Model
Trends
.ai
Model
Trends
.ai
siguiendo los modelos de IA abiertos
Tendencias
Clasificación
Guías
Gráficos
API

Checkpoint vs LoRA vs embedding vs ControlNet: qué hace cada archivo

Tema: Modelos
Por Quartermaster
Publicado el 8 de oct de 2025

Resumen

Un usuario nuevo descarga un "modelo" y descubre que es una de seis cosas diferentes que van en seis carpetas distintas y hacen seis trabajos distintos. El catálogo de este sitio etiqueta cada entrada con su tipo (modelo base, LoRA, embedding, otro) y su familia por esa razón. Esta guía explica los tipos una vez, para que las etiquetas tengan sentido.
La regla general: un checkpoint es todo el pintor; un LoRA le enseña al pintor un nuevo tema o estilo; un embedding le enseña al pintor una nueva palabra; un ControlNet o IP-Adapter le dice al pintor dónde van las cosas o qué copiar de una referencia; el VAE son los ojos del pintor que convierten entre el lienzo y el espacio comprimido de trabajo; un upscaler es un artesano aparte que agranda la imagen terminada. Solo el checkpoint puede funcionar solo. Todo lo demás necesita un checkpoint de la familia correspondiente.
Los tamaños te dicen mucho. De 2 a 7 GB para un checkpoint SDXL y de 12 a 24 GB para Flux; de 10 a 700 MB para un LoRA; menos de 1 MB para un embedding; de 1 a 2.5 GB para un ControlNet; 300 MB para un VAE; 60 MB para un upscaler ESRGAN. Si un archivo llamado LoRA tiene 6 GB, es un checkpoint. La página del modelo aquí muestra el tamaño y el hash para que puedas saber antes de descargar.

Referencia

Nombre
Tipo
Qué es
Checkpoint (base model)
2-24 GB
El denoiser completo, usualmente con el codificador de texto y el VAE incluidos. Los fine-tunes (DreamShaper, Juggernaut, Illustrious, Pony) son checkpoints reentrenados con nuevos datos. Carpeta: models/checkpoints (ComfyUI), models/Stable-diffusion (A1111, Forge). Flux, Qwen y Wan se distribuyen como archivos separados diffusion_models + text_encoders + vae.
LoRA
10-700 MB
Una pequeña diferencia de pesos que se aplica encima de un checkpoint. Personajes, estilos, conceptos, sliders, movimiento. Necesita una palabra clave y un peso. Carpeta: models/loras o models/Lora.
LyCORIS / LoCon / LoHa / DoRA
10-700 MB
Variantes de LoRA que afectan más capas o usan una factorización diferente. Se cargan como LoRAs en todas las interfaces actuales.
Embedding (textual inversion)
10-200 KB
Un token aprendido para el codificador de texto. Se llama por su nombre de archivo en el prompt. Común como embeddings negativos (bad-hands, easynegative) en SD 1.5 y SDXL; raro en Flux. Carpeta: models/embeddings.
ControlNet / T2I-Adapter
0.3-2.5 GB
Una red lateral que condiciona el denoiser con una pose, mapa de profundidad, mapa de bordes o boceto. Específico de la familia. Carpeta: models/controlnet.
IP-Adapter / reference
50 MB-1 GB
Condiciona con una imagen en lugar de texto: transferencia de estilo, referencia facial. Necesita un modelo CLIP vision que coincida.
VAE
160-330 MB
Codificador/decodificador entre píxeles y latentes. Usualmente incluido en checkpoints; archivos separados arreglan colores lavados (SDXL fp16-fix) o vienen con nuevas familias (Flux ae.safetensors, Wan VAE).
Upscaler
2-70 MB
ESRGAN, Real-ESRGAN, SwinIR, DAT: redes separadas que agrandan los píxeles después de la generación. Carpeta: models/upscale_models.

Paso a paso

  1. Identifica el tipo de archivo por la etiqueta del catálogo y el tamaño antes de descargar. Modelo base, LoRA, embedding u otro en la tarjeta; los bytes exactos en la página del modelo.
  2. Coincide la familia. Cada archivo que no es checkpoint nombra la familia para la que fue creado (SDXL, Flux, Wan 2.2 14B); solo funciona con checkpoints de esa familia.
  3. Pon el archivo en la carpeta para su tipo (tabla arriba) y actualiza la interfaz.
  4. Checkpoint: selecciónalo como modelo. Para familias divididas (Flux, Qwen, Wan, Z-Image) carga el diffusion model, los codificadores de texto y el VAE por separado en ComfyUI.
  5. LoRA: carga el nodo LoRA después del checkpoint, o <lora:name:0.8> en el prompt, más la palabra clave.
  6. Embedding: escribe el nombre del archivo en el prompt (o en el prompt negativo para embeddings negativos); ComfyUI usa embedding:name.
  7. ControlNet: aplica el nodo ControlNet con la imagen preprocesada (pose, profundidad); empieza con fuerza 0.8 y porcentaje final 0.8.
  8. VAE y upscaler: selecciona el VAE en el cargador o ajustes cuando los colores estén mal; ejecuta el upscaler como paso final a través de Upscale Image (usando Model).

Ejemplos

Una pila completa SDXL en un prompt de Forge

Checkpoint: juggernautXL_v9.safetensors | VAE: sdxl_vae_fp16fix.safetensors
Prompt: zavy cinematic, <lora:zavy-cinematic-xl:0.7> a knight resting by a campfire, night, embers, 35mm
Negative: easynegative, bad-hands-5, blurry | ControlNet: openpose, weight 0.8 | Upscaler: 4x-UltraSharp 2x

La misma pila como nodos en ComfyUI

Load Checkpoint -> Load LoRA -> Apply ControlNet (OpenPose image) -> KSampler -> VAE Decode (fp16-fix VAE) -> Upscale Image (using Model: 4x-UltraSharp)

Consejos

  • El tipo "otro" en el catálogo cubre ControlNets, VAEs, upscalers y flujos de trabajo; la página del modelo dice cuál es.
  • Los merges son checkpoints hechos promediando otros checkpoints; heredan la familia de sus padres y mantienen compatibilidad con LoRA.
  • Un checkpoint de inpainting es un checkpoint con canales de entrada extra; necesita el flujo de trabajo de inpainting y no es un reemplazo directo para texto a imagen.
  • Los embeddings negativos eran la forma en SD 1.5 de arreglar manos; en SDXL ayudan menos y en Flux no hacen nada porque el modelo no tiene CFG negativo.
  • Flux Fill, Flux Redux, Flux Depth y Canny son checkpoints o adaptadores, no LoRAs, aunque se distribuyen junto a los LoRAs en el hub.
  • Cuando tengas dudas, los socios en la nube tienen la combinación correcta precargada: elige el modelo y el LoRA y el VAE y ControlNet que coincidan se manejan automáticamente.

Solución de problemas

Descargaste un "LoRA" y tiene 6 GB

Por qué ocurre
Es un checkpoint; quien subió el archivo lo etiquetó mal.

Cómo arreglarlo
Ponlo en la carpeta de checkpoints y selecciónalo como modelo. La etiqueta del catálogo aquí es confiable.

El embedding no hace nada

Por qué ocurre
Familia incorrecta (embedding SD 1.5 en SDXL), o el nombre escrito no coincide con el del archivo.

Cómo arreglarlo
Coincide la familia; escribe el nombre exacto del archivo sin extensión; en ComfyUI usa embedding:name.

ControlNet genera ruido o ignora la pose

Por qué ocurre
ControlNet para otra familia, o se usó la foto original en lugar del mapa preprocesado.

Cómo arreglarlo
Usa el ControlNet hecho para la familia del checkpoint y ejecuta primero el nodo preprocesador.

Los colores se ven lavados

Por qué ocurre
Falta o es incorrecto el VAE.

Cómo arreglarlo
Carga el VAE de la familia; en SDXL el fp16-fix VAE.

El modelo carga pero genera imágenes negras

Por qué ocurre
Desbordamiento fp16 en el VAE o un checkpoint que necesita --no-half-vae.

Cómo arreglarlo
Usa el fp16-fix VAE o la bandera no-half-vae; en Flux verifica que la precisión del codificador de texto coincida con la versión.

Preguntas

¿Cuál debería descargar primero un principiante?

Un checkpoint de la familia que quieres usar. Los LoRAs vienen después, cuando sabes qué base te gusta. Embeddings y ControlNets vienen cuando un problema específico los necesita.

¿Puedo fusionar un LoRA en un checkpoint?

Sí, todas las interfaces tienen una herramienta de merge, y el resultado es un nuevo checkpoint. Ahorras un nodo pero fijas el peso; la mayoría mantiene los LoRAs separados.

¿Un fine-tune es lo mismo que un LoRA?

No. Un fine-tune reentrena todo el checkpoint (gigabytes); un LoRA es un complemento pequeño (megabytes). Muchos fine-tunes empezaron como LoRAs fusionados.

¿Flux y Qwen usan embeddings?

Prácticamente nunca. Sus codificadores de texto LLM no están entrenados así; el trabajo de estilo y concepto se hace con LoRAs.

¿Qué es un archivo workflow?

Un JSON de ComfyUI que conecta estos componentes. El catálogo lista algunos como "otros"; no contienen pesos, solo la receta.

Modelos de esta guía

Modelos Stable Diffusion XL 1.0
Modelos Stable Diffusion 1.5
Modelos Flux
Modelos Upscalers
Escrito por
Quartermaster
Lleva el inventario: cada LoRA, cada cuantización, cada archivo que alguien renombró a final_v2_REAL.safetensors. Mide el hardware en cuántos renders Wan caben antes de la cena. Te dará la cifra de VRAM, luego te dirá que está mal porque tienes Chrome abierto. Pesos abiertos o no se envió.
Todas las guías de Quartermaster
Qué es un LoRA y cómo usar uno en ComfyUI, Forge, Automatic1111 y en la nube
20 de may de 2026
Cómo instalar un LoRA: carpetas, comprobación de archivos y primer uso en ComfyUI, Forge, Automatic1111 y Draw Things
24 de sep de 2025
Cómo funcionan los modelos generativos de imágenes AI: difusión, latentes y codificadores de texto explicados de forma sencilla
28 de ago de 2025
ControlNet explicado: pose, profundidad, bordes e imágenes de referencia para SD 1.5, SDXL y Flux
18 de feb de 2026
Mejorar imágenes con IA: modelos ESRGAN, hires-fix, difusión en mosaico y cuándo usar cada uno
4 de mar de 2026
Glosario de generación de imágenes y videos con IA: 60 términos desde checkpoint hasta VAE, explicados en una línea cada uno
15 de abr de 2026
Cómo entrenar un LoRA en casa (y cuándo alquilar una GPU en su lugar)
5 de ago de 2026

Más guías

Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: qué familia de modelos usar en 2026
22 de may de 2026
Qué modelos de IA para imágenes probar primero y por qué: una lista inicial ordenada
10 de sep de 2025
Prompts negativos: qué hacen, cuándo ayudan y por qué Flux no los necesita
5 de nov de 2025
Errores de ComfyUI y cómo solucionarlos: nodos rojos, modelos faltantes, falta de memoria CUDA
12 de may de 2026
CUDA sin memoria: cuánto VRAM necesita cada modelo de IA y cómo ajustarlo
18 de may de 2026
Todas las guías