Cómo Reducir VRAM en ComfyUI: Guía Completa para GPUs de 4-8GB

Si tienes una tarjeta gráfica de 4 a 8GB y te ha saltado el temido error “CUDA out of memory” mientras intentabas generar imágenes con ComfyUI, tranquilo: no eres el único. Muchos usuarios descubren que sus GPUs se quedan cortas al trabajar con modelos grandes como FLUX o Juggernaut XL. La buena noticia es que existen varias técnicas probadas para reducir VRAM en ComfyUI sin abandonar la plataforma ni perder demasiada velocidad en el proceso.

A lo largo de esta guía, exploraremos ocho estrategias diferentes para optimizar el consumo de memoria, desde flags de inicio hasta técnicas de cuantización avanzadas. Tengas una GPU de 4GB, 6GB u 8GB, aquí encontrarás soluciones prácticas y comprobadas para ejecutar ComfyUI con bajo consumo de VRAM.

De un vistazo: Soluciones rápidas

De un vistazo: Soluciones rápidas

Antes de ponerse manos a la obra con optimizaciones, conviene entender adónde va la memoria. ComfyUI carga simultáneamente modelos de difusión, VAE (autoencoder variacional) y modelos de control en la VRAM. Un modelo Stable Diffusion XL sin tocar consume alrededor de 7-8GB. FLUX Dev puede alcanzar los 24GB, lo que hace imposible ejecutarlo en GPUs pequeñas sin aplicar optimizaciones específicas.

El consumo varía bastante dependiendo de varios factores:

• Tamaño del modelo: FLUX Dev (24GB) > SDXL (7GB) > SD 1.5 (4GB)
• Resolución de la imagen: Una imagen de 1024x1024 consume cuatro veces más memoria que una de 512x512
• Número de pasos: Más pasos de difusión equivale a más tiempo ocupando VRAM
• Nodos adicionales: LoRAs, control nets y otros complementos aumentan el uso exponencialmente

💡 Consejo: El consumo de VRAM en ComfyUI depende principalmente del tamaño del modelo y la resolución. Entender estos factores es clave para elegir la estrategia de optimización correcta.

Opción 1: Flag —lowvram (Mejor Relación Velocidad-VRAM)

El flag --lowvram es la solución más equilibrada para la mayoría de usuarios con GPUs de 6-8GB. Descarga partes del modelo a RAM del sistema durante la generación, recuperándolas cuando se necesitan activamente.

Impacto: Reduce VRAM un 30-50%, aumentando el tiempo de generación 20-50%.

Cómo implementarlo

En línea de comandos:

python main.py --lowvram

En Windows (script de inicio):

1. Abre run_nvidia_gpu.bat (o tu equivalente)
2. Busca la línea con python main.py
3. Añade --lowvram al final
4. Guarda y ejecuta

Ejemplo práctico: Un modelo SDXL que normalmente consume 7GB se reduce a 3.5-4.5GB con esta opción, permitiendo ejecutarlo cómodamente en GPUs de 6GB.

👉 Conclusión rápida: --lowvram es la opción ideal para usuarios con GPUs de 6-8GB que buscan un equilibrio entre velocidad y ahorro de memoria.

Opción 2: Flag —novram (Máxima Compatibilidad, Mínima Velocidad)

Para casos extremos donde necesitas ejecutar cualquier modelo en tu GPU de 4GB, --novram mueve todo el modelo a RAM del sistema excepto durante los cálculos activos.

Impacto: Reduce VRAM a ~1-2GB, pero la velocidad es muy lenta (5-10x más lento).

python main.py --novram

Úsalo solo si no tienes alternativa. Una imagen de 512x512 podría tardar entre 10 y 30 minutos en completarse.

Opción 3: Cuantización GGUF (Máxima Reducción de VRAM)

La cuantización convierte modelos de precisión completa (FP32) a versiones comprimidas sin perder mucha calidad. El formato GGUF es especialmente efectivo para reducir VRAM en ComfyUI, permitiendo ejecutar modelos grandes en GPUs pequeñas.

⚠️ Importante: GGUF es la única forma práctica de ejecutar FLUX Dev o Wan en GPUs de 4-8GB.

Impacto Real de GGUF

Cómo usar GGUF en ComfyUI

1. Instala el nodo personalizado ComfyUI-GGUF:

   • Ve a ComfyUI/custom_nodes
   • Clona: git clone https://github.com/comfyui-gguf/ComfyUI-GGUF.git
   • Reinicia ComfyUI

2. Descarga un modelo cuantizado de Hugging Face (busca versiones gguf o ggml)

3. En tu workflow, usa el nodo GGUFModelLoader en lugar de CheckpointLoader

Comparativa de Niveles de Cuantización

👉 Conclusión rápida: GGUF Q4_K_M es la opción ideal para GPUs de 4-8GB. Q5_K_M ofrece mejor calidad si tienes espacio. La diferencia visual es mínima en la mayoría de casos.

Opción 4: VAE Tiling (Esencial para Imágenes Grandes)

El VAE (decodificador variacional) suele ser el cuello de botella de VRAM. Cuando generas imágenes de 1024x1024 o mayores, el pico de memoria durante la decodificación puede causar crashes incluso con otras optimizaciones activas.

VAE Tiling divide la imagen en tiles pequeños, decodifica cada uno por separado y los reensambla. Es especialmente útil para ComfyUI 4GB VRAM y ComfyUI 6GB VRAM.

Implementación en ComfyUI

Método 1: Nodo TileVAE (Recomendado)

• Instala desde ComfyUI Manager o usa el nodo ‘Enable VAE Tiling’ de los nodos avanzados
• Conecta entre el VAE Loader y el VAE Decode
• Configura tile_size en 512 para 8GB o 256 para 4-6GB

Método 2: Flag en arranque

python main.py --tile-vae

Impacto: Reduce el pico de VRAM durante decodificación un 40-60%. Para imágenes de 1024x1024 con 8GB, es prácticamente obligatorio. Solo es necesario para imágenes grandes (>1024px).

👉 Conclusión rápida: VAE Tiling es obligatorio si generas imágenes de 1024x1024 o mayores. Su impacto en velocidad es mínimo pero el ahorro de VRAM es crucial.

Opción 5: Precisión de VAE (—fp16-vae)

Ejecutar el VAE en precisión media (fp16) en lugar de completa (fp32) ahorra memoria sin afectar significativamente la velocidad.

python main.py --fp16-vae

Impacto: Ahorra ~1-1.5GB, sin cambios perceptibles en velocidad.

Nota importante: Algunos modelos no toleran bien fp16 y pueden producir imágenes negras o artefactos. Si esto ocurre, cambia a --fp32-vae.

Opción 6: Attention Slicing (Última Opción)

Divide el cálculo de atención en pasos más pequeños, reduciendo picos de VRAM drásticamente. Es la opción más lenta de todas.

python main.py --attention-split

Impacto: Ahorra 15-25% de VRAM, pero ralentiza la generación 30-50%.

Úsalo solo si otras opciones no funcionan. No es recomendable para flujos de trabajo regulares.

📌 A tener en cuenta: Attention slicing es un último recurso. Antes de usarlo, prueba --lowvram + VAE tiling + GGUF.

Opción 7: Reducir Resolución (Cambio Rápido)

La VRAM crece cuadráticamente con la resolución. Reducir de 1024x1024 a 768x768 ahorra aproximadamente un 43% de VRAM sin cambios significativos en calidad visual.

Si generas a 1024x1024 y tienes problemas de CUDA out of memory, intenta 768x768 primero. La diferencia visual es prácticamente imperceptible.

Opción 8: Sequential CPU Offload (Para Video)

Si usas modelos de video como Wan o Hunyuan, el sequential offload es crítico para reducir VRAM. En el nodo ModelLoader, activa la opción sequential_cpu_offload. Esto mueve capas del modelo a CPU secuencialmente, reduciendo VRAM drásticamente.

Impacto: Permite usar modelos de 14B en GPUs de 8GB usando RAM del sistema (14-16GB total).

ComfyUI Desktop: Configuración Gráfica

Si usas ComfyUI Desktop (interfaz gráfica), las opciones están en:

Configuración > Rendimiento > Opciones de VRAM

Aquí encontrarás checkboxes para:

• Reducir VRAM
• Usar fp16 para VAE
• Tile VAE automático
• Attention slicing

Es mucho más sencillo que editar archivos de configuración manualmente.

Estrategia Recomendada por GPU

GPU de 4GB

• Usa modelos cuantizados (GGUF Q4_K_M obligatoriamente)
• Activa --lowvram
• Usa VAE tiling obligatoriamente
• Genera a 512x512 o 768x768 máximo
• Considera --novram si GGUF no es suficiente

GPU de 6GB

• Activa --lowvram para modelos medianos
• Usa VAE tiling para imágenes >768px
• Considera GGUF para modelos grandes (FLUX)
• Genera a 768x768 sin problemas
• Puedes usar 1024x1024 con optimizaciones

GPU de 8GB

• Activa --lowvram solo para modelos muy grandes (FLUX)
• Usa VAE tiling para 1024x1024
• Puedes usar modelos sin cuantizar
• Genera a 1024x1024 cómodamente
• Considera GGUF para experimentación con múltiples modelos

👉 Conclusión rápida: Cada rango de GPU requiere una estrategia diferente. Comienza con --lowvram y ajusta según tus necesidades específicas.

Preguntas Frecuentes

P: ¿Cuál es la diferencia entre —lowvram y —novram?

A: --lowvram descarga partes del modelo a RAM del sistema durante la generación, recuperándolas cuando se necesitan. Funciona bien con 6-8GB. --novram pone todo el modelo en RAM completamente; la generación puede tardar 10-30 minutos pero funciona incluso con 4GB. Para uso regular --lowvram es el punto de equilibrio.

P: ¿GGUF reduce la calidad de las imágenes?

A: Q8_0: calidad prácticamente idéntica al original FP16. Q5_K_M: diferencia apenas perceptible. Q4_K_M: ligera pérdida en detalles finos, aceptable para la mayoría de usos. Q3 y Q2: pérdida notable. Para producción: Q5_K_M ofrece el mejor balance calidad/VRAM.

P: ¿Cómo activo el Tile VAE en ComfyUI?

A: Instala el nodo TileVAE desde ComfyUI Manager o usa el nodo ‘Enable VAE Tiling’ de los nodos avanzados. Lo conectas entre el VAE Loader y el VAE Decode. Configura tile_size en 512 para 8GB o 256 para 4-6GB. Solo es necesario para imágenes grandes (>1024px).

P: ¿Puedo usar modelos de 24GB con una GPU de 8GB?

A: Con GGUF Q4_K_M, sí. FLUX Dev de 24GB se comprime a ~7GB en Q4_K_M. Wan 2.2 14B de 30GB se comprime a ~8-10GB en Q4_K_M. La calidad es buena pero no idéntica al original. Para video con Wan: activar sequential_cpu_offload en el ModelLoader permite usar el modelo 14B completo en 14-16GB usando RAM del sistema.

P: ¿Puedo combinar —lowvram con VAE tiling?

A: Sí, es recomendable. Se complementan: --lowvram optimiza el modelo, VAE tiling optimiza el decodificador.

P: ¿Por qué mi imagen sale negra con —fp16-vae?

A: Algunos modelos no toleran bien fp16. Cambia a --fp32-vae o usa --fp16-vae solo para el VAE en el nodo, no globalmente.

P: ¿Cuánto ralentiza —lowvram?

A: Típicamente 20-50% más lento. Una generación de 30 segundos tarda 36-45 segundos. La diferencia es aceptable para la mayoría.

P: ¿Debo usar GGUF o —lowvram?

A: GGUF es mejor si tienes modelos muy grandes (FLUX). --lowvram es más rápido y fácil de activar. Prueba primero --lowvram; si es insuficiente, considera GGUF.

Sigue leyendo

Si quieres profundizar en optimización de modelos de difusión, consulta nuestra guía sobre instalación y configuración avanzada de ComfyUI. Para usuarios interesados en generación de video, te recomendamos explorar nuestro artículo sobre cómo usar Wan y Hunyuan en ComfyUI con bajo consumo de VRAM. Finalmente, si buscas mejorar la calidad de tus generaciones manteniendo la eficiencia, descubre nuestras mejores prácticas para usar LoRAs y control nets sin sobrecargar la memoria.

Conclusión

🏆 Nuestra recomendación

No necesitas una GPU de 24GB para trabajar con ComfyUI. Con las optimizaciones correctas, GPUs de 4-8GB pueden ejecutar la mayoría de modelos modernos:

• Si tienes 4GB: Usa GGUF Q4_K_M + --lowvram + VAE tiling + resolución 512x512
• Si tienes 6GB: Usa --lowvram + VAE tiling + resolución 768x768 (considera GGUF para FLUX)
• Si tienes 8GB: Usa --lowvram solo para modelos muy grandes + VAE tiling para 1024x1024

Comienza con --lowvram, que es la opción más equilibrada. Si necesitas más espacio, añade VAE tiling. Si aún es insuficiente, considera cuantización GGUF. Cada técnica tiene un balance diferente entre velocidad y memoria; la clave es encontrar el equilibrio que funcione para tu flujo de trabajo específico. Experimenta con estas opciones y ajusta según tus necesidades.