¿Puede ChatGPT saber dónde se tomó una foto?

En abril de 2025 se extendió una nueva tendencia en X. La gente subía fotos a ChatGPT, desde menús de restaurantes hasta esquinas de calles y selfies, y preguntaba dónde se habían tomado. OpenAI acababa de lanzar o3 y o4-mini, modelos capaces de recortar, girar y acercarse a una imagen mientras razonan sobre ella. TechCrunch informó de que o3, en particular, podía deducir ciudades, lugares emblemáticos e incluso restaurantes y bares a partir de pequeñas pistas visuales, y llamó a la tendencia “búsqueda inversa de ubicación”.

Desde entonces el truco se ha probado con más rigor, sobre todo por Bellingcat, el grupo de investigación de fuentes abiertas, que hizo 500 pruebas con fotos que nunca habían estado en internet. Esta guía expone lo que encontraron esas pruebas: qué tan cerca llega ChatGPT, cómo se compara con Google Lens y otros chatbots, cuándo lee algo distinto de los píxeles y dónde se equivoca.

El modelo lee una escena como lo haría un geolocalizador entrenado: la escritura de los letreros, las marcas viales, los edificios, las plantas, la forma de las colinas. Cómo funciona la geolocalización con IA explica ese proceso en general. Lo nuevo de los chatbots es que razonan en voz alta, se acercan a los detalles y pueden buscar en la web mientras lo hacen.

El desarrollador Simon Willison le dio a o3 una foto tomada desde un bar al aire libre cerca de su casa en El Granada, California: una carretera, una casa anónima y unas colinas. Pasó casi siete minutos recortando y acercando, detectó una placa californiana y primero propuso Cambria, a unas 200 millas. Su segundo intento, Half Moon Bay o El Granada, fue el correcto.

Las pruebas del propio TechCrunch fueron más irregulares. Ante la cabeza de rinoceronte morada y montada de un bar poco iluminado, o3 la ubicó correctamente en un speakeasy de Williamsburg, mientras que el GPT-4o, más antiguo, propuso un pub del Reino Unido. Aun así, GPT-4o llegó a la misma respuesta correcta que o3 en la mayoría de los casos, y más rápido, y varias pruebas fallaron del todo.

Bellingcat dio a todos los modelos el mismo prompt, “Where was this photo taken?” (“¿Dónde se tomó esta foto?”), con fotos sin metadatos, y puntuó cada respuesta de 0 a 10. Un 10 significaba una identificación precisa y específica, como un barrio, un sendero o un lugar emblemático. La tabla muestra cinco de las pruebas que publicó.

Así que el resultado típico es una región o una ciudad, y el punto exacto cuando la foto entrega un nombre o una dirección. Ese es el techo de cualquier método visual: una escena sirve para una región, y un punto exige texto legible o datos GPS.

Hacen trabajos distintos. Google Lens es una consulta: busca imágenes iguales o parecidas en línea, así que brilla cuando un lugar se ha fotografiado muchas veces. Ante el Schluchsee, un lago de la Selva Negra alemana, Lens lo devolvió como primer resultado, y ChatGPT fue el único chatbot que lo nombró. En las ciudades, Lens tendía a obsesionarse con estructuras grandes y comunes, como edificios y ruedas de la fortuna. Google Lens y Yandex, comparados, cubre el lado de la consulta.

Pensar más no siempre ayudó. ChatGPT Deep Research dedicó casi 13 minutos a una costa y acabó unos 50 km al norte de ella, mientras que o4-mini-high respondió en 39 segundos y quedó 15 km más cerca. Lo más nuevo tampoco era mejor por defecto: en la nueva prueba de agosto, GPT-5 Pro, a 200 euros al mes, no rindió mejor que el antiguo o4-mini-high. Un benchmark de 2026 encontró el mismo patrón con modelos posteriores.

EXIF son los datos ocultos que una cámara o un teléfono escribe en el archivo de una foto, incluidas las coordenadas GPS cuando la ubicación está activada (qué registran los datos EXIF). Que sobrevivan a la subida ha variado. En las pruebas de Patterson en el navegador, en abril de 2025, o3 encontraba las etiquetas vacías hasta que subió la foto dentro de un archivo zip. Willison señaló después el relato de un usuario de Hacker News según el cual o3 había usado código para leer las etiquetas EXIF de una foto sin admitirlo, aunque el paso era visible en su razonamiento.

Así que decide qué quieres saber. Para averiguar dónde se tomó una foto, lee tú mismo sus coordenadas GPS primero, porque una posición medida vale más que cualquier suposición. Para ver qué delatan los píxeles por sí solos, prueba con una captura de pantalla, que no conserva la ubicación del original (por qué las capturas de pantalla no tienen datos GPS).

Willison se topó con ambas cosas. Descubrió que “necesitaba desactivar primero todas las funciones de memoria de ChatGPT o haría trampa y usaría el contexto de mis conversaciones anteriores”, y más tarde que o3 tenía una idea aproximada de dónde estaba: “Sabe que estoy en Half Moon Bay”. El truco siguió funcionando con sus fotos del Madagascar rural y de Buenos Aires, a miles de millas de su casa. Cuando probó Gemini, su respuesta empezaba así: “Dado que mi contexto de ubicación actual es El Granada, California...”

Para obtener una respuesta justa, inicia un chat temporal y elige “Unpersonalized” (sin personalizar) antes de enviar la foto. OpenAI dice que esa opción no usa la memoria, las instrucciones personalizadas ni los plugins. Es un ajuste de memoria, no de ubicación: ChatGPT aún puede estimar dónde estás a partir de tu dirección IP, así que si una suposición cae en tu propia ciudad, pregunta qué hay en la imagen que apunte hacia allí.

Una foto de Bellingcat mostraba una playa con un gran hotel y una rueda de la fortuna temporal, instalada en 2024 y desmontada para el invierno. Muchos modelos apuntaron a Scheveningen, un balneario neerlandés más conocido con su propia rueda de la fortuna. En la nueva prueba de agosto, GPT-5 Pro y GPT-5 Thinking la situaron en Francia. Google AI Mode fue el primer modelo en nombrar la localidad correcta: Noordwijk, en los Países Bajos.

• Coordenadas. Bellingcat comprobó que los modelos solían devolver coordenadas aproximadas o sencillamente incorrectas. Un lugar con nombre es más fácil de comprobar que un punto en el mapa.
• Fotos sin rasgos distintivos o de interiores. Con poco en el encuadre, una respuesta segura es una suposición con un número pegado. Encontrar una ubicación sin datos GPS muestra qué necesita contener una escena.
• Lugares que cambiaron. Atracciones de temporada, edificios nuevos y tiendas cerradas pueden llevar a un modelo hacia un parecido más conocido.
• Video. La mayoría de los chatbots no puede ver video, señaló Bellingcat, así que ubicar un clip sigue empezando con fotogramas fijos.

TechCrunch lo dijo sin rodeos en 2025: nada impedía que alguien hiciera una captura de pantalla de la historia de Instagram de una persona y usara ChatGPT para intentar hacerle doxxing, y parecía haber pocas salvaguardas contra este tipo de “búsqueda inversa de ubicación”. Horas después, OpenAI respondió que los modelos ayudan en áreas como la accesibilidad, la investigación y “la identificación de ubicaciones en la respuesta a emergencias”, y que vigila el abuso de sus políticas de uso sobre privacidad.

Los modelos difieren en lo dispuestos que están a responder. En un estudio académico con 500 fotos tomadas por California, o3 de OpenAI dio una ubicación concreta y comprobable en el 81% de ellas y Gemini 2.5 Pro en el 85%, mientras que los modelos de Claude lo hicieron en una cuarta parte o menos. El mismo estudio midió con qué frecuencia esas respuestas caían cerca del lugar real, y qué significa eso para las fotos tomadas en casa se explica en su propia guía.

GeoSpy estima la ciudad y el país que muestra una foto a partir de lo visible en el encuadre; si el archivo aún lleva datos GPS, los lee y muestra el lugar registrado. Nunca devuelve una dirección postal, y las fotos subidas no se almacenan. En geospys.com viene con GeoSpy Premium, una suscripción de 7.99 dólares estadounidenses a la semana o 29.99 dólares estadounidenses al año (₺389 o ₺1,460 en Türkiye), ilimitada bajo uso razonable y cancelable en cualquier momento. Empieza con el plan anual o prueba la app de GeoSpy para iPhone, que tiene una prueba gratuita.