# ComfyUI sin memoria en Windows: ¿VRAM, RAM o disco?

Cuando ComfyUI informa `CUDA out of memory` en Windows, investiga primero la memoria de la GPU y el flujo de trabajo que falló. Eliminar las imágenes generadas libera espacio en disco, pero no aumenta la VRAM dedicada. Un mensaje genérico de falta de memoria también puede involucrar la RAM del sistema, así que conserva el texto real del error en lugar de tratar cada fallo como el mismo problema.

## Conserva el flujo de trabajo que falla y localiza la etapa

Guarda el flujo de trabajo y anota el modelo, la resolución, el tamaño de lote y el nodo donde se detiene la ejecución. Usa el informe de error y el registro del terminal para distinguir entre cargar un modelo, muestrear, decodificar una imagen y ejecutar un nodo personalizado. La etapa importa porque cada una puede necesitar una cantidad distinta de memoria.

La [guía de solución de problemas](https://docs.comfy.org/troubleshooting/overview) de ComfyUI recomienda revisar el informe, reducir el tamaño de la imagen o el tamaño de lote y descartar problemas de nodos personalizados. Trata esto como comparaciones controladas. No actualices todos los nodos, reemplaces Python y cambies el modelo al mismo tiempo, porque una nueva ejecución exitosa ya no revelaría qué cambio fue el determinante.

## Lee la memoria de la GPU y la memoria del sistema por separado

Abre **Administrador de tareas › Rendimiento** e inspecciona la memoria dedicada de la GPU junto con la página Memoria mientras reproduces el fallo. Asegúrate de estar mirando la GPU que realmente se usa para el flujo de trabajo en un equipo con varias GPU.

| Recurso | Qué cambia cuando hay escasez |
| --- | --- |
| Memoria dedicada de la GPU | Si el modelo y los tensores intermedios caben en la GPU |
| RAM del sistema y confirmación | Si Windows y el trabajo del lado de la CPU tienen espacio |
| Espacio en disco | Si los modelos, las salidas y los archivos de paginación pueden crecer |

La memoria compartida de la GPU no es VRAM física adicional en la tarjeta gráfica. Un SSD con mucho espacio libre no significa que un modelo grande quepa en esa tarjeta. La [explicación del Administrador de tareas sobre la GPU](https://devblogs.microsoft.com/directx/gpus-in-the-task-manager/) de Microsoft describe las distintas lecturas.

## Igualar el primer experimento al nodo que falla

Un informe de falta de memoria suele contener información más útil que el nodo en rojo por sí solo. Conserva el primer error de asignación y el nodo que lo generó; las excepciones posteriores pueden ser consecuencia de ese primer fallo. Guarda una copia del flujo de trabajo antes de cambiar su grafo.

| Etapa del fallo | Primera comparación controlada | Qué puede establecer el resultado |
| --- | --- | --- |
| Cargar un checkpoint o un codificador de texto | Un modelo más pequeño compatible con la misma tarea mínima | Si la demanda de carga es el obstáculo |
| Muestreo | Lote de uno y, luego, dimensiones de imagen admitidas más bajas en una ejecución aparte | Si la carga de trabajo intermedia cabe con un tamaño menor |
| Decodificación VAE después del muestreo | Una decodificación VAE por mosaicos compatible | Si la decodificación fue el pico que falló |
| Escalado o procesamiento de vídeo | Una entrada más pequeña o menos fotogramas, si se admite | Si el tamaño de entrada de esa etapa impulsa el fallo |
| Un nodo personalizado | El equivalente integrado más pequeño que se admita | Si el fallo es específico de esa ruta de nodo |

Estos son experimentos, no garantías. Un checkpoint más pequeño puede cambiar la familia de modelos, los nodos necesarios o la calidad de salida, así que usa un flujo de trabajo que lo admita. Si el primer error se refiere a la carga de pesos, reducir la calidad final del JPEG no cambiará la cantidad de memoria de modelo necesaria.

Lleva un registro sencillo del modelo, la semilla, la resolución, el lote, el nodo cambiado y el resultado. Conserva la misma semilla cuando el flujo de trabajo lo admita para que las comparaciones visuales sean más fáciles, reconociendo a la vez que cambiar la precisión o los nodos aún puede cambiar la imagen. Cuando una configuración pequeña se complete, restaura un requisito cada vez hasta que la etapa limitante quede clara.

## Reduce una demanda a la vez

Empieza con un tamaño de lote de uno y una resolución compatible más pequeña. Si el flujo de trabajo termina, aumenta solo una dimensión y repite. Duplicar tanto el ancho como la altura de la imagen produce cuatro veces más píxeles, pero no implica exactamente cuatro veces la VRAM total, porque los modelos y los distintos nodos tienen sus propios costos.

Si el fallo ocurre en la decodificación en lugar del muestreo, prueba un nodo de decodificación VAE por mosaicos compatible cuando el flujo de trabajo lo admita. Revisa la salida para detectar costuras u otras diferencias. Si un solo modelo no se puede cargar, unas dimensiones de salida más pequeñas por sí solas pueden no resolver el problema. Prueba un modelo o una precisión compatibles con ese flujo de trabajo y ese hardware.

Guarda y cierra otros trabajos que exijan mucho de la GPU antes de otra ejecución. Si la memoria sigue ocupada después de un trabajo fallido, reinicia ComfyUI con normalidad después de guardar el flujo de trabajo. Un reinicio puede liberar una carga de trabajo abandonada, pero no hace que un flujo de trabajo sobredimensionado quepa de forma fiable.

## Cambiar la decodificación VAE sin reconstruir todo el flujo de trabajo

La [documentación de VAE Decode Tiled](https://docs.comfy.org/built-in-nodes/VAEDecodeTiled) de ComfyUI describe la decodificación de muestras latentes en mosaicos más pequeños. En una copia guardada de un flujo de trabajo de imagen compatible, conecta las mismas muestras latentes y el mismo VAE al nodo de decodificación por mosaicos, y luego conecta su salida de imagen al nodo de guardado o vista previa existente. Conserva el flujo de trabajo original para que el cambio sea reversible.

Empieza con los valores predeterminados disponibles del nodo en lugar de copiar varios valores de mosaico y solapamiento de otro modelo. Si se necesita un mosaico más pequeño, cambia solo ese valor y comprueba tanto el uso de memoria como la imagen resultante. Las piezas más pequeñas pueden reducir el conjunto de trabajo pero añaden sobrecarga de procesamiento; inspecciona los degradados suaves, los límites y los detalles finos antes de aceptar el resultado.

El uso de mosaicos en la decodificación no reduce la memoria necesaria antes para cargar el modelo o ejecutar el muestreador. Si la ejecución nunca llega a la decodificación, vuelve a centrar la investigación en la etapa que falla. Un VAE de vídeo o un modelo especializado puede necesitar su propio nodo compatible, así que no sustituyas un decodificador de imagen solo porque su nombre incluya “tiled”.

## Usa la ruta de optimización de tu instalación

La guía oficial documenta `--lowvram` para instalaciones manuales. Para una instalación manual lanzada desde su propio entorno, la forma es:

```
python main.py --lowvram
```

Este no es un comando universal para pegar en ComfyUI Desktop, un paquete portátil o un lanzador de terceros. Usa la configuración de lanzamiento compatible con esa instalación y conserva los argumentos existentes. Mover el trabajo fuera de la memoria de la GPU puede intercambiar velocidad y RAM del sistema por un requisito de VRAM menor.

Para los fallos relacionados con nodos personalizados, compara con un flujo de trabajo integrado y sigue la [solución de problemas de nodos personalizados](https://docs.comfy.org/troubleshooting/custom-node-issues) de ComfyUI. Conserva el flujo de trabajo original y registra qué nodos se desactivaron. Un nodo personalizado faltante cambia el flujo de trabajo, así que compara la tarea equivalente más pequeña que puedas reproducir.

## Restaurar los ajustes de inicio tras la comparación

Guarda una copia del lanzador o una nota de sus argumentos antes de probar una opción de memoria. Un entorno de Python manual, un paquete portable de Windows y la aplicación de escritorio no necesariamente se inician de la misma forma. Añade una opción solo mediante el mecanismo que realmente inicia esta instalación; crear un segundo entorno de Python puede introducir un problema distinto.

La [referencia de indicadores de inicio](https://docs.comfy.org/development/comfyui-server/startup-flags) de ComfyUI describe varios controles independientes de memoria y caché. No son un conjunto de interruptores para activar todos juntos. Por ejemplo, reducir el almacenamiento en caché de resultados puede disminuir la memoria retenida pero hacer que se ejecuten de nuevo más nodos. La descarga a CPU puede necesitar más RAM del sistema y ralentizar el flujo de trabajo.

Tras una ejecución correcta, comprueba que la salida esté completa y sea utilizable, y luego repite la tarea normal. Si el cambio solo permite una prueba mínima pero el flujo de trabajo requerido sigue fallando, registra ese límite. Elimina del lanzador original un argumento de prueba que no ayude y vuelve a la última configuración que funcionaba antes de otro experimento.

Si el compromiso del sistema es el cuello de botella, revisa la Memoria de Windows junto con la memoria de la GPU y conserva una configuración de archivo de paginación que funcione. Aumentar la capacidad del disco, aumentar el límite del archivo de paginación y reducir la demanda de VRAM dedicada son intervenciones distintas; ninguna debe presentarse como una cura universal para las demás.

## Mantén la limpieza de salidas como una tarea aparte

Las imágenes y los videos generados pueden consumir bastante espacio en disco. Revísalos por proyecto y conserva el flujo de trabajo y los recursos necesarios para reproducir resultados valiosos. Haz una copia de seguridad de todo lo que pretendas conservar antes de borrar su única copia.

Si el error es una escasez de confirmación de Windows, la [guía de memoria de Windows](/es/windows/blog/windows-high-memory-usage) explica en qué se diferencia de la VRAM. No elimines el archivo de paginación para que la unidad parezca más limpia. Cuando informes un fallo persistente, incluye el error exacto, la GPU y el controlador, el tipo de instalación y el flujo de trabajo fallido más pequeño, con las indicaciones y rutas privadas eliminadas.


Canonical: https://mole.fit/es/windows/blog/comfyui-out-of-memory-windows