Stable Diffusion

Stable Diffusion es una familia de modelos de generación de imagen por difusión latente, liberada con pesos abiertos desde agosto de 2022. Convierte texto en imágenes operando en un espacio comprimido, lo que le permite funcionar en GPU de consumo, y su licencia abierta lo convirtió en la base técnica de miles de servicios derivados.

Difusión latente: la idea que lo hizo posible

Los modelos de difusión aprenden a revertir un proceso de degradación: durante el entrenamiento se añade ruido progresivo a las imágenes y la red aprende a eliminarlo paso a paso (DDPM, 2020). Generar es ejecutar ese proceso a la inversa: partir de ruido puro y «des-ruidizar» hasta obtener una imagen, guiando cada paso con la descripción de texto codificada por un modelo tipo CLIP.

La aportación del equipo de Múnich detrás del modelo —el paper de difusión latente (Rombach et al., 2022)— fue ejecutar todo el proceso no sobre píxeles sino sobre una representación comprimida 48 veces menor, decodificada al final por un autoencoder. Ese truco redujo el costo de generación en órdenes de magnitud: lo que antes exigía clústeres pasó a correr en una GPU doméstica de 4–8 GB. El lanzamiento público de agosto de 2022, respaldado por Stability AI, incluyó los pesos completos del modelo — la decisión que definió todo lo que vino después.

Pesos abiertos: fine-tuning, LoRA y derivados

A diferencia de los generadores cerrados tras API, Stable Diffusion puede descargarse, modificarse y reentrenarse. El ecosistema resultante creó las técnicas hoy estándar: el fine-tuning completo sobre datasets propios, los adaptadores LoRA —módulos de pocos megabytes que especializan el modelo en un estilo o un personaje sin reentrenarlo—, los checkpoints comunitarios y el inpainting guiado por texto como función nativa.

Esa apertura explica la estructura de la industria NSFW actual. Los filtros de seguridad del modelo original son locales y removibles, de modo que cualquier operador puede montar un generador sin censura con checkpoints especializados: la inmensa mayoría de los servicios de la categoría nudify y los generadores que evaluamos en nuestra guía generador de desnudos son derivados de esta familia o de arquitecturas equivalentes. La contrapartida regulatoria: el Reglamento europeo de IA exige desde 2026 que las salidas de estos sistemas se marquen como sintéticas, obligación que recae en cada proveedor del servicio derivado.

Versiones y estado del proyecto

La familia evolucionó rápido: las versiones 1.x (2022) a 512 píxeles definieron la base; la 2.x endureció el filtrado del dataset; SDXL (2023) subió la resolución nativa y la calidad fotográfica; y Stable Diffusion 3.x (2024) cambió a una arquitectura de transformadores de difusión con mejor composición y texto legible. En paralelo, la empresa matriz atravesó crisis financieras y de gobernanza, y parte del talento fundador salió a proyectos competidores — un recordatorio de que «el modelo» y «la empresa» son cosas distintas: los pesos liberados siguen disponibles y los derivados comunitarios continúan independientemente del destino corporativo.

Para el usuario de la categoría que cubrimos, el detalle práctico importante no es la versión sino el pipeline completo del servicio: qué checkpoint usa, qué filtros aplica, si etiqueta las salidas y cómo trata las imágenes subidas. Dos servicios sobre la misma base técnica pueden comportarse de forma opuesta en privacidad y controles — exactamente lo que documentan nuestras reseñas del catálogo.