¿Qué es Stable Diffusion? El modelo abierto del que todo lo demás tomó prestado

Un modelo de difusión aprende observando cómo se destruyen imágenes. Tome una fotografía, añada un poco de ruido, añada más, siga hasta que solo quede estática, y entrene una red para predecir qué se eliminó en cada paso. Ejecute esa red al revés desde estática pura y pintará una imagen que nunca estuvo ahí.

Hacer esto a resolución completa es enormemente caro, porque cada paso opera sobre cada píxel. El truco latente consiste en comprimir primero la imagen en una representación mucho más pequeña que conserve la estructura y descarte los píxeles exactos, ejecutar todo el proceso ruidoso en ese espacio pequeño y solo decodificar a una imagen real al final.

Esa sola decisión es la razón por la que todo esto llegó al público general. Redujo el coste de generación aproximadamente un orden de magnitud y llevó la generación de imágenes a hardware que alguien ya podría tener, en lugar de a un clúster alquilado.

Stability publicó los propios archivos del modelo en lugar de solo una API. Ese es el hecho con consecuencias más duraderas, y es fácil infravalorarlo ahora que los resultados están en todas partes.

Como cualquiera podía inspeccionar y modificar el modelo, la gente construyó la capa de control que al modelo base le faltaba. Las LoRA permitieron enseñar un estilo o sujeto específico con un archivo pequeño accesorio en lugar de reentrenar nada. ControlNet permitió constreñir una generación a una pose, un mapa de profundidad o un dibujo de contornos. Los checkpoints de la comunidad especializaron el modelo base para ilustración, fotografía, arquitectura y todo lo demás.

El vocabulario que salió de ese periodo es ahora cómo se habla de generación de imágenes en general —seed, sampler, denoise strength, CFG, inpainting. Esas palabras las popularizó una comunidad abierta que leía y reescribía un modelo que realmente podía abrir, y por eso el glosario de este sitio está redactado como está.

Mejor que antes y aún no casual. Hay instaladores de un clic y hay interfaces por nodos de verdadera complejidad, y la distancia entre «he generado una imagen» y «he obtenido la imagen que quería» es donde se va el tiempo.

La recompensa es un control que los productos hospedados no ofrecen: seeds exactas, resoluciones arbitrarias, cualquier checkpoint o LoRA que usted quiera, sin canal de contenido entre usted y la salida, sin coste por imagen tras el hardware y sin nada saliendo de su máquina.

El coste es que ahora está operando una pequeña pieza de infraestructura. Los archivos de modelo ocupan varios gigabytes cada uno, las extensiones se rompen entre sí y una tarjeta gráfica con memoria suficiente es el billete de entrada. Quien quiere una imagen suele estar más contento con un modelo hospedado; quien quiere un proceso es quien se queda.

Ya no es automáticamente la opción más fuerte en calidad bruta de salida, y varios modelos más nuevos —incluido FLUX, desarrollado en parte por gente que trabajó en Stable Diffusion— siguen los prompts más literalmente y renderizan texto legible mucho mejor.

Lo que conserva es el ecosistema. El volumen de checkpoints comunitarios, adaptadores de estilo y herramientas de control construidos sobre las versiones anteriores no es algo que un modelo nuevo adquiera rápido, y para quien necesite reproducir un estilo específico o ya tenga una canalización montada, ese inventario pesa más que una brecha general de calidad.

Las versiones sucesivas también se han publicado con licencias progresivamente más condicionadas que las primeras, algo que conviene comprobar frente a su uso previsto en lugar de asumir. «Pesos abiertos» y «gratis para todo» dejaron de ser la misma afirmación hace tiempo.

Casi todas las páginas de técnicas aquí usan términos que este modelo popularizó. Denoise strength decide cuánto se aparta un resultado image-to-image de su entrada. Una seed hace repetible una generación. Inpainting edita dentro de una máscara y deja intacto lo demás. Esos conceptos aplican use usted el modelo que use al final.

Esa es la razón honesta para entender Stable Diffusion aunque nunca lo instale: es el modelo cuya interfaz se filtró al lenguaje. Apréndalo una vez y todas las demás herramientas serán más fáciles de leer.