Modelos de IA: ¿Por qué los formatos y extensiones mienten?

Si alguna vez te has perdido buscando un archivo llamado ltx-2.3-22b_vae.safetensors en el directorio de Wan2GP, solo para no encontrar ningún nodo VAE correspondiente en tu workflow de ComfyUI, estás lejos de ser el único.

Al principio, parece que estás mezclando peras con manzanas. Pero la realidad es que ambos son partes del mismo árbol de arquitectura de modelos.

El modelo monolítico versus los fragmentados

Para entender por qué esto sucede, tenemos que mirar cómo se empaquetan estos sistemas. En el workflow de ComfyUI, utilizas un checkpoint ltx-2.3-22b-dev-fp8.safetensors. Este es un paquete monolítico: una sola pieza grande e integrada.

En contraste, herramientas como Wan2GP suelen separar los componentes del modelo en piezas distintas para optimizar la VRAM. Esto permite descargar módulos que no se usan o mantener pesos en CPU, pero significa que el archivo que ves en ComfyUI es mucho más grande porque contiene todo «todo incluido».

¿Y qué pasa con GGUF?

Aquí es donde las cosas parecen aún más confusas. Los formatos GGUF son nativos del ecosistema de LLMs, diseñados para modelos cuantizados que ocupan menos memoria.

ComfyUI no entiende GGUF por defecto. Para soportarlos, necesitamos nodos externos que actúen como traductores o «bridges» hacia motores como llama.cpp. El flujo real es: ComfyUI → Nodo personalizado → Backend llama.cpp.

Si intentas cargar un archivo GGUF directamente en un motor que no soporta esa arquitectura, el sistema probablemente se negará a cargarlo. GGUF es solo un contenedor de pesos; sin el runtime correcto y la arquitectura específica (como LLaMA o Mistral), los tensores son simplemente ruido para el software.

Contenedores vs contenido: La lección final

Habrá notado que este patrón aparece una y otra vez. Piensa en archivos de audio como WAV, video como MKV o MP4, y ahora modelos como GGUF.

Un archivo WAV es solo un contenedor; si el reproductor no tiene el códec correcto, no funciona. Lo mismo aplica a los modelos: el archivo es el contenedor, pero la arquitectura interna es el contenido real.

Es una lección dura que aprendimos tres veces: con audio, con video y ahora con modelos de IA. Las extensiones de archivo rara vez garantizan lo que hay dentro; en última instancia, siempre manda el runtime.