ControlNet y ComfyUI: Por qué SD 1.5 sigue siendo el rey del control

El dominio de ControlNet y la persistencia de SD 1.5

En el vasto ecosistema de la generación de imágenes con IA, es fácil sentirse abrumado por las nuevas promesas de realismo y calidad estética. Sin embargo, existe una verdad técnica que no se debe ignorar: Stable Diffusion 1.5 sigue siendo el estándar absoluto para el control preciso. ControlNet no es un modelo en sí mismo, sino una arquitectura que se acopla a ciertos modelos de difusión, y en la práctica, ese soporte real y usable se concentra casi exclusivamente en SD 1.5.

Es fundamental entender que los modelos como FLUX, Qwen o incluso Z-Image no soportan ControlNet clásico. FLUX utiliza una arquitectura distinta a Stable Diffusion y cuenta con controles nativos propietarios para cosas como la profundidad o las poses, pero estos son internos e inmutables. Qwen se enfoca en el razonamiento multimodal y la comprensión visual, ofreciendo control semántico más que geométrico. Z-Image puede inferir una pose de una imagen de referencia, pero carece de los mecanismos para bloquear articulaciones o corregir extremidades con precisión.

¿Por qué SD 1.5 resiste el embate de los modelos nuevos?

La razón por la que SD 1.5 no ha muerto, y probablemente nunca lo hará, es simple: el control supera al realismo. Con ControlNet (específicamente OpenPose, Depth o Canny), SD 1.5 permite fijar la estructura geométrica de una imagen, separando la forma del estilo. Esto permite reproducir imágenes frame a frame, algo que los modelos «más realistas» como Midjourney o DALL·E no pueden hacer de manera determinista.

Además, SD 1.5 es el Linux del arte generativo: miles de ControlNet entrenados, LoRAs especializados y workflows documentados. Mientras exista gente que necesite copiar poses exactas o producir series coherentes, SD 1.5 seguirá vivo porque hace algo que los nuevos no quieren hacer.

ComfyUI: El flujo real para copiar una pose

Aunque SD 1.5 es el rey del control, su interfaz gráfica puede parecer intimidante al principio. ComfyUI funciona como un grafo de ejecución donde cada nodo hace una cosa concreta y las líneas representan datos. Para demostrar la potencia de esta combinación, podemos desglosar un workflow real para copiar la pose de una imagen A a una imagen B.

El proceso comienza cargando el modelo base (Checkpoint Loader) y la imagen fuente que contiene la pose deseada. El nodo OpenPose Preprocessor extrae los puntos clave del cuerpo, creando un mapa de pose explícito. Este mapa se conecta directamente al nodo Apply ControlNet, donde se aplica el control sobre el prompt positivo.

A continuación entra el corazón del sistema: el KSampler. Aquí es donde ocurre la generación real, utilizando parámetros como Steps, CFG y Seed. El sampler toma los condicionamientos tanto de la pose (OpenPose) como del texto, refinando un latente inicial hasta producir una imagen completa.

El resultado es una imagen con la misma postura exacta de la fuente, pero con un prompt completamente diferente. Cambiar solo el prompt mantiene el cuerpo; cambiar solo la seed permite variaciones controladas sobre esa misma pose.

Control técnico vs libertad creativa

Es importante no ver esto como una limitación, sino como una elección de herramienta. Modelos como FLUX o Qwen ofrecen una libertad creativa y estética que SD 1.5 a veces sacrifica por su rigidez técnica.

En conclusión, cuando el objetivo es ingeniería de imagen—cómic, storyboard o renders técnicos—SD 1.5 con ComfyUI y ControlNet OpenPose sigue siendo la combinación insustituible.