FLUX.1 [dev] suma 12.000 millones de parámetros y cualquiera puede descargar sus pesos desde Hugging Face. Hace pocos años, trabajar con un modelo de esa escala quedaba reservado a los data centers, y Black Forest Labs lo puso al alcance de una tarjeta de consumo en agosto de 2024. Desde entonces, elegir entre generar en tu GPU o delegar en un servicio cloud ya no es cuestión de acceso, sino de vram, coste y control.
Tres generaciones, una misma lógica
Stable Diffusion 1.5 abrió la puerta en octubre de 2022: pesos abiertos, imágenes de 512×512 y un UNet de algo menos de 1.000 millones de parámetros. Corre con unos 4 GB de vram, sigue siendo el más rápido del grupo y probablemente acumula el catálogo de LoRAs y extensiones más grande. Para lotes grandes y pruebas de idea, sigue rindiendo.
SDXL llegó en julio de 2023 y subió la resolución base a 1024×1024, con un UNet de unos 2.600 millones de parámetros. Su licencia RAIL++-M permite el uso comercial, y con 6 u 8 GB funciona sin sustos: por eso fue el caballo de batalla del escritorio durante más de un año. El ecosistema de checkpoints y LoRAs que le rodea es, con permiso de su predecesor, el más activo.
El relevo lo dio Black Forest Labs, fundada por varios de los autores originales de Stable Diffusion, con FLUX.1 en agosto de 2024: 12.000 millones de parámetros en una arquitectura de flujo rectificado. El modelo se reparte en tres variantes: [pro], accesible solo por API; [dev], con licencia no comercial que afecta al modelo aunque las imágenes generadas sí pueden usarse con fines comerciales; y [schnell], destilado bajo Apache 2.0 que entrega un resultado presentable en unos cuatro pasos.
Si tu estudio depende de imágenes comerciales, la lectura es directa: SDXL tiene la licencia más simple, [schnell] elimina dudas, y [dev] exige leer la letra pequeña antes de construir nada encima. Empieza por la variante que tu caso tolere sin fricción legal, no por la más potente.
La vram decide qué puedes ejecutar
La vram es la frontera real entre un flujo cómodo y un flujo frustrante, y no existe cifra oficial por modelo: depende del backend y de cuánto offload de memoria aceptes. Estas cifras resumen la práctica habitual con ComfyUI:
| Modelo | Vram en la práctica | Comentario |
|---|---|---|
| Stable Diffusion 1.5 | ~4 GB, menos con optimizaciones | El más ligero |
| SDXL | ~6-8 GB | 1024×1024, ecosistema amplio |
| FLUX.1 [dev] en fp8 o GGUF | ~12-16 GB (8-10 GB en Q4 con offload) | El equilibrio accesible |
| FLUX.1 [dev] completo en fp16 | ~24 GB | Precisión íntegra |
En tarjetas concretas: 8 GB cubren SDXL con holgura, 12 GB permiten ejecutar Flux cuantizado, 16 GB lo llevan desahogado y 24 GB abren la versión completa. La 3060 de 12 GB sigue siendo la veterana económica, la 4070 marca el punto medio, la 3090 y la 4090 aportan sus 24 GB para trabajo serio, y la 5090, con 32 GB, es la única con margen para lo que venga. Los Mac con memoria unificada arrancan los mismos modelos, aunque el rendimiento va por detrás de una NVIDIA equivalente, y en tarjetas justas de vram los modos lowvram intercambian velocidad por memoria.
Antes de comprar hardware, fija el modelo objetivo, no el mínimo actual. Una 4060 de 8 GB cubre SDXL hoy, pero mañana te obliga a tirar de cuantizaciones agresivas y offload si el flujo de trabajo exige Flux.
Calidad y velocidad: qué esperar de cada modelo
En seguimiento de prompts complejos, texto dentro de la imagen y anatomía, FLUX.1 marca distancias claras sobre SDXL y los puntos débiles clásicos (manos, rótulos) se notan mucho menos. El precio de esa calidad son los pasos: [dev] suele pedir veinte o más para lucirse, mientras que [schnell] entrega un borrador decente en cuatro.
SDXL ocupa el punto medio, con veinte o treinta pasos en un lote normal, y sus destilados rebajan la factura: SDXL Turbo, publicado por Stability a finales de 2023, y SDXL Lightning, de ByteDance a comienzos de 2024, dejan el trabajo en uno o pocos pasos. La calidad baja algo, pero para explorar direcciones visuales es un trato razonable. Y SD 1.5 manda en el lote barato: cientos de variantes en minutos con la vram sobrando.
En tiempos concretos: sobre una 4090, SDXL se mueve en pocos segundos por imagen y Flux [dev] en el orden de las decenas de segundos a resolución completa; sobre una 3060, ambos números se multiplican varias veces. El corolario práctico es separar borradores de piezas finales: explora con Turbo, Lightning o 1.5 y reserva [dev] para la imagen que pasa a producción, así el coste en tiempo no se dispara durante la fase creativa.
Coste: suscripción, pago por uso o amortización
Los anclajes de la nube: la suscripción básica de Midjourney parte de unos 10 dólares al mes (servicio cerrado, sin pesos ni control del pipeline), ChatGPT Plus incluye generación de imagen por unos 20 dólares al mes, y las APIs de Stability AI, Replicate o fal.ai cobran por imagen o por segundo de GPU. Alquilar una tarjeta reciente por horas en Vast.ai o RunPod suele costar menos de un dólar la hora. En local, el desembolso es el hardware (una RTX 4090 arrancó en 2022 con un MSRP de 1.599 dólares) y la electricidad: un equipo en plena generación se mueve entre unos 400 y 600 vatios, o sea céntimos por hora.
La regla que se repite: suscripción o API cuando el volumen es bajo y esporádico, GPU propia o alquilada cuando el flujo es diario. Conviértelo en un cálculo concreto: anota el volumen real de tus últimos tres meses, multiplícalo por el precio por imagen de tu API y ponlo junto a la amortización de una tarjeta en dos años, que para una GPU de gama alta queda en el orden de decenas de euros al mes. Si la nube gana de forma estable, la decisión está tomada; si pierde tres meses seguidos, tampoco.
Donde la nube sigue ganando
Hay modelos y funciones que nunca bajarán a tu disco. FLUX 1.1 [pro], la versión mejorada, se ofrece únicamente por API, y lo mismo pasa con las variantes de pago de otros proveedores: cuando el estado del arte decide en tu trabajo, la nube te da acceso el día uno y en local llegas tarde o con recortes.
El segundo terreno ganado por la nube es la capacidad elástica: si un cliente pide quinientas variantes para mañana, una GPU por horas resuelve el pico sin comprar nada. La nube gana también en mantenimiento: drivers, dependencias de CUDA, nodos que se actualizan solos; ese costo operativo existe en local y suele aparecer en el peor momento, típicamente días antes de una entrega. Midjourney, por su parte, sigue siendo el atajo estético con gestión cero, aunque cerrado por completo.
El patrón que sigo: nube para explorar lo nuevo y para picos puntuales, local para lo recurrente semanal. Cuando generas cientos de piezas cada mes, el coste marginal cercano a cero y la reproducibilidad pesan más que las novedades.
Privacidad, control y LoRAs
Con los pesos en tu máquina, nada sale de tu red, lo que cambia la conversación con clientes sujetos a acuerdos de confidencialidad o con datos regulados. La reproducibilidad corre de tu lado: semilla fija y versión congelada del modelo devuelven el mismo resultado mañana, mientras un servicio cloud puede desplegar una versión nueva y alterar tus series sin previo aviso.
El control fino es el tercer argumento. ControlNet fija pose, composición o estructura antes del render, el inpainting corrige zonas concretas, y los LoRA calibran el modelo con tu estilo o con el look de tus productos; entrenar un LoRA de SDXL cabe en una tarjeta de consumo, y con Flux hay recetas que reducen los requisitos de entrenamiento mediante cuantizaciones. Ningún tercero impone filtros de contenido a tu pipeline: esa decisión pasa a ser tuya.
Este movimiento de pesos de frontera abiertos no es exclusivo de la imagen: con texto, DeepSeek-R1 ya demostró que un modelo de 671.000 millones de parámetros con licencia MIT se puede ejecutar en infraestructura propia, como conté al analizar el coste de correr modelos de frontera en local. El patrón es idéntico: quien controla los pesos controla la producción. Antes de lanzar un producto con imágenes generadas, revisa la licencia concreta de cada modelo y ten en cuenta el contexto legal, donde el litigio de Getty Images contra Stability AI, abierto en 2023, deja claro que las reglas sobre datos de entrenamiento todavía se están escribiendo.
Por dónde empezar
El primer paso se llama ComfyUI: es la interfaz de nodos donde concentra hoy la comunidad de generación de imagen, ejecuta SDXL y Flux por igual y cuenta con soporte para cuantizaciones GGUF, con Automatic1111 y Forge como alternativas válidas. Tengo una guía de FLUX.1 [dev] con ComfyUI para montar el flujo paso a paso. Con 8 GB de vram, arranca con SDXL y sus destilados; con 12-16 GB, prueba Flux en fp8 o GGUF; con 24 GB o más, la versión completa queda a tu alcance.
Última recomendación, la que de verdad decide: monta un experimento a ciegas. Coge veinte prompts representativos de tu trabajo, genera cada uno en tu herramienta cloud habitual y en local con semillas fijas, y anota tres cifras: tiempo por imagen, coste por imagen y porcentaje de piezas usables sin retoques. Esos tres números pesan más que cualquier artículo, este incluido, para decidir dónde vive tu generación de imagen.