La generación de imágenes en OpenClaw

OpenClaw genera y edita imágenes mediante una sola herramienta que se apoya en los proveedores de imágenes que hayas configurado. En una sesión de chat se ejecuta de forma asíncrona: OpenClaw registra una tarea en segundo plano, devuelve al instante el id de la tarea y despierta al agente cuando el proveedor termina; la respuesta de finalización incluye un pie breve y cada adjunto generado, un fallo vuelve como un mensaje visible y conciso, y si la sesión que hizo la solicitud está inactiva, las imágenes se entregan directamente para que el resultado no se pierda. Estos son la configuración, las rutas, lo que acepta la herramienta y las salvedades.

Configuración

• Una clave de API de al menos un proveedor, entre ellos OpenAI, Gemini u OpenRouter, o un inicio de sesión de ChatGPT o de Codex; con un perfil OAuth de OpenAI configurado, las solicitudes de imágenes pasan por él en lugar de por la clave.
• Opcionalmente, un modelo predeterminado en el bloque de modelos multimedia, con un tiempo de espera; una configuración explícita del proveedor OpenAI, ya sea una clave o una URL base personalizada, vuelve a activar la ruta directa de la Images API.
• Pídeselo al agente. No hace falta ninguna lista de permitidos: la herramienta está activa por defecto cuando hay un proveedor disponible, y ausente en caso contrario.

La herramienta solo aparece cuando hay al menos un proveedor de generación de imágenes disponible.

Las rutas

La documentación enumera una ruta por objetivo: el modelo de imágenes de OpenAI con facturación de la API o con el inicio de sesión de ChatGPT, las variantes de GPT Image 2.5 por la ruta explícita con clave, un PNG o WebP con fondo transparente mediante el modelo anterior de OpenAI, FLUX a través de DeepInfra, Krea 2 y GPT Image 2.5 a través de fal, el modelo de imágenes flash de Gemini a través de OpenRouter o directamente a través de Google, LiteLLM y los despliegues de Microsoft Foundry. La misma herramienta gestiona texto a imagen y la edición con imágenes de referencia, con una o varias imágenes como referencia; en Krea, las referencias se convierten en referencias de estilo. Las indicaciones de salida de calidad, formato y fondo se reenvían cuando el proveedor las admite y se indican como ignoradas cuando no, y OpenAI acepta una moderación low o auto tanto para la generación como para las ediciones.

Las salvedades

• Un endpoint de LAN compatible con OpenAI, como LocalAI, necesita la URL base personalizada y una activación explícita en la política SSRF del navegador; los endpoints de imágenes privados e internos siguen bloqueados por defecto.
• En WebChat y en la app de macOS, los adjuntos generados se quedan en la respuesta de finalización en lugar de volver a aparecer en un mensaje aparte solo con imágenes, y una entrega repetida conserva las mismas identidades.
• El registro de la tarea en sí permanece en silencio; la respuesta visible sigue el contrato de respuesta visible actual de la sesión, y por eso un canal ve un único mensaje con pie en lugar de un flujo de progreso.

OpenClaw con OpenRouter y OpenClaw con Gemini son los dos artículos de proveedores desde los que llega la mayoría de la gente.

Dónde encaja

La generación de imágenes es una de las herramientas multimedia, junto con el video, la música y la voz, y sigue el mismo patrón que la búsqueda web de OpenClaw: una herramienta que el agente llama, un proveedor que tú eliges y un resultado que vuelve a través de la respuesta y no de una interfaz aparte.

En Diali

En Diali, la herramienta sigue la misma regla que en cualquier otro sitio: aparece cuando hay configurado para el asistente un proveedor capaz de generar imágenes, y esa elección se hace en el panel. OpenClaw alojado en Diali es el asistente.

• Una herramienta, muchos proveedores, una tarea en segundo plano por imagen.
• Texto a imagen y ediciones con referencia en la misma llamada.
• Los endpoints de LAN están bloqueados hasta que los activas.