Nunchaku en ComfyUI: ¿Qué es y cómo evitar errores comunes

En el ecosistema de **ComfyUI**, **Nunchaku** es un **backend o motor de inferencia alternativo**. Está diseñado para ejecutar modelos grandes de difusión, como SDXL o Flux, de forma mucho más eficiente, especialmente en GPUs con VRAM limitada. Es importante dejar claro que Nunchaku no es un modelo, ni un LoRA, ni un sampler mágico; es simplemente la «forma» en la que el modelo se ejecuta en tu sistema.

Respecto a su instalación, Nunchaku no reemplaza ni parchea ComfyUI. Funciona **al lado de** el framework principal. Piensa en ello como una librería externa o dependencia que añades junto con la versión estándar del software.

ComfyUI es la mesa, Nunchaku es el amplificador

La metáfora más clara para entender esta relación es imaginarte ComfyUI como tu mesa de mezclas principal. Nunchaku actúa como un amplificador externo que conectas selectivamente a ciertos canales o nodos específicos. Esto significa que en un mismo flujo de trabajo puedes tener nodos normales y otros que utilizan la inferencia vía Nunchaku, coexistiendo sin problemas.

Las cagadas más comunes con Nunchaku

Aunque la instalación es sencilla, hay varios errores habituales que pueden frustrarte. Aquí tienes los más frecuentes:

• No usar los nodos de Nunchaku: Instalar el motor pero olvidar activar los nodos específicos hace que todo siga corriendo en PyTorch estándar.
• Modelo incompatible: Usar un checkpoint pensado para otro backend puede causar fallas silenciosas o errores crípticos.
• Cuantización equivocada: Meter niveles agresivos de cuantización en una GPU sin buen soporte puede reducir la estabilidad y generar ruido o NaNs.
• Mezclar samplers con loaders: Si el sampler no es compatible, el flujo rompe o hace conversiones implícitas que anulan los ahorros de memoria.
• Torch/CUDA desalineados: Las versiones incorrectas del runtime pueden fallar silenciosamente hasta que ya llevas minutos generando.
• Pensar que todo ahorra VRAM: El ahorro es selectivo; si usas VAEs o ControlNets pesados después, la memoria puede volver a explotar.
• Ignorar los logs: Nunchaku suele avisar en consola cuando falla hacia atrás o desactiva la cuantización, pero requiere atención.
• Paranoia de reproducibilidad: No esperes resultados bit-perfect; las pequeñas diferencias son normales y no indican errores mayores.