Generación de imágenes

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

El valor predeterminado de un proveedor solo se incorpora a la lista de candidatos cuando OpenClaw puede autenticar realmente ese proveedor. Establezca agents.defaults.mediaGenerationAutoProviderFallback: false para usar únicamente las entradas explícitas model, primary y fallbacks.

Establezca agents.defaults.imageGenerationModel.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 definidos por el Plugin del proveedor. 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 120 segundos para el puente image_generate y, cuando está configurado, respetan el mismo presupuesto de tiempo de espera, limitado 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 de forma predeterminada openai/gpt-image-2. Si hay configurado un perfil OAuth de openai, OpenClaw reutiliza el mismo perfil OAuth que emplean los modelos de chat de suscripción de Codex y envía la solicitud de imagen mediante el backend de 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 todavía pueden seleccionarse explícitamente. Use gpt-image-1.5 para generar PNG/WebP con fondo transparente; la API actual de gpt-image-2 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 a OpenAI prompt, count, size, quality, outputFormat y las imágenes de referencia. OpenAI no recibe aspectRatio ni resolution directamente; cuando es posible, OpenClaw los convierte en un valor de size compatible. De lo contrario, la herramienta los informa como sustituciones ignoradas.

Las opciones específicas de OpenAI se encuentran 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 que outputFormat sea png o webp, así como un modelo de imágenes de OpenAI compatible con transparencias. OpenClaw dirige las solicitudes con fondo transparente del modelo predeterminado gpt-image-2 a gpt-image-1.5. openai.outputCompression se aplica a las salidas JPEG/WebP y se ignora en las salidas PNG.

La indicación de nivel superior background 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 mediante 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 a nivel de 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
• Salida: una imagen PNG
• Tamaño: valor predeterminado 1024x1024; tanto el ancho como el alto deben ser de al menos 768 px, y el total de píxeles debe ser como máximo 1 048 576
• Ediciones: una imagen de referencia PNG o JPEG, admitida únicamente por implementaciones MAI-Image-2.5-Flash y MAI-Image-2.5

La generación basada solo en instrucciones puede usar un nombre de implementación personalizado con únicamente el endpoint de Foundry configurado. Las ediciones con nombres de implementación personalizados necesitan metadatos de incorporación/modelo para que OpenClaw pueda comprobar que la implementación está respaldada por 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 conocer la configuración y el comportamiento de los modelos de chat.

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

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

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

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

• aspect_ratio para indicaciones de relación de aspecto
• creativity, cuyo valor predeterminado es medium
• image_style_references cuando se proporcionan image o images

Seleccione Krea 2 Medium para obtener ilustraciones expresivas con mayor rapidez y Krea 2 Large para obtener resultados fotorrealistas y con texturas, más lentos pero detallados:

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

Actualmente, Krea 2 devuelve una imagen por solicitud. Prefiera aspectRatio para Krea; OpenClaw asigna size a la relación de aspecto de Krea compatible más cercana y rechaza resolution para Krea en lugar de descartarla. Use fal.creativity cuando quiera 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 mediante ambas 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 solo en instrucciones y /v1/images/edits cuando están presentes image o images.

• Modelos: xai/grok-imagine-image, xai/grok-imagine-image-quality
• Cantidad: hasta 4
• Referencias: una 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
• Salidas: se devuelven como archivos adjuntos de imagen administrados por OpenClaw

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