Image-Generation
Categoría: vision modelos locales nube
Definición
Sistemas generativos basados en Diffusion / Flow Matching o modelos multimodales autorregresivos que sintetizan o editan imágenes de alta resolución a partir de instrucciones de texto (Text-to-Image) o imágenes de referencia (Image-to-Image, Inpainting, edición instruida).
Puntos clave
- Ecosistema y motores locales en Linux:
- ComfyUI: Estándar absoluto de ingeniería local. Interfaz basada en grafos dirigidos de nodos (DAG) sobre PyTorch que gestiona la VRAM dinámicamente, descarga modelos por partes y permite construir pipelines reproducibles guardados en los metadatos del propio PNG.
- LoRA visuales: Archivos ligeros (50–300 MB) que se inyectan en las capas de atención del DiT/UNet para enseñar estilos artísticos, personajes consistentes o conceptos específicos.
- Principales modelos locales (Pesos Abiertos):
- Flux (
FLUX.1/FLUX.2 DevySchnell): Referente abierto de Black Forest Labs (12B–32B DiT); cuantizado aFP8o GGUFQ4_K_Mcorre en GPUs de 8 a 16 GB de VRAM. - Qwen-Image / Qwen-Image-Edit (Alibabá): Modelos abiertos de generación y edición instruida de altísima fidelidad tipográfica y seguimiento de texto en imagen.
- HiDream-I1 / Z-Image / Sana: Arquitecturas DiT abiertas de alta eficiencia optimizadas para generar imágenes en pocos pasos o en GPUs con VRAM ajustada (6–12 GB).
- Stable Diffusion 3.5 / SDXL (Stability AI): Ecosistema clásico con la mayor biblioteca histórica de LoRA y ControlNets de la comunidad.
- Flux (
- Principales modelos y APIs en la Nube (Cerrados):
- GPT Image (
gpt-image-1/ generación nativa en GPT): Destaca por razonamiento visual profundo, renderizado perfecto de texto y edición conversacional multi-turno. - Imagen 3 / Imagen 4 y Nano Banana / Gemini Image (Google): Referentes en fotorrealismo, coherencia de personajes y baja latencia vía API de Vertex AI / Gemini.
- Midjourney (v6 / v7): Estándar comercial en dirección artística y estética (accesible principalmente vía web/Discord, sin API pública abierta estándar).
- Ideogram / Recraft: APIs especializadas en diseño gráfico, tipografía exacta y generación de vectores SVG.
- GPT Image (