Error xformers en ComfyUI: ¿Qué hacer con el descalce de versiones?

Al actualizar tu instalación de ComfyUI, es común encontrarse con advertencias sobre incompatibilidades entre las librerías subyacentes. En este caso, el sistema te muestra un descalce claro: tienes una versión reciente de PyTorch y Python, pero la librería xFormers sigue esperando versiones anteriores.

Technical diagram showing a version mismatch between software libraries, highlighting a CUDA version conflict.
Diagrama del descalce entre las versiones de PyTorch y xformers en el entorno de ComfyUI.

¿Qué implica este error?

Aunque el software no está «roto» y ComfyUI debería seguir funcionando, estás perdiendo optimizaciones clave. Al no cargar las extensiones CUDA de xFormers, funciones como la memory-efficient attention o ciertas aceleraciones quedan deshabilitadas. Esto podría traducirse en una generación más lenta, especialmente si trabajas con modelos pesados o batches grandes.

Opción A: Reinstalar xformers correcto

La solución directa es alinear las versiones. Dentro del entorno virtual (venv) de ComfyUI, puedes desinstalar y reinstalar la librería para asegurar que coincide con tu entorno actual:

pip uninstall xformers -y
pip install xformers --no-cache-dir

O bien, si usas un script de actualización oficial, ejecutar el comando correspondiente puede resolverlo automáticamente.

Opción B: Ignorar xformers y usar PyTorch Attention

Si prefieres no complicarte con la reinstalación, una alternativa sólida es aprovechar las capacidades modernas de PyTorch. Con versiones 2.x, puedes utilizar mecanismos como SDPA o Flash Attention. En muchos casos, el rendimiento es comparable, por lo que simplemente ignorar xformers podría ser la mejor vía si todo sigue funcionando bien.

Reflexión final

Mi última duda: ¿por qué tienes cu130? Es una versión muy nueva y menos madura en el ecosistema. A veces, instalar builds bleeding-edge trae más problemas de compatibilidad que beneficios. Si ComfyUI sigue lento o con errores tras arreglar xformers, podría ser mejor volver a un combo más estable como Python 3.10/3.11 con PyTorch 2.8/2.9. Lo ideal es probar primero si notas lentitud real antes de hacer cambios drásticos.