Generación de imágenes

Una sustitución de model por llamada prueba únicamente ese proveedor/modelo y no continúa con el proveedor principal, los proveedores alternativos configurados ni los proveedores detectados automáticamente.

El valor predeterminado de un proveedor solo entra en la lista de candidatos cuando OpenClaw puede autenticar realmente ese proveedor. La conmutación automática entre proveedores autenticados siempre está habilitada; un model por llamada sigue teniendo prioridad.

Establezca agents.defaults.mediaModels.image.timeoutMs para backends de imágenes lentos. Un parámetro de herramienta timeoutMs por llamada sustituye el valor predeterminado configurado, y los valores predeterminados configurados sustituyen los valores predeterminados del proveedor definidos por el plugin. 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 a herramientas dinámicas de Codex usan un valor predeterminado de puente image_generate de 120 segundos y, cuando está configurado, respetan el mismo límite de tiempo de espera, acotado por el máximo de 600000 ms del puente de herramientas dinámicas de OpenClaw.

Use action: "list" para inspeccionar los proveedores registrados actualmente, sus modelos predeterminados y las indicaciones sobre 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 openai, OpenClaw reutiliza el mismo perfil OAuth empleado por los modelos de chat de suscripción de Codex y envía la solicitud de imagen a través del backend Responses de Codex. Las URL base heredadas de Codex, como https://chatgpt.com/backend-api, se normalizan como https://chatgpt.com/backend-api/codex para las solicitudes de imágenes. OpenClaw no recurre silenciosamente a OPENAI_API_KEY para esa solicitud: para forzar el enrutamiento directo mediante la API de imágenes de OpenAI, configure 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 aún pueden seleccionarse explícitamente. Use gpt-image-1.5 para obtener resultados PNG/WebP con fondo transparente; la API gpt-image-2 actual rechaza background: "transparent".

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

Las opciones específicas de OpenAI se encuentran en 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; los resultados transparentes requieren outputFormat png o webp y un modelo de imágenes de OpenAI compatible con transparencias. OpenClaw dirige las solicitudes predeterminadas gpt-image-2 con fondo transparente a gpt-image-1.5. openai.outputCompression se aplica a los resultados JPEG/WebP y se ignora para los resultados PNG.

La indicación background de nivel superior es independiente del 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 fondos la devuelven en ignoredOverrides en lugar de recibir el parámetro no compatible.

Para dirigir la generación de imágenes de OpenAI a través de una implementación de Azure OpenAI en lugar de api.openai.com, consulte Endpoints de Azure OpenAI.

La generación de imágenes de Microsoft Foundry usa nombres de implementaciones de imágenes MAI bajo el prefijo de proveedor microsoft-foundry/. No existe un modelo predeterminado para todo el proveedor porque la API de MAI espera el nombre de la implementación en el campo model:

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

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

• 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
• Resultado: una imagen PNG
• Tamaño: valor predeterminado 1024x1024; tanto el ancho como la altura deben ser de al menos 768 px, y el total de píxeles no debe superar 1,048,576
• Ediciones: una imagen de referencia PNG o JPEG, compatible únicamente con implementaciones MAI-Image-2.5-Flash y MAI-Image-2.5

La generación basada únicamente en un prompt puede usar un nombre de implementación personalizado con solo el endpoint de Foundry configurado. Las ediciones con nombres de implementación personalizados requieren metadatos de incorporación/modelo para que OpenClaw pueda verificar que la implementación se basa en MAI-Image-2.5-Flash o MAI-Image-2.5.

Los modelos de imágenes MAI actuales son MAI-Image-2.5-Flash, MAI-Image-2.5, MAI-Image-2e y MAI-Image-2. Consulte Plugin de Microsoft Foundry para obtener información sobre la configuración y el comportamiento de los modelos de chat.

La generación de imágenes de OpenRouter usa el mismo OPENROUTER_API_KEY y se enruta mediante la API de imágenes de finalizaciones de chat de OpenRouter. Seleccione los modelos de imágenes de OpenRouter con el prefijo openrouter/:

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

OpenClaw reenvía prompt, count, las imágenes de referencia y las indicaciones aspectRatio / resolution compatibles con Gemini a OpenRouter. Los accesos directos integrados actuales para modelos de imágenes de OpenRouter incluyen google/gemini-3.1-flash-image, google/gemini-3-pro-image y openai/gpt-5.4-image-2. Use action: "list" para ver qué expone el plugin configurado.

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

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

Seleccione Krea 2 Medium para obtener ilustraciones expresivas más rápidamente y Krea 2 Large para obtener resultados fotorrealistas y texturizados más lentos y detallados:

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

Actualmente, Krea 2 devuelve una imagen por solicitud. Se recomienda aspectRatio para Krea; OpenClaw asigna size a la relación de aspecto compatible más cercana de Krea y rechaza resolution para Krea en lugar de descartarlo. Use fal.creativity cuando se desee un nivel de creatividad nativo de Krea:

{  "model": "fal/krea/v2/medium/text-to-image",  "prompt": "Un retrato de revista ciberpunk con textura de risografía",  "aspectRatio": "9:16",  "fal": {    "creativity": "high"  }}

La generación de imágenes de MiniMax está disponible mediante las dos rutas de autenticación incluidas de MiniMax:

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

El proveedor xAI incluido usa /v1/images/generations para solicitudes basadas únicamente en un prompt y /v1/images/edits cuando está presente image o images.

• Modelos: xai/grok-imagine-image, xai/grok-imagine-image-quality
• Cantidad: hasta 4
• Referencias: un image o hasta tres images
• Relaciones de aspecto: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20
• Resoluciones: 1K, 2K
• Resultados: se devuelven como archivos adjuntos de imagen administrados por OpenClaw

OpenClaw no expone intencionadamente los controles nativos de xAI quality, mask, user ni la relación de aspecto auto hasta que esos controles existan en el contrato compartido entre proveedores image_generate.