ComfyUI interfaz de nodos: instalar y monitorizar la difusión

ComfyUI interfaz de nodos: licencia GPL-3.0 explicada, instalación según el README, visita al grafo y monitorización de un servidor GPU.
ComfyUI diffusion interface nœuds : installer et superviser

Esto es ComfyUI interfaz de nodos en una frase: en lugar de un formulario con un campo de prompt y un botón, montas un grafo en el que cada caja (cargar un modelo, codificar un texto, muestrear, decodificar) es una etapa de la generación de imagen, vídeo, audio o 3D. El repositorio Comfy-Org/ComfyUI reúne unas 141 800 estrellas y 16 800 forks en la fecha de revisión, el 22 de octubre de 2026, y se publica bajo licencia GPL-3.0.

Para un lector SRE o desarrollador, el interés es doble. Por un lado, un workflow es un archivo JSON reproducible, y el servidor expone una API HTTP local. Por otro, es un servidor Python que ocupa una GPU, lee modelos de varios gigabytes y carga código de terceros en forma de nodos personalizados: se monitoriza como cualquier otro servicio.

Aclaración de honestidad: span.observer no ha instalado ni lanzado ComfyUI para este artículo. Los comandos proceden del README y del código del repositorio, y las capturas proceden de la documentación oficial del proyecto o de extractos renderizados a partir del repositorio.

ComfyUI interfaz de nodos: qué dice el repositorio

  • Editor: Comfy Org. El repositorio actual es Comfy-Org/ComfyUI; varios enlaces del README (badges, releases) apuntan todavía al antiguo espacio comfyanonymous/ComfyUI.
  • Lenguaje: Python para el servidor (main.py, server.py). El front-end está en un repositorio aparte, ComfyUI_frontend, distribuido como paquete de PyPI.
  • Cifras revisadas el 22 de octubre de 2026 en la página del repositorio: unas 141 800 estrellas, unos 16 800 forks. El archivo comfyui_version.py de la rama principal indica la versión 0.42.0; la lista de releases no pudo releerse en la página, por lo que no cito fecha de release.
  • Plataformas: Windows, Linux y macOS, con una aplicación de escritorio, una instalación portable para Windows o una instalación manual; GPU NVIDIA, AMD, Intel, Apple Silicon y Ascend según el README.
  • Ciclo de publicación: el README describe una cadencia semanal como objetivo, sin garantía, y advierte de que los commits fuera de las etiquetas estables «pueden ser muy inestables y romper muchos nodos personalizados».

El proyecto se presenta como un motor de inferencia muy optimizado para hardware de consumo, capaz de ejecutar modelos grandes con 4 GB de VRAM y 8 GB de RAM gracias a un «streaming asíncrono de pesos». Es una afirmación del README, que span.observer no ha medido.

La licencia GPL-3.0: qué implica

El archivo LICENSE es el texto de la GNU General Public License versión 3. Es una licencia copyleft. En concreto:

  • Puedes usar, estudiar, modificar y redistribuir ComfyUI, también en un entorno profesional, sin pagar licencia.
  • Si distribuyes una versión modificada (o un producto derivado de ella), debes distribuirla bajo GPL-3.0, con el código fuente correspondiente.
  • Un uso puramente interno, sin redistribución, no te obliga a publicar tus modificaciones.
  • La GPL se refiere al código de ComfyUI. Los pesos de modelos que cargas tienen sus propias licencias, y los nodos de socios (acceso a modelos cerrados mediante API, según el README) dependen de las condiciones de sus proveedores.

Para un caso concreto (nodo personalizado distribuido, integración en un producto), haz validar el alcance por tu departamento jurídico: este resumen no es asesoramiento jurídico.

Visita a la interfaz

La documentación oficial muestra el grafo por defecto, un workflow de generación de imagen con Stable Diffusion 1.5. Los nodos se agrupan por etapas: cargar el modelo (Load Checkpoint), escribir el prompt positivo y negativo (dos nodos CLIP Text Encode), elegir el tamaño (Empty Latent Image), muestrear (KSampler), decodificar (VAE Decode) y después guardar (Save Image). El botón Run lanza la ejecución.

Captura de la documentación oficial de ComfyUI: el grafo de nodos por defecto con Load Checkpoint, dos nodos CLIP Text Encode, Empty Latent Image, KSampler, VAE Decode y Save Image, y el botón Run arriba a la derecha
Source : docs.comfy.org

Tras la ejecución, la imagen aparece en el nodo Save Image y en el panel de medios generados, con su duración y su tamaño. El README precisa que arrastrar una imagen PNG generada a la página recarga el workflow completo, semilla incluida: eso es lo que hace reproducibles los resultados.

Captura de la documentación oficial de ComfyUI: panel Media Assets con la imagen generada SD1.5_00001_, su duración y su tamaño 512 por 512, junto al grafo de nodos ejecutado
Source : docs.comfy.org

Otros puntos del README: solo se ejecutan las partes del grafo cuyas entradas son válidas, y solo se recalculan las que han cambiado desde la última ejecución. Enviar dos veces el mismo grafo no recalcula, por tanto, el primer resultado.

Instalación paso a paso

Opción 1: la aplicación de escritorio

El README recomienda la aplicación de escritorio para los usuarios nuevos, disponible para Windows y macOS, mediante el enlace de descarga del sitio comfy.org.

Opción 2: el archivo portable de Windows

Existe un archivo 7z autónomo para GPU NVIDIA, AMD e Intel; el README lo desaconseja a los usuarios corrientes. Se extrae con 7-Zip. Los checkpoints se colocan en ComfyUI\models\checkpoints. La versión actual incluye Python 3.13 y PyTorch CUDA 13.0; actualiza los drivers de NVIDIA si falla el arranque.

Opción 3: comfy-cli

pip install comfy-cli
comfy install

Opción 4: instalación manual (Windows, Linux, macOS)

El README indica que Python 3.13 está «muy bien soportado» (3.14 funciona, con reservas sobre algunos nodos personalizados). Pasos, para una GPU NVIDIA:

  1. Clonar el repositorio y colocar tus checkpoints en models/checkpoints y tus VAE en models/vae.
  2. Instalar PyTorch con el índice CUDA del README:
    pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
  3. Instalar las dependencias, en la carpeta del repositorio:
    pip install -r requirements.txt
  4. Lanzar el servidor:
    python main.py

Para AMD, Intel, Apple Silicon o Ascend, el README da otros comandos de PyTorch: sigue la sección correspondiente en lugar de la de NVIDIA. Los modelos no se incluyen con el repositorio: los descargas tú mismo y respetas su licencia.

Límites y puntos abiertos

  • Nodos personalizados: son paquetes Python que se ejecutan en el proceso del servidor. El gestor ComfyUI-Manager se activa con python main.py --enable-manager (tras pip install -r manager_requirements.txt, según el README), y la opción --disable-all-custom-nodes permite desactivarlo todo. Instala solo nodos cuyo código hayas leído.
  • Exposición en red: por defecto el servidor escucha en 127.0.0.1 en el puerto 8188 (valores leídos en comfy/cli_args.py). La opción --listen sin argumento abre todas las interfaces. El README propone --tls-keyfile y --tls-certfile para TLS, con un certificado autofirmado «no apto para uso compartido o de producción». El README no describe ninguna autenticación: coloca un proxy inverso autenticado delante de cualquier acceso remoto.
  • Estabilidad: trabaja sobre una etiqueta estable, no sobre la rama principal, como aconseja el README.
  • Datos salientes: el núcleo no descarga nada sin que se lo pidas, según el README; --offline desactiva los nodos de socios de pago y establece una política de seguridad de contenido restrictiva para el front-end.

Monitorizar un servidor ComfyUI

Según el README, ComfyUI no exporta trazas de OpenTelemetry; la observabilidad se apoya en su API y sus logs. El código de server.py declara, entre otras, estas rutas:

Salida de un comando grep sobre server.py de ComfyUI: rutas GET system_stats, prompt, object_info, history, queue y rutas POST prompt, queue, interrupt, history con sus números de línea
  • GET /system_stats devuelve el sistema operativo, la RAM total y libre, las versiones de ComfyUI y de PyTorch y, para cada GPU, vram_total y vram_free. Cuidado: la respuesta contiene también argv, la línea de comandos completa; no la expongas públicamente.
  • GET /queue lista los jobs en curso (queue_running) y en espera (queue_pending). La profundidad de la cola es tu primer indicador de saturación.
  • GET /history da las ejecuciones terminadas; POST /interrupt detiene la ejecución actual.

En cuanto a los logs, --verbose ajusta el nivel de registro y --log-stdout envía la salida a stdout en lugar de stderr, útil para un contenedor. Un esquema sencillo: un pequeño script consulta /system_stats y /queue cada minuto y publica la VRAM libre y la longitud de la cola como métricas de OpenTelemetry, que Dynatrace SaaS o Dynatrace Managed (o cualquier otro backend OTLP) pueden ingerir. Es una receta nuestra, no una función de ComfyUI. Para la recolección, consulta OpenTelemetry y Prometheus: complementarios.

Cómo comprobar que funciona

  1. Tras python main.py, abre http://127.0.0.1:8188: aparece el grafo por defecto.
  2. Una petición GET /system_stats debe devolver tus GPU y su VRAM libre.
  3. Lanza el workflow por defecto con un checkpoint presente: aparece la imagen, y /history contiene la ejecución.

Buenas prácticas

  • Quédate en una etiqueta estable y anota la versión (comfyui_version en /system_stats) en tus registros de cambios.
  • Mantén el servidor en el bucle local, o detrás de un proxy autenticado con TLS.
  • Audita cada nodo personalizado antes de instalarlo y usa un usuario de sistema dedicado.
  • Vigila la VRAM libre y la cola: un modelo demasiado grande falla de forma brusca, no gradual.
  • Versiona tus workflows JSON; documentan la generación mejor que cualquier ticket. Para otras piezas de un stack local, consulta el stack de IA de código abierto autoalojado.

Preguntas frecuentes

¿Es ComfyUI gratuito para uso comercial?

El software está bajo GPL-3.0, que autoriza el uso comercial. Los modelos tienen sus propias licencias, a veces restrictivas, y los nodos de socios de pago dependen de sus proveedores. Comprueba cada licencia.

¿Hace falta una GPU potente?

El README afirma poder ejecutar modelos grandes con 4 GB de VRAM y 8 GB de RAM, y menciona también un modo CPU para el archivo portable. El rendimiento depende del modelo: prueba con el tuyo.

¿Se puede usar en una cadena de herramientas o con agentes?

El README cita una API local y endpoints para integrarlo en pipelines de producción. Si un agente controla el servidor, aplica las barreras de seguridad (guardrails) de los agentes de IA en producción.

Conclusión

ComfyUI merece la pena para quien quiera controlar cada etapa de una generación y reproducirla de forma idéntica. El precio: un servidor GPU que instalar correctamente, una licencia GPL que entender y nodos de terceros que vigilar. Para ver qué hace una herramienta vecina en el terreno de la imagen, consulta PhotoCraft, un editor de fotos de código abierto en Rust. Fuentes: repositorio Comfy-Org/ComfyUI y documentación de ComfyUI.

span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC ni a los proyectos citados. Las marcas citadas pertenecen a sus propietarios. Las herramientas evolucionan rápido: comprueba los comandos y las opciones en su documentación oficial.

Total
0
Shares
Leave a Reply

Your email address will not be published. Required fields are marked *

Previous Post
Twenty CRM open source : installer, licence et supervision

Twenty CRM código abierto: instalar, licencia y monitorización

Next Post
Kronos modèle fondation pour les marchés financiers

Kronos modelo de fundación para los mercados financieros

Related Posts