Imagen Negra en ComfyUI: Causas y Solución (VAE, FP16, VRAM)

Estás a punto de generar una imagen con ComfyUI, todo parece estar configurado correctamente, presionas el botón de generar y obtienes una pantalla completamente negra, o peor aún, una mancha verde o rosa sin sentido. Es frustrante, especialmente cuando no hay un mensaje de error que te diga qué salió mal. La imagen negra en ComfyUI es uno de los problemas más comunes entre usuarios, pero tiene solución sistemática.

La mayoría de los usuarios que enfrentan este problema se encuentran atrapados en un ciclo de prueba y error. Existe un método ordenado para diagnosticar y resolver la imagen negra ComfyUI desde sus causas raíz: errores de VAE, problemas de precisión FP16, limitaciones de VRAM y configuraciones incorrectas del sampler. Este artículo te guiará a través de cada causa potencial para que puedas volver a generar imágenes de calidad rápidamente.

Así se ve el bug en la práctica

Salida real del bug de imagen negra — no es una ilustración, es el resultado exacto que produce el fallo

De un vistazo: Causas y Soluciones Rápidas

¿Por Qué Aparece una Imagen Negra en ComfyUI?

Cuando ComfyUI genera una imagen negra ComfyUI o colores anormales, generalmente no es un fallo catastrófico del software. Se trata de un problema de configuración o incompatibilidad de recursos que ComfyUI no reporta explícitamente. El proceso de generación tiene varios puntos críticos donde pueden ocurrir errores silenciosos: aquellos que no producen mensajes visibles en la consola.

La razón principal es que ComfyUI sigue adelante con el proceso incluso cuando hay inconsistencias en los datos intermedios. Si el modelo no tiene suficiente memoria, si el VAE es incompatible con el checkpoint, o si los valores numéricos se corrompen durante el procesamiento, el resultado final será una imagen degradada o completamente negra.

💡 Consejo: Los errores silenciosos en ComfyUI son la norma, no la excepción. Sin mensajes de error visibles, necesitas diagnosticar sistemáticamente desde la causa más probable (VAE) hacia las menos comunes.

Causa 1: VAE Incorrecto o Incompatible

El Problema del VAE en SDXL vs SD 1.5

Este es el culpable más frecuente detrás de la imagen negra en ComfyUI. El VAE (Variational Autoencoder) es responsable de convertir la representación latente del modelo en una imagen visible. Si usas un VAE diseñado para un modelo diferente, obtendrás resultados catastróficos.

El error más común: usar el VAE de Stable Diffusion 1.5 con un modelo SDXL, o viceversa. Los pesos y dimensiones son incompatibles, y el resultado es una imagen negra ComfyUI o con colores saturados extraños.

• SDXL requiere: sdxl_vae.safetensors o vae-ft-mse-840000-ema-pruned.safetensors
• SD 1.5 requiere: vae-ema-pruned.safetensors o vae-mse-pruned.safetensors

Cómo Diagnosticar y Solucionar el VAE

El primer paso en cualquier diagnóstico de imagen negra ComfyUI es cambiar explícitamente el VAE. En lugar de dejar que ComfyUI seleccione automáticamente el VAE desde el checkpoint, usa el nodo Load VAE de forma independiente:

1. Elimina cualquier nodo de carga automática de VAE
2. Añade un nodo “Load VAE” explícito desde el menú loaders
3. Selecciona el VAE correcto para tu modelo (verifica el nombre del archivo)
4. Conecta la salida del nodo Load VAE al nodo VAE Encode

Si esto resuelve el problema, entonces el VAE ComfyUI error era la causa. Guarda esta configuración como referencia.

⚠️ Importante: Un VAE cruzado (SD 1.5 en SDXL o viceversa) no solo genera imagen negra. También puede producir colores completamente saturados o artefactos visuales severos.

Imagen Rosa o Verde: Síntomas de VAE Cruzado

Un caso especial de este problema es cuando la imagen generada es completamente rosa, morada o verde. Esto ocurre cuando:

Los canales de color se interpretan incorrectamente, resultando en una tonalidad uniforme anormal. La solución es idéntica: cargar el VAE ComfyUI error correcto explícitamente.

👉 Conclusión rápida: Si ves imagen negra, rosa o verde, el VAE es el primer sospechoso. Cargarlo explícitamente resuelve el 70% de estos problemas en menos de un minuto.

Causa 2: Precisión FP16 y NaN en los Pesos

Qué es FP16 y Por Qué Causa Problemas

FP16 (precisión de 16 bits en punto flotante) es una optimización que reduce el tamaño de los modelos y acelera la generación. Sin embargo, algunos checkpoints SDXL descargados en formato FP16 contienen valores NaN (Not a Number) en sus pesos, especialmente en ciertos operadores matemáticos.

Cuando el modelo procesa datos con pesos NaN, el resultado se propaga como NaN a través de toda la red neuronal, resultando en una imagen negra ComfyUI o con ruido uniforme. Lo peculiar es que esto ocurre sin avisos en la consola.

Soluciones para el Problema FP16

Opción 1: Usar la Versión FP32

La solución más directa es descargar el checkpoint en formato FP32 en lugar de FP16. Esto consume más VRAM (aproximadamente el doble), pero garantiza que no hay valores NaN en los pesos.

Opción 2: Flag —fp32-vae al Iniciar ComfyUI

Si necesitas mantener el modelo en FP16 para ahorrar VRAM, puedes forzar que el VAE se cargue en FP32:

python main.py --fp32-vae

Este flag mantiene el modelo principal en FP16 (ahorrando memoria) pero decodifica el VAE en precisión completa, evitando corrupción de datos. Si usas ComfyUI Desktop, añádelo en Configuración > Argumentos extra.

Opción 3: Convertir el Checkpoint

Algunos usuarios avanzados convierten sus checkpoints de FP16 a FP32 usando scripts de Python, pero esto requiere más conocimiento técnico y tiempo de procesamiento.

📌 A tener en cuenta: Antes de descargar un checkpoint nuevo, prueba --fp32-vae. Es la solución más rápida para problemas de NaN sin consumir VRAM adicional en el modelo.

Causa 3: VRAM Insuficiente

El Problema Silencioso de la Memoria

Cuando tu GPU no tiene suficiente VRAM para cargar completamente el modelo, ComfyUI puede intentar ejecutar de todas formas. En lugar de fallar con un error claro, el proceso se degrada y genera imágenes corruptas o completamente negras.

Esto es especialmente común con:

• Modelos SDXL en GPUs con 6-8 GB de VRAM
• Modelos de 7B parámetros con alta resolución
• Generación de múltiples imágenes simultáneamente

Cómo Reducir el Uso de VRAM

Método 1: Usar —lowvram

python main.py --lowvram

Esto mueve partes del modelo entre VRAM y RAM del sistema según sea necesario. Es más lento (aproximadamente 20-30% más tiempo de generación), pero permite ejecutar modelos que de otro modo no cabrían.

Método 2: Usar —novram

python main.py --novram

Descarga completamente el modelo de VRAM después de cada paso. Es la opción más lenta, pero funciona incluso con GPUs muy limitadas (4 GB o menos).

Método 3: Reducir Resolución

En lugar de generar a 1024x1024, prueba con 512x512 o incluso 256x256 para diagnosticar si el problema es VRAM. Si la imagen se genera correctamente a menor resolución, entonces era un problema de memoria, no de configuración.

Método 4: Usar Modelos Más Pequeños

Existen versiones destiladas de modelos SDXL que consumen menos memoria: SDXL-Turbo, modelos cuantizados (Q4, Q5) o versiones comprimidas de la comunidad.

💡 Consejo: Si la imagen negra solo ocurre en alta resolución, es VRAM. Usa --lowvram y reduce a 512x512 para confirmar antes de cambiar checkpoints.

Causa 4: Configuración del Sampler y CFG

CFG Demasiado Alto

El parámetro CFG (Classifier-Free Guidance) controla cuán fuertemente el modelo sigue el prompt. Valores típicos oscilan entre 7 y 15. Sin embargo, si estableces CFG por encima de 15, especialmente con 20 o superior, el modelo puede saturarse y generar una imagen negra ComfyUI o plana.

Solución: Reduce CFG a 7-8 como punto de partida y ajusta según sea necesario. Valores entre 7-12 suelen ser óptimos para la mayoría de modelos.

Steps Muy Bajos

Si usas menos de 5 pasos de muestreo, algunos samplers (como DPM++ o Euler) pueden no tener suficientes iteraciones para decodificar correctamente la imagen latente. El resultado es ruido sin estructura.

Solución: Usa al menos 20 pasos. Para SDXL-Turbo, 4 pasos es suficiente, pero para modelos estándar SDXL o SD 1.5, 20-30 pasos es recomendado.

Causa 5: Error en el Nodo VAE Encode for Inpainting

Un Error Común en Workflows

Algunos usuarios copian nodos de workflows de inpainting y los usan en workflows normales de generación. El nodo VAE Encode for Inpainting no es compatible con el flujo de generación estándar y produce salida corrupta.

Síntoma: Imagen negra ComfyUI incluso con configuración correcta de VAE y modelo.

Solución: Usa el nodo VAE Encode estándar en lugar de la variante para inpainting. Verifica en el menú loaders que estés usando el nodo correcto.

Flujo de Diagnóstico Paso a Paso

Sigue este orden para identificar la causa de tu imagen negra en ComfyUI:

1. Primer paso (30 segundos): Abre el nodo Load VAE y selecciona explícitamente el VAE ComfyUI correcto para tu modelo. Genera de nuevo.

2. Si sigue siendo negro (2 minutos): Inicia ComfyUI con python main.py --fp32-vae y prueba de nuevo.

3. Si aún persiste (1 minuto): Añade --lowvram al comando de inicio y reduce la resolución a 512x512.

4. Verifica la configuración (30 segundos): Asegúrate de que CFG está entre 7-15 y que tienes al menos 20 pasos.

5. Revisa los nodos (1 minuto): Confirma que no estás usando VAE Encode for Inpainting en un workflow normal.

6. Descarga nuevamente (5 minutos): Si nada funciona, el checkpoint puede tener pesos corruptos. Descárgalo de nuevo desde una fuente confiable.

Preguntas Frecuentes Verificadas

¿Por qué ComfyUI genera una imagen completamente negra sin dar error?

El error más común es un VAE ComfyUI error incompatible con el checkpoint. ComfyUI completa la generación sin error pero el VAE decodifica incorrectamente los latentes, produciendo negro o colores extraños. Añade el nodo ‘Load VAE’ explícito y selecciona el VAE correcto para tu modelo (sdxl_vae para SDXL, vae-ft-mse para SD 1.5).

¿Qué diferencia hay entre imagen negra, imagen rosa e imagen verde en ComfyUI?

Imagen negra: VAE incorrecto o FP16 NaN en pesos.

Imagen rosa/morada: VAE de SD 1.5 aplicado a checkpoint SDXL o viceversa.

Imagen verde: raro, suele indicar problema de precisión numérica o bug en el nodo VAE Decode.

En todos los casos, empieza cambiando el VAE. Si ves imagen verde ComfyUI o imagen rosa ComfyUI, verifica que estés usando el VAE correcto para tu modelo específico.

¿Cómo añado el flag —fp32-vae al arrancar ComfyUI?

En la línea de arranque:

python main.py --fp32-vae

Si usas ComfyUI Desktop, añádelo en Configuración > Argumentos extra. Este flag fuerza el VAE a usar precisión FP32, eliminando el problema de NaN en pesos FP16 sin necesidad de descargar otra versión del checkpoint.

Después de cambiar el VAE sigue dando imagen negra. ¿Qué hago?

Prueba en este orden:

1. Añadir --lowvram al arranque (VRAM insuficiente)
2. Bajar CFG a 7
3. Subir steps a 20+
4. Verificar que no usas ‘VAE Encode for Inpainting’ en un workflow normal

Si sigue fallando, el checkpoint puede tener pesos corruptos; descárgalo de nuevo desde una fuente oficial.

¿Puedo usar cualquier VAE con cualquier modelo?

No. Los VAEs están entrenados específicamente para modelos particulares. SDXL requiere VAE de SDXL, y SD 1.5 requiere VAE de SD 1.5. Usar VAEs cruzados produce resultados corruptos (imagen negra, rosa o verde).

¿Cuánta VRAM necesito para SDXL sin —lowvram?

Para SDXL estándar, se recomienda al menos 10 GB de VRAM para generación a 1024x1024. Con 8 GB puedes funcionar con --lowvram. Con 6 GB o menos, necesitarás --novram.

Conclusión

🏆 Nuestra recomendación

La imagen negra en ComfyUI es casi siempre resoluble identificando la causa correcta. En el 70% de los casos, es un problema de VAE ComfyUI error incompatible que se soluciona en segundos cargando el VAE correcto explícitamente. Para los casos restantes, los flags de precisión (--fp32-vae) y memoria (--lowvram) ofrecen soluciones rápidas.

Si buscas resolver rápidamente: Sigue el flujo de diagnóstico en este orden: VAE → FP32 → VRAM → Configuración. Cada paso toma menos de 2 minutos.

Si priorizas no perder tiempo: Documenta qué combinación de configuraciones funciona para cada modelo que uses, y evitarás este problema en el futuro. Si después de aplicar estas soluciones aún ves imagen negra ComfyUI, imagen verde ComfyUI o imagen rosa ComfyUI, verifica los logs de la consola en busca de mensajes de error específicos, que pueden revelar problemas más profundos.

Sigue leyendo

Si quieres profundizar en la optimización de VRAM en ComfyUI, consulta nuestra guía sobre configuración avanzada de flags de memoria y comparativa de rendimiento entre --lowvram y --normalvram.

Si buscas entender mejor cómo funcionan los VAEs en modelos de difusión, explora nuestro artículo sobre arquitectura de VAE en Stable Diffusion y cómo seleccionar el VAE correcto según tu checkpoint.

Si necesitas resolver otros problemas comunes de generación de imágenes, revisa nuestro troubleshooting completo de ComfyUI con soluciones para errores de CUDA, problemas de compatibilidad de modelos y optimización de samplers.