IA que analiza imágenes gratis: ChatGPT permite 3 al día, Claude y Copilot aceptan 20 por chat

¿Qué IA analiza imágenes gratis y cuántas?

Los límites de tamaño varían aún más que las cantidades, desde 20 MB por imagen en ChatGPT hasta 500 MB por archivo en Claude. Cada fila de abajo sale de la página de ayuda del propio proveedor, consultada el 12 de octubre de 2026.

ChatGPT es el más restrictivo. Las preguntas frecuentes sobre subida de archivos de OpenAI dicen que "los usuarios gratuitos están limitados a 3 subidas de archivos al día", y una foto cuenta como cualquier otro archivo. El tope general es de 80 archivos cada 3 horas, y OpenAI avisa de que puede reducir estos límites en horas punta.

Claude y Copilot son los más holgados. El artículo de subida de Anthropic permite 20 archivos por chat e imágenes de hasta 8,000 por 8,000 píxeles. La página de subida de Copilot de Microsoft también permite 20 archivos por conversación, de hasta 50 MB cada uno, y dice que incluye Copilot Chat gratuito. Gemini acepta 10 archivos en un prompt y hasta 100 MB por archivo. La página de subida de Gemini de Google añade "límites móviles" sobre cuánto puedes analizar, y no da una cifra.

¿Cómo conseguir que una IA analice una imagen y responda preguntas?

Adjuntas la imagen y haces una pregunta concreta sobre ella. Un simple "qué es esto" solo devuelve una descripción simple.

1. Abre ChatGPT, Gemini, Claude o Copilot y pulsa el + o el clip del cuadro de mensaje. En Claude también puedes arrastrar un archivo o pegar una captura desde el portapapeles.
2. Recorta la parte sobre la que preguntas. Anthropic recomienda imágenes de al menos 1,000 por 1,000 píxeles, y OpenAI aconseja ampliar el texto pequeño de la imagen.
3. Dale a la pregunta una tarea: qué leer, qué comparar o qué comprobar.
4. Pide al modelo que enumere lo que ve antes de concluir nada.
5. Verifica tú mismo cada cifra, total y nombre con la imagen.

Estos cinco prompts cubren la mayor parte de lo que la gente sube. Rellena los corchetes.

Leer el texto: "Transcribe cada palabra de esta imagen exactamente como está escrita, línea por línea. Marca lo que no puedas leer como [ilegible] en lugar de adivinar."

Leer un gráfico: "Convierte este gráfico en una tabla con una fila por dato. Indica los títulos de los ejes y las unidades. Di qué valores están impresos en el gráfico y cuáles estimaste a partir de las líneas de la cuadrícula."

Corregir un error: "Esta es una captura de un error. Cita el texto del error, dime qué aplicación lo muestra y dame las tres soluciones más probables en orden."

Encontrar la diferencia: "Estas dos fotos muestran el mismo [habitación, producto, documento]. Enumera todas las diferencias que veas y dónde está cada una en cada imagen."

Identificar algo: "¿Qué es este [planta, pieza, plato]? Dame tu mejor hipótesis, dos alternativas y los rasgos visibles que las distinguen."

La última frase de cada prompt es la que hace el trabajo. Pedir primero pruebas visibles evita que el modelo salte a una respuesta, y nuestra guía de IA multimodal construye todo un flujo de trabajo alrededor de ese hábito.

¿Qué no puede ver la IA en una imagen?

La IA no puede leer los metadatos de una foto y a veces adivina los recuentos. La guía de visión de OpenAI enumera 11 limitaciones a octubre de 2026. La mayoría se aplican a cualquier chatbot que pruebes:

• No procesa nombres de archivo ni metadatos, así que la fecha y la ubicación GPS que guardó tu cámara quedan sin leer.
• "Puede dar recuentos aproximados" de los objetos de una foto.
• Puede leer mal textos e imágenes girados o boca abajo.
• Puede tropezar con texto en escrituras como el japonés o el coreano, y con gráficos cuyas líneas se distinguen solo por el color o el tipo de trazo.
• Le cuestan las tomas panorámicas y de ojo de pez, y las posiciones exactas, como las piezas de un tablero de ajedrez.
• OpenAI bloquea por completo las imágenes CAPTCHA.

Las imágenes médicas son la línea roja. OpenAI dice que su modelo "no es adecuado para interpretar imágenes médicas especializadas como tomografías" y que no debe usarse como consejo médico. Una radiografía o la foto de una erupción es cosa de un profesional sanitario.

Los PDF largos también pierden sus imágenes. Anthropic dice que Claude lee los gráficos y las imágenes de un PDF de 100 páginas o menos. De la página 101 a la 1,000, lee solo el texto.

¿Qué IA es la mejor para analizar imágenes?

Claude Opus es el mejor lector de imágenes en el principal benchmark público, y Copilot o Claude son la mejor opción gratuita para volumen. En la clasificación MMMU-Pro de Artificial Analysis, consultada el 12 de octubre de 2026, Claude Opus 5.5 obtiene un 88% y GPT-6 Astra de OpenAI un 87%. Ambos están tras planes de pago.

MMMU-Pro es una prueba difícil de manipular. Tiene 3,460 preguntas de 30 materias académicas y descarta cualquier pregunta que un modelo solo de texto pueda responder. Algunas preguntas llegan únicamente como captura o foto, así que el modelo tiene que leer la imagen para puntuar.

Para el uso gratuito, la regla es sencilla. Usa Copilot o Claude para un lote de hasta 20 imágenes en un chat. Usa Gemini para archivos grandes, de hasta 100 MB cada uno. Reserva ChatGPT Free para la foto suelta, porque 3 subidas al día se agotan antes del almuerzo. Si quieres cambiar la imagen en lugar de leerla, editar fotos con IA es otro conjunto de herramientas.

Whizi, que publica esta página, envía la foto adjunta al modelo que elijas, así que con Pro puedes preguntar a Claude Opus y a Gemini sobre la misma imagen, lado a lado. En la pregunta gratuita pierde. Una cuenta gratuita de Whizi tiene 10 mensajes de texto al día con Whizi AI, Auto o Claude Haiku 5.5, sin subida de archivos, así que un lote de fotos requiere un plan. La web acepta hasta 6 archivos por mensaje, pero limita cada imagen a 8 MB y 60 subidas de imágenes al día, rechaza los GIF y no señala cuáles de sus más de 280 modelos pueden ver imágenes. Los tipos de archivo compatibles detallan el resto.

¿Se pueden analizar imágenes con una API en lugar de un chatbot?

Sí, y las grandes API de visión en la nube incluyen una cuota mensual gratuita. Google Cloud Vision da gratis las primeras 1,000 unidades al mes y luego cobra $1.50 por cada 1,000 en la detección de etiquetas, según su página de precios. El nivel gratuito de Azure AI Vision de Microsoft permite 5,000 transacciones al mes, a 20 por minuto. Amazon Rekognition es la tercera gran opción.

Estos servicios devuelven etiquetas, texto y cuadros de objetos como datos, no como respuestas de chat. Eso encaja con una aplicación que etiqueta miles de fotos de productos. Es excesivo para una sola captura.

DeepSeek llegó tarde. Abrió la entrada de imágenes en su API el 21 de agosto de 2026, y su guía de visión acepta hasta 600 imágenes en una sola petición en su modelo Flash. Su página de precios sigue marcando la visión como "Not supported" en su modelo insignia V4 Pro, y la documentación de DeepSeek no dice nada sobre imágenes en su propia aplicación de chat.