Consulta plugin de Microsoft Foundry para configuración y comportamiento de modelos de chat.

La generación de imágenes de OpenRouter usa la misma OPENROUTER_API_KEY y enruta mediante la API de imágenes de chat completions de OpenRouter. Selecciona modelos de imagen de OpenRouter con el prefijo openrouter/:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "openrouter/google/gemini-3.1-flash-image-preview",      },    },  },}

OpenClaw reenvía prompt, count, imágenes de referencia y pistas aspectRatio / resolution compatibles con Gemini a OpenRouter. Los atajos de modelos de imagen integrados actuales de OpenRouter incluyen google/gemini-3.1-flash-image-preview, google/gemini-3-pro-image-preview y openai/gpt-5.4-image-2. Usa action: "list" para ver qué expone tu plugin configurado.

Los modelos Krea 2 en fal usan el esquema nativo de Krea de fal en lugar del esquema genérico image_size usado por Flux. OpenClaw envía:

• aspect_ratio para pistas de relación de aspecto
• creativity, con valor predeterminado medium
• image_style_references cuando se proporcionan image o images

Selecciona Krea 2 Medium para ilustración expresiva más rápida y Krea 2 Large para aspectos fotorrealistas y texturizados más lentos y detallados:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "fal/krea/v2/medium/text-to-image",      },    },  },}

Krea 2 actualmente devuelve una imagen por solicitud. Prefiere aspectRatio para Krea; OpenClaw asigna size a la relación de aspecto de Krea admitida más cercana y rechaza resolution para Krea en lugar de descartarla. Usa fal.creativity cuando quieras un nivel de creatividad nativo de Krea:

{  "model": "fal/krea/v2/medium/text-to-image",  "prompt": "A cyber zine portrait with risograph texture",  "aspectRatio": "9:16",  "fal": {    "creativity": "high"  }}

La generación de imágenes de MiniMax está disponible a través de ambas rutas de autenticación MiniMax incluidas:

• minimax/image-01 para configuraciones con clave de API
• minimax-portal/image-01 para configuraciones OAuth

El proveedor xAI incluido usa /v1/images/generations para solicitudes solo con prompt y /v1/images/edits cuando image o images está presente.

• Modelos: xai/grok-imagine-image, xai/grok-imagine-image-quality
• Cantidad: hasta 4
• Referencias: una image o hasta cinco images
• Relaciones de aspecto: 1:1, 16:9, 9:16, 4:3, 3:4, 2:3, 3:2
• Resoluciones: 1K, 2K
• Salidas: devueltas como adjuntos de imagen gestionados por OpenClaw

OpenClaw intencionalmente no expone quality, mask, user ni relaciones de aspecto adicionales solo nativas de xAI hasta que esos controles existan en el contrato compartido entre proveedores image_generate.