Vista en perspectiva de la playa final de las Maldivas, con palmeras, arena blanca y agua turquesa

Empieza tu propia Vista

Clona el proyecto público, abre la carpeta en un agente capaz de generar imágenes y ejecutar Python y pídele que use la habilidad build-a-view. La herramienta de imágenes integrada del entorno puede crear la base sin clave API externa; siguen vigentes los límites de uso del entorno. La mejora de alta resolución necesita la clave API del proveedor que elijas.

git clone https://github.com/EnterLocus/locus-support.git
cd locus-support
Instrucción para tu agenteUsa la habilidad build-a-view para crear una Vista estática esférica completa de un lugar que describa. Primero muéstrame el panorama base y una vista previa de 360° si se admite. Espera a que acepte la composición. Después ofrece modelos, tamaños nativos estimados, procesamiento Standard o Batch y un plan de costes desglosado antes de cualquier mejora de pago.

Hay dos confirmaciones: primero acepta la base y su composición; después elige el modelo API, la referencia de credenciales, el tamaño nativo estimado, el plan de costes y el modo de procesamiento. Da un nombre de variable de entorno como OPENAI_API_KEY o GEMINI_API_KEY, nunca un secreto en el chat. Aprueba cada envío de pago concreto o autoriza explícitamente un plan completo enumerado bajo un límite conjunto. Una clave o un presupuesto preliminar no constituyen aprobación.

La vista previa de 360° depende del entorno. Si no puede abrirla, pide una vista interactiva local disponible y vistas en perspectiva. Una imagen plana no muestra cómo se ve cada dirección.

Usa estos valores por defecto: restaura toda la base de baja resolución, mejora seis caras con contexto, une a la densidad de muestreo nativa real e inspecciona cada dirección, unión y polo. Empieza sin reparaciones y reserva hasta dos salidas específicas; los intentos adicionales necesitan su propio alcance y aprobación.

Abrir la habilidad pública build-a-view

Un original, tres modelos

Esta comparación parte de la misma imagen integrada intacta de 1774×887. El prompt pedía un centro mirando a la laguna y una unión limpia; la base centra las palmeras y tiene un defecto en la unión. Esas decisiones se aceptaron y fijaron para la comparación. La mejora reconstruye detalles plausibles y no recupera verdad fotográfica.

El panorama original intacto de las Maldivas de 1774×887, con palmeras cerca del centro
Leer el prompt original exacto
Use case: photorealistic-natural. Asset type: a full spherical immersive skybox source, not a wide-angle photograph. Create one full 360-degree by 180-degree equirectangular panorama in an exact 2:1 canvas, 3840x1920 if supported. A serene Maldives island beach at eye level about 1.5m above fine white sand, looking out over luminous shallow turquoise water toward a clear level Indian Ocean horizon. In the opposite direction, the same beach continues into natural tropical palms and low lush island vegetation. No buildings, people, boats, text or logos. Warm clear midmorning daylight, realistic white sand, delicate small lapping waves, convincing individual palm fronds and natural vegetation. Full 360 longitude, full latitude from zenith to nadir. Camera has zero roll, horizon is perfectly level at exactly vertical center (50% height); beach and water are below center. Equirectangular longitude distortion and strong polar stretching are required; the entire top row is the single blue sky zenith, the entire bottom row the single sandy nadir directly under camera, with natural pole convergence when projected onto a sphere. The left and right borders must join as one continuous scene, with identical sky, horizon, ocean/beach geometry and lighting at the wrap; place the wrap in uncomplicated distant water/sky if possible. One coherent island with geometrically continuous shoreline and a calm comfortable seated-view atmosphere. Sharp detailed natural photographic rendering, restrained color and exposure; no oversharpening, no lens vignette, no collage, no inset views, no frame.

GPT Image 2.6 utiliza el modelo de API gpt-image-2.6-sunburst; Nano Banana Pro utiliza gemini-3-pro-image. Ambos recibieron exactamente los mismos bytes de origen. Las figuras de la comparación original que aparecen a continuación muestran GPT a la izquierda y Nano Banana Pro a la derecha. La prueba posterior de Nano Banana 2.1 reutiliza ese mismo original sin cambios.

Restaurar primero el panorama completo

La restauración global coherente precede al detalle de cada cara. GPT devolvió 3840×1920 con calidad high en modo Standard. Nano Banana usó contexto cíclico 21:9 en Standard 4K, devolvió 6336×2688 y se le quitaron los márgenes y redujo explícitamente a un panorama de 5376×2688. La fuente permanece intacta.

Restauraciones globales: GPT a la izquierda y Nano Banana a la derecha

Seis caras, tamaño nativo medido

Proyecta seis caras de unos 102°: un núcleo de 90° con 6° de contexto por lado. Las entradas cuadradas de 1186 píxeles de GPT devolvieron caras de 2880; las de 1660 de Nano Banana devolvieron 4096. Las entradas se proyectaron a densidad de origen, sin ampliarlas al tamaño de salida solicitado. La prueba correcta es una de las seis caras.

Une directamente las caras devueltas con una semianchura de mezcla de 0.25°. Calcula el tamaño final 2:1 a partir de la proporción real T entre tamaño guardado y núcleo, y del lado N devuelto. Esta regla conservadora describe densidad de píxeles, no detalle resuelto. Ningún resultado es 12K nativo.

f_center = N / (2*T) pixels per radian
W = 2 * floor(pi*N / (2*T)); H = W/2

GPT:  T=1186/960,  N=2880 → 7322×3661
Nano: T=1660/1344, N=4096 → 10418×5209
Recortes nativos de 512 píxeles de la cara frontal: GPT a la izquierda, Nano Banana a la derecha

Son recortes de 512 píxeles de las caras frontales nativas. Abre la imagen a tamaño completo para inspeccionarla a 1:1. Cubren ángulos distintos por las diferentes densidades; la comparación del mismo ángulo inferior es mejor para juzgar el mismo paisaje.

Reparar los problemas que realmente muestran las imágenes

La unión inicial de GPT tenía facetas en el cielo y bandas verticales de exposición. El ajuste local de tono redujo las facetas y una máscara protegida conservó el cielo coherente de la restauración global en alrededor de un tercio del lienzo. Esa zona interpola el cielo de 3840×1920 sin añadir detalle nuevo de 7.3K. Dos ediciones de pago en perspectiva de 60° a yaw ±135° repararon las bandas de unión restantes entre cielo y agua.

El nadir de Nano Banana tenía una estrella radial en la arena. La primera reparación de pago falló y se incluye en el coste. La transferencia local de grano eliminó la forma radial; una segunda edición de pago restauró el grano y se aplicó localmente protegiendo piedras, sombras y solapamientos. Una corrección local de la unión redujo la línea estrecha del cielo.

Antes y después de reparar la unión de GPT y el nadir arenoso de Nano Banana

Nano Banana aún muestra una amplia diferencia de tono del cielo en la unión, cirros convergentes en el cenit y un relieve más liso en el centro del nadir. En estas salidas, GPT reconstruyó follaje, agua y arena más nítidos; Nano Banana devolvió más píxeles con detalle más suave. Más píxeles no garantizan una Vista mejor.

Comparación final: GPT 7322×3661 a la izquierda y Nano Banana 10418×5209 a la derecha
Ángulos iguales de palmeras, costa, nadir y unión: GPT a la izquierda, Nano Banana a la derecha

Las imágenes del mismo ángulo usan las mismas direcciones, campo de visión y cuadrícula de revisión de 768 píxeles. Son remuestreos en perspectiva, no detalle generado adicional. La revisión abarcó seis direcciones, las 12 aristas del cubo, polos, unión y bordes de reparación. Siguen siendo candidatos comparativos: no están verificados la importación en Locus, el aspecto en un Vision Pro físico ni la comodidad. El agua está pintada en un skybox estático, sin movimiento, profundidad ni paralaje.

Nano Banana 2.1: una prueba posterior con menor coste

El 14 de noviembre de 2026 probamos gemini-nano-banana-2.1 con el mismo original fijado y el prompt inicial. Las nueve salidas utilizaron el modo Standard: una restauración global, seis caras y dos reparaciones. G devolvió 6336×2688, que quedó en 5376×2688 al retirar el relleno contextual; las seis caras devolvieron 4096×4096. El ensamblaje a densidad nativa produjo 10418×5209, sin ampliarlo de forma forzada a 12K.

Panorama final de las Maldivas de Nano Banana 2.1, 10418×5209

La cara inferior original tenía un cráter y una distorsión radial de la arena. R1 no fue suficiente y sigue incluido en el coste. La corrección local con grano tomado de otra zona aplanó la geometría; R2 restauró la textura y se reinsertó localmente protegiendo las piedras, las sombras y la orilla. Un pequeño parche de píxeles anterior a R2 eliminó un borde de hoja inventado. La herramienta local para la unión horizontal del cielo redujo una estrecha cuña de diferencia tonal.

Nadir de Nano Banana 2.1: cara original, R1, corrección local de la geometría y limpieza de R2 aplicada localmente

En esta escena, 2.1 estuvo cerca de Pro en el detalle del follaje y el agua, con una mejor continuidad en la unión horizontal y un grano más visible en el nadir reparado. El candidato de GPT mostró follaje reconstruido, patrones del agua y relieve de la arena más nítidos. Los tres métodos tienen distintas reparaciones locales; una sola escena no permite establecer una clasificación universal de modelos.

Vistas del follaje, la orilla, el nadir y la unión horizontal con los mismos ángulos: GPT Image 2.6, Nano Banana Pro y Nano Banana 2.1
Candidato probado; revisión en el visor pendiente.

La revisión estática independiente abarcó seis direcciones, 12 uniones, la unión horizontal, los polos y los límites de las reparaciones a resolución nativa. Persisten hojas con aspecto ceroso, un cielo suave, cirros que convergen en el cenit y menor relieve en la arena reparada. No se han verificado la importación en Locus ni la apariencia en un Vision Pro físico. El modelo predeterminado no ha cambiado.

Contar el trabajo completo antes de pagar

Cuenta las salidas de pago como B + G + F + R + E: imágenes base de pago, restauraciones globales, caras, reparaciones e intentos adicionales. Aquí B=0, G=1, F=6, R=2, E=0: nueve por método. La prueba original de dos métodos utilizó 18 salidas; la prueba posterior e independiente de 2.1 añade nueve, sumando 27 entre los tres. La cara de prueba aceptada forma parte de F6. Una reparación rechazada sigue siendo una salida de pago; volver a generar aumenta la cuenta.

RutaPanorama nativoCoste según uso en USD
GPT Image 2.6 · Standard7322×3661$1.614237
Nano Banana Pro · Standard G/R, Batch F610418×5209$1.471502
Tokens residuales a tarifa de texto
$1.587014
Cálculo conservador
Nano Banana 2.1 · Standard10418×5209$1.0942455
Tokens residuales a tarifa de texto
$1.1840655
Cálculo conservador

Las tarifas y el uso de la prueba original de GPT/Pro son del 13 de noviembre de 2026. Los $1.471502 de Nano Banana Pro suponen que los tokens candidatos sin clasificar se valoran a la tarifa de texto; $1.587014 reserva de forma conservadora las diferencias de clasificación de tokens y de entrada de imágenes. El cálculo conservador combinado de los dos modelos originales es de $3.201251. Son cálculos a partir del uso indicado en las respuestas, no facturas del proveedor conciliadas ni un precio fijo para tu View.

La prueba de 2.1 tuvo su propio límite operativo de $2. El subtotal de salida de imágenes fue de $1.0206; el total calculado según el uso es de $1.0942455 si los tokens candidatos sin clasificar se valoran a la tarifa de texto, o de $1.1840655 si se reserva de forma conservadora el importe de esos tokens a la tarifa de imagen. Las nueve solicitudes fueron Standard. Batch es una alternativa con precio calculado, no un resultado ejecutado con 2.1. La aceptación en el visor sigue pendiente.

Las seis caras de Nano Banana Pro utilizaron trabajos Batch asíncronos reales, incluida la cara de prueba. Batch reduce la tarifa de salida de imágenes un 50%, pero cada trabajo puede tardar unas 24 horas y las etapas dependientes deben esperar. Elige Standard o Batch antes de producir. Ofrece GPT Batch solo tras confirmar que el modelo exacto, la cuenta y el endpoint cumplen los requisitos.

R = approved repair outputs (0..2)
GPT high / Standard image-output subtotal:
  $0.081 + (6+R)*$0.1779 = $1.1484..$1.5042
Nano Standard G/R + Batch F6 image-output subtotal:
  $0.24 + 6*$0.12 + R*$0.24 = $0.96..$1.44
Nano Banana 2.1 Standard image-output subtotal:
  (7+R)*$0.1134 = $0.7938..$1.0206
Nano Banana 2.1 modeled Standard G/R + Batch F6:
  (1+R)*$0.1134 + 6*$0.0567 = $0.4536..$0.6804
Total = image outputs + image/text inputs + text/thinking outputs

El subtotal de salida solo es parte de la factura. Usa los contadores reales de respuesta para entradas y razonamiento, separa el consumo adicional desconocido y las reservas y consulta las tarifas actuales antes de presupuestar otra ejecución. La proyección, unión y reconstrucción locales no añaden tarifas de API de imagen; suscripciones del agente y almacenamiento son aparte.

Leer las fórmulas completas y la política de Batch · Ver los contadores de las 27 solicitudes

Descargar, revisar e importar

Los JPEG de entrega mantienen las dimensiones nativas, con calidad 95 y muestreo 4:4:4. Descarga un candidato, guárdalo en iCloud Drive/Locus y espera a que Archivos en Apple Vision Pro pueda abrirlo. En Locus, abre Places → Import → Import a View → Files y selecciona el JPEG. Comprueba la unión horizontal, los polos, la escala y la comodidad en el visor antes de aceptar tu resultado.

Descargar los archivos de creación y revisión

Reensamblar salidas guardadas sin nuevas llamadas API · Comprobar tamaños e identidades SHA-256 de los recursos

La habilidad pública, los scripts y las recetas usan Apache-2.0; las imágenes de demostración tienen condiciones aparte en el mapa de licencias del repositorio.

Leer el mapa de licencias

Las Rooms gratuitas y algunas Views gratuitas se pueden descargar como ejemplos para estudiar, algunas con su fuente de Blender. Ver los ejemplos en la galería.

Los agentes de programación pueden leer place-examples.json para conocer la URL, el tamaño, el SHA-256, las funciones y la licencia de cada descarga.