ComfyUI

Presentación

Hay que generar una imagen.

Cargar un modelo.

Escribir un prompt.

Elegir una resolución.

Añadir un LoRA.

Utilizar una imagen de referencia.

Controlar la pose.

Corregir el rostro.

Pasar el resultado por un segundo modelo.

Ampliarlo.

Y después transformar esa imagen en vídeo.

En muchas herramientas, estas operaciones aparecen como botones, pestañas y opciones cuyas relaciones permanecen ocultas.

En ComfyUI, todo se pone sobre la mesa.

Literalmente.

ComfyUI transforma el pipeline de generación en un grafo visual: cada modelo, parámetro, transformación y salida se convierte en un nodo que puede conectarse con los demás.

El modelo deja de ser una caja negra rodeada por un botón Generate.

Se ve lo que entra.

Se ve lo que sale.

Y, sobre todo, se decide qué ocurre entre ambas cosas.

Esta lógica explica tanto la potencia de ComfyUI como su aspecto ligeramente intimidante.

Un primer workflow puede contener siete bloques.

Un proyecto avanzado de vídeo puede mostrar varias decenas, conectados mediante suficientes cables como para dar la impresión de que un ingeniero de redes ha decidido reconvertirse en artista generativo.

Pero detrás de esta complejidad visual se esconde una idea extraordinariamente sencilla:

ComfyUI no te proporciona únicamente un generador. Te permite construir el generador que necesitas.

Mucho más que una interfaz para Stable Diffusion

ComfyUI nació dentro del ecosistema de los modelos de difusión y sigue estando estrechamente asociado a Stable Diffusion.

Esa definición ya no es suficiente.

Actualmente, el motor puede orquestar workflows alrededor de numerosas familias de modelos dedicadas a:

• imagen;
• edición de imagen;
• vídeo;
• audio;
• 3D;
• segmentación;
• upscaling;
• modelos multimodales;
• determinados modelos de lenguaje;
• procesos intermedios;
• servicios de IA accesibles mediante API.

Los modelos cambian rápidamente.

La arquitectura permanece.

Un workflow que utiliza SDXL puede dar paso a Flux, Qwen Image u otra familia.

Una cadena de vídeo puede utilizar Wan, LTX o HunyuanVideo.

Un nodo puede generar una imagen localmente mientras otro llama a un modelo propietario remoto.

Esta capacidad para sustituir piezas sin reconstruir toda la lógica constituye probablemente una de las cualidades más importantes de ComfyUI.

El modelo es una pieza.

El workflow es el método.

Una interfaz de programación sin programar realmente

ComfyUI pertenece a la familia de herramientas de programación visual.

Cada nodo realiza una operación.

Una conexión transmite un dato.

Un workflow sencillo puede parecerse a esto:

modelo → prompt → latent → sampler → decodificación → imagen

Pero nada obliga a detenerse ahí.

Una imagen puede enviarse hacia un ControlNet.

Otra puede convertirse en referencia.

Una máscara puede aislar una zona.

Un upscale puede ir seguido de una nueva pasada de difusión.

El resultado puede entrar después en un modelo de vídeo.

El vídeo puede interpolarse, mejorarse o acompañarse de una pista de audio.

Esta lógica transforma progresivamente al usuario.

Al principio busca el prompt adecuado.

Después empieza a buscar el proceso adecuado.

Es una evolución importante.

El prompt describe una intención.

El workflow describe la manera en que la máquina intentará realizarla.

Local, Cloud y Partner Nodes: tres maneras de utilizar Comfy

El ecosistema Comfy posee ahora varias capas que conviene distinguir.

Esta distinción evita una confusión cada vez más frecuente.

ComfyUI en sí sigue siendo gratuito.

Un workflow compuesto únicamente por modelos instalados localmente puede funcionar sin suscripción y sin consumir créditos.

En cambio, cuando un nodo llama a un servicio remoto de pago o el workflow se ejecuta dentro de Comfy Cloud, pueden consumirse créditos.

Por tanto, el mismo canvas puede representar dos filosofías casi opuestas:

un taller completamente local, controlado por su propietario;

o una interfaz común que conecta recursos locales y servicios cloud.

Una receta que puede viajar

Un workflow de ComfyUI puede guardarse como archivo JSON.

Las imágenes PNG generadas también pueden incorporar metadatos relacionados con el workflow.

Esta pequeña particularidad explica una parte de la cultura ComfyUI.

Una imagen deja de ser únicamente una imagen.

Puede conservar una huella de la manera en que fue producida.

Cuando están disponibles los modelos y nodos necesarios, el workflow puede volver a abrirse, estudiarse, modificarse y ejecutarse de nuevo.

La creación se vuelve así más reproducible.

En lugar de escribir:

«Creo que había utilizado este modelo, un CFG alrededor de 5, quizá este LoRA y probablemente otro sampler.»

a veces basta con volver a abrir la receta.

Para una herramienta basada en sistemas probabilísticos, conservar la memoria del proceso ya representa una pequeña victoria frente al caos.

Funcionalidades

Construir workflows con nodos

El canvas constituye el corazón de ComfyUI.

Cada operación está representada por un nodo que posee entradas, salidas y diferentes parámetros.

Las conexiones indican cómo circulan los datos.

En un workflow clásico de imagen pueden encontrarse elementos como:

• carga del modelo;
• encoder de texto;
• prompt positivo;
• prompt negativo;
• generación del latent;
• sampler;
• scheduler;
• VAE;
• guardado de la imagen.

Un workflow más complejo puede añadir referencias, máscaras, ControlNet, LoRA, upscale, detección, segmentación, compositing y otras transformaciones.

El interés no consiste únicamente en hacer visible un pipeline existente.

Consiste en poder modificarlo.

Un nodo puede sustituirse.

Puede añadirse una rama.

Una salida puede alimentar varios tratamientos.

Dos métodos pueden compararse dentro del mismo grafo.

Ya no hay que navegar por quince paneles para comprender qué hace el programa.

Aparece el problema inverso: todo es visible.

Absolutamente todo.

La transparencia posee a veces un sabor muy marcado a cableado de espaguetis.

Controlar la inferencia en profundidad

Las interfaces generativas sencillas suelen ocultar una parte de los ajustes técnicos.

ComfyUI los expone.

Según los modelos utilizados, el workflow puede controlar parámetros como:

• seed;
• número de steps;
• sampler;
• scheduler;
• CFG;
• resolución;
• conditioning;
• denoise;
• VAE;
• encoders;
• precisión de los modelos;
• orden de los procesos;
• pasadas sucesivas.

Esta granularidad resulta interesante cuando un usuario intenta comprender por qué dos generaciones se comportan de manera diferente.

El modelo solo es una parte de la ecuación.

El sampler modifica la manera en que se elimina el ruido.

El número de etapas modifica el cálculo.

El denoise determina hasta qué punto puede transformarse una imagen original.

El seed puede permitir comparar varios ajustes a partir de una base similar.

ComfyUI hace visible algo que las interfaces más sencillas suelen preferir ocultar:

una generación es un proceso, no un botón.

Combinar checkpoints, LoRA y otros componentes

Los modelos modernos ya no se reducen siempre a un único archivo.

Un workflow puede utilizar varios componentes:

• checkpoint o diffusion model;
• VAE;
• text encoder;
• CLIP Vision;
• LoRA;
• ControlNet;
• upscale model;
• modelos de detección;
• modelos de segmentación;
• modelos especializados de audio o vídeo.

ComfyUI permite construir explícitamente estas asociaciones.

Pueden aplicarse varios LoRA.

Distintos modelos pueden intervenir en varios puntos del mismo pipeline.

Una primera etapa puede generar la composición.

Una segunda corrige los detalles.

Una tercera amplía la imagen.

Una cuarta transforma el resultado.

Esta modularidad explica por qué ComfyUI acompaña relativamente bien la evolución extremadamente rápida de la IA generativa.

Cuando aparece un nuevo método, a menudo puede convertirse en una nueva pieza en lugar de exigir una aplicación completamente nueva.

Trabajar con numerosas familias de modelos

El catálogo compatible evoluciona casi constantemente.

ComfyUI admite actualmente workflows alrededor de muchas familias de imagen y vídeo, entre ellas SDXL, Stable Diffusion 3.5, Flux, Qwen Image, Wan, LTX Video, HunyuanVideo y muchas otras.

Los modelos también pueden intervenir para:

• edición de imagen;
• inpainting;
• outpainting;
• profundidad;
• pose;
• segmentación;
• interpolación;
• generación de audio;
• 3D;
• upscaling.

La lista se vuelve rápidamente absurda de mantener dentro de una ficha.

Y precisamente ese es el punto.

El valor de ComfyUI no procede de una lista fija de modelos compatibles.

Procede de su arquitectura, que permite integrar los siguientes.

El mejor motor de 2026 quizá ya no exista bajo la misma forma dentro de dos años.

Un entorno de workflow posee más posibilidades de sobrevivir a esa rotación que una interfaz construida alrededor de un único modelo.

Utilizar los Workflow Templates

Empezar frente a un canvas vacío no siempre constituye una experiencia excelente.

ComfyUI ofrece ahora un navegador de Workflow Templates.

Estos modelos de workflow proporcionan configuraciones listas para utilizar con distintas familias de modelos y casos de uso.

Al cargar un template oficial, ComfyUI puede comprobar la presencia de los archivos necesarios y señalar los modelos que faltan.

En Desktop, algunas descargas pueden gestionarse directamente.

Este enfoque reduce considerablemente el primer escalón.

En lugar de pedir a un principiante que comprenda inmediatamente por qué un text encoder debe conectarse con un sampler que, a su vez, recibe un latent producido en otro lugar, el template le muestra una construcción que ya funciona.

Después puede modificar una parte.

Luego otra.

Y comprender progresivamente por qué todo se derrumba cuando desconecta el cable violeta que creía decorativo.

Conservar el workflow dentro de las imágenes

El nodo Save Image puede guardar las generaciones en PNG con metadatos del workflow.

Por tanto, una imagen procedente de ComfyUI puede conservar los parámetros que participaron en su creación.

Esta función resulta útil para:

• archivar experimentos;
• recuperar un workflow antiguo;
• transmitir un método;
• analizar una generación;
• reproducir una imagen con otros parámetros;
• compartir un pipeline.

Esta manera de considerar la imagen como portadora de su propio proceso resulta elegante.

Acerca el resultado final al archivo fuente.

Una imagen JPEG exportada desde un programa de pintura normalmente no contiene las capas del documento original.

Con ComfyUI, un PNG puede recordar a veces cómo estaba organizada la cocina en el momento en que salió el plato.

Ampliar ComfyUI con Custom Nodes

El sistema de custom nodes constituye una de las principales razones de la explosión del ecosistema ComfyUI.

Los desarrolladores pueden crear sus propios nodos para añadir nuevas funciones.

Pueden integrar:

• nuevos modelos;
• preprocessors;
• tratamientos de imagen;
• herramientas de vídeo;
• loaders;
• sistemas de control;
• interfaces;
• automatizaciones;
• servicios externos;
• funciones utilitarias.

Esto transforma ComfyUI en una plataforma extensible.

Una función que no existe en el núcleo del programa quizá ya esté disponible dentro de un package comunitario.

Esta velocidad es extraordinaria.

Tiene un precio.

Cada extensión introduce también código, dependencias y una versión adicional susceptible de decidir que ya no desea colaborar con el resto de la instalación un martes por la mañana.

Instalar y mantener las extensiones con ComfyUI Manager

ComfyUI Manager simplifica la gestión de los custom nodes.

En las versiones actuales permite especialmente:

• buscar extensiones;
• instalarlas;
• actualizarlas;
• desactivarlas;
• identificar nodos ausentes;
• gestionar determinados modelos;
• crear snapshots;
• restaurar ciertos estados de la instalación.

Cuando un workflow importado contiene nodos ausentes, Manager puede ayudar a encontrar los packages correspondientes.

Esta función resulta esencial dentro de un ecosistema donde los workflows circulan entre usuarios.

Sin ella, recibir un grafo avanzado podría convertirse rápidamente en un juego de investigación:

«¿De qué repositorio de GitHub venía UltimateImageLoaderAdvanced?»

Manager no elimina todos los problemas de dependencias.

Simplemente transforma una parte de la arqueología en gestión de packages.

Centralizar las extensiones con Comfy Registry

El Comfy Registry constituye un catálogo público de custom nodes.

Los desarrolladores pueden publicar, versionar y deprecar allí sus packages.

Registry utiliza también un sistema de versionado para identificar mejor los componentes utilizados dentro de los workflows.

Esta lógica responde a una dificultad importante.

Un workflow funciona hoy.

Un custom node recibe una actualización mañana.

Su API cambia.

El workflow deja de funcionar.

Registrando con mayor precisión las versiones, ComfyUI intenta hacer los pipelines más reproducibles.

Registry también participa en la verificación de determinados packages y alimenta Manager.

Esto no transforma automáticamente cada plugin comunitario en un programa perfectamente seguro.

Pero el ecosistema empieza a dotarse de mecanismos más cercanos a un verdadero gestor de dependencias que al tradicional:

«Descarga este ZIP que encontré en un comentario de Discord y mételo en custom_nodes.»

El progreso adopta a veces formas muy concretas.

Simplificar los grafos con Subgraphs

Los grandes workflows se vuelven rápidamente difíciles de leer.

Los Subgraphs permiten agrupar varios nodos dentro de un único bloque reutilizable.

Un conjunto dedicado al upscale puede convertirse en un subgraph.

Un proceso de máscaras puede convertirse en otro.

Un sistema complejo puede dividirse así en módulos.

Los subgraphs también pueden anidarse y transformarse en componentes reutilizables.

Esta función acerca ComfyUI a la programación modular.

En lugar de copiar veinte nodos dentro de cada proyecto, se construye una función visual.

Recibe determinadas entradas.

Realiza su trabajo.

Devuelve salidas.

El canvas vuelve a respirar.

Al menos hasta el momento en que alguien abre el subgraph y descubre los cuarenta y siete nodos que habíamos escondido cuidadosamente dentro.

Ejecutar únicamente una parte del workflow

La Partial Execution permite ejecutar únicamente la parte del grafo necesaria para una salida seleccionada.

Esto resulta valioso dentro de workflows pesados.

Un pipeline puede generar una imagen, ampliarla y después producir varias variantes.

Si solo se desea probar una rama, no siempre es necesario recalcularlo todo.

Esta lógica reduce:

• el tiempo de cálculo;
• el uso de GPU;
• las generaciones innecesarias;
• los costes dentro de determinados entornos cloud;
• la espera durante los experimentos.

ComfyUI también posee una lógica de ejecución capaz de reutilizar determinados resultados cuando una parte del grafo no ha cambiado.

El usuario termina aprendiendo una nueva disciplina:

modificar únicamente lo necesario para evitar pedir a la tarjeta gráfica que repita dos minutos de cálculo porque ha cambiado una palabra en la última rama.

Transformar un grafo complejo en interfaz con App Mode

Una de las críticas históricas de ComfyUI resulta evidente.

Los workflows pueden volverse incomprensibles para alguien que no los ha construido.

App Mode intenta resolver este problema.

El creador del workflow puede seleccionar los parámetros que deben mostrarse al usuario final:

• prompt;
• imagen de entrada;
• elección del modelo;
• intensidad;
• resolución;
• otros controles útiles.

El resto del grafo permanece oculto detrás de una interfaz simplificada.

El workflow se convierte entonces casi en una pequeña aplicación.

Este enfoque cambia muchas cosas al compartir.

Un technical artist puede construir un pipeline complejo.

Después, un ilustrador puede utilizarlo sin necesidad de comprender cada conexión.

Un equipo puede distribuir un método en lugar de un diagrama eléctrico.

App Mode permite mantener toda la complejidad bajo el capó sin obligar a cada pasajero a aprender mecánica.

Instalar más fácilmente con Comfy Desktop

La instalación tradicional de ComfyUI exige manipular Python, PyTorch, drivers GPU, carpetas de modelos y dependencias.

Comfy Desktop intenta simplificar esta parte.

El launcher moderno puede gestionar varias instancias de ComfyUI.

Cada instancia posee sus propias:

• versiones;
• custom nodes;
• configuraciones;
• entorno Python.

Este aislamiento resulta interesante para usuarios avanzados.

Una instancia puede permanecer estable para un proyecto importante.

Otra puede utilizarse para probar las últimas novedades.

Una tercera puede recibir ese custom node encontrado a la una de la madrugada cuya instalación comienza con una frase tranquilizadora como:

«This may break some dependencies.»

Desktop admite oficialmente instalaciones precompiladas en Windows y macOS Apple Silicon. El núcleo de ComfyUI también puede funcionar en Linux mediante una instalación adaptada.

Ejecutar los workflows en Comfy Cloud

Comfy Cloud propone la misma lógica de workflow sin necesidad de disponer de una GPU local.

El entorno es accesible desde el navegador.

Los modelos y muchos custom nodes populares están preinstalados.

Comfy indica que utiliza GPU RTX 6000 Pro Blackwell con 96 GB de VRAM para su infraestructura Cloud.

Esto permite ejecutar workflows difíciles de lanzar en una máquina personal.

Los modelos de vídeo pesados pueden volverse accesibles desde un portátil.

Cloud también propone una biblioteca con cientos de modelos ya disponibles.

El funcionamiento sigue basado en créditos.

Crear o modificar el grafo no consume nada.

Los créditos se utilizan cuando la GPU ejecuta el workflow o cuando se llama a un Partner Node de pago.

Por tanto, Cloud transforma el problema de hardware:

ya no hay que preguntarse si se dispone de suficiente VRAM.

Se empieza a mirar el contador de créditos.

Los problemas cambian.

Nunca desaparecen completamente. Probablemente sea una ley fundamental de la informática.

Importar determinados modelos personales en Cloud

Las ofertas superiores de Comfy Cloud permiten importar determinados modelos y LoRA desde plataformas como Hugging Face o CivitAI.

Esto permite acercar un entorno cloud a una configuración local personalizada.

Sin embargo, esta posibilidad sigue estando más controlada que una instalación local.

Cloud privilegia formatos seguros como Safetensors y una infraestructura gestionada.

El usuario no dispone del mismo acceso arbitrario al entorno Python o al sistema.

Esta diferencia resume bastante bien ambas filosofías.

Local: libertad máxima, mantenimiento personal.

Cloud: entorno controlado, mantenimiento delegado.

Llamar a modelos propietarios con Partner Nodes

Los Partner Nodes permiten insertar servicios externos directamente dentro de un workflow.

Un nodo puede llamar a un modelo propietario alojado por un partner sin exigir al usuario que construya por sí mismo toda la integración API.

El ecosistema oficial propone proveedores dentro de varios ámbitos:

• imagen;
• vídeo;
• texto;
• audio;
• 3D;
• upscale.

Modelos de proveedores como OpenAI, Google, ByteDance, Kling, Runway, Luma, Black Forest Labs, Ideogram, Recraft, MiniMax, Tripo o Meshy pueden aparecer como Partner Nodes según el catálogo actual.

Este enfoque proporciona a ComfyUI una posición interesante.

El workflow puede mezclar:

modelo open source local → proceso local → modelo propietario remoto → postprocesado local

sin abandonar el canvas.

Por tanto, la palabra «local» merece un pequeño asterisco.

Un workflow de ComfyUI puede ser totalmente local.

Pero también puede llamar a Internet con entusiasmo en cuanto se conectan los nodos adecuados.

Transformar los workflows en API

ComfyUI puede funcionar como backend.

Su API local permite enviar workflows, proporcionar entradas, seguir la ejecución y recuperar los resultados.

Comfy Cloud también propone una API destinada a workflows alojados.

Esto permite integrar ComfyUI dentro de:

• una aplicación;
• un sitio web;
• una herramienta interna;
• un pipeline automatizado;
• un proceso batch;
• un servicio de generación;
• un programa creativo.

El workflow visual se convierte entonces en el equivalente de un programa.

La interfaz sirve para construirlo y probarlo.

Después, la aplicación lo llama sin mostrar necesariamente el grafo al usuario final.

Esta combinación resulta especialmente interesante para desarrolladores que no desean volver a programar en Python toda una cadena de modelos ya validada visualmente.

Conectar agentes mediante MCP

Comfy también desarrolla herramientas alrededor del Model Context Protocol — MCP.

El objetivo consiste en permitir que determinados asistentes o agentes de IA lancen y manipulen workflows mediante lenguaje natural.

Un agente puede potencialmente:

• buscar modelos;
• buscar nodos;
• seleccionar un workflow;
• generar una imagen;
• generar un vídeo;
• producir audio;
• lanzar una generación 3D.

Comfy Cloud MCP sigue evolucionando y determinadas funciones pueden encontrarse en beta o desplegarse progresivamente.

Pero la dirección resulta interesante.

El workflow ya no es utilizado únicamente por un humano que hace clic en Run.

Se convierte en una capacidad que otro sistema de software puede llamar.

ComfyUI empieza entonces a convertirse en una especie de motor gráfico para agentes creativos.

Desarrollar tus propios nodos

ComfyUI está escrito principalmente en Python y posee una arquitectura diseñada para ampliarse.

Un desarrollador puede crear un custom node para integrar:

• un modelo;
• una API;
• un algoritmo;
• una interfaz;
• una transformación;
• una herramienta interna de estudio.

Esta extensibilidad transforma ComfyUI en infraestructura.

Un estudio no está obligado a esperar a que una función concreta sea añadida oficialmente.

Puede desarrollar su propio componente e introducirlo directamente en los workflows del equipo.

La frontera entre usuario y desarrollador se vuelve entonces muy fina.

Se empieza desplazando nodos.

Después se modifica un JSON.

Luego un pequeño script Python.

Y en algún momento bastante difícil de fechar con precisión, se posee un repositorio de GitHub y tres personas preguntan por qué la versión 1.4 del node interno rompe su workflow del viernes.

Bienvenido al desarrollo de software.

Casos de uso

Construir un pipeline de creación de personajes

Un artista debe generar regularmente el mismo tipo de personaje.

Quiere controlar:

• el modelo;
• varios LoRA;
• la pose;
• el rostro;
• la profundidad;
• la resolución;
• el upscale final.

Dentro de una interfaz clásica habría que volver a configurar varias opciones en cada generación.

En ComfyUI, el workflow se construye una vez.

Los parámetros que cambian regularmente pueden colocarse en zonas fácilmente accesibles o exponerse mediante App Mode.

El resto se convierte en el método de producción.

El artista ya no reinventa su pipeline en cada imagen.

Modifica las entradas.

Esta distinción resulta especialmente valiosa cuando varios cientos de imágenes deben compartir las mismas reglas.

Construir una plancha de character design

Un workflow puede recibir una imagen o identidad de partida.

Después, varias ramas producen diferentes vistas.

Una rama trabaja el retrato.

Otra la silueta completa.

Otra la pose.

Otra amplía determinados detalles.

Los sistemas de control pueden ayudar a orientar la pose, la composición o las referencias.

Las salidas pueden guardarse por separado y reunirse después dentro de otra herramienta.

ComfyUI no se convierte automáticamente en un programa de character design.

Permite construir una máquina especializada para una etapa concreta del character design.

Esta distinción es fundamental.

La herramienta generalista se convierte en el material con el que se fabrica una herramienta personal.

Crear una cadena de imagen a vídeo

Una imagen se genera mediante un modelo especializado.

Después pasa por una etapa de corrección.

El rostro se restaura o perfecciona.

Se crea una versión ampliada.

Esta imagen se envía a un modelo image-to-video.

Los fotogramas intermedios pueden interpolarse o mejorarse.

Todo este pipeline puede vivir dentro del mismo grafo.

Un workflow podría seguir, por ejemplo, esta lógica:

prompt → imagen → referencia → corrección → upscale → vídeo → interpolación → exportación

La principal ventaja no es únicamente la cantidad de herramientas.

Es su conexión.

La imagen validada se convierte automáticamente en la entrada del vídeo.

En teoría, no hace falta ninguna carpeta temp_final_good_version_3.

En teoría.

Seguimos hablando de seres humanos trabajando con archivos.

Automatizar múltiples variantes de una imagen

Un estudio debe producir veinte variaciones de un visual.

Misma composición.

Mismo personaje.

Diferentes colores, prompts o seeds.

ComfyUI puede automatizar estas variantes mediante ramas, batches o parámetros variables.

Los resultados pueden generarse en serie.

Este enfoque resulta útil para:

• publicidad;
• concept art;
• pruebas de estilo;
• variaciones de personajes;
• investigación visual;
• assets de videojuegos;
• redes sociales.

La generación deja de ser una sucesión de clics manuales.

Se convierte en un proceso.

Crear un pipeline de upscale y restauración

Hay que mejorar una imagen antigua o generada.

Un workflow puede combinar varias etapas:

1. carga de la imagen;
2. detección o segmentación;
3. restauración;
4. upscale;
5. ligera pasada de difusión;
6. corrección del rostro;
7. exportación.

Cada etapa permanece visible.

El creador puede comparar distintas ramas.

Una conserva mejor la imagen original.

Otra reconstruye más detalles.

Esta visibilidad evita reducir el upscale a un misterioso control deslizante «Enhance».

Se puede ver exactamente dónde empieza a mejorar la imagen.

Y dónde el modelo empieza eventualmente a inventar un nuevo par de pendientes que no existían en absoluto en la fotografía original.

Trabajar completamente en local

Una ilustradora posee una máquina suficientemente potente y desea conservar sus archivos en su ordenador.

Instala los modelos localmente y construye workflows que no necesitan ningún Partner Node.

Las imágenes, prompts y modelos permanecen entonces dentro de su entorno local.

ComfyUI puede incluso funcionar sin cuenta para estos usos open source locales.

Esta posibilidad resulta importante para:

• proyectos confidenciales;
• prototipos;
• datos internos;
• obras todavía no publicadas;
• usuarios que rechazan una dependencia sistemática del cloud.

No elimina todas las cuestiones de seguridad.

Los custom nodes son código ejecutado localmente.

Instalar un plugin dudoso sobre una máquina privada sigue siendo una manera bastante creativa de transformar una ventaja de privacidad en un problema de ciberseguridad.

Utilizar un modelo propietario dentro de un pipeline local

Un creador prefiere trabajar localmente, pero desea utilizar puntualmente un modelo inaccesible en su máquina.

Construye la mayor parte del workflow con modelos locales.

Después, una rama utiliza un Partner Node.

El resultado vuelve al workflow y recibe un postprocesado local.

Esta arquitectura híbrida permite elegir dónde debe ejecutarse cada etapa.

La pregunta deja de ser:

«¿local o cloud?»

y pasa a ser:

«¿qué partes necesitan realmente el cloud?»

Es un enfoque mucho más interesante.

Permite reservar los recursos de pago para las etapas que realmente aportan algo.

Probar rápidamente un nuevo modelo

Aparece un nuevo modelo de imagen.

Se publican los archivos.

ComfyUI añade o recibe los nodos necesarios.

Un template circula dentro de la comunidad.

Un usuario puede comparar rápidamente este modelo con su pipeline actual.

Misma referencia.

Misma resolución.

Procesos similares.

Dos ramas.

Dos resultados.

Esta cultura de experimentación explica por qué ComfyUI se ha convertido en uno de los lugares donde los nuevos modelos se prueban con enorme rapidez.

No es necesario reconstruir toda una aplicación alrededor de cada novedad.

A menudo basta con integrar una nueva pieza dentro del grafo.

Compartir un workflow con un equipo

Un technical artist construye un pipeline de generación complejo.

Los demás miembros del equipo no necesitan conocer los detalles del sampler, ControlNet o los modelos intermedios.

El workflow puede prepararse con App Mode.

Se exponen algunos parámetros:

• prompt;
• referencia;
• estilo;
• resolución.

El usuario hace clic en Run.

El pipeline sigue siendo idéntico para todos.

Este enfoque puede mejorar la reproducibilidad.

El technical artist controla el método.

Los artistas controlan las entradas creativas.

ComfyUI empieza entonces a parecer menos una herramienta personal y más una infraestructura de estudio.

Transformar un workflow en una funcionalidad de software

Un equipo desarrolla una herramienta de creación de personajes.

Ya posee un workflow de ComfyUI capaz de producir las imágenes deseadas.

En lugar de pedir al usuario final que abra ComfyUI, la aplicación puede enviar los datos al backend mediante API.

La interfaz del producto muestra:

«Generar personaje»

Detrás de ese botón, un grafo de cincuenta nodos realiza el verdadero trabajo.

Esta separación posee mucho valor.

Las personas que diseñan el pipeline pueden seguir modificándolo visualmente.

Los desarrolladores no tienen que volver a implementar cada cambio de modelo dentro de la interfaz del producto.

Aquí, ComfyUI se convierte menos en una aplicación que en un motor gráfico oculto detrás de otra aplicación.

Aprovechar una GPU Cloud para vídeo

Un usuario posee una tarjeta gráfica correcta para imagen, pero insuficiente para determinados modelos de vídeo.

Prepara su workflow y después lo ejecuta en Comfy Cloud.

La infraestructura remota proporciona más VRAM.

El mismo principio de nodos sigue disponible.

Esta solución evita:

• comprar inmediatamente una nueva tarjeta;
• instalar varias decenas de gigabytes;
• determinadas complicaciones de CUDA o PyTorch;
• descargar localmente cada modelo.

A cambio, el cálculo pasa a ser de pago.

El problema «mi tarjeta gráfica no tiene suficiente VRAM» se sustituye por:

«¿cuánto va a consumir este experimento?»

La física económica posee su propio principio de conservación de la energía.

Construir un workflow reproducible para una producción

Un equipo produce varios cientos de assets.

Las imágenes deben pasar por las mismas etapas.

El workflow puede versionarse y conservarse junto a los modelos y custom nodes necesarios.

Los subgraphs aíslan determinadas funciones.

Los snapshots ayudan a recuperar un entorno anterior.

Las salidas pueden generarse por lotes o activarse mediante API.

ComfyUI se convierte entonces en una manera de formalizar un método.

Lo que antes era:

«Julie sabe cómo obtener este resultado»

puede convertirse progresivamente en:

«este es el workflow utilizado para obtener este resultado».

Este paso del conocimiento personal hacia un procedimiento compartible constituye una de las razones por las que las herramientas nodales resultan tan interesantes en producción.

Opinión de PANACHES

La primera vez que se abre ComfyUI resulta bastante fácil pensar:

«¿Por qué debería conectar siete cajas para hacer lo que otra herramienta realiza con un botón?»

La pregunta es perfectamente legítima.

Después, el workflow crece.

Hay que añadir una referencia.

Interviene otro modelo.

Hay que conservar una máscara.

Deben compararse dos versiones.

Un vídeo debe partir de la imagen final.

Y de repente, las siete cajas empiezan a tener sentido.

ComfyUI es potente precisamente porque se niega a fingir que todos los workflows creativos pueden caber detrás del mismo botón.

Una herramienta que expone la mecánica

Los programas dirigidos al gran público suelen intentar ocultar la complejidad.

A menudo es una excelente decisión.

Nadie desea elegir manualmente su algoritmo de compresión cada vez que envía una fotografía a un amigo.

ComfyUI toma la dirección contraria.

Expone la mecánica.

El creador ve los modelos.

Los encoders.

Los conditionings.

Las transformaciones.

Las salidas.

Esta transparencia se vuelve educativa.

Después de un tiempo, determinados conceptos de IA generativa dejan de ser palabras abstractas.

Se comprende mejor qué es un VAE porque hay que conectarlo.

Se comprende que un LoRA no es un modelo completo porque interviene sobre otra cosa.

Se comprende que image-to-image posee una lógica diferente de una generación pura porque el workflow no está construido de la misma forma.

Por tanto, ComfyUI puede enseñar mucho sobre IA generativa simplemente porque se niega a ocultar sus tuberías.

El workflow es más importante que el prompt

La cultura popular de la IA generativa se ha concentrado enormemente en el prompt.

Encontrar las palabras adecuadas.

Los adjetivos correctos.

La formulación mágica.

ComfyUI muestra rápidamente los límites de esta visión.

El prompt solo es una entrada entre muchas otras.

El resultado también depende del modelo, las referencias, el sampler, el conditioning, los controles, los LoRA, el denoise y toda la cadena construida alrededor.

Probablemente esta sea una de las lecciones más interesantes de la herramienta.

La calidad no procede siempre de un mejor prompt. A veces procede de un mejor pipeline.

Esta idea acerca la IA generativa a otros oficios creativos.

Un fotógrafo no resume su trabajo a la frase pronunciada ante el modelo.

Un artista 3D no resume su renderizado al nombre del shader.

Un cineasta no resume su película al guion.

El proceso importa.

ComfyUI proporciona por fin una interfaz al proceso.

Una libertad que puede convertirse en su propia prisión

La modularidad es maravillosa.

Hasta que deja de serlo.

Un workflow puede crecer sin verdadera disciplina.

Se añade una corrección.

Después otra.

Un custom node ahorra tres nodos.

Una dependencia instala cuatro más.

Se conserva una rama «por si acaso».

Tres meses después, el canvas parece el mapa del metro de una ciudad diseñada por alguien que odiaba las líneas rectas.

ComfyUI no fuerza una buena arquitectura.

Permite una buena arquitectura.

No es lo mismo.

Los grupos, subgraphs, convenciones de nombres y métodos de trabajo se vuelven esenciales.

Como ocurre con el código, una mala organización funciona perfectamente bien.

Hasta el día en que hay que modificarla.

El ecosistema de custom nodes es al mismo tiempo su superpoder y su caos

El open source permite a la comunidad avanzar con enorme rapidez.

Aparece un nuevo modelo.

Pocos días después llegan varias implementaciones.

Existe una necesidad muy específica.

Probablemente alguien haya creado un node para ella.

Esta energía resulta difícil de reproducir dentro de un producto cerrado.

Pero la otra cara es igual de real.

Las extensiones pueden ser abandonadas.

Las dependencias entran en conflicto.

Un workflow descargado puede utilizar ocho packs diferentes.

Una actualización puede romper un componente.

Y, sobre todo, un custom node es código.

Hay que tratarlo como tal.

No como un inocente filtro de Instagram simplemente porque su rectángulo posee un color bonito.

Registry, Manager y los mecanismos de verificación mejoran progresivamente la situación.

No sustituyen el criterio.

Comfy Desktop corrige uno de los defectos históricos

Durante mucho tiempo, recomendar ComfyUI a una persona no técnica exigía una pequeña frase inquietante:

«Bueno, primero hay que instalar Python...»

Después llegaban CUDA, PyTorch, Git y algunas carpetas cuyo nombre parecía elegido para desalentar cualquier vocación artística.

Comfy Desktop mejora claramente esta entrada.

El entorno resulta más fácil de instalar y mantener.

La posibilidad de gestionar varias instancias es incluso especialmente inteligente.

Reconoce una realidad de ComfyUI:

los usuarios avanzados quieren al mismo tiempo un entorno estable y un lugar donde romper cosas alegremente.

Separar ambos suele ser una excelente idea.

App Mode podría ser más importante de lo que parece

El grafo completo resulta ideal para la persona que construye el workflow.

Suele ser catastrófico para quien simplemente debe utilizarlo.

App Mode crea una separación entre estos dos roles.

Esta idea puede cambiar profundamente el uso profesional de ComfyUI.

Un especialista prepara el motor.

Un artista utiliza la aplicación simplificada.

Un estudio puede estandarizar un proceso sin obligar a cada persona a convertirse en especialista de difusión.

ComfyUI deja entonces de ser únicamente una herramienta de expertos.

Se convierte en una herramienta con la que un experto puede construir la interfaz destinada a los demás.

Es una diferencia enorme.

Cloud no sustituye lo local: añade una segunda ruta

El lanzamiento de Comfy Cloud podría parecer contradictorio con la identidad local y open source de ComfyUI.

En realidad, ambos enfoques pueden coexistir perfectamente.

El local ofrece:

• control máximo;
• ausencia de coste por generación;
• funcionamiento offline;
• instalación libre de custom nodes;
• control del entorno.

Cloud ofrece:

• hardware potente;
• ningún setup GPU;
• modelos preinstalados;
• acceso desde varios dispositivos;
• infraestructura gestionada;
• ejecución remota.

Por tanto, la elección no debería convertirse en algo ideológico.

Una persona con una gran workstation puede preferir el local.

Otra puede utilizar Cloud únicamente para workflows de vídeo pesados.

Un equipo puede estandarizar determinadas producciones en Cloud y conservar sus herramientas experimentales en local.

Esta coexistencia probablemente resulte más interesante que la vieja oposición:

«local contra cloud».

Un buen pipeline puede utilizar ambos.

Partner Nodes difumina inteligentemente la frontera open source / propietario

La integración de modelos propietarios dentro de ComfyUI también podría parecer extraña.

Pero responde a un problema real.

Los creadores ya no trabajan con una única familia de modelos.

Pasan de un motor a otro según la necesidad.

Partner Nodes permite conservar la arquitectura del workflow incluso cuando determinadas piezas se convierten en servicios remotos.

Es pragmático.

Evita transformar el debate open source contra propietario en una religión.

Un modelo local puede ser excelente para una etapa.

Un modelo comercial, mejor para otra.

El creador decide dónde desea pagar y dónde desea conservar el control.

El canvas sigue siendo el mismo.

¿Qué lugar ocupa frente a las alternativas?

AUTOMATIC1111 Stable Diffusion Web UI sigue siendo una referencia histórica. Su interfaz basada en paneles resulta mucho más inmediata para generar imágenes y manipular las funciones clásicas de Stable Diffusion. ComfyUI se vuelve claramente más interesante cuando varias etapas deben conectarse, automatizarse o reutilizarse.

Stable Diffusion WebUI Forge conserva la lógica familiar de las WebUI mientras mejora distintos aspectos técnicos y la gestión de modelos recientes. Puede resultar más sencillo para un usuario que desea esencialmente generar y modificar imágenes sin construir grafos.

InvokeAI propone una experiencia más estructurada y orientada a la creación visual, con un canvas y herramientas que requieren menos conocimientos técnicos. ComfyUI ofrece generalmente mayor libertad arquitectónica y un ecosistema de nodes más amplio.

SwarmUI intenta proporcionar una interfaz más accesible alrededor de los motores de generación y puede apoyarse especialmente en ComfyUI como backend. Ilustra perfectamente una posibilidad interesante: utilizar la potencia de Comfy sin exponer necesariamente su grafo a todo el mundo.

Krea pertenece más al mundo de las plataformas cloud creativas multimodelo. Su experiencia resulta más inmediata, visual e integrada. ComfyUI conserva la ventaja del control local, el open source y la construcción explícita del pipeline.

Por tanto, no hay que elegir ComfyUI porque posea el mayor número de nodos.

Hay que elegirlo cuando el propio método de generación merece ser construido.

Para producir una imagen ocasional, su nivel de control puede resultar innecesario.

Para construir una cadena repetible, combinar varios modelos, experimentar, automatizar o integrar la generación dentro de una aplicación, esta complejidad empieza a convertirse en su principal ventaja.

Dentro de un workflow PANACHES, ComfyUI puede situarse prácticamente en cualquier punto de la cadena visual: concept art, personajes, decorados, variaciones, retoque, upscale, animación, vídeo, audio y automatización. No sustituye necesariamente los programas creativos existentes. Puede convertirse en la capa que prepara o transforma los assets antes de enviarlos a otro lugar.

ComfyUI no pregunta únicamente qué quieres generar. Pregunta cómo quieres generarlo. Y cuando esta segunda pregunta se vuelve importante, muy pocas herramientas ofrecen tanta libertad.

Puntos de atención

• ComfyUI local es realmente gratuito y open source: el núcleo del proyecto se distribuye bajo GPL-3.0 y puede ejecutarse sobre hardware propio sin suscripción a Comfy Cloud.

• La licencia GPL-3.0 afecta a ComfyUI, no automáticamente a los modelos: un checkpoint, LoRA, ControlNet, custom node u otro recurso puede tener su propia licencia. Por tanto, los derechos de utilización y redistribución de cada componente deben verificarse por separado.

• Los derechos comerciales dependen mucho del workflow local: utilizar ComfyUI no garantiza que un modelo descargado desde Hugging Face, CivitAI u otra plataforma autorice el uso comercial. Las licencias de cada modelo siguen siendo aplicables.

• Comfy afirma que los modelos propuestos directamente dentro de Comfy Cloud están autorizados para uso comercial: esta garantía afecta al catálogo Cloud ofrecido por Comfy y no debe generalizarse a cualquier modelo importado o utilizado localmente.

• Los Partner Nodes no son modelos locales: llaman a servicios externos mediante API. Por tanto, los prompts, imágenes, modelos o parámetros necesarios para la petición pueden transmitirse al proveedor correspondiente.

• Las condiciones de los proveedores de Partner Nodes siguen siendo importantes: Comfy actúa como intermediario para las llamadas, pero también pueden aplicarse las prácticas y condiciones del proveedor tercero.

• El uso local puede ser completamente offline, pero únicamente si el workflow realmente lo es: Partner Nodes, descargas automáticas, API externas y determinadas extensiones necesitan una conexión de red.

• Los custom nodes son código ejecutable: un plugin malicioso puede comprometer la máquina. La documentación oficial recomienda utilizar extensiones procedentes de desarrolladores fiables y evitar packages desconocidos o no verificados.

• Registry mejora la seguridad sin volverla absoluta: los nodos registrados pueden recibir verificaciones e indicadores de confianza, pero esto no elimina la necesidad de controlar el origen y la función de una extensión.

• Las dependencias pueden entrar en conflicto: los custom nodes instalan a veces sus propias librerías Python. Dos extensiones pueden requerir versiones incompatibles del mismo package.

• Las actualizaciones pueden romper un workflow: ComfyUI, los custom nodes y los modelos evolucionan rápidamente. Una configuración que funciona perfectamente hoy puede necesitar adaptaciones después de una actualización.

• Los snapshots de Manager son valiosos, pero no constituyen una copia de seguridad universal: facilitan la restauración de determinadas configuraciones, pero la documentación precisa que la compatibilidad puede ser incompleta para algunos nodes no gestionados mediante Git.

• Un workflow compartido no es automáticamente autónomo: el JSON describe la estructura del grafo, pero el destinatario debe seguir teniendo los modelos, custom nodes y dependencias necesarios.

• Una imagen que contiene el workflow no contiene los propios modelos: los metadatos permiten recuperar la receta, no comprimir varias decenas de gigabytes de checkpoints dentro de un PNG. La física conserva todavía algunos derechos.

• Los workflows muy complejos se vuelven difíciles de mantener: grupos, nombres, colores, subgraphs y documentación interna se vuelven indispensables cuando varias decenas de nodos empiezan a interactuar.

• ComfyUI exige una verdadera curva de aprendizaje: comprender modelos, latents, samplers, schedulers, VAE, conditioning, seeds y otros conceptos requiere tiempo. Templates y App Mode facilitan la entrada, pero no eliminan la complejidad subyacente.

• El hardware local sigue siendo determinante: determinados modelos de imagen resultan relativamente accesibles, mientras que los modelos de vídeo o 3D pueden exigir enormes cantidades de VRAM y RAM.

• La compatibilidad de hardware varía según las plataformas: la instalación manual admite NVIDIA, AMD, Intel y Apple Silicon, además de varios aceleradores especializados, pero la madurez, el rendimiento y la facilidad de instalación no son idénticos.

• AMD bajo Windows sigue siendo más específico que NVIDIA: determinadas generaciones de GPU AMD disponen de compatibilidad experimental o dependen de configuraciones particulares. Que una tarjeta sea detectada oficialmente no garantiza que todos los custom nodes funcionen como bajo CUDA.

• La CPU puede ejecutar técnicamente ComfyUI: esto no significa que lanzar un gran modelo de difusión o vídeo sobre CPU sea una actividad excelente para ocupar toda una tarde.

• Comfy Desktop simplifica la instalación, pero no cubre todos los entornos de la misma manera: los builds precompilados se dirigen principalmente a Windows y macOS Apple Silicon. Linux sigue siendo plenamente utilizable mediante una instalación adaptada, pero exige más manipulación.

• Desktop puede ir ligeramente por detrás de las últimas novedades: los builds estables no reciben necesariamente de inmediato los cambios más recientes disponibles en versiones manuales o nightly.

• ComfyUI evoluciona muy rápido: determinadas guías, workflows comunitarios o tutoriales de vídeo pueden quedar obsoletos solo unos meses después de su publicación.

• Comfy Cloud es un servicio de pago diferente del programa local: en el momento de esta verificación, Standard cuesta 20 $/mes, Creator 35 $/mes y Pro 100 $/mes, con descuentos mediante facturación anual.

• Los créditos Cloud se consumen durante la ejecución GPU: construir y modificar el workflow no consume tiempo de GPU. Los créditos empiezan a utilizarse cuando el workflow se ejecuta realmente.

• Los Partner Nodes utilizan el mismo saldo de créditos: las llamadas hacia modelos propietarios se facturan según el modelo y sus parámetros, incluso cuando el propio workflow ComfyUI funciona localmente.

• No todos los créditos mensuales de Cloud se acumulan: los créditos incluidos con la suscripción se renuevan en cada ciclo. Los créditos adicionales comprados por separado poseen sus propias reglas y pueden conservarse durante un periodo determinado.

• Los workflows Cloud poseen límites de ejecución: Standard y Creator disponen actualmente de una duración máxima de 30 minutos por workflow, mientras que Pro puede alcanzar una hora.

• Cloud no permite la misma libertad con los custom nodes: Comfy Cloud mantiene una selección de nodes compatibles. El usuario no puede simplemente enviar cualquier repositorio Python personal al entorno como haría en local.

• El catálogo Cloud sigue siendo, sin embargo, muy amplio: Comfy anuncia cientos de modelos preinstalados y admite buena parte de los custom nodes más utilizados, pero un workflow local muy especializado todavía puede depender de componentes ausentes.

• La importación de modelos personales en Comfy Cloud está reservada a determinadas ofertas: Creator, Pro y algunos planes superiores pueden importar modelos o LoRA desde Hugging Face o CivitAI según los formatos y condiciones compatibles.

• La importación Cloud no equivale a disponer de acceso al sistema de archivos: los modelos deben pasar por los mecanismos previstos por Comfy y solo se aceptan determinados formatos.

• Compartir un workflow Cloud puede incluir los assets asociados: un enlace compartido puede exponer imágenes, máscaras u otros medios referenciados por el workflow. Por tanto, no hay que compartir públicamente un enlace con datos privados pensando que solo mostrará los nodos.

• Las condiciones actuales de Comfy indican que los Inputs y Outputs de Cloud siguen siendo propiedad del cliente: Comfy también precisa que no utiliza esos Inputs u Outputs para entrenar modelos generativos o de difusión.

• Comfy puede utilizar, sin embargo, determinados metadatos: las condiciones autorizan un uso limitado de información como estructuras de workflows, configuraciones de nodos o clasificaciones de prompts para mejorar los productos y su funcionamiento.

• Los datos Cloud se conservan para hacer funcionar y mejorar el servicio: prompts, workflows, outputs y otros contenidos pueden almacenarse durante el tiempo necesario según las políticas de retención. Puede solicitarse su eliminación, respetando las obligaciones legales, copias de seguridad y otras excepciones previstas.

• Comfy Cloud no sustituye automáticamente una política interna de confidencialidad: una empresa que manipula assets sensibles debe seguir verificando sus necesidades de almacenamiento, conformidad y las posibles condiciones Enterprise.

• Comfy no proporciona actualmente una imagen Docker oficial: existen imágenes comunitarias, pero la documentación precisa que no son oficiales ni están soportadas por el equipo de Comfy.

• App Mode simplifica el uso, no el pipeline: ocultar los nodos al usuario final no hace que el workflow sea más sencillo de mantener para la persona que lo construyó.

• La API transforma fácilmente un workflow en backend, lo que también aumenta las responsabilidades: autenticación, exposición de red, recursos GPU, colas y gestión de usuarios se convierten entonces en problemas clásicos de una aplicación.

• Las funciones MCP y agentic siguen evolucionando: determinadas integraciones pueden encontrarse en beta, cambiar rápidamente o necesitar una suscripción Cloud y un acceso específico.

ComfyUI puede transformar un prompt en imagen, la imagen en vídeo, el vídeo en una nueva rama y todo el conjunto en una API reutilizable. También puede transformar un domingo tranquilo en una investigación sobre una dependencia Python rota por un custom node instalado seis meses antes. La libertad es real. La responsabilidad de construir algo mantenible también.