ComfyUI on KnightLi Blog

Qué modelos locales de IA puede ejecutar un portátil RTX 4060 8GB

Fri, 08 May 2026 13:41:15 +0800

Un portátil con RTX 4060 8GB puede ejecutar IA local, pero el límite es claro: lo importante no es si el modelo arranca, sino si cabe en VRAM. La versión móvil también depende de potencia, refrigeración, ancho de banda de memoria y ajustes del fabricante.

En 2026, 8GB de VRAM siguen siendo la línea de entrada para IA local. Con modelos cuantizados y herramientas adecuadas, puedes ejecutar LLM de 3B-8B, SDXL, SD 1.5, algunos flujos FLUX cuantizados, Whisper y extracción de características de imagen. Si fuerzas LLM de 14B+, modelos grandes sin cuantizar o flujos de imagen pesados, el rendimiento cae cuando se usa memoria del sistema.

Resumen: no persigas el modelo más grande. Usa modelos pequeños, pesos cuantizados y flujos de baja VRAM.

Presupuesto de VRAM

Windows 11, navegadores, drivers y procesos de fondo ya consumen memoria de GPU. El presupuesto real suele estar más cerca de 6.5GB-7.2GB que de los 8GB completos.

LLM: 3B-8B con cuantización 4-bit.
Imagen: SDXL, SD 1.5 y FLUX GGUF/NF4 low-VRAM.
Multimodal: modelos ligeros de unos 4B.
Voz: Whisper large-v3 funciona, pero los lotes largos calientan.
Indexación: CLIP, ViT y SigLIP encajan muy bien.

Un modelo pequeño completo en GPU suele ir mejor que uno grande con mucho offload.

LLM: modelos cuantizados de 3B-8B

Para chat y razonamiento local, usa Ollama, LM Studio, koboldcpp, llama.cpp u otro frontend compatible con GGUF. El punto cómodo en 8GB es 3B-8B en 4-bit.

Ligero general: Gemma 4 E4B

Gemma 4 E4B es uno de los modelos pequeños de la familia Gemma 4 de Google lanzada en 2026. Es adecuado para uso local y edge: preguntas, resúmenes, organización ligera, tareas multimodales simples e inferencia barata.

En una RTX 4060 de portátil, empieza por una versión cuantizada oficial o comunitaria. No comiences con los pesos de mayor precisión.

Razonamiento: DeepSeek R1 Distill 7B/8B, Qwen 3 8B

Para lógica, matemáticas, análisis complejo y texto largo, prueba DeepSeek R1 distill 7B/8B o Qwen 3 8B cuantizado.

Con Q4_K_M, los modelos de 8B suelen entrar en el presupuesto de una GPU de 8GB. La velocidad depende del contexto, backend, driver y modo de energía.

No empieces con 14B, 32B o más. Aunque arranquen con CPU offload, la experiencia suele ser peor que con un modelo menor completamente en GPU.

Código: Qwen 2.5 Coder 3B/7B

Qwen 2.5 Coder 3B es rápido y útil para autocompletado, explicación y generación pequeña. El 7B entiende mejor, pero consume más VRAM y tarda más.

Autocompletado: 3B.
Q&A y explicación: 3B o 7B.
Refactors pequeños: 7B cuantizado.
Arquitectura grande: no esperes meter todo el proyecto en 8GB.

Imagen: SDXL estable, FLUX cuantizado

SD 1.5 es muy amigable con 8GB, rápido y maduro. SDXL consume más pero sigue siendo viable.

Herramientas:

ComfyUI
Stable Diffusion WebUI Forge
Fooocus

FLUX ofrece mejor calidad y comprensión de prompt, pero los modelos originales son pesados. En 8GB usa GGUF, NF4, FP8 u otras rutas low-VRAM con ComfyUI-GGUF.

Consejos:

Usa FLUX.1 schnell GGUF Q4/Q5.
Reduce resolución o batch size.
Usa --lowvram en ComfyUI.
No combines demasiados LoRA, ControlNet y hi-res fix.
Vigila si la VRAM se libera al cambiar de workflow.

Puedes probar 1024px, pero no copies flujos pensados para GPUs de 16GB/24GB.

Multimodal y utilidades

Whisper large-v3 sirve para transcripción de audio. Para lotes largos, activa modo rendimiento y cuida la temperatura.

Para un sistema de búsqueda de fotos, la RTX 4060 8GB es muy adecuada. CLIP, ViT y SigLIP no consumen VRAM extrema y procesan miles de imágenes con rapidez.

Flujo típico:

Extraer embeddings con CLIP/ViT/SigLIP.
Guardarlos en SQLite o una base vectorial.
Buscar por texto o imagen similar.
Usar un LLM pequeño para etiquetas, descripciones o resúmenes.

Combos recomendados

Ollama / LM Studio
+ Gemma 4 E4B cuantizado
+ DeepSeek R1 Distill 7B/8B Q4
+ Qwen 3 8B Q4

1
2
3

Qwen 2.5 Coder 3B
+ Qwen 2.5 Coder 7B Q4
+ Continue / Cline / servidor local OpenAI-compatible

ComfyUI / Forge
+ SDXL
+ SD 1.5
+ FLUX.1 schnell GGUF Q4/Q5

1
2
3

CLIP / SigLIP / ViT
+ SQLite / FAISS / LanceDB
+ Gemma 4 E4B o Phi-4 Mini para organizar texto

Errores comunes

Escenario	Consejo
Modelos grandes	Evita 14B+ salvo que aceptes lentitud
Cuantización	Empieza con `Q4_K_M`; prueba Q5 si necesitas calidad
VRAM	Monitoriza con Task Manager o `nvidia-smi`
Temperatura	Usa modo rendimiento para imagen y lotes
Resolución	Empieza con 768px o una imagen 1024px
Navegador	Cierra pestañas pesadas en GPU
Driver	Mantén NVIDIA actualizado
Workflows	No copies flujos ComfyUI de 16GB/24GB directamente

Mi recomendación

Un portátil RTX 4060 8GB es una plataforma local de entrada con buena relación coste/rendimiento. Encaja con LLM 3B-8B, modelos pequeños de código, SDXL, SD 1.5, FLUX cuantizado, Whisper, búsqueda vectorial de imágenes y gestión local de fotos.

No encaja bien con uso prolongado de 14B/32B, modelos grandes sin cuantizar, FLUX por lotes de alta resolución, generación de video grande o muchos modelos residentes a la vez.

Para búsqueda de fotos, usa la GPU para extracción CLIP/SigLIP y etiquetado con modelos pequeños, y guarda vectores en SQLite, FAISS o LanceDB.

Referencias

AMD ROCm 7.2 + ComfyUI: configuracion de compatibilidad para usar una alternativa a CUDA en Windows

Fri, 08 May 2026 10:09:05 +0800

Durante mucho tiempo, las herramientas locales de AI art y video se construyeron alrededor de NVIDIA CUDA. Stable Diffusion, ComfyUI, AnimateDiff, superresolucion de video, inferencia LLM y muchos plugins solian soportar CUDA primero. Las GPU AMD ofrecian buena relacion VRAM/precio, pero en Windows a menudo habia que usar DirectML, ZLUDA, ROCm en Linux o parches comunitarios. La estabilidad y la consistencia de tutoriales eran peores que en NVIDIA.

La serie ROCm 7.2 cambia el panorama de forma importante. En CES 2026, AMD presento Ryzen AI 400 y conecto mejor ROCm, Radeon, Ryzen AI y los flujos AI en Windows. La documentacion oficial indica que ROCm 7.2.1 actualiza el soporte PyTorch en Windows para productos graficos AMD Radeon y procesadores AMD Ryzen AI. ComfyUI Desktop tambien anadio soporte oficial para AMD ROCm desde v0.7.0.

Esto no significa que AMD ya haya alcanzado por completo al ecosistema CUDA. Si significa que ejecutar ComfyUI en una GPU AMD bajo Windows esta pasando de ser una opcion de experimentacion a una ruta que merece evaluarse en serio.

Que aporta ROCm 7.2

ROCm es el stack abierto de AMD para computacion GPU y aprendizaje automatico. Su posicion es similar a NVIDIA CUDA. Incluye HIP, compiladores, bibliotecas matematicas, bibliotecas de deep learning, profiler, integracion con PyTorch y componentes de bajo nivel.

Para usuarios de escritorio, ROCm 7.2 trae tres cambios importantes.

Primero, el soporte Windows es mas oficial. La documentacion Radeon/Ryzen ROCm de AMD indica que PyTorch en Windows se actualizo a ROCm 7.2.1 para graficos AMD Radeon y procesadores AMD Ryzen AI. Esto es clave para ComfyUI, Hugging Face Transformers y herramientas de inferencia local, porque la mayoria termina dependiendo de PyTorch.

Segundo, el soporte de hardware es mas claro. AMD menciona Radeon 9000, algunas Radeon 7000, Ryzen AI Max 300, algunos Ryzen AI 400 y algunos Ryzen AI 300 APU. Es decir, no basta con decir “GPU AMD”. Hay que revisar el modelo exacto en la matriz de compatibilidad.

Tercero, ComfyUI tiene una ruta oficial. En enero de 2026, el equipo de ComfyUI anuncio que ComfyUI Desktop para Windows soporta AMD ROCm desde v0.7.0. Para usuarios normales esto reduce la necesidad de montar entornos a mano, buscar wheels o ajustar parametros de arranque.

Para quien busca una alternativa a CUDA, estos cambios importan mas que un benchmark aislado. La utilidad a largo plazo depende de que drivers, frameworks, modelos, plugins y frontend funcionen juntos de forma estable.

Que hardware encaja mejor

La ruta AMD se puede dividir en tres grupos.

El primero es Radeon 9000. Es la nueva linea de GPU discretas que ROCm 7.2 cubre con mas prioridad. Si vas a comprar una GPU AMD ahora para AI local, deberia ser el primer grupo a mirar.

El segundo son algunas Radeon 7000. Estas GPU RDNA 3 ya tienen base ROCm, pero no todos los modelos son igual de estables. Antes de comprar, revisa la matriz oficial de AMD y confirma soporte en Windows, Linux, PyTorch y tu herramienta objetivo.

El tercero son las APU Ryzen AI. Ryzen AI 400 y Ryzen AI Max 300 llevan CPU, GPU, NPU y memoria compartida a portatiles, mini PC y equipos de desarrollo. Sirven mejor para inferencia ligera, pruebas, trabajo movil y flujos ComfyUI pequenos. No conviene planificarlas como una GPU discreta de gama alta para alto throughput.

Si el objetivo es AI art fluido con herramientas comunes, una GPU discreta sigue siendo mas segura. Las APU son atractivas por integracion y memoria compartida, pero no son ideales para video generativo pesado o grandes lotes de imagenes.

Ruta recomendada en Windows

Para usuarios comunes de Windows, ComfyUI Desktop deberia ser la primera opcion. Es la ruta oficial, reduce conflictos de entorno y facilita seguir las actualizaciones.

El flujo general es:

Usar Windows 11 y actualizar AMD Software: Adrenalin Edition.
Confirmar que la GPU o APU esta en la matriz AMD ROCm Radeon/Ryzen.
Instalar ComfyUI Desktop v0.7.0 o posterior.
Usar el backend AMD ROCm en ComfyUI Desktop.
Tras el primer inicio, revisar en consola la informacion de PyTorch/ROCm.
Probar primero un flujo basico SDXL o Flux, y despues instalar plugins poco a poco.

Si usas ComfyUI manual, la idea es parecida: instalar Python, instalar PyTorch correspondiente a ROCm 7.2, y arrancar main.py. La guia oficial de AMD para ComfyUI recuerda que, tras iniciar, conviene verificar que la terminal muestre la version PyTorch esperada para ROCm 7.2.1.

En equipos con poca VRAM se pueden probar estos parametros:

`1`	`python main.py --lowvram --disable-pinned-memory`

No siempre aumentan la velocidad, pero pueden reducir presion sobre RAM y VRAM. En equipos de 8GB, 12GB o memoria compartida, terminar de forma estable es mas importante que la velocidad de una sola imagen.

Linux sigue siendo mejor para uso pesado

ROCm en Windows es mas usable, pero Linux sigue siendo el entorno AMD AI mas maduro. La documentacion de AMD tambien muestra soporte mas amplio en Linux para Radeon, incluyendo PyTorch, TensorFlow, JAX, ONNX, vLLM, Llama.cpp y algunas capacidades de entrenamiento.

Si solo quieres generar imagenes con ComfyUI, Windows ya merece una prueba.
Si necesitas vLLM, entrenar LoRA, video por lotes, multi-GPU, Docker, scripts de automatizacion o servicios permanentes, Linux sigue siendo mejor.

La eleccion por caso de uso:

Windows: usuarios de escritorio, ComfyUI Desktop, generacion ligera, pruebas locales.
Linux: desarrolladores, usuarios AI pesados, servidores, procesos por lotes y ecosistema ROCm mas completo.
WSL: util si quieres seguir en Windows con herramientas Linux, pero confirma ROCDXG, drivers y hardware soportado.

No conviene tratar Windows ROCm como respuesta universal. Mejora la entrada y la experiencia de escritorio; la produccion pesada todavia depende mas de Linux.

Cuidado con los plugins de ComfyUI

La dificultad de ComfyUI no esta solo en el programa principal. El ecosistema de plugins pesa mucho. Muchos nodos asumen CUDA, xFormers, Triton, FlashAttention o extensiones PyTorch concretas. Al pasar a AMD ROCm, los problemas comunes son:

Plugins que llaman extensiones CUDA-only.
Bibliotecas de aceleracion sin wheel ROCm.
Scripts de nodos personalizados que buscan NVIDIA por defecto.
Nodos de video que dependen de codecs o librerias de flujo optico sin soporte AMD.
Flujos de modelos nuevos con configuracion optimizada para NVIDIA.

No es buena idea copiar directamente una carpeta antigua de ComfyUI usada con NVIDIA. Es mas estable crear un entorno limpio, probar un modelo base y anadir plugins uno por uno.

Orden de prueba recomendado:

Text-to-image basico.
Image-to-image.
LoRA.
ControlNet.
Upscaling y high-res fix.
AnimateDiff o nodos de video.
Modelos mas pesados como Flux, SD3, Wan o HunyuanVideo.

Haz una prueba pequena tras cada grupo de plugins. Si algo falla, sabras que nodo o dependencia revisar.

Ventajas de AMD para AI art

El mayor atractivo de AMD es VRAM y precio. Muchos usuarios no eligen AMD porque el ecosistema AI sea mas comodo que CUDA, sino porque por el mismo dinero suelen obtener mas memoria, util para creacion local y pruebas largas.

La VRAM grande ayuda mucho en ComfyUI:

Permite cargar checkpoints mayores.
Permite subir resolucion.
Permite usar mas LoRA, ControlNet y nodos de referencia.
Reduce perdidas de velocidad del modo low-VRAM.
Hace que video y batch fallen menos por falta de memoria.

Si ROCm 7.2 logra que PyTorch y ComfyUI sean estables en Windows, las GPU AMD se vuelven una alternativa CUDA mas realista, sobre todo para quienes no quieren usar la nube y prefieren conservar mas VRAM local.

Limites que aun hay que aceptar

La ruta AMD ya es usable, pero no es un reemplazo automatico de CUDA.

Sus limites principales son:

Modelos soportados limitados; tarjetas viejas y algunas de gama baja/media pueden no estar en la lista oficial.
El soporte de frameworks en Windows sigue siendo menor que en Linux.
Muchos tutoriales AI todavia asumen NVIDIA.
Algunos plugins de ComfyUI solo se probaron con CUDA.
Hay menos respuestas de comunidad cuando aparece un error.
El mismo modelo puede rendir muy distinto segun backend.

Antes de elegir AMD, confirma tres cosas:

Tu GPU esta en la matriz oficial de compatibilidad.
Tus herramientas principales soportan ROCm de forma explicita.
Tus plugins clave no dependen de extensiones CUDA-only.

Si las tres son aceptables, AMD puede ser fiable. Si no, el dinero ahorrado en hardware puede convertirse en tiempo perdido depurando el entorno.

Estrategia de configuracion recomendada

Si eres principiante, usa Windows 11 + una Radeon 9000/7000 soportada + ComfyUI Desktop. Sigue la ruta oficial primero y no instales demasiados nodos de terceros al inicio.

Si eres desarrollador, prepara Linux. ROCm tiene una cadena de herramientas mas completa en Linux y sirve mejor para lotes, inferencia LLM, Docker y automatizacion.

Si usas portatil o mini PC, Ryzen AI 400 y Ryzen AI Max son buenos para AI local ligera. Pueden servir para desarrollo, vista previa, imagen simple e inferencia de modelos pequenos, pero no deberian planificarse como GPU discretas de gama alta para video generativo.

Si eres usuario pesado de ComfyUI, prioriza VRAM, version de driver y compatibilidad de plugins. La ventaja de memoria de AMD es atractiva, pero un nodo critico sin ROCm puede afectar todo el flujo.

Resumen

ROCm 7.2 es un avance importante para AI local AMD en Windows. El soporte PyTorch para Radeon y Ryzen AI es mas claro, y ComfyUI Desktop ya ofrece soporte oficial ROCm. Esto acerca las GPU AMD a una alternativa CUDA que usuarios comunes pueden probar.

Pero “usable” no significa “totalmente compatible”. La ruta mas estable es revisar la matriz, usar la instalacion oficial, probar primero ComfyUI basico y luego anadir plugins y video complejo poco a poco. Windows encaja con creacion ligera de escritorio; Linux sigue siendo mejor para desarrollo pesado y produccion.

Si buscas lo mas sencillo, CUDA sigue siendo la respuesta principal.
Si aceptas validar el flujo a cambio de mas VRAM y un ecosistema mas abierto, ROCm 7.2 + ComfyUI ya merece una prueba seria.

Referencias

Pixelle-Video: un motor open source de IA para generar videos cortos a partir de un tema

Thu, 07 May 2026 20:25:17 +0800

Pixelle-Video es un motor open source totalmente automatizado para generar videos cortos, creado por AIDC-AI. Su objetivo es directo: el usuario introduce un tema, y el sistema escribe automaticamente el guion, genera imagenes o videos con IA, crea narracion de voz, anade musica de fondo y renderiza el video final.

Este tipo de herramienta es util para creacion masiva de videos cortos, explicadores de conocimiento, contenido talking-head, resumenes de novelas, videos de historia y cultura, y experimentos de self-media. No es un unico modelo text-to-video. Es una linea de produccion que conecta varias capacidades de IA.

Que automatiza

El flujo por defecto de Pixelle-Video puede resumirse asi:

introducir un tema o un guion fijo;
usar un LLM para generar la narracion;
planificar escenas y generar imagenes o clips de video;
usar TTS para crear la narracion de voz;
anadir musica de fondo;
aplicar una plantilla de video y renderizar el resultado final.

El README describe el flujo como “generacion de guion -> planificacion de imagenes -> procesamiento fotograma a fotograma -> composicion de video”. El diseno modular es claro: cada paso puede reemplazarse, ajustarse o conectarse a un flujo personalizado.

Funciones principales

El proyecto cubre un conjunto bastante completo de capacidades:

escritura de guion con IA: genera automaticamente narracion a partir de un tema;
generacion de imagenes con IA: crea ilustraciones para cada linea o escena;
generacion de video con IA: conecta con modelos de generacion de video como WAN 2.1;
voz TTS: soporta Edge-TTS, Index-TTS y otras opciones;
musica de fondo: usa BGM integrada o musica personalizada;
multiples relaciones de aspecto: soporta formatos verticales, horizontales y otros tamanos de video;
multiples modelos: conecta con GPT, Qwen, DeepSeek, Ollama y mas;
flujos ComfyUI: usa workflows integrados o reemplaza pasos de imagen, TTS y generacion de video.

Las actualizaciones recientes tambien mencionan motion transfer, videos talking-head con humano digital, pipelines image-to-video, voces TTS multilingues, soporte RunningHub y un paquete todo-en-uno para Windows. El proyecto claramente esta avanzando mas alla de un simple script hacia una herramienta de creacion mas completa.

Instalacion y arranque

Los usuarios de Windows pueden mirar primero el paquete oficial todo-en-uno. Esta disenado para reducir friccion de configuracion: no hace falta instalar manualmente Python, uv ni ffmpeg. Despues de extraer el paquete, ejecuta start.bat, abre la interfaz web y configura las APIs necesarias y el servicio de generacion de imagenes.

Para instalar desde codigo fuente, el README da este flujo basico:

1
2
3

git clone https://github.com/AIDC-AI/Pixelle-Video.git
cd Pixelle-Video
uv run streamlit run web/app.py

La ruta desde codigo fuente es adecuada para usuarios de macOS y Linux, y para cualquiera que quiera modificar plantillas, workflows o configuracion de servicios. Los requisitos principales son uv y ffmpeg.

Prioridades de configuracion

En el primer uso, lo importante no es pulsar “generate” inmediatamente. Lo importante es conectar bien las capacidades externas.

La configuracion del LLM determina la calidad del guion. Puedes elegir modelos como Qwen, GPT, DeepSeek u Ollama, y luego rellenar API Key, Base URL y nombre del modelo. Si quieres minimizar costes, Ollama local es una opcion. Si quieres resultados mas estables, un modelo cloud suele ser mas sencillo.

La configuracion de generacion de imagen y video determina la calidad visual. El proyecto soporta ComfyUI local y RunningHub. Los usuarios que entienden ComfyUI pueden colocar sus propios workflows bajo workflows/ para reemplazar el pipeline por defecto de imagen, video o TTS.

La configuracion de plantillas determina la forma visual final. El proyecto organiza plantillas de video bajo templates/, con reglas de nombres para plantillas estaticas, plantillas de imagen y plantillas de video. Para creadores, esto es mas practico que generar solo assets crudos, porque la salida es un video que puede previsualizarse y descargarse directamente.

Para quien es

Pixelle-Video es especialmente adecuado para tres grupos:

Creadores de videos cortos que quieren convertir ideas en borradores de video rapidamente.
Usuarios de herramientas AIGC que quieren conectar LLMs, ComfyUI, TTS y composicion de video.
Desarrolladores y usuarios de automatizacion que quieren modificar plantillas, workflows o integrar sus propios materiales y modelos.

Si solo quieres hacer un unico video premium muy pulido, puede que no reemplace la edicion manual. Pero si quieres generar muchos explicadores, videos talking-head o videos de ciencia y educacion con una estructura consistente, su enfoque de pipeline tiene valor.

Puntos a tener en cuenta

El techo de este tipo de herramienta lo determinan varios eslabones de la cadena. Un modelo de guion debil produce contenido vacio; un modelo de imagen debil da visuales dispersos; un TTS poco natural hace que el video se sienta tosco; y una plantilla pobre debilita el resultado final.

Por eso conviene empezar con un escenario fijo, por ejemplo un “explicador cientifico vertical de 60 segundos”. Fija primero el LLM, el estilo visual, la voz TTS, el BGM y la plantilla, y despues amplia a mas temas.

El proyecto soporta una configuracion local gratuita, pero los setups locales suelen requerir GPU, configuracion de ComfyUI y archivos de modelos. Los usuarios sin entorno local de inferencia pueden reducir la dificultad usando un LLM cloud mas RunningHub, sin perder de vista el coste de uso.

Lectura breve

Pixelle-Video es interesante no solo porque pueda “generar un video desde una frase”. Su valor real es que divide la produccion de videos cortos en modulos reemplazables: guion, visuales, voz, musica, plantillas y render. Para usuarios comunes, es una herramienta de video con IA de baja barrera. Para desarrolladores, se acerca mas a un framework hackeable de automatizacion de videos cortos.

Si estas estudiando pipelines de videos cortos con IA, o quieres conectar ComfyUI, TTS, LLMs y renderizado con plantillas en un producto usable, Pixelle-Video merece probarse y diseccionarse.