Cómo elegir un modelo de Stable Diffusion: SDXL, SD 3.5 o FLUX

La elección de un modelo de Stable Diffusion se distorsiona fácilmente con una sola pregunta: ¿qué modelo se ve mejor? En la práctica, el resultado depende menos de un ranking y más de tu uso, tu VRAM, el ecosistema de workflows y el límite de licencia. SDXL, Stable Diffusion 3.5 y FLUX.1 pueden producir buenas imágenes, pero encajan en etapas distintas.

Si acabas de conseguir que ComfyUI funcione, no te apresures a descargar una docena de checkpoints. Esta guía trata una pregunta práctica: ante SDXL, SD 3.5, FLUX y los modelos comunitarios, ¿cómo eliges un modelo que corra, se reproduzca y encaje con tu uso real?

Conclusión clave

Empieza con esta tabla de decisión. Es más útil que un ranking del “mejor modelo”.

En corto: los principiantes empiezan con SDXL y prueban SD 3.5 y FLUX más adelante. Si tu hardware local es débil, elige el ecosistema maduro. Si vas a usar la salida comercialmente, revisa la licencia antes de mirar las imágenes de ejemplo.

Primero, ten claro qué estás eligiendo

Cuando alguien dice que quiere “cambiar el modelo de Stable Diffusion”, puede referirse a tres cosas distintas: un modelo base, un checkpoint comunitario o un LoRA.

El modelo base fija el límite de capacidades

SDXL, Stable Diffusion 3.5 y FLUX.1 son vías de modelo base. Determinan el límite superior de comprensión del prompt, composición, personas, texto y detalle. SDXL es una vía general madura. La línea SD 3.5 de Stability AI incluye Large, Large Turbo y Medium. La línea FLUX.1 de Black Forest Labs incluye las variantes pro, dev y schnell.

Un modelo base no es simplemente “mejor porque el archivo es más grande”. Los modelos más grandes traen mayor potencial de calidad, pero también más presión de VRAM, tiempos de carga más largos, más requisitos de nodos y mayor coste de despliegue. Que el modelo corra de forma fiable en tu máquina importa más que el número de parámetros.

Los checkpoints comunitarios resuelven estilo y escenario

Muchos modelos realistas, de anime, de foto de producto o de diseño de interiores que ves en los sitios de modelos son checkpoints comunitarios entrenados o fusionados sobre un modelo base. Su ventaja es el enfoque: estilo claro, rápidos de usar, a menudo con tamaños, samplers y prompts de ejemplo recomendados.

Ahí también empieza el riesgo. La licencia, la fuente de entrenamiento y el uso permitido de un checkpoint comunitario pueden diferir del modelo base. Que un modelo sea libre de descargar no lo hace seguro para un proyecto comercial. Para carteles de producto, entregas a clientes, anuncios o packs de assets de pago, lee primero la ficha del modelo y las notas del autor.

Un LoRA no sustituye al modelo base

Un LoRA se parece más a un paquete de capacidad adicional. Puede enseñar a un modelo un personaje, una vestimenta, un lenguaje de cámara, una característica de producto o un estilo, pero suele usarse con un modelo base o checkpoint compatible. Un LoRA SDXL puede no funcionar con SD 1.5. Un LoRA FLUX no se mete al azar en un workflow SDXL normal.

🔥 ¡No pierdas meses en productos sin demanda! Valida los puntos fuertes de tu SaaS con Adsterra y poco presupuesto ➡️

Probar ahora →Anuncio

El orden debería ser: elegir la vía base, elegir el checkpoint, y luego añadir LoRA cuando haga falta. Invierte ese orden y depurar se vuelve agotador.

Elegir según el uso

La elección de un modelo debería partir del trabajo que necesitas que haga, no del número de descargas.

Por qué los principiantes deberían empezar con SDXL

SDXL no siempre es la opción más nueva, pero es un punto de partida seguro para muchos workflows de imágenes en local. La razón es práctica: más tutoriales, más modelos, más LoRA y soporte maduro alrededor de ControlNet, IP-Adapter, upscaling y los workflows comunes de ComfyUI. Cuando un modelo no se detecta, una imagen sale gris, las manos se deforman o se agota la VRAM, es más fácil encontrar una solución.

En la primera semana, el objetivo no es exprimir la máxima calidad posible. Es construir una cadena estable: ComfyUI detecta el modelo, el workflow corre, los cambios de parámetros son reproducibles y la salida se guarda. SDXL es amigable para eso.

Cuándo tiene sentido SD 3.5

Stable Diffusion 3.5 tiene sentido cuando ya entiendes la cadena básica de ComfyUI y quieres probar la nueva vía oficial de Stability AI. Stability AI posiciona SD 3.5 Large como el modelo más fuerte, mientras que Medium apunta más al hardware de consumo.

Regla práctica: si ya corres SDXL de forma fiable y estás dispuesto a preparar el workflow, los nodos y los archivos de dependencia correspondientes, prueba SD 3.5. Si aún no sabes dónde va un archivo checkpoint, dedica primero más tiempo a SDXL.

Cuándo tiene sentido FLUX

FLUX.1 vale la pena cuando te importan la estética reciente, la composición y un mejor seguimiento del prompt. Es especialmente interesante para el acabado general de la imagen, los elementos de texto, los visuales de producto o una sensación fotográfica más natural.

La advertencia es que hay que separar las variantes y licencias de FLUX. Los materiales oficiales describen FLUX.1 [schnell] con licencia Apache 2.0, mientras que dev, pro y otras vías tienen usos y restricciones distintas. No veas “FLUX se ve bien” y supongas que cada variante de FLUX es libremente usable en local para uso comercial.

Elegir según el hardware

El hardware es la capa que la gente suele saltarse. Muchas imágenes de ejemplo se hacen en GPU de alta VRAM, servicios alojados o workflows muy optimizados. Pon el mismo modelo en tu máquina y el primer fallo puede ser la VRAM.

Si la VRAM es justa, no persigas primero el modelo más grande

Si tu GPU tiene VRAM limitada, empieza con modelos y workflows maduros. SDXL tiene más probabilidades de contar con tutoriales de baja VRAM, nodos optimizados, checkpoints más ligeros y ajustes reproducibles. Puedes generar en tamaño pequeño primero y luego ampliar, en vez de empezar con un lienzo grande.

El uso de VRAM no es un número fijo. Cambia con la resolución, el tamaño de batch, los steps de sampling, la precisión, el VAE, ControlNet, IP-Adapter, los upscalers y el posprocesado. Cuando alguien dice que una GPU corre un modelo, eso no significa que tu workflow lo corra.

Un proceso más seguro:

1. Empieza con el workflow base oficial o recomendado por la ficha del modelo.
2. Usa un tamaño de imagen conservador.
3. Mantén el tamaño de batch en 1.
4. Apaga los nodos de ControlNet, upscaling y posprocesado innecesarios.
5. Anota VRAM, tiempo y mensajes de error.

Así sabes dónde está el cuello de botella, en vez de cambiar modelo, tamaño, LoRA, ControlNet y posprocesado a la vez.

Las vías cloud o API son útiles para validar

Si no tienes una GPU adecuada, o solo quieres saber si un modelo encaja en un proyecto, prueba primero una vía alojada o API. Un run alojado no sustituye la depuración local, pero responde rápido a una pregunta útil: ¿valen el estilo y las capacidades de este modelo el coste de un despliegue local?

Eso es especialmente útil para FLUX y SD 3.5. Haz unas cuantas pruebas con un proveedor y luego decide si descargas los pesos, montas un workflow local o mejoras el hardware.

Vultr - Servidor cloud NVMe de alto rendimiento, 32 ubicaciones globales, despliegue Docker con un clic

Ver precios →Anuncio

Elegir según la licencia

La licencia es la parte que no deberías saltarte, sobre todo cuando la imagen va a un anuncio, una portada de curso, un proyecto de cliente, una página de producto o un pack de assets de pago.

Revisar tres capas de licencia por separado

La primera capa es la licencia del modelo base. Stability AI tiene su propia página de licencia, y las variantes de FLUX.1 tienen archivos de licencia distintos. La segunda capa es la licencia del autor del checkpoint comunitario o del LoRA. La tercera capa son los términos de servicio de la plataforma o API que usas para generar la imagen.

Estas capas no se sustituyen entre sí. Un modelo base puede permitir ciertos usos, pero una fusión comunitaria puede no hacerlo. Una plataforma puede dejarte generar imágenes, pero eso no significa que puedas redistribuir los pesos del modelo. Una salida puede ser usable en algunos contextos comerciales, mientras que el modelo en sí no lo sea como servicio comercial.

Qué revisar para SDXL, SD 3.5 y FLUX

Para SDXL y SD 3.5, empieza por la página de licencia de Stability AI y la ficha de Hugging Face. La página de licencia oficial explica la Community License, los umbrales de ingresos y el límite de licencia empresarial. No copies conclusiones de artículos antiguos, porque los términos de licencia pueden cambiar.

Para FLUX, separa primero pro, dev y schnell. Los materiales oficiales describen schnell como más permisivo, mientras que dev y pro usan vías y restricciones distintas. La variante dev es especialmente fácil de malinterpretar, porque las páginas pueden mencionar a la vez el uso de la salida y los límites de licencia del modelo. Lee ambas partes juntas.

Para los modelos comunitarios, inspecciona cada ficha de modelo. Un título que diga realistic, commercial o free no basta. Busca una licencia explícita, notas de entrenamiento, usos prohibidos, restricciones comerciales e historial de actualizaciones.

Probar el candidato en ComfyUI

El último paso es una prueba real. Guardar enlaces de modelos no es elegir un modelo.

1. Leer la ficha del modelo y la licencia

Antes de descargar, confirma tres cosas:

• A qué vía pertenece el modelo: SDXL, SD 3.5, FLUX u otra arquitectura.
• El workflow recomendado, el tamaño de imagen, el sampler y si necesita encoders de texto o un VAE adicionales.
• Si la licencia permite tu uso previsto.

Si la ficha del modelo no explica esto con claridad, trata el modelo como un experimento, no como un asset de producción.

2. Poner el archivo en la carpeta correcta

La documentación oficial de ComfyUI coloca los archivos de modelos en distintas carpetas dentro de ComfyUI/models/. Patrones comunes:

Los métodos de instalación y los nodos de modelos nuevos pueden tener requisitos extra. Si ComfyUI no detecta un modelo, consulta la documentación oficial o el workflow adecuado antes de copiar la captura de carpeta de otra persona.

3. Usar el workflow adecuado

SDXL, SD 3.5 y FLUX pueden usar estructuras de workflow distintas. Los modelos nuevos suelen necesitar nodos de carga, encoders, samplers o workflows de ejemplo oficiales adecuados. Forzar un modelo FLUX en una cadena Load Checkpoint SDXL normal probablemente no dé el resultado que esperas.

Cuando pruebes un modelo por primera vez, busca un ejemplo oficial, un ejemplo del mantenedor o un workflow de ComfyUI que diga claramente que soporta ese modelo. Corre el camino mínimo primero y luego añade LoRA, ControlNet y posprocesado.

Railway - Plataforma de despliegue moderna, sin ops complejas, en producción en minutos

Empezar ahora →Anuncio

4. Hacer una prueba pequeña y controlada

No generes decenas de imágenes de entrada. Fija un set de prueba pequeño:

• seed: fijo, para poder comparar.
• prompt: el mismo prompt, que cubra personas, escena, material y luz.
• size: el tamaño recomendado o uno conservador.
• steps / sampler / CFG: empieza según la ficha del modelo o el workflow.
• batch: déjalo en 1.

Corre al menos de 3 a 5 imágenes por modelo y anota velocidad, tasa de fallos, estabilidad de la imagen y los detalles que te importan. Elegir un modelo no es un ejemplo perfecto, es si el modelo es estable en tu workflow.

Errores comunes y resolución de problemas

Error 1: el modelo más nuevo tiene que ser el mejor para mí

Un modelo nuevo puede ser más fuerte, pero también más difícil de desplegar. Puede necesitar nodos nuevos, más VRAM, otros hábitos de prompt o una licencia más compleja. Necesitas el modelo que encaja con la tarea actual, no el nombre más nuevo.

Error 2: un ejemplo bonito significa un buen modelo

Una imagen de ejemplo puede usar un prompt pulido, LoRA, ControlNet, upscaling, posprocesado y selección manual. Los ejemplos de ficha muestran potencial, no tu resultado medio en la primera ejecución.

Error 3: si el modelo no se detecta, descargar otro

Cuando un modelo no se detecta, revisa primero la ruta, el formato, el paso de actualizar/reiniciar y el soporte del workflow. Confirma que el archivo está en la carpeta correcta y luego revisa si el nodo soporta la arquitectura. No descargues más modelos antes de revisar el directorio.

Error 4: el uso comercial solo depende del modelo base

El uso comercial depende del modelo base, el checkpoint, el LoRA, los términos de la plataforma y tu uso concreto. Aunque un modelo base permita ciertos usos comerciales, el autor de un modelo comunitario puede añadir restricciones.

Qué leer a continuación

Si aún no has hecho funcionar ComfyUI, empieza por Guía para principiantes de ComfyUI: de la instalación a tu primera imagen de Stable Diffusion. Si importas a menudo workflows compartidos, lee Reutilizar workflows de ComfyUI: importar JSON, corregir nodos faltantes y mapear modelos.

Una vez elegido el modelo, vienen los prompts. Para la escritura general de prompts, lee Prompt engineering aplicado al negocio. Para meter la generación de imágenes en un flujo creativo más amplio, mira Creación cross-media: automatizar del boceto de la idea a la presentación completa con Nano Banana 2 y Gemini 3.

Referencias

• Introducing Stable Diffusion 3.5
• Stability AI License
• Stable Diffusion XL Base 1.0 model card
• black-forest-labs/flux
• FLUX models by Black Forest Labs
• ComfyUI Models

Conclusión

La elección de un modelo de Stable Diffusion no se reduce a “SDXL, SD 3.5 o FLUX: ¿cuál es el más fuerte?”. Un mejor orden es: el uso primero, el hardware después, la madurez del ecosistema, y la licencia al final.

Empieza con SDXL si eres nuevo y quieres un workflow estable más rápido. Prueba SD 3.5 cuando quieras explorar la nueva vía de Stability AI. Evalúa FLUX cuando te importen la estética reciente y un mejor seguimiento del prompt. El verdadero criterio no es el nombre del modelo, sino si puede producir resultados estables dentro de tu máquina, tu workflow y tu límite de licencia.