Las imágenes con IA local son gratis. Las de la nube son instantáneas. Tu GPU decide.

Los modelos de imagen abiertos se han puesto al día — y en algunas categorías, se han adelantado. HiDream-O1, un modelo de 8B lanzado bajo licencia MIT en mayo de 2026, se situó entre las mejores entradas de pesos abiertos en la arena de texto a imagen de Artificial Analysis, con una fracción del tamaño de rivales más grandes. Qwen-Image de Alibaba renderiza texto legible dentro de las imágenes mejor que la mayoría de las herramientas en la nube. Y los modelos de edición — Qwen-Image-Edit, FLUX Kontext — ahora cambian objetos, fondos y texto dentro de fotos existentes a partir de una instrucción en lenguaje sencillo, localmente y sin coste.

El lado de la nube tiene su propia historia en 2026: el mercado se consolidó en torno a unos pocos actores serios, los precios de entrada bajaron al rango de $8-10/mes, y los datos de entrenamiento comercialmente seguros se convirtieron en un diferenciador real para usuarios empresariales. Ambas puertas son genuinamente buenas. La pregunta es cuál se ajusta a ti — y a diferencia del vídeo, la barrera de hardware para imágenes es lo bastante baja como para que la puerta local sea realista para muchas más personas.

Las tres funcionan a través de ComfyUI (o una interfaz local similar) en tu propia máquina. Igual que con la generación de vídeo: son modelos de difusión, no LLM — no funcionan en Ollama.

La familia FLUX es la opción por defecto para trabajo de imagen local serio. FLUX.2 [dev] (32B) lidera en fotorrealismo y alta resolución, combinando hasta 10 imágenes de referencia manteniendo la consistencia del personaje, producto y estilo. FLUX.1 [schnell] genera imágenes de calidad en 1–4 pasos con solo 8GB de VRAM. FLUX.1 Kontext es el líder local en edición de imágenes existentes.

Licencia — lee esta parte con atención: la familia está dividida. FLUX.1 [schnell] es Apache 2.0 — sin restricciones, uso comercial incluido. FLUX.1/2 [dev] y Kontext usan la licencia no comercial de Black Forest Labs — usarlos en un producto comercial requiere una licencia de pago de BFL. "Pesos abiertos" no significa "apto para uso comercial" en este caso.

Hardware: 8GB (schnell), 12–16GB (dev/Kontext), 24GB (FLUX.2 dev, GGUF Q4).

SD 3.5 (8B Large / 2.5B Medium) ya no es el líder en calidad, pero tiene algo que los demás no tienen: el ecosistema más profundo de la IA de imagen local. Años de LoRAs comunitarios (archivos complementarios pequeños que enseñan al modelo un estilo, un personaje o el aspecto de un producto), ControlNets y tutoriales significan que, sea lo que sea lo que quieras hacer, alguien ya ha construido las piezas.

Hardware: 8–12GB según la variante; SDXL funciona sin problemas con 8GB.

Licencia: Licencia Comunitaria de Stability — gratis para uso comercial si tus ingresos anuales son inferiores a $1M; por encima de eso necesitas una Licencia Enterprise. Adecuada para autónomos y pequeñas empresas; una limitación real a gran escala.

Alibaba liberó el código de Qwen-Image (20B) en agosto de 2025 bajo Apache 2.0 — sin umbrales de ingresos, sin cláusulas no comerciales, sin juegos de territorio. Su especialidad es algo en lo que la mayoría de los modelos todavía fallan: texto legible y correctamente escrito dentro de la imagen, en varios idiomas. Carteles, letreros, infografías, miniaturas con titulares — este es el modelo.

Extra: Qwen-Image-Edit realiza ediciones precisas, basadas en instrucciones, sobre fotos existentes — cambia el color de un objeto, sustituye un fondo, corrige texto — preservando todo lo demás.

Hardware: 8GB (cuantizado en GGUF) hasta 24GB (precisión completa). Licencia: Apache 2.0 — el único modelo de imagen de primer nivel sin letra pequeña.

Lanzado en mayo de 2026 bajo licencia MIT — incluso más permisiva que Apache 2.0 — HiDream-O1 (8B) se situó entre las mejores entradas de pesos abiertos en la arena de texto a imagen de Artificial Analysis poco después de su lanzamiento, compitiendo con modelos varias veces su tamaño. Es joven, el ecosistema es escaso y el soporte a largo plazo no está garantizado (esta clasificación tiene una única fuente en el momento de escribir esto — verifícala antes de darla por sentada). Pero si la trayectoria se mantiene, esta lista se reescribirá en menos de un año.

Si nuestro artículo sobre vídeo te asustó y te alejó de la IA local, esta es la tabla de buenas noticias: las imágenes son simplemente una carga de trabajo mucho más ligera. Una RTX 3060 12GB de segunda mano (~$170–220; los precios locales varían según el país y los impuestos) cubre las dos primeras filas de abajo. Compáralo con la generación de vídeo, donde 24GB es el nivel cómodo.

¿No sabes dónde se sitúa tu hardware? Estas guías hacen los cálculos: Calculadora de VRAM para requisitos exactos por modelo, ¿Cuánta VRAM necesitas? para tablas comparativas entre tamaños de modelo, Mejores GPU para IA local y Mejores GPU económicas para recomendaciones de hardware, y GPU vs CPU vs Apple Silicon para comparativas de plataformas.

La misma honestidad que en el artículo sobre vídeo. La generación de imágenes local significa:

La configuración. ComfyUI o una interfaz similar, archivos de modelo en las carpetas correctas, algún que otro error de dependencias. Una tarde, no una semana — las configuraciones de imagen son mucho más sencillas que las de vídeo —, pero sigue siendo tu tarde.

La escritura de prompts. Sin asistente de prompts integrado, sin presets de estilo, sin filtro de contenido (control total — y responsabilidad total). Tú escribes los prompts. Nuestras guías sobre prompts de sistema vs. prompts de usuario y prompt engineering para modelos locales cubren los fundamentos que se aplican directamente aquí.

El acabado. Escalado (upscaling), corrección de rostros, organización por lotes — herramientas y nodos separados que tú eliges. ¿Quieres un personaje consistente en 30 imágenes? Eso es entrenamiento de LoRA: factible, documentado, pero un proyecto en sí mismo.

Antes de elegir una puerta, conoce para qué la vas a usar. El mapa realista de casos de uso:

• Sitios de contenido y blogs: imágenes destacadas, ilustraciones de artículos, tarjetas de vista previa para redes sociales.
• YouTube y redes sociales: miniaturas, arte de canal, gráficos para publicaciones, creatividades publicitarias — incluyendo variantes rápidas para pruebas A/B.
• E-commerce y marketing: maquetas de producto, escenas de estilo de vida, variantes estacionales de la misma toma.
• Materiales de trabajo: visuales para presentaciones, gráficos para pitch decks, maquetas conceptuales.
• Proyectos creativos: portadas de libros, arte conceptual, mood boards, diseños para impresión bajo demanda.
• Edición, no solo creación: con Qwen-Image-Edit o FLUX Kontext — sustituye fondos, elimina objetos, cambia el estilo de fotos de producto, corrige texto en gráficos.

Dos límites honestos: las imágenes con IA aún tienen dificultades con la consistencia exacta de marca en lotes grandes (los LoRA locales ayudan; las herramientas en la nube se están poniendo al día), y cualquier cosa que requiera personas reales, productos reales o precisión factual necesita fotografía, no generación.

Elegimos Adobe Firefly y getimg.ai porque cubren genuinamente las dos necesidades más comunes en la nube: máxima seguridad comercial, y el puente más sencillo entre lo local y la nube. Midjourney y ChatGPT también se usan mucho para generación de imágenes, pero ninguno encaja tan directamente en esas dos necesidades específicas — Firefly y getimg.ai son las opciones más útiles para esta comparativa, no una elección por defecto.

Firefly está entrenado con contenido de Adobe Stock y contenido con licencia abierta — lo que significa que Adobe lo diseñó para que los usuarios empresariales no hereden riesgo de derechos de autor — y se integra directamente con Photoshop y el resto de Creative Cloud. Si el trabajo con clientes o la seguridad de marca es tu preocupación, esta es la puerta de la nube. Existe una prueba gratuita para probarlo antes de pagar; los planes de pago empiezan en $9.99/mes por 2.000 créditos generativos (nivel Standard). Ideal para: profesionales, agencias, cualquiera cuyos clientes pregunten "¿esto es legalmente seguro?".

Aquí está el giro que la mayoría de las comparativas se pierden: getimg.ai ejecuta los mismos modelos abiertos que instalarías localmente — FLUX y compañía, más de 20 modelos en una sola interfaz — pero en sus GPU en lugar de la tuya. Sin configuración, sin cálculos de VRAM, derechos comerciales incluidos en todos los planes. Si la puerta local te atrae pero tu hardware dice que no, este es el puente. Los precios son de pago exclusivamente desde principios de 2026 (el nivel gratuito se retiró) — el plan Entry desde $8/mes con facturación anual ($10/mes con facturación mensual) por 3.000 créditos; los niveles superiores escalan a partir de ahí. Ideal para: usuarios curiosos por lo local pero sin la GPU, y cualquiera que quiera variedad de modelos abiertos sin la curva de aprendizaje de ComfyUI.

(Mención honorífica: Ideogram — un líder en la nube para texto dentro de imagen, con un nivel gratuito limitado que publica las imágenes en una galería pública, y planes de pago que empiezan alrededor de $20/mes.)

La versión resumida, mapeada a situaciones comunes:

Ve a lo local si tienes (o vas a comprar) una GPU de 8GB o más, generas imágenes regularmente, y quieres privacidad, coste marginal cero y control creativo total. Qwen-Image es la base más segura — Apache 2.0, el mejor renderizado de texto de su categoría — con FLUX para fotorrealismo (ten en cuenta la división de licencia por variante) y SD 3.5 por su ecosistema de estilos inigualable.

Ve a la nube si quieres resultados en los próximos cinco minutos, generas ocasionalmente, o no tienes GPU. Adobe Firefly es la opción segura y profesional con datos de entrenamiento comercialmente seguros; getimg.ai es el puente para cualquiera al que le guste la idea de los modelos abiertos pero no la idea de instalarlos.

Y si el vídeo es lo siguiente en tu lista — esa es otra conversación de hardware distinta. Lee el artículo complementario: Generación de vídeo con IA local vs. la nube.