Los pesos de FLUX.1 [dev] ocupan cerca de 24 GB en un único archivo safetensors, y aun así una workstation con GPU de 24 GB los maneja. Ese número explica por qué la generación de imagen en servidor propio pasó de experimento a herramienta de trabajo. ComfyUI, la interfaz de nodos open source que orquesta Flux, Stable Diffusion y el resto del ecosistema, deja el pipeline a la vista: cada nodo, cada semilla, cada paso del sampler.
Qué es ComfyUI y por qué ha ganado el terreno
La mayoría de herramientas de generación de imagen esconden el proceso tras una caja de texto y unos deslizadores. ComfyUI, publicado a comienzos de 2023 y mantenido hoy por Comfy Org, hace lo contrario: cada operación es un nodo que conectas con cables sobre un lienzo. Cargador de modelo arriba, codificador de texto al lado, sampler más abajo. El grafo completo queda documentado y reutilizable a la vez.
Los workflows se guardan como JSON y se comparten como archivos. ComfyUI incrusta el workflow en los metadatos de cada PNG que genera: arrastras una imagen ajena al lienzo y el grafo se reconstruye tal cual se usó para crearla. Reproducir el método de otra persona se reduce a un drag and drop.
El paquete incluye plantillas de partida para los modelos habituales y gestión de nodos personalizados con ComfyUI-Manager. Funciona en NVIDIA (CUDA), AMD (ROCm en Linux) y Apple Silicon (MPS), sobre Windows, Linux y macOS. Frente a front-ends clásicos como Automatic1111, que organizan la generación en formularios, el enfoque de grafo se ha impuesto entre quien encadena modelos, LoRAs y control; cuando un laboratorio publica un modelo nuevo, es habitual que traiga de serie su plantilla de ComfyUI.
Apunta el puerto 8188: ahí escucha el servidor de ComfyUI por defecto, y más abajo lo usaremos para convertir un workflow en un endpoint.
Los modelos: de Stable Diffusion a Flux
Los pesos de Stable Diffusion abrieron la veda en agosto de 2022 con la versión 1.4, y la 1.5 consolidó un ecosistema de fine-tuning que sigue vivo. SDXL normalizó la generación a 1024×1024 en julio de 2023. En octubre de 2024 llegó Stable Diffusion 3.5 Large con 8B de parámetros, la apuesta de Stability AI por la escala.
El salto de calidad llegó con FLUX.1, en agosto de 2024. Black Forest Labs, la empresa fundada por parte del equipo original de Stable Diffusion, publicó un modelo de 12B de parámetros que resolvió de golpe manos, tipografías renderizadas y seguimiento de prompts complejos. FLUX.1 salió en tres variantes: [pro], solo vía API; [dev], con pesos públicos bajo licencia no comercial; y [schnell], destilado para generar en cuatro pasos y liberado bajo Apache 2.0.
El rendimiento separa a las dos variantes abiertas: [schnell] prototipa al vuelo con sus pocos pasos, mientras que [dev] suele pedir una veintena por imagen. El matiz legal importa tanto como el tamaño: si la generación entra en un producto de pago, [dev] corta el paso y [schnell] no. En 2025, Black Forest Labs amplió la familia con FLUX.1 Kontext, que edita imágenes siguiendo instrucciones escritas, y con FLUX.2, publicado a finales de año, sensiblemente mayor que su predecesor en escala de parámetros.
Alrededor del modelo central vive el resto del ecosistema: LoRAs para estilos y personajes, ControlNet para fijar poses y composiciones, upscalers para el acabado y repositorios como Civitai, donde la comunidad publica checkpoints y fine-tunes. Los tres primeros se insertan como nodos sin tocar el resto del grafo. No todo checkpoint merece la descarga: revisa licencias, pesos y ejemplos reales antes de meterlo en producción.
El lienzo tampoco se queda en imagen: Stable Video Diffusion, LTX-Video, HunyuanVideo o Wan 2.1 funcionan en ComfyUI con la misma mecánica de nodos, así que el servidor que montes para fotografía sirve luego para vídeo. Buen momento para decidir con qué familia arrancas: SDXL si quieres aprender barato, FLUX.1 [dev] si buscas el techo de calidad del ecosistema abierto.
VRAM y GPU: cuánta memoria necesitas de verdad
Orientativamente: Stable Diffusion 1.5 vive en tarjetas de entre 4 y 6 GB, SDXL se mueve cómodo con entre 8 y 12 GB, y FLUX.1 [dev] en bf16 pide una GPU de 24 GB o un buen trabajo de offloading. RTX 3090 (2020) y 4090 (2022) ofrecen justo esos 24 GB, y la 5090 de 2025 los supera con 32. El cuello de botella no es la velocidad bruta sino la memoria: si el modelo no cabe, el sistema mueve pesos entre VRAM y RAM y el rendimiento se desploma.
El remedio habitual es la cuantización. Nodos comunitarios como ComfyUI-GGUF cargan versiones comprimidas de Flux: la variante Q8 deja los pesos en torno a 12 GB y las Q4 bajan aún más, con una degradación que en la mayoría de usos cuesta de detectar. Con cuantizado, una tarjeta de 16 GB, como la 4060 Ti de 16 GB o la 4070 Ti Super, trabaja con Flux sin pelea.
Estas cuentas de VRAM, coste y cuantización son las mismas que ya hicimos para los modelos de frontera en local, donde queda detallado por qué a veces conviene bajar de modelo antes que llenar la GPU de excepciones. Y si esa GPU de 24 GB debe hacer doblete con LLMs, la misma tarjeta cubre los dos frentes: escribimos ya un repaso de qué modelos LLM merecen tu GPU ahora mismo, y ese razonamiento aplica igual aquí.
En AMD, ComfyUI funciona vía ROCm en Linux, con algo más de fricción que CUDA; en Mac, la memoria unificada de Apple Silicon permite cargar Flux completo con offloading, a cambio de ir más lento que una NVIDIA equivalente. Antes de comprar, decide la precisión de trabajo: con GGUF sobran 16 GB; para bf16 sin offloading, apunta a 24. En segunda mano, la RTX 3090 sigue siendo la referencia de este nicho.
Un workflow típico, nodo a nodo
El flujo de texto a imagen con Flux tiene una anatomía reconocible: cargador para la UNet, doble codificador de texto (T5-XXL y CLIP-L) que traduce tu prompt a los embeddings que entiende el modelo, cargador de VAE, un latent vacío con la resolución elegida, el KSampler que recorre los pasos de ruido inverso y, al final, el decodificador y el nodo de guardado. Cada pieza es sustituible sin rehacer el grafo: cambias el sampler, encadenas un LoRA entre el modelo y el sampler, insertas ControlNet para fijar una pose o añades un nodo de upscale para el acabado.
Los codificadores merecen un párrafo aparte. En Flux, CLIP-L aporta las señales clásicas de composición y T5-XXL sostiene el peso del lenguaje natural largo; por eso los workflows duplican los nodos de texto y, en tarjetas justas de VRAM, conviene cargar también una versión cuantizada de T5.
El texto a imagen es solo la mitad del catálogo. Img2img reutiliza el mismo grafo, sustituye el latent vacío por una imagen cargada y regula cuánta estructura original se respeta con el nivel de denoise. Los nodos de ControlNet traen variantes por contorno, profundidad o esqueleto de pose, y el upscale puede trabajar a nivel de latent o con modelos dedicados. Todo queda dentro del mismo JSON.
Ejercicio concreto: abre la plantilla oficial de Flux, cambia los cargadores por tu variante (GGUF o fp8 si la VRAM aprieta) y guarda el JSON en un repositorio con un commit que diga qué alteraste. Un workflow versionado es documentación ejecutable, no una captura de pantalla.
Tu servidor, tus datos: privacidad, costes y automatización
Con todo corriendo en local, los activos sensibles no viajan: bocetos de clientes, personajes en desarrollo o material cubierto por un NDA se quedan en el servidor. El coste marginal por imagen tiende a cero, de modo que generar cien variantes de una pose no mueve ninguna aguja en un contador. Una salvedad honesta: ComfyUI incluye hoy nodos de API que llaman a proveedores externos; si la privacidad es la razón del montaje, trabaja solo con pesos locales.
La automatización es la mitad silenciosa del proyecto. Activa el modo desarrollador en los ajustes de la interfaz, exporta el workflow en formato API desde el propio lienzo y guarda ese JSON; luego lánzalo contra el endpoint /prompt con tus prompts como variables. Por el WebSocket del puerto 8188 llegan el progreso y las imágenes terminadas. Con un script en Python o un cron, el lienzo se convierte en un servicio interno que el resto del equipo consume sin abrir ComfyUI.
Para la exposición en red manda el consejo de siempre: mantén el puerto 8188 dentro de la red local o de una VPN, y si necesitas abrirlo, pon delante un proxy inverso con autenticación y TLS. nginx o Caddy resuelven esto en un rato; ComfyUI no está pensado para colgarse tal cual de internet.
Ese es el punto donde "sin depender de nadie" deja de ser eslogan: ni cambios de modelo por la espalda, ni precios por imagen que se renuevan solos. El workflow vive en el repositorio, no en la cabeza del diseñador.
Por dónde empezar
El camino corto, en cinco pasos:
- Instala ComfyUI Desktop en Windows o macOS; en Linux, el clon del repositorio con su entorno de Python sigue siendo la vía más estable.
- Carga una plantilla de SDXL y genera tu primera imagen: el objetivo es entender el grafo, no hacer arte.
- Si tu GPU no llega a 24 GB, cambia a FLUX.1 [dev] en GGUF y compara resultados con y sin cuantización.
- Sustituye el prompt fijo por variables y dispara el workflow desde un script contra /prompt.
- Versiona los JSON en git y documenta cada cambio en el commit.
El siguiente checkpoint lógico de un montaje así llega cuando la GPU se queda corta, y ahí el grafo entero se muda a una máquina mayor sin retocar una sola conexión: el JSON sigue funcionando igual. Esa portabilidad, más que cualquier benchmark puntual, es lo que convierte cada workflow en una inversión y no en un gasto: la misma receta sirve hoy en tu torre y mañana en el servidor del rack.