El stack de imágenes de IA de código abierto se está reconstruyendo, un flujo de trabajo a la vez

Hay una historia más silenciosa circulando por debajo de los lanzamientos de modelos de este mes, y está ocurriendo en Hugging Face. Las herramientas de código abierto que impulsan la generación local de imágenes con IA se están reconstruyendo, y quienes lo hacen no son los grandes laboratorios. Son la comunidad, trabajando en público.

El ejemplo más claro llegó el 11 de septiembre de 2026, cuando Hugging Face lanzó Workflow1111, un proyecto que recrea la mayor parte de la funcionalidad de AUTOMATIC1111 usando gr.Workflow. Si esa frase no te dice nada, la versión corta es esta: la interfaz local más popular para Stable Diffusion, la herramienta que hizo que toda una generación ejecutara modelos de imagen en sus propias GPU, se está reimplementando en una forma moderna y más mantenible.

Qué era AUTOMATIC1111 y por qué importa

Para entender por qué la reconstrucción es noticia, necesitas un poco de historia.

Durante años, si querías ejecutar Stable Diffusion en local, usabas la interfaz web de AUTOMATIC1111, conocida por todos como A1111. Era la opción por defecto. Gestionaba texto a imagen, imagen a imagen, inpainting, escalado y un enorme ecosistema de extensiones. La mayoría de los tutoriales, la mayoría de los scripts de entrenamiento de LoRA y la mayor parte de la memoria muscular de la comunidad pasaban por ella.

El problema es que A1111 envejeció. El código acumuló años de parches, el sistema de extensiones se volvió frágil y la versión de Gradio sobre la que estaba construido quedó obsoleta. Mientras tanto, ComfyUI, la alternativa basada en nodos, se apoderó del extremo de los usuarios avanzados del mercado con un diseño más limpio y componible. A1111 no desapareció, pero su impulso se estancó.

Workflow1111 es un intento de reconstruir la experiencia de A1111 sobre gr.Workflow, la forma más nueva y estructurada de crear aplicaciones Gradio. No es un fork. Es una reimplementación, hecha en abierto.

Qué cubre la reconstrucción

El alcance es impresionante para un proyecto comunitario. Workflow1111 reconstruye 73 nodos en 11 pipelines de medios, cubriendo la mayor parte de lo que hizo de A1111 la opción por defecto.

La lista incluye texto a imagen, imagen a imagen y corrección de alta resolución, los tres trabajos principales. También incluye una matriz de prompts, que te permite probar combinaciones de prompts y parámetros en una cuadrícula, y una función de prompt inverso con VLM que lee una imagen y sugiere un prompt a partir de ella. Hay generación de máscaras de inpainting, preprocesadores al estilo ControlNet para guiar el modelo con información de bordes y poses, eliminación de fondos, manejo de metadatos PNG e incluso imagen a video.

Eso último es la pista. El A1111 original era una herramienta de imágenes fijas. La versión reconstruida incluye video, lo que demuestra que el proyecto no solo recrea el pasado. Está reconstruyendo la pila para hacia dónde va el campo, no hacia dónde estaba.

Por qué la comunidad lo está haciendo por sí misma

Hay un patrón que vale la pena notar. Los laboratorios cerrados lanzan modelos. La comunidad de código abierto lanza la fontanería que los rodea.

Los modelos acaparan los titulares, pero la fontanería es lo que determina si un modelo es realmente utilizable. Un gran modelo sin una interfaz decente es un artefacto de investigación. Un buen modelo con una gran interfaz se convierte en algo que un aficionado puede ejecutar en un portátil.

La comunidad reconstruye esta fontanería porque las empresas cerradas no están interesadas en ella. Una empresa como OpenAI no tiene incentivos para mantener una interfaz local de Stable Diffusion. El incentivo para mantener vivas las herramientas locales proviene de las personas que las usan, y hacen el trabajo por la misma razón que cualquier mantenedor de código abierto: necesitan la herramienta, así que la construyen.

ComfyUI y el ecosistema de dos vías

El ecosistema local ahora funciona en dos vías.

ComfyUI es la herramienta avanzada. Está basada en nodos, lo que significa que conectas tu propio pipeline a partir de operaciones individuales. Es más difícil de aprender pero mucho más flexible, y se ha convertido en el estándar para quienes quieren un control preciso. Se actualiza constantemente, y las últimas versiones han avanzado aún más en el mismo territorio, con nuevas versiones llegando a mediados de septiembre.

Workflow1111 y proyectos similares son la vía de accesibilidad. Reproducen la experiencia familiar y lineal de A1111 para personas que no quieren aprender un grafo de nodos. Las dos vías sirven a personas diferentes y coexisten porque los casos de uso son distintos.

La importancia de la reconstrucción de Workflow1111 es que la vía de accesibilidad ya no se deja abandonada. Durante mucho tiempo pareció que la elección era entre un A1111 envejecido y un ComfyUI que exigía verdadera habilidad técnica. La reconstrucción ofrece a la gente una opción mantenida y moderna en el medio.

¿Deberías molestarte con las herramientas locales?

Para la mayoría de las personas, la respuesta honesta es no, al menos no al principio.

Las herramientas en la nube son mejores para la mayoría de los trabajos. Son más rápidas de poner en marcha, no requieren una buena GPU y no te piden mantener nada. Si solo quieres crear una imagen, abre una aplicación web y créala.

Las herramientas locales se ganan su lugar por tres razones específicas. La primera es el coste a escala. Si generas miles de imágenes, el coste por imagen de tu propio hardware supera a cualquier API. La segunda es el control. Las herramientas locales te permiten tocar cada parámetro, intercambiar modelos personalizados y LoRAs, y construir pipelines que las herramientas en la nube nunca expondrán. La tercera es la privacidad. Si tus imágenes o tus prompts son sensibles, ejecutar en local significa que nunca salen de tu máquina.

La pega es la curva de aprendizaje. Las herramientas locales esperan que entiendas un poco sobre modelos, un poco sobre hardware y un poco sobre las propias herramientas. Esa es una barrera real, y es exactamente la barrera que proyectos como Workflow1111 intentan reducir al recuperar una interfaz familiar y lineal.

El camino práctico es empezar en la nube y pasar a local solo cuando te topes con un muro. Cuando lo hagas, el hecho de que la pila de código abierto se esté reconstruyendo activamente significa que el muro es más bajo de lo que solía ser, y cada vez lo es más.

Qué significa si no ejecutas modelos en local

La mayoría de las personas que lean esto nunca ejecutarán un modelo en local, y está bien. Las herramientas en la nube son mejores para la mayoría de los trabajos, y cada vez son más baratas.

Pero la salud de la pila de código abierto sigue importando a todos, por dos razones. Primero, es de donde provienen las opciones baratas y gratuitas. Los modelos abiertos y las herramientas que los rodean son lo que evita que el suelo del mercado suba. Segundo, es donde tiende a aparecer primero la próxima generación de ideas. Las herramientas locales son donde la gente experimenta con los flujos de trabajo extraños que finalmente las grandes empresas convierten en producto.

Workflow1111 es un proyecto pequeño en el gran esquema, una reimplementación de una interfaz que la mayoría de la gente nunca usará. Pero es una señal de que el ecosistema de imágenes de IA de código abierto no solo está sobreviviendo a la avalancha de modelos cerrados. Está siendo reconstruido activamente, por personas a las que les importa, para un campo que todavía cambia más rápido de lo que nadie puede seguir.