¿Puede Sulphur 2 ejecutarse con 8 GB de VRAM? Notas de despliegue local de un modelo de video LTX 2.3

Tue, 12 May 2026 22:12:45 +0800

SulphurAI publicó Sulphur-2-base en Hugging Face. Según la model card, Sulphur 2 es un modelo de generación de video basado en LTX 2.3. Está posicionado como un uncensored video generation model, soporta de forma nativa text-to-video e image-to-video, y también es compatible con otros formatos de LTX 2.3.

Página del modelo: https://huggingface.co/SulphurAI/Sulphur-2-base

Qué es Sulphur 2

Sulphur 2 no está pensado como un modelo general de chat, sino como una pieza para flujos de trabajo de generación de video. Proporciona pesos del modelo y herramientas relacionadas. Los puntos principales de la model card son:

Está basado en LTX 2.3.
Soporta text-to-video e image-to-video.
Incluye un prompt enhancer para mejorar prompts.
La página de Hugging Face ofrece entradas para Diffusers, llama.cpp, Ollama, LM Studio, Jan y otras herramientas.
Los archivos del modelo incluyen contenido relacionado con GGUF, lo que facilita su carga con algunas herramientas locales.

En otras palabras, es más una publicación para usuarios de generación de video y autores de workflows que un producto web listo para usar con un clic.

Relación entre Sulphur 2 y LTX 2.3

Para entender Sulphur 2 conviene ubicarlo dentro del ecosistema de LTX 2.3.

LTX 2.3 es la línea de modelo de video subyacente. Define qué formas de entrada, componentes y estructuras de workflow son compatibles. Sulphur 2 es una variante publicada sobre esa base, con foco en integrar text-to-video, image-to-video y flujos relacionados.

Por eso Sulphur 2 no es una herramienta completamente independiente ni un modelo de chat común. Se parece más a un paquete de modelo dentro del ecosistema LTX 2.3: todavía necesitas elegir frontend, nodos, versión de pesos y parámetros adecuados para generar video de verdad.

Eso también explica por qué su barrera de entrada es más alta que la de las herramientas web. Las herramientas web esconden modelo, parámetros, planificación de VRAM y reintentos en el backend; en local tienes que lidiar con esos detalles.

Por qué vale la pena mirarlo

La familia LTX ya llama la atención por su generación de video eficiente. Al estar basado en LTX 2.3, Sulphur 2 encaja naturalmente con workflows LTX existentes. Para usuarios de ComfyUI, Diffusers o herramientas locales de inferencia, su valor está sobre todo en el control y la posibilidad de modificar el flujo.

Otro punto interesante es el prompt enhancer. La generación de video es muy sensible al prompt: sujeto, cámara, acción, estilo y calidad pueden producir resultados muy distintos según cómo se escriban. Al incluir un prompt enhancer, Sulphur 2 intenta ayudar a convertir descripciones normales en prompts más adecuados para el modelo.

Recomendaciones de la model card

La model card oficial recomienda empezar con una versión dev, como fp8mixed o bf16, y usar el distill lora proporcionado. También advierte que, si usas LoRA, no deberías cargar al mismo tiempo las partes duplicadas del modelo completo, para evitar que el workflow acumule dos veces la misma capacidad.

El prompt enhancer está más orientado a herramientas locales. La model card indica que se puede crear una estructura Sulphur/promptenhancer dentro del directorio de modelos de LM Studio, colocar allí los archivos gguf y mmproj, y cargar el enhancer. No necesita system prompt: basta con enviar el texto que quieres mejorar, y también se pueden adjuntar imágenes.

Entradas de ejecución local

La página de Hugging Face ofrece varias entradas comunes. Por ejemplo, con llama.cpp puedes iniciar un servidor local desde el repositorio del modelo:

`1`	`llama-server -hf SulphurAI/Sulphur-2-base:BF16`

También puedes ejecutarlo directamente desde la terminal:

`1`	`llama-cli -hf SulphurAI/Sulphur-2-base:BF16`

Con Ollama, la entrada es:

`1`	`ollama run hf.co/SulphurAI/Sulphur-2-base:BF16`

Estos comandos se parecen más a entradas de carga generadas automáticamente por Hugging Face. Que funcionen bien depende de la VRAM, la versión de los archivos, el formato de cuantización y la compatibilidad de la herramienta. Los modelos de video suelen consumir más recursos que los modelos solo de texto, así que para el primer intento conviene seguir la versión y el workflow recomendados por la model card, sin mezclar pesos de distintas fuentes.

Entorno de prueba recomendado: ComfyUI, Diffusers o GGUF

Si solo quieres ver resultados rápido, primero busca si la comunidad ya preparó un workflow de ComfyUI. ComfyUI es visual: modelos, LoRA, samplers, resolución, número de frames y nodos de postproceso pueden verse en un mismo grafo, lo que facilita depurar generación de video.

Si conoces mejor Python, o quieres integrar Sulphur 2 en tus propios scripts, Diffusers encaja mejor. Es reproducible y automatizable, útil para probar parámetros por lotes y registrar uso de VRAM y tiempos de generación.

GGUF, llama.cpp, Ollama y LM Studio son más adecuados para el prompt enhancer o componentes del lado de texto. No conviene asumir que GGUF cubre todo el flujo de generación de video. Los modelos de video suelen incluir modelos visuales, VAE, sampling flows y componentes de generación de frames; GGUF es solo una parte del ecosistema local y ligero.

En resumen:

Si eres principiante, busca primero un workflow de ComfyUI.
Si trabajas con scripts, usa Diffusers para pruebas reproducibles y por lotes.
Para prompt enhancer o herramientas de texto, mira GGUF / LM Studio / Ollama.
Si no estás seguro, sigue la versión dev y la combinación de LoRA recomendadas por la model card.

¿Puede correr con 8 GB de VRAM? Depende de la versión y del workflow

Que Sulphur 2 pueda correr con 8 GB de VRAM no depende solo del nombre del modelo. Importan la versión concreta, la cuantización, la resolución, el número de frames, el batch size y el workflow.

En general, generar video consume más VRAM que generar imágenes, porque no se trata de producir una sola imagen: hay que manejar varios frames, consistencia temporal y estados intermedios relacionados con el video. Aunque exista una versión ligera del modelo, sumar LoRA, alta resolución, más frames o nodos extra puede agotar 8 GB rápidamente.

Si solo tienes 8 GB de VRAM, puedes reducir carga así:

Prioriza fp8mixed, versiones cuantizadas o workflows de baja VRAM preparados por la comunidad.
Baja la resolución y confirma primero que el flujo funciona en tamaño pequeño.
Reduce el número de frames; no empieces con videos largos.
Pon batch size en 1.
Desactiva al principio nodos de mejora y postproceso que no sean necesarios.
Usa CPU offload, modo low-VRAM u opciones de optimización de memoria del framework.

Así que una forma más precisa de decir “también corre con 8 GB de VRAM” sería: con una versión de bajo consumo, baja resolución, pocos frames y un workflow simplificado, puede llegar a funcionar; pero no es razonable esperar alta resolución, videos largos y workflows complejos en 8 GB.

Cómo usar el prompt enhancer

La model card de Sulphur 2 menciona específicamente el prompt enhancer. Su función no es generar video, sino reescribir prompts normales para que el modelo los entienda mejor.

Un prompt de video suele tener que describir sujeto, acción, cámara, escena, iluminación, estilo y calidad. Si solo escribes una frase corta, el modelo puede perder detalles importantes. El prompt enhancer puede expandir una descripción simple a un prompt más completo y hacer que la generación posterior sea más estable.

La idea propuesta por la model card es crear un directorio Sulphur/promptenhancer dentro del directorio de modelos de LM Studio, colocar allí los archivos gguf y mmproj, y cargar el enhancer. No necesita system prompt: se envía directamente el texto a mejorar, y también se pueden adjuntar imágenes.

Puedes verlo como un preprocesador de prompts:

`1`	`descripción normal -> prompt enhancer -> prompt de video más completo -> workflow de Sulphur 2`

Si solo estás probando si el modelo puede correr, el prompt enhancer no es la primera prioridad. Primero haz funcionar el workflow principal; luego úsalo para mejorar prompts. Así es más fácil localizar problemas.

Fallos comunes en despliegue local

Cuando falla el despliegue local de modelos como Sulphur 2, normalmente no hay una sola causa. Los problemas comunes incluyen:

La versión del modelo no coincide con el workflow, por ejemplo un workflow que espera la versión dev y pesos distintos descargados localmente.
Cargar LoRA y partes duplicadas del modelo completo, causando resultados extraños o uso excesivo de VRAM.
Falta de VRAM, especialmente con alta resolución, muchos frames o nodos complejos.
Versiones antiguas de herramientas, como nodos de ComfyUI, Diffusers, Transformers o Accelerate incompatibles.
Archivos auxiliares faltantes, como VAE, text encoder, mmproj o prompt enhancer.
Rutas o estructura de directorios que no cumplen lo que espera la herramienta.
Copiar un comando de Hugging Face sin confirmar si corresponde al flujo principal de video o solo a un componente de texto.

Para depurar, conviene ir por orden: confirma que los archivos del modelo estén completos, revisa la versión que exige el workflow, baja resolución y frames, y después añade LoRA, prompt enhancer y nodos de postproceso poco a poco. Cambiar una sola variable a la vez es la forma más fácil de encontrar el problema.

Para quién tiene sentido probarlo

Sulphur 2 encaja mejor con estos usuarios:

Quienes ya usan LTX, ComfyUI, Diffusers o workflows locales de generación de video.
Quienes quieren probar text-to-video o image-to-video y aceptan configurar archivos manualmente.
Quienes necesitan un modelo de video uncensored y entienden sus límites de uso.
Quienes quieren estudiar cómo un prompt enhancer mejora prompts de video.
Quienes tienen suficiente VRAM o están dispuestos a probar versiones cuantizadas y herramientas locales.

Si solo quieres generar videos cortos rápidamente, un producto online sigue siendo más cómodo. Sulphur 2 es para quienes están dispuestos a ajustar modelos, nodos, LoRA, prompts y entorno local.

Puntos a tener en cuenta

Primero, la model card todavía está evolucionando. El autor menciona que el README añadirá instrucciones de configuración y entrenamiento más completas, así que el flujo concreto debe seguir siempre la model card y la lista de archivos más recientes.

Segundo, no conviene decidir si “corre” mirando solo un comando de Hugging Face. La generación de video involucra modelo principal, VAE, LoRA, prompt enhancer, parámetros de sampling, resolución, frames y VRAM. Cualquier desajuste puede provocar fallos.

Tercero, un modelo uncensored no significa uso sin límites. El contenido generado debe respetar las reglas de la plataforma, la comunidad y la ley. Hay que ser especialmente cuidadoso con personas reales, personajes con copyright, menores, violencia y privacidad.

Resumen

Sulphur 2 tiene una posición clara: no es un modelo de chat, sino una publicación para el ecosistema de generación de video LTX 2.3. Sus puntos fuertes son el soporte para text-to-video e image-to-video, junto con prompt enhancer, entradas de herramientas locales y workflows recomendados.

Para usuarios comunes, la barrera no es baja. Para quienes ya hacen generación local de video, merece estar en la lista de pruebas. La experiencia real dependerá del workflow, la VRAM, la calidad de los prompts y de si el README y los ejemplos de la comunidad maduran.

Referencias

Página del modelo en Hugging Face: https://huggingface.co/SulphurAI/Sulphur-2-base
Página de referencia en FreeDidi: https://www.freedidi.com/24142.html

Sulphur 2 on KnightLi Blog