Cómo Reducir VRAM en ComfyUI (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 (resumen)

1. Instala el nodo personalizado ComfyUI-GGUF:

   • Ve a ComfyUI/custom_nodes
   • Clona: git clone https://github.com/city96/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

Esto es solo el resumen. La guía completa de GGUF en ComfyUI cubre la diferencia con safetensors, la escalera completa de niveles Q2 a Q8 y dónde descargar cada modelo.

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 la guía completa de GGUF en ComfyUI o la guía definitiva de ComfyUI para instalación y configuración desde cero. Para usuarios interesados en generación de vídeo, la guía de Image to Video con Wan 2.2 y HunyuanVideo explica cómo aplicar estas mismas técnicas de VRAM a modelos de vídeo. Si buscas mejorar la calidad de tus generaciones sin sobrecargar la memoria, la guía de LoRAs y la guía de ControlNet Union cubren cómo combinarlos sin disparar el consumo. Para MiniMax H3 en concreto, probamos Sage Attention, Sol-Attn y el latent upscale en dos pasadas en una RTX 3090, aunque el ahorro ahí es de tiempo, no de VRAM — y si lo que necesitas es face+body swap con ese mismo modelo, nuestro workflow real con Ref2VA llega a un pico de 23,2GB de 24GB, sin margen para casi nada más.

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.