.ai

los mejores modelos de IA de código abierto

Buscar

Errores de ComfyUI y cómo solucionarlos: nodos rojos, modelos faltantes, falta de memoria CUDA

Tema: Errores y soluciones

Por Captain

Publicado el 2026-05-12

Resumen

ComfyUI

reporta problemas en dos lugares: nodos rojos en el lienzo antes de presionar Ejecutar, y un cuadro de error rojo (con un traceback largo en la terminal) cuando un nodo falla durante la ejecución. Los nodos rojos casi siempre son nodos personalizados o archivos faltantes. Los errores en tiempo de ejecución casi siempre son por memoria, un modelo puesto en el cargador equivocado, o un paquete de Python que no coincide con el torch instalado. Esta guía lista los mensajes en el orden en que la gente los encuentra, con la causa y la solución más corta.

Cada solución aquí asume la versión portátil para Windows o una instalación estándar con ComfyUI Manager. Si un paso dice "actualizar", usa el botón Actualizar todo del Manager, o git pull en la carpeta de ComfyUI seguido de pip install -r requirements.txt dentro del mismo entorno Python donde corre ComfyUI (python_embeded\python.exe -m pip en la versión portátil).

Cuando un flujo de trabajo necesita más GPU de la que tienes, la alternativa a pelear con el error es correr el mismo grafo en una GPU alojada:

BitVector

tiene cientos de flujos de trabajo ComfyUI preinstalados con sus modelos y nodos, y

PirateDiffusion

corre flujos alojados desde Telegram con /wf /run:name. Ambos están listados en la página de Apps de este sitio.

Referencia

Nombre	Tipo	Qué es
Nodo rojo con un título en rojo	symptom	Un nodo personalizado que usa el flujo de trabajo no está instalado. Manager > Install Missing Custom Nodes lo encuentra desde el JSON del flujo de trabajo.
Prompt outputs failed validation	error	Un cargador apunta a un archivo que no existe en tu carpeta de modelos, o un valor de widget está fuera de rango. Abre el nodo nombrado en el mensaje y elige un archivo de la lista.
torch.cuda.OutOfMemoryError / Allocation on device	error	El modelo, el latente y las activaciones no caben en la VRAM . Baja la resolución o el batch, usa una precisión menor (fp8, GGUF) o agrega --lowvram.
mat1 and mat2 shapes cannot be multiplied	error	El tipo de modelo está mal en un cargador: un LoRA SDXL en un checkpoint SD 1.5 , un Flux VAE en un grafo SDXL, o un codificador de texto de familia incorrecta.
Error while deserializing header: HeaderTooLarge / MetadataIncompleteBuffer	error	El archivo .safetensors está incompleto o corrupto. Vuelve a descargarlo y compara el tamaño o hash con la página de origen.
ERROR: Could not detect model type	error	Se cargó un LoRA, VAE o ControlNet con Load Checkpoint, o el archivo no es un modelo de difusión. Usa el cargador que corresponde al tipo de archivo.
xformers / torch version mismatch, DLL load failed	error	Un paquete se instaló para una versión diferente de torch. Reinstala torch, torchvision y xformers juntos para la misma versión de CUDA, o elimina xformers.
CLIPTextEncode: expected ... got ...	error	El codificador de texto no coincide con el modelo (Flux necesita clip_l más t5xxl, SDXL necesita sus dos codificadores, Qwen y Wan traen los suyos).
Value not in list: ckpt_name	error	El flujo de trabajo se guardó con nombres de archivo de otra persona. Elige tu propio archivo en el menú desplegable; el Manager también puede mapear nombres comunes.
Server disconnected / reconnecting	symptom	El proceso Python se cerró inesperadamente, casi siempre por quedarse sin RAM del sistema al cargar un modelo grande. Revisa la terminal y observa el Administrador de tareas mientras carga.

Sin instalación: ejecuta modelos de IA en la nube

BitVector Prism es la forma más fácil de empezar: elige un modelo, escribe un prompt y genera en una aplicación web limpia, sin configurar nada. BitVector también está disponible en Discord y en la web (SpyGlass).

Probar BitVector

Paso a paso

Lee la terminal, no solo el cuadro de diálogo. Las últimas líneas antes del Traceback nombran el nodo y el archivo; la primera línea del traceback que menciona una carpeta custom_nodes te dice qué extensión falló.
Primero los nodos rojos: abre Manager, haz clic en Install Missing Custom Nodes, instala todo lo que aparezca y luego Reinicia. Actualiza la pestaña del navegador después del reinicio.
Luego archivos faltantes: para cada cargador con borde rojo o mensaje "Value not in list", abre el menú desplegable y elige un archivo que tengas, o descarga el archivo que pide el flujo en la carpeta correcta (models/checkpoints, models/loras, models/vae, models/clip, models/unet o diffusion_models, models/controlnet).
Verifica la familia de cada archivo en el grafo: checkpoint, LoRA, VAE, codificadores de texto y ControlNet deben pertenecer a la misma familia. La página del modelo en este sitio nombra la familia arriba; mezclar produce errores de forma.
Errores de memoria: reduce a la mitad el tamaño del batch, baja la resolución al tamaño nativo de la familia (512 para SD 1.5, 1024 para SDXL y Flux), cambia el modelo a una versión fp8 o GGUF, y arranca ComfyUI con --lowvram o --novram si sigue fallando. VAE Decode (Tiled) reemplaza el decode normal para imágenes grandes.
Errores de paquetes: ejecuta el script de actualización de tu versión (update_comfyui_and_python_dependencies.bat en la versión portátil), o pip install -r requirements.txt en el entorno correcto. Si menciona xformers, desinstálalo; ComfyUI usa atención PyTorch sin él.
Si sigue fallando: inicia ComfyUI con --disable-all-custom-nodes. Si el flujo corre, vuelve a activar las extensiones de a la mitad en el Manager para encontrar cuál causa conflicto.
Cuando el hardware es el límite, corre el flujo alojado: abre el mismo flujo en BitVector, o en PirateDiffusion con /workflow /show:name y /wf /run:name, y usa tu instalación local para lo que quepa.

Ejemplos

Inicio con poca VRAM en la versión portátil

.\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --lowvram --use-pytorch-cross-attention

Reinstalar torch para CUDA 12.4 en el Python embebido

.\python_embeded\python.exe -m pip uninstall -y torch torchvision torchaudio xformers

.\python_embeded\python.exe -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

Encontrar la extensión que causa un crash

python main.py --disable-all-custom-nodes

# runs? then re-enable extensions in Manager, half at a time

Consejos

Mantén una sola carpeta de modelos y apunta todas las UIs a ella con extra_model_paths.yaml, así ComfyUI,
Forge
y A1111 comparten archivos y descargas cada checkpoint solo una vez.
Nombra los archivos por familia cuando los guardes (flux-, sdxl-, sd15-) para que un error de mezcla sea visible en el menú desplegable.
La opción "Fix node (recreate)" del Manager en un nodo rojo suele arreglar un flujo guardado con una versión antigua de una extensión.
Una versión GGUF de Flux, Wan o Qwen (el cargador Unet de ComfyUI-GGUF) corre en tarjetas de 8 a 12 GB con casi ninguna pérdida de calidad en Q8 y poca en Q5.
Configura el archivo de paginación de Windows en modo administrado por el sistema en un SSD con 40 GB libres: cargar modelos grandes sube mucho la RAM y un archivo de paginación pequeño hace que el servidor falle sin avisar.
Actualiza ComfyUI antes de actualizar nodos personalizados, nunca al revés; el núcleo se actualiza primero y las extensiones después.
Los flujos de trabajo de las guías de este sitio listan los archivos que necesitan en Inputs; descárgalos antes de cargar el JSON.

Cómo arreglarlo

Bórralo y vuelve a descargar; compara el tamaño con la página de origen. Usa un gestor de descargas para archivos mayores a 5 GB.

ImportError / DLL load failed después de una actualización

Por qué ocurre

torch, torchvision o xformers se actualizaron a versiones incompatibles.

Cómo arreglarlo

Desinstala los tres y vuelve a instalarlos juntos desde el índice PyTorch para tu versión de CUDA; elimina xformers si sigue fallando.

Flux o Wan cargan por minutos y luego el servidor muere

Por qué ocurre

Se acabó la RAM del sistema, no la VRAM, al leer los pesos.

Cómo arreglarlo

Cierra otros programas, aumenta el archivo de paginación, carga la versión fp8 o GGUF, o usa la copia alojada en BitVector o PirateDiffusion.

Sin instalación: ejecuta modelos de IA en la nube

PirateDiffusion es solo para Telegram y está pensado para profesionales: miles de modelos, LoRAs y workflows mediante comandos de chat, con generación ilimitada a precio fijo.

Probar PirateDiffusion

Preguntas

¿En qué carpeta va cada archivo?

Checkpoints en models/checkpoints, LoRAs en models/loras, VAEs en models/vae, codificadores de texto en models/clip (o models/text_encoders), modelos de difusión sueltos como

Flux dev

en models/unet o models/diffusion_models, ControlNets en models/controlnet,

upscalers

en models/upscale_models.

¿Cuánta VRAM necesito?

SD 1.5 corre con 4 GB, SDXL con 8 GB, Flux dev fp8 con 12 GB (GGUF Q5 con 8 GB),

Qwen-Image

Wan 2.2

14B con 16 a 24 GB con fp8 o GGUF,

HunyuanVideo

con 24 GB. La guía de VRAM en este sitio tiene la tabla.

¿Puedo correr un flujo sin GPU?

Sí, en un servicio alojado: BitVector corre los flujos ComfyUI de este sitio preinstalados en GPUs en la nube, y PirateDiffusion corre flujos alojados desde Telegram. Ninguno necesita instalación.

¿Por qué el mismo flujo funciona para otra persona?

Nombres de archivo diferentes, versiones distintas de nodos personalizados, o una tarjeta más grande. Compara la lista Inputs de la guía con tus carpetas antes que nada.

¿--lowvram ralentiza?

Sí, moderadamente: mueve partes del modelo entre RAM del sistema y VRAM. Sigue siendo mucho más rápido que un crash. --novram es más lento y es para tarjetas de 4 GB.

¿Cómo actualizo sin problemas?

Haz una copia de la carpeta custom_nodes, actualiza ComfyUI primero, luego Actualizar todo en el Manager. Si algo falla, vuelve a poner la carpeta anterior.