Los modelos de generación de imágenes con inteligencia artificial están impulsando el crecimiento de las descargas de aplicaciones móviles de IA a niveles sin precedentes, superando significativamente el impacto de las actualizaciones conversacionales tradicionales. Según un nuevo informe de Appfigures, proveedor de análisis de aplicaciones, los lanzamientos de modelos de imágenes generan 6.5 veces más descargas que las actualizaciones de modelos convencionales, lo que marca un cambio importante en las preferencias de los usuarios de aplicaciones de IA.
El análisis revela que tanto ChatGPT como Gemini agregaron decenas de millones de nuevas instalaciones tras introducir sus respectivos modelos de generación de imágenes. Esta tendencia contrasta con los primeros días del mercado de IA móvil, cuando las actualizaciones de modelos conversacionales y características como interfaces de chat por voz dominaban el interés de los usuarios.
Modelos de imágenes de IA impulsan descargas masivas
Gemini de Google experimentó el aumento más dramático cuando su modelo de imagen Nano Banana generó más de 22 millones de descargas adicionales en los 28 días posteriores al lanzamiento de Gemini 2.5 Flash en agosto pasado, según los datos de Appfigures. Esta introducción multiplicó por más de cuatro las descargas de la aplicación durante ese período, estableciendo un nuevo estándar para el impacto de los lanzamientos de modelos visuales.
Mientras tanto, ChatGPT añadió más de 12 millones de instalaciones incrementales en el mes siguiente a la introducción de su modelo de imagen GPT-4o en marzo del año anterior. Esta cifra representa aproximadamente 4.5 veces más descargas que las que registró con los lanzamientos de sus modelos GPT-4o, GPT-4.5 y GPT-5, señaló Appfigures en su análisis.
Otros lanzamientos siguieron patrones similares, aunque a menor escala. Meta AI registró aproximadamente 2.6 millones de descargas incrementales en los 28 días posteriores al lanzamiento de su feed de video con IA llamado Vibes en septiembre de 2025, según las estimaciones del informe.
Descargas no siempre se traducen en ingresos
Sin embargo, el informe advirtió que el aumento en las descargas no necesariamente se convierte en mayores ingresos móviles. Los nuevos lanzamientos de modelos de imágenes proporcionan a los usuarios una razón para instalar la aplicación y probar sus capacidades mejoradas de generación de imágenes, pero no garantizan la conversión a suscripciones de pago.
Por ejemplo, Nano Banana de Google generó solo 181,000 dólares en gasto estimado del consumidor durante la ventana de 28 días tras su lanzamiento, a pesar de producir un aumento mayor en descargas que el modelo de imagen 4o de ChatGPT. Adicionalmente, el lanzamiento de Vibes por parte de Meta AI condujo a descargas adicionales pero no produjo ingresos significativos, según los datos presentados.
ChatGPT convierte atención en ingresos
Entre las tres principales aplicaciones analizadas, solo ChatGPT logró transformar la atención aumentada en ingresos reales. El modelo de generación de imágenes 4o de OpenAI condujo a un estimado de 70 millones de dólares en gasto bruto del consumidor durante los 28 días posteriores a su lanzamiento, comparado con su línea base anterior, informó Appfigures.
El análisis también examinó el caso de DeepSeek, que no siguió el patrón típico. DeepSeek R1 impulsó 28 millones de descargas tras su lanzamiento en enero de 2025, pero esto no representó una comparación típica de modelos. En cambio, fue el momento de irrupción de DeepSeek, cuando pasó de ser relativamente desconocida a convertirse en una sensación de la noche a la mañana, a medida que la industria tecnológica conoció las técnicas utilizadas para entrenar sus modelos de IA a una fracción del costo de sus competidores.
Los resultados del informe sugieren que las empresas de inteligencia artificial móvil continuarán priorizando el desarrollo de capacidades visuales para atraer nuevos usuarios. La capacidad de convertir esas descargas en suscriptores de pago permanece como el desafío crítico, especialmente para competidores más pequeños que enfrentan dificultades para monetizar la curiosidad inicial de los usuarios. Se espera que futuras actualizaciones de modelos de imagen de las principales plataformas revelen si esta tendencia se mantiene o si los usuarios eventualmente muestran fatiga ante los lanzamientos repetitivos de características similares.