Contenido
Tutorial de KSampler en ComfyUI: aprende a ajustar steps, CFG, sampler, scheduler y seed
KSampler es uno de los nodos más importantes de ComfyUI. Genera imágenes eliminando el ruido paso a paso. Si entiendes sus parámetros, podrás ajustar los resultados con criterio en lugar de probar valores al azar.
seed: semilla aleatoria
Determina el aspecto del ruido inicial. Con el mismo modelo, prompt, parámetros y seed, obtendrás la misma imagen.
control_after_generate controla cómo cambia la seed después de cada ejecución:
| Opción | Comportamiento |
|---|---|
| randomize | Elige una seed al azar en cada ejecución; sirve para probar muchas composiciones distintas |
| fixed | Mantiene la seed fija para ajustar los demás parámetros |
| increment / decrement | Suma 1 o resta 1 en cada ejecución |
Flujo recomendado: usa randomize hasta encontrar una composición que te guste → cambia a fixed → ajusta el prompt y los parámetros.
steps: pasos
Indica en cuántos pasos se completa la eliminación del ruido.
- Muy pocos pasos: la imagen queda borrosa y con pocos detalles.
- Al aumentar los pasos, mejora la calidad, pero a partir de cierto punto apenas hay diferencia y solo tarda más.
- Para los modelos habituales, suelen bastar entre 20 y 30 pasos.
- Los modelos o LoRA de «aceleración», como Turbo, Lightning, LCM o Hyper, solo necesitan entre 4 y 8 pasos. Configúralos según las indicaciones del modelo.
cfg: intensidad del prompt
CFG (Classifier-Free Guidance) determina cuánto «sigue» el modelo el prompt:
| CFG | Efecto |
|---|---|
| 1 | Apenas tiene en cuenta el prompt (los modelos de aceleración suelen usar valores de 1 a 2) |
| 4～8 | Rango habitual |
| 10 o más | Sigue el prompt muy de cerca, pero puede saturar demasiado los colores, aumentar el contraste en exceso y producir imágenes distorsionadas |
El valor óptimo de CFG varía mucho según el modelo. Por ejemplo, muchos modelos de tipo Flux usan un parámetro de guidance independiente y establecen CFG de KSampler en 1. Usa el valor recomendado en la página del modelo o en su plantilla oficial.
sampler_name: sampler
Determina el algoritmo que se utiliza para eliminar el ruido en cada paso. Estas son algunas opciones habituales:
| Sampler | Características |
|---|---|
euler | Sencillo, rápido y estable; es un buen valor predeterminado |
euler_ancestral | Añade aleatoriedad en cada paso, por lo que ofrece más variedad; los resultados cambian mucho al variar los pasos |
dpmpp_2m | Equilibra calidad y velocidad; se usa mucho |
dpmpp_2m_sde | Ofrece más detalles, pero es algo más lento |
dpmpp_3m_sde | Necesita más pasos |
uni_pc | Da buenos resultados con pocos pasos |
Los samplers cuyo nombre incluye ancestral (a) o sde son aleatorios. Aunque uses la misma seed, la imagen puede cambiar mucho al modificar los pasos. Con los demás, el resultado tiende a «converger» al aumentar los pasos.
scheduler: programación
Determina cómo se distribuye la «intensidad» de la eliminación del ruido entre los pasos:
| Scheduler | Características |
|---|---|
normal | Valor predeterminado |
karras | Refina más los pasos finales; suele combinarse con la serie dpmpp |
exponential | Similar a karras |
sgm_uniform | Recomendado para algunos modelos de aceleración |
simple, beta | Se usan en las plantillas de algunos modelos recientes |
Combinaciones habituales que dan buenos resultados: dpmpp_2m + karras y euler + normal.
denoise: intensidad de eliminación de ruido
Indica con qué proporción de ruido se empieza:
- 1.0: empieza completamente desde el ruido; se usa para generar imágenes a partir de texto.
- Menos de 1.0: conserva parte de la imagen de entrada; se usa para generar imágenes a partir de imágenes, repintar zonas y mejorar o ampliar imágenes. Cuanto menor sea el valor, más se parecerá el resultado a la imagen original.
Consulta Generación de imágenes a partir de imágenes.
KSampler Advanced
La versión avanzada ofrece un control más preciso:
| Parámetro | Descripción |
|---|---|
| add_noise | Indica si se añade ruido |
| start_at_step / end_at_step | Ejecuta solo los pasos del intervalo especificado |
| return_with_leftover_noise | Conserva el ruido restante en la salida |
Por ejemplo, puedes usar el modelo A durante los primeros 20 pasos y dejar que el modelo B refine la imagen durante los 10 siguientes (como hace SDXL Refiner), o usar prompts distintos en cada fase.
Orden recomendado para ajustar los parámetros
- Primero, fija la seed.
- Usa el sampler, scheduler y número de steps recomendados para el modelo.
- Ajusta el prompt hasta que el contenido se acerque a lo que buscas.
- Afina CFG: súbelo si la imagen queda apagada o el modelo no sigue el prompt; bájalo si los colores están demasiado saturados o la imagen se distorsiona.
- Por último, prueba otros samplers.
Cómo comparar parámetros
Conecta el mismo prompt a varios nodos KSampler y asigna parámetros distintos a cada uno para comparar los resultados en paralelo con una sola ejecución. Al copiar un nodo, pulsa Ctrl + Shift + V para conservar las conexiones de entrada.
Actualizado 12 de octubre de 2026