Ranking de los mejores modelos de imagen con IA de código abierto para autoalojar en 2026

La generación de imágenes con IA ya no es terreno exclusivo de las APIs alojadas. Los modelos de pesos abiertos ya aguantan el tipo en fotorrealismo, siguen los prompts de cerca y te dan más control a bajo nivel que la mayoría de servicios alojados. El self-hosting ya es una opción práctica y no un experimento de fin de semana, sin límites de peticiones y con costes que puedes prever. Si prefieres no gestionar GPUs, un generador de imágenes con IA alojado como Higgsfield sigue siendo un trato razonable. Es una suite creativa de IA completa, y lo que te da hoy es comodidad, no mejor calidad de modelo.

A 7 de octubre de 2026, el líder de pesos abiertos en el Text-to-Image Arena de Artificial Analysis es Qwen-Image-2.1 de Alibaba, con 1,035 de Elo y publicado el 20 de septiembre, seguido de Ideogram 4.0 (1,012) y FLUX.2 [dev] (1,000). La noticia de verdad está en las licencias: varios de los modelos “abiertos” más fuertes son de pesos abiertos con licencias no comerciales. Esta guía repasa los modelos que vale la pena autoalojar, lo que te permite hacer realmente cada licencia y las interfaces para ejecutarlos.

Cómo se clasifican los modelos de pesos abiertos

La forma independiente más limpia de medir la calidad de imagen es el Text-to-Image Arena de Artificial Analysis, que ordena los modelos por Elo a partir de votaciones a ciegas entre pares, en lugar de usar un benchmark fijo. Artificial Analysis reajustó el ancla del ranking a principios de septiembre para que FLUX.2 [dev] quede exactamente en 1,000, y lo relanzó como “AA-Image-T2I v2.0” a comienzos de octubre, clasificando los modelos actuales con los votos de su panel de personas reclutadas. Las puntuaciones anteriores a septiembre, incluidas las cifras de versiones antiguas de este artículo, no se pueden comparar con las de hoy.

Filtrado a pesos abiertos y reducido a una fila por modelo (el ranking también incluye los LoRAs Turbo y Flash de FLUX.2 [dev] de fal con 998 y 987, y las versiones destiladas de Ideogram 4.0 de fal con 986, 983 y 969), así queda la foto del 7 de octubre:

*Artificial Analysis generó la entrada Quality a través de la propia API de Ideogram y advierte que difiere de los pesos descargables, que añaden entrenamiento de seguridad y cuantización. La entrada “Ideogram 4.0” a secas puntúa 1,004.

Qwen-Image-2.1 lidera los pesos abiertos con 1,035, por delante de un grupo muy apretado, entre 994 y 1,012, que forman Ideogram 4.0, FLUX.2 [dev], Qwen Image Max 2512, Ming-Image, HunyuanImage 3.0 Instruct y Cosmos3. La frontera cerrada sigue claramente por delante: GPT Image 2.5 Sunburst (max) de OpenAI encabeza la clasificación general con 1,198, lo que deja al mejor modelo abierto 163 puntos por detrás y en el puesto #18 de la general. Más abajo en la lista abierta están HunyuanImage 3.0 (base, 945), ERNIE Image Turbo (924), FIBO (881), Stable Diffusion 3.5 Large (840) y Sana Sprint 1.6B (754). Las puntuaciones se mueven un punto o dos de un día para otro, así que consulta el ranking en directo para ver las cifras de hoy.

Los principales modelos de pesos abiertos

1. Qwen-Image-2.1 (Alibaba)

Muestra de renderizado de texto de la ficha del modelo Qwen-Image-2.1. Fuente: Qwen en Hugging Face.

Qwen-Image-2.1 es un modelo unificado de texto a imagen y edición de imágenes publicado el 20 de septiembre de 2026, y fue directo a lo más alto del Arena de pesos abiertos. Es compacto para ser el líder: el componente de generación visual tiene 7B parámetros (32 capas DiT de flujo único). Destacan tres cosas. Genera imágenes transparentes nativas (RGBA), así que logos y stickers no necesitan un paso para quitar el fondo. Acepta hasta 10 imágenes de referencia para edición y composición, que es como se montó la foto de grupo de la ficha del modelo a partir de seis retratos separados. Y un solo checkpoint se encarga tanto de generar como de editar, mediante el QwenImage21Pipeline, que viene en la versión estable Diffusers v0.41.0 (6 de octubre) con CPU offload para GPUs más modestas.

La pega es la licencia. La Qwen Research License permite el uso “SOLO PARA FINES NO COMERCIALES”, que define como investigación o evaluación, y el uso comercial requiere una licencia aparte de Alibaba. Es un paso atrás respecto al Apache 2.0 de Qwen-Image-2512, así que si estás construyendo un producto, empieza por la sección 4. Alibaba no ha publicado una cifra de VRAM para la 2.1.

Ideal para investigación y evaluación, sobre todo recursos con transparencia y edición con varias referencias. Pesos: Qwen-Image-2.1 en Hugging Face.

2. Ideogram 4.0 (Ideogram)

Para quienes prefieren una solución alojada en lugar de gestionar modelos de pesos abiertos por su cuenta, Ideogram AI ofrece una plataforma accesible para generar imágenes de alta calidad con control preciso del texto y la maquetación.

La primera versión de pesos abiertos de Ideogram, lanzada el 3 de junio de 2026, es un diffusion transformer de 9.3B construido en torno a prompts JSON estructurados: especificas la maquetación, las paletas de color y la posición del texto directamente, con bounding boxes, en lugar de confiar en que el modelo interprete bien tu redacción. El checkpoint cuantizado en nf4 cabe en una sola GPU de consumo de 24GB, y tambien hay un checkpoint fp8. En el Arena, la entrada Quality (generada a través de la API de Ideogram) es el modelo de pesos abiertos #2 con 1,012, y la entrada normal puntúa 1,004. El modelo más reciente de Ideogram, el 4.5 (30 de septiembre), todavía no tiene pesos abiertos.

Lee la licencia antes de desplegar nada: los pesos están bajo la licencia Ideogram 4 Non-Commercial, que considera uso comercial generar material para anunciar o promocionar productos que generan ingresos. Con un acuerdo comercial con Ideogram en regla, las maquetas de marketing, los folletos de producto y los recursos de marca que produce se pueden montar en un flipbook digital interactivo.

Ideal para carteles, logos, mockups de interfaz y cualquier trabajo donde la colocación exacta del texto y la maquetación importe más que el fotorrealismo. Código: ideogram-oss/ideogram4 en GitHub.

3. FLUX.2 (Black Forest Labs)

FLUX.2, publicado el 25 de noviembre de 2025, sucede a la arquitectura FLUX.1 que marcó el listón de calidad en los pesos abiertos. FLUX.2 [dev] es un modelo de 32B parámetros con salida de 4 megapíxeles y soporte multirreferencia integrado: le pasas hasta 10 imágenes de referencia (un personaje, un estilo artístico, un producto) y las combina sin fine-tuning ni LoRAs. Funciona bien en hardware NVIDIA RTX con cuantización FP8, y es el punto de referencia contra el que se puntúa todo el Arena (exactamente 1,000).

FLUX.2 [dev] se distribuye con la licencia FLUX non-commercial, que te permite usar las imágenes generadas para cualquier fin, también comercial, pero exige una licencia de BFL para ejecutar el modelo con fines comerciales. Si necesitas una licencia permisiva o una GPU pequeña, mira FLUX.2 [klein] 4B (enero de 2026): 4 mil millones de parámetros, Apache 2.0, edición multirreferencia y tan solo 13GB de VRAM (Black Forest Labs menciona la RTX 3090 y la 4070). El [klein] 9B, más grande, puntúa 941 pero vuelve a la licencia no comercial. En cuanto a FLUX 3, FLUX 3 Image se lanzó en la API de BFL el 1 de octubre sin pesos abiertos, los únicos pesos abiertos de FLUX 3 hasta ahora son los del modelo de robótica FLUX 3 Action, y la prometida FLUX 3 Dev todavía no ha salido.

Ideal para recursos de alta resolución, consistencia de personajes y composición multirreferencia ([dev]), y trabajo comercial en una GPU de consumo ([klein] 4B). Pesos: Black Forest Labs en Hugging Face.

4. Qwen-Image-2512 (Alibaba)

Qwen-Image-2512 es la actualización de diciembre de 2025 del Qwen-Image original, un modelo de unos 20B parámetros bajo Apache 2.0. Artificial Analysis lo lista como “Qwen Image Max 2512” (999 de Elo), aunque esa puntuación se apoya en solo unos 2,200 votos, así que es la cifra menos asentada de la tabla. La actualización trajo tres mejoras: personas más realistas (menos de ese “aspecto IA” ceroso y demasiado suavizado), más detalle natural en paisajes y pelaje, y mejor renderizado de texto para diapositivas, infografías y carteles.

Con Qwen-Image-2.1 bajo licencia no comercial, 2512 es el modelo Qwen más fuerte que puedes meter en un producto sin una licencia aparte. Un apunte sobre nombres: “qwen-image-max” también es un modelo alojado en la API de Alibaba Cloud, y Alibaba no dice si ejecuta exactamente estos pesos, así que usa el nombre de Hugging Face cuando lo autoalojes.

Ideal para retratos fotorrealistas, material de marketing comercial y diseños con mucho texto bajo una licencia permisiva. Pesos: Qwen en Hugging Face.

5. Ming-Image-0.1-Design (InclusionAI)

Resultados de muestra de la ficha del modelo Ming-Image-0.1-Design. Fuente: InclusionAI en Hugging Face.

Ming-Image-0.1-Design, de InclusionAI (Ant Group), llegó en septiembre de 2026 y es el modelo más especializado de la lista: un modelo de texto a imagen de 6B para maquetas de interfaz, infografías, carteles y otros diseños con mucho texto. Genera composiciones completas en lugar de objetos sueltos, admite salida RGBA con fondo transparente y puntúa 997 en el Arena, estadísticamente empatado con FLUX.2 [dev] con una fracción de su tamaño. Tiene licencia MIT, así que el uso comercial está permitido.

La configuración recomendada es 2048x2048 con 12 pasos de muestreo en BF16, servido con vLLM-Omni. La única configuración de hardware que InclusionAI ha validado es una GPU con 80GB de VRAM, así que en tarjetas de consumo estás en terreno no soportado.

Ideal para landing pages, mockups de apps, infografías y carteles donde la maquetación y el texto son lo importante. Pesos: InclusionAI en Hugging Face.

6. HunyuanImage 3.0 (Tencent)

Banner del README de HunyuanImage 3.0. Fuente: Tencent en GitHub.

HunyuanImage 3.0 de Tencent es el modelo más grande de esta guía: un diseño Mixture-of-Experts con 64 expertos y 80 mil millones de parámetros en total, 13 mil millones activos por token. Esa escala le da un conocimiento del mundo amplio y buen manejo de las relaciones espaciales y de los prompts largos y detallados. En enero de 2026 Tencent añadió HunyuanImage 3.0 Instruct y una variante Instruct-Distil, e Instruct es el checkpoint que aparece en el Arena de pesos abiertos con 996 (el modelo base puntúa 945).

Dos limitaciones prácticas. Hardware: el modelo base necesita al menos tres GPUs de 80GB e Instruct al menos ocho. Licencia: la Tencent Hunyuan Community License no se aplica en la Unión Europea, el Reino Unido ni Corea del Sur, y los servicios con más de 100 millones de usuarios activos mensuales necesitan una licencia aparte de Tencent.

Ideal para generación narrativa, prompts complejos y equipos con un servidor multi-GPU fuera de las regiones excluidas. Código: Tencent en GitHub.

7. Cosmos3-Super-Text2Image (NVIDIA)

Cosmos3-Super-Text2Image es el modelo de texto a imagen de la familia Cosmos 3 de NVIDIA, pensado para trabajo de Physical AI como robótica, conducción autónoma y simulación. Se publicó en Hugging Face a finales de mayo de 2026 como un modelo Mixture-of-Transformers de 64B parámetros con una torre autorregresiva y una torre de difusión, y su base en escenas físicas se nota en la iluminación, los materiales y la disposición espacial. Lideró el Arena de pesos abiertos desde su debut a finales de mayo hasta julio, y está en 994 tras el reajuste del ancla de septiembre.

La etiqueta “(agentic)” se refiere a un bucle de muestreo, no a un razonamiento integrado. La receta de upsampling agéntico de NVIDIA genera candidatos, puntúa cada uno con un crítico de visión y lenguaje y reescribe el prompt a partir de lo que dice el crítico, y por defecto llama a modelos alojados de terceros para la reescritura y la crítica. La ejecución no agéntica puntúa 986, y un checkpoint destilado de 4 pasos publicado en julio puntúa 971. Los pesos están bajo la licencia permisiva OpenMDW 1.1 y se sirven con vLLM-Omni, SGLang y Diffusers, pero NVIDIA recomienda un nodo 8xH100, o 4xH200/GB200, y solo ha probado BF16.

Ideal para escenas físicamente realistas, y equipos con GPUs de centro de datos que quieren un modelo con licencia comercial cerca de lo más alto del ranking. Pesos: NVIDIA en Hugging Face.

8. Krea 2 (Krea AI)

Krea 2 se lanzó como modelo alojado en mayo de 2026, y el 22 de junio Krea publicó sus pesos como dos checkpoints descargables de 12B parámetros: Raw, una base sin destilar para fine-tuning y entrenamiento de LoRAs, y Turbo, una versión destilada de 8 pasos para iterar rápido a resoluciones de 1K a 2K. Krea lo vende por su rango estético más que por un único estilo pulido por defecto. En el Arena, las entradas de Krea 2 son builds alojadas que Artificial Analysis no lista como pesos abiertos, así que no hay puntuación del Arena para los archivos que puedes descargar.

Lee la Krea 2 Community License antes de desplegarlo comercialmente. Es gratis para organizaciones con menos de 1 millón de dólares de ingresos anuales, tienes que encargarte de tu propio filtrado de contenido, cualquier modelo de IA que distribuyas que lo contenga o derive de él debe tener un nombre que empiece por “Krea”, y Krea puede rescindir la licencia con 30 días de preaviso. Son bastantes más condiciones que una licencia Apache o MIT.

Ideal para calidad estética desde el primer momento, entrenamiento de LoRAs sobre el checkpoint Raw y equipos pequeños por debajo del umbral de ingresos. Detalles: informe técnico de Krea 2.

9. FIBO (Bria AI)

FIBO, de Bria AI, es un DiT de 8B parámetros nativo en JSON: lee prompts estructurados que controlan parámetros como la distancia focal de la cámara (“85mm”), la dirección de la luz y la profundidad de campo. Bria lo entrenó exclusivamente con datos licenciados, y por eso las empresas lo miran cuando importa la procedencia de los derechos de autor. Los pesos abiertos son no comerciales (CC BY-NC 4.0), y el uso comercial pasa por una licencia de Bria. Puntúa 881 en el Arena.

Ideal para visualización precisa de productos y arquitectura, y para evaluar un modelo entrenado con datos licenciados antes de comprar una licencia comercial. Pesos: Bria AI en Hugging Face.

10. Stable Diffusion 3.5 (Stability AI)

Stable Diffusion fue en su día la opción por defecto para generar imágenes en tu propio hardware, y 3.5 Large (8.1B parámetros, octubre de 2024) es su última versión abierta. Ha caído al puesto #36 entre los modelos de pesos abiertos del Arena (840), así que elígelo por el ecosistema de herramientas más que por la calidad bruta. Es gratis bajo la Stability AI Community License para organizaciones con menos de 1 millón de dólares de ingresos anuales. Hay cientos de fine-tunes, LoRAs y ControlNets hechos para él, y SwarmUI y ComfyUI lo soportan (Forge Neo dejó de soportar SD3). Eso sí, ya no tiene la mayor biblioteca de adaptadores: en Hugging Face, SDXL y FLUX.1 [dev] tienen cada uno muchos más LoRAs que los aproximadamente 400 de SD 3.5 Large.

Ideal para generación de uso general, flujos de trabajo antiguos y hardware donde no caben los modelos más grandes. Pesos: Stability AI en Hugging Face.

11. NVIDIA Sana

Sana prioriza la velocidad en lugar del número de parámetros. Sana-0.6B genera una imagen de 1024x1024 en menos de un segundo en una GPU de portátil de 16GB, y es unas 20x más pequeño y 100x más rápido que FLUX según la propia comparación de NVIDIA, gracias a un DiT de atención lineal y a un autoencoder de compresión profunda. Es una familia: Sana-1.5 sube la calidad, y Sana-Sprint destila la generación a 1-4 pasos (imágenes en 0.1 segundos en una H100; el checkpoint Sprint de 1.6B puntúa 754 en el Arena). El código y los pesos son Apache 2.0. Su Elo es el más bajo de la lista, el precio de funcionar donde no funciona nada más.

Ideal para GPUs de consumo y de portátil, e iteración rápida. Código: NVlabs/Sana en GitHub.

12. SenseNova U1.5 (SenseTime)

SenseNova-U1.5-8B-MoT, publicado en su versión final el 20 de agosto de 2026 tras una preview en julio, usa un backbone Mixture-of-Transformers que ejecuta la comprensión y la generación como flujos separados que comparten atención, en lugar de acoplar una cabeza de difusión a un modelo de lenguaje (unos 17.5B parámetros en total). Esa separación reduce la interferencia que suele perjudicar a una de las dos capacidades cuando un solo modelo se entrena para ambas, y se traduce en generación nativa en 4K más edición por instrucciones con varias referencias, como fusionar una foto de producto con una referencia de fondo distinta en una sola pasada. Es Apache 2.0 y todavía no está en el Arena.

Ideal para salida nativa en 4K, edición por instrucciones con varias imágenes y equipos que quieren un modelo unificado con licencia Apache. Pesos: SenseTime en Hugging Face.

13. Mage-Flow (Microsoft): solo para investigación, pesos oficiales retirados

Mage-Flow, publicado por Microsoft en julio de 2026, es un modelo de 4B parámetros para generación de texto a imagen y edición basada en instrucciones, construido a partir de un tokenizer (Mage-VAE) y un diffusion transformer (NR-MMDiT) diseñados en conjunto. El checkpoint destilado Turbo genera una imagen de 1024px en 0.59 segundos en una A100 con unos 18-20GB de memoria. El código y los pesos tienen licencia MIT, pero el README de Microsoft dice que los modelos se “publican solo con fines de investigación” y no están pensados para productos, y los repositorios oficiales de Hugging Face ahora devuelven un error, aunque hay mirrors de la comunidad que siguen alojando copias. Tómalo como referencia de investigación, no como opción para producción.

Ideal para estudiar diseños eficientes que combinan generación y edición. Fuentes: microsoft/Mage en GitHub y el paper de Mage-Flow.

Otros que vale la pena mirar

Z-Image Turbo (Alibaba Tongyi-MAI) es un modelo de 6B con Apache 2.0 que solo necesita 8 evaluaciones de función por imagen y “cabe holgadamente en dispositivos de consumo con 16G de VRAM”. Con 941 de Elo es el modelo con licencia permisiva mejor puntuado cuyo fabricante dice que cabe en una GPU de consumo de 16GB.

HiDream-O1-Image (mayo de 2026, unos 8.8B, MIT) puntúa 981. ERNIE-Image de Baidu (abril de 2026, 8B, Apache 2.0) funciona en GPUs de consumo de 24GB y puntúa 912, con una variante Turbo que llega a 924.

Qué modelos puedes usar comercialmente

Hoy las licencias separan estos modelos más que la calidad. Revisa cada licencia por tu cuenta antes de lanzar nada; esto es un resumen, no asesoramiento legal.

• Permisivas (uso comercial permitido): Qwen-Image-2512, Z-Image Turbo, FLUX.2 [klein] 4B, ERNIE-Image, Sana y SenseNova U1.5 (Apache 2.0); Ming-Image-0.1-Design y HiDream-O1-Image (MIT); Cosmos3-Super-Text2Image (OpenMDW 1.1).
• Comerciales con condiciones: Stable Diffusion 3.5 y Krea 2 (gratis por debajo de 1 millón de dólares de ingresos anuales, más las reglas de filtrado de contenido y de nombres de Krea); HunyuanImage 3.0 (sin licencia en la UE, el Reino Unido ni Corea del Sur, y con licencia aparte por encima de 100 millones de usuarios mensuales).
• Modelos no comerciales: Qwen-Image-2.1, Ideogram 4.0, FLUX.2 [dev] y [klein] 9B, y FIBO. Todos sus fabricantes venden licencias comerciales por separado. La licencia de FLUX sí permite el uso comercial de las imágenes generadas; ejecutar el modelo con fines comerciales requiere una licencia de BFL.
• Solo para investigación según la intención declarada del fabricante: Mage-Flow, cuyo código y pesos son MIT pero que, según Microsoft, no está pensado para productos.

Interfaces imprescindibles

Para ejecutar estos modelos en local necesitas una interfaz. Estas tres son las que usa la mayoría de la gente, y las tres siguen con mantenimiento activo en octubre de 2026.

1. SwarmUI

SwarmUI está pensado para la eficiencia y la organización. Admite varios backends, así que puedes repartir la generación entre varias GPUs o máquinas de tu red, y su función “Grid” es la forma más rápida de ver cómo cambia un prompt con distintos modelos o ajustes. Incorpora modelos nuevos muy rapido: su documentación de modelos soportados cubre FLUX.2, Krea 2, Ideogram 4, Qwen Image 2.1, Ming, HiDream O1, ERNIE, MageFlow y SenseNova-U1. La última release etiquetada es de febrero de 2026, pero el desarrollo sigue en la rama main, con commits hasta octubre de 2026. Por defecto sirve en el puerto 7801.

Fuente: SwarmUI en GitHub.

2. ComfyUI

ComfyUI es la opción de los usuarios avanzados. Su interfaz basada en nodos te permite construir “workflows”, grafos visuales del pipeline de generación, y suele ser la primera interfaz en soportar familias de modelos nuevas. La versión 0.39.0 salió el 5 de octubre de 2026 y añadió Partner Nodes (antes API nodes) para FLUX 3 Image e Ideogram 4.5 junto a su soporte de modelos locales, y su README menciona FLUX.2, Ideogram 4, Krea 2, MageFlow y ERNIE Image entre muchos otros. Con más de 135,000 estrellas en GitHub, también tiene la mayor biblioteca de workflows compartidos. Sirve en el puerto 8188.

Fuente: ComfyUI en GitHub.

3. Forge Neo

El Forge original, un fork optimizado del clásico Stable Diffusion WebUI, no recibe un commit desde mediados de 2025 y nunca añadió soporte para FLUX.2. Su sucesor mantenido es Forge Neo, la rama neo de sd-webui-forge-classic de Haoming02, que se presenta como una continuación de la última versión de Forge. Conserva la interfaz de una sola página de siempre sobre un backend de gestión de memoria reescrito a partir del de ComfyUI, y soporta Krea 2, Z-Image, ERNIE, Qwen-Image y FLUX.2 [klein] (pero no FLUX.2 [dev]). Para quien empieza con hardware de consumo, sigue siendo la puerta de entrada más amable. Sirve en el puerto 7860.

Fuente: Haoming02/sd-webui-forge-classic (Forge Neo) en GitHub.

Compartir tu instancia autoalojada en internet

Una vez que ComfyUI, SwarmUI o Forge Neo están funcionando en tu máquina con GPU, el siguiente problema es el acceso. La interfaz solo escucha en localhost, lo que está bien si trabajas solo, pero se queda corto cuando un cliente tiene que revisar resultados, un compañero quiere lanzar un render desde su portátil o tú quieres revisar un trabajo por lotes desde el móvil.

Pinggy lo resuelve con un solo comando SSH, sin registro ni instalación. Para ComfyUI en su puerto por defecto:

ssh -p 443 -R0:localhost:8188 free.pinggy.io

Eso imprime una URL HTTPS pública que puedes pasarle a cualquiera, sin abrir puertos en el firewall ni montar un reverse proxy. Para SwarmUI o Forge Neo, cambia al puerto 7801 o 7860. Los túneles gratuitos duran 60 minutos y, a quien entra desde el navegador, le muestran una página de aviso una sola vez antes de que cargue la interfaz. Nuestras guías para compartir ComfyUI en internet y ejecutar ComfyUI en Google Colab explican la protección con contraseña, los dominios personalizados y cómo ejecutar todo el stack en una GPU gratuita de Colab.

Conclusión

Autoalojar la generación de imágenes con IA ya no es cosa solo de entusiastas. Qwen-Image-2.1 lidera el Arena de pesos abiertos de Artificial Analysis, y otros siete modelos de pesos abiertos están a menos de 55 puntos de Elo de él. La frontera cerrada sigue 163 puntos por delante, así que las APIs alojadas mantienen una ventaja de calidad, pero para la mayoría de trabajos los modelos abiertos son suficientes. Lo que decide la elección es sobre todo la licencia y el hardware. Qwen-Image-2512, Ming-Image, Z-Image Turbo y FLUX.2 [klein] 4B son las opciones permisivas para una sola GPU. Cosmos3 es la opción con licencia comercial cerca de la cima si tienes un nodo de centro de datos. Qwen-Image-2.1, Ideogram 4.0 y FLUX.2 [dev] son los líderes en calidad que puedes evaluar libremente, pero necesitan una licencia aparte para usarlos en un producto o servicio comercial. Elige el modelo que encaje con tu trabajo, tu licencia y el hardware que puedas dedicarle, combínalo con una de las interfaces de arriba y tendrás un pipeline de imágenes privado que controlas de principio a fin.