Nano Banana Pro y los modelos de IA detrás de las aplicaciones de probador virtual

Pregúntale a un comprador qué hace que una herramienta de probador virtual sea mejor que otra y la mayoría señalará el resultado: ¿sigo pareciéndome a mí, cambió de color el sofá detrás de mí, la camisa parece puesta o pegada? Casi nada de eso se debe a la interfaz de la aplicación. Se debe al modelo de IA que está generando la imagen, un detalle que rara vez aparece en la página de un producto.

¿Qué es Nano Banana Pro?

Nano Banana Pro no es el nombre oficial del producto de Google. Es el apodo que se popularizó después de que la comunidad comenzara a usarlo para Gemini 3 Pro Image, el modelo insignia de generación y edición de imágenes de Google, disponible a través de la API de Gemini y Vertex AI. Dale una foto y una instrucción de texto y editará esa foto, añadiendo, eliminando o cambiando algo mientras intenta dejar el resto intacto.

Esa última parte es lo que lo hace utilizable para el probador virtual, aunque la ropa nunca fue su único trabajo. La foto de un comprador más la foto de una prenda más una instrucción para cambiar el atuendo es, estructuralmente, el mismo tipo de edición que cualquier otra solicitud de Nano Banana Pro. La propia función Virtual Try On de Perplexity funciona con esta misma familia de modelos, un detalle que Perplexity ha declarado directamente y que ya se cubrió en el propio artículo de Corlen sobre el probador virtual en la búsqueda de compras con IA.

¿En qué se diferencia un modelo de imagen general de un modelo de probador virtual dedicado?

Un modelo de probador virtual dedicado se construye en torno a una tarea específica desde el principio. El ejemplo más conocido, IDM-VTON, utiliza una arquitectura de difusión de doble flujo: un flujo lee la prenda, otro lee a la persona, y un paso de deformación mapea la ropa sobre la pose específica del cuerpo antes de que se renderice la imagen final. Cada parte de ese sistema existe porque la ropa, y solo la ropa, era el objetivo del diseño.

• Modelos dedicados (IDM-VTON, FASHN, CatVTON y similares): entrenados específicamente con pares de persona y prenda, con pasos explícitos de pose y deformación integrados en el proceso. Fuertes en mantener una coincidencia literal y controlable con una pose de referencia.
• Modelos de imagen generales (Nano Banana Pro y la familia de imágenes Gemini 3 en general): entrenados en edición y razonamiento de fotos de amplio alcance, luego aplicados al probador virtual mediante indicaciones en lugar de un entrenamiento específico para la tarea. Fuertes en comprender una escena completa a la vez, no solo la región de la ropa.
• Ninguno es una mejora estricta sobre el otro. Un modelo dedicado puede ser más literal con la pose. Un modelo general tiende a mantener el resto del encuadre, la cara, la habitación detrás, más estables, porque nunca se le enseñó a tratar eso como algo separado de la tarea.

¿Qué enfoque produce realmente mejores resultados de probador virtual?

Aquí hay una respuesta real y con nombre, en lugar de una suposición. Ionio.ai publicó un benchmark en 2026 que probó cinco modelos de probador virtual, Kling, FASHN, CatVTON, Qwen y Nano Banana Pro, en 160 combinaciones de atuendos reales, puntuando la preservación de la pose, el realismo de la tela, la retención de identidad y la fiabilidad de producción. El hallazgo no fue un único ganador. Nano Banana Pro se destacó en calidad visual general y fue la opción recomendada para uso creativo y fotorrealista, aunque el benchmark también señaló que carece de los controles explícitos de pose e 'inpainting' en los que se basaron los modelos dedicados, por lo que su control granular queda por detrás de los sistemas construidos con un propósito específico en ese eje concreto.

Esa compensación se traduce directamente en lo que falla en un mal resultado de prueba virtual. Un modelo dedicado con pose fija puede clavar una postura exacta pero desviarse en la cara o el fondo, ya que esos nunca fueron su enfoque de entrenamiento. Un modelo general tiende a mantener toda la foto cohesionada, a costa de una fidelidad exacta de la pose en casos extremos. Qué modo de fallo importa más depende de la función real de la herramienta.

¿En qué modelos se basan actualmente las herramientas de compra?

Este no es un detalle oculto si sabes dónde buscar. Entre los lanzamientos de plataformas del último año y lo que los proveedores individuales han dicho públicamente, se ha vuelto visible un mapa aproximado de quién funciona con qué.

1. La función Virtual Try On de Perplexity funciona con la familia de modelos de imagen Nano Banana, según ha declarado directamente Perplexity.
2. El quiosco de Corlen, la aplicación de Shopify y la API para desarrolladores, todos funcionan con Gemini 3 Pro Image, el mismo modelo de la familia Nano Banana Pro, a través de Vertex AI.
3. Un grupo de proveedores más pequeños, específicos de ropa, construyen sobre modelos de probador virtual dedicados como FASHN, CatVTON o sus propias versiones ajustadas de arquitecturas similares.
4. La propia herramienta de prueba virtual de Google dentro de Search, Shopping e Images no ha publicado qué modelo específico utiliza, aunque se encuentra dentro de la misma infraestructura de Shopping Graph en la que Google ha construido su impulso más amplio de compras con IA.

¿Qué modelo usa Corlen y por qué?

Corlen genera cada prueba con Gemini 3 Pro Image, ejecutado a través de Vertex AI de Google, el mismo modelo de la familia Nano Banana Pro discutido anteriormente. Eso no fue lo primero que se probó. El trabajo de desarrollo anterior pasó por varios modelos de probador virtual dedicados antes de decidirse por este, y el modelo de imagen general mantuvo la cara del comprador, la textura de la tela y el entorno a su alrededor más estables en el tipo de foto que toma un comprador real: una cámara de teléfono, iluminación imperfecta, una habitación normal, no un fondo de estudio.

Esa misma compensación es la razón por la que cómo funciona el probador virtual y es preciso el probador virtual siempre llegan a las mismas dos preguntas que vale la pena hacer sobre cualquier herramienta: ¿el resultado sigue pareciendo la persona real y la tela parece puesta en lugar de pegada sobre la foto? El modelo detrás de la interfaz es la verdadera respuesta a ambas.

Comprueba la diferencia con tu propia foto: prueba Corlen gratis, no necesitas cuenta para un primer resultado. Los equipos que construyen su propia experiencia de compra pueden acceder al mismo motor directamente a través de la API para desarrolladores.