Ver todos los artículos
noticiasopiniónsin-humoia

Sin humo: P-H3 Image, P-JiT, NitroFusion2, RelayVSR y Mirage

JG
Jacobo González Jaspe
|
Sin humo: P-H3 Image, P-JiT, NitroFusion2, RelayVSR y Mirage Sin humo
Este artículo también está en inglés:No Hype: P-H3 Image, P-JiT, NitroFusion2, RelayVSR and Mirage

Pruna ha pasado el modelo de imagen H3 de una descarga de 143 GB a 20 GB, y sus versiones int8 y de 4 bits funcionan en ComfyUI con 21 GB de VRAM. Esta semana va de modelos de imagen y vídeo que caben en máquinas reales, hasta uno de visión de 22 MB para móviles.

Pruna reduce el modelo de imagen H3 a una descarga de 20 GB

Ilustración generada con IA en nuestra máquina. Ilustración generada con IA en nuestra máquina.

Lo que pasó. Pruna ha lanzado P-H3-Image, un modelo para generar y editar imágenes basado en MiniMax-H3 (Hugging Face). Según Pruna, su versión cuantizada más pequeña ocupa 20 GB frente a los 143 GB de H3. El núcleo pasa de 33B a 20B parámetros y los pasos, de 50 a 8. En una B200 tarda 2,6 s en vez de 12,4 s por imagen de 4 MP (Pruna).

Lo que pensamos. Para nosotros es el lanzamiento del número que más le importa a un estudio pequeño. La ficha dice que las versiones int8 y de 4 bits funcionan en ComfyUI con 21 GB de VRAM. En cambio, el flujo completo en bf16 a 8 MP pide unos 101 GB (Hugging Face). Pruna dice que el modelo de 8 pasos iguala al original de 50 “en la mayoría de instrucciones”, así que prueba las tuyas.

Lo bueno. Edita con varias imágenes de entrada, y el tamaño por defecto es de 2912 × 2912.

Qué haces tú con esto. Si tienes una tarjeta de 24 GB, las versiones cuantizadas son las que debes probar. Para elegir la máquina, mira nuestra guía de hardware por tarea.

Linum entrena un modelo de imagen de 2B, P-JiT, por 21.000 dólares

Ilustración generada con IA en nuestra máquina. Ilustración generada con IA en nuestra máquina.

Lo que pasó. Linum, un laboratorio de 2 personas, dice que entrenar P-JiT le costó 21.000 dólares (Linum). P-JiT es un modelo de 2B parámetros que genera imágenes a partir de texto. Usa un codificador de texto de 4B sacado de un Qwen3.5-4B congelado. Linum dice que la arquitectura converge con 11 veces menos muestras que su propio Linum v2.

Lo que pensamos. Nos gusta un laboratorio que publica sus notas de entrenamiento y su factura. Una conversión de la comunidad para ComfyUI funciona con el muestreador del propio ComfyUI desde 4 GB de VRAM libre (Hugging Face). Esa conversión no es de Linum, así que toma sus cifras como las de un usuario cuidadoso.

Lo bueno. Un modelo de 2B en 4 GB lo puede probar un portátil de oficina con una gráfica modesta.

Qué haces tú con esto. Empieza con los ajustes de Linum: 50 pasos, euler, simple y cfg 15 (Hugging Face). Luego mira cuánta memoria pide en nuestra calculadora de VRAM.

NitroFusion2 genera imágenes en uno o dos pasos

Ilustración generada con IA en nuestra máquina. Ilustración generada con IA en nuestra máquina.

Lo que pasó. Dar-Yen Chen y Yi-Zhe Song han publicado NitroFusion2, un modelo de 1 a 2 pasos construido sobre Z-Image-Turbo (GitHub). Los autores dicen que reduce la destilación de los 4 a 8 pasos habituales a 1 o 2. También dicen que con un paso dibuja texto nítido y mucho detalle (NitroFusion2). Los ficheros GGUF van de 2,0 GB a 7,2 GB.

Lo que pensamos. Para nosotros, “un paso” es algo que comprobar, no una función en la que confiar, y los autores solo dicen que con dos pasos “sigue siendo competitivo”. Una versión de la comunidad para ComfyUI dice que es 1,7 veces más rápido por paso que bf16 en una RTX 4090, ocupando de la mitad a una cuarta parte (Hugging Face).

Lo bueno. Con ficheros GGUF pequeños, una tarjeta antigua también se apunta.

Qué haces tú con esto. Compara un paso, dos pasos y tu modelo actual con diez instrucciones tuyas antes de cambiar nada. Para ver qué tarjeta te basta, usa nuestra calculadora de VRAM.

RelayVSR duplica la resolución de vídeo a unos 29 fotogramas por segundo en una GPU

Ilustración generada con IA en nuestra máquina. Ilustración generada con IA en nuestra máquina.

Lo que pasó. Investigadores de la Universidad de Ciencia y Tecnología de China han publicado RelayVSR, que duplica el ancho y el alto de un vídeo (RelayVSR). Los autores midieron 29,29 FPS a 1080p en una A100 de 80 GB, con un pico de 13,82 GB de memoria. FlashVSR-Tiny se quedó en 7,80 FPS en la misma tarjeta. Una versión de LightX2V procesó 243 fotogramas en 5,348 segundos en una H100 de 80 GB (Hugging Face).

Lo que pensamos. Pensamos que el vídeo generado se abarata primero por el escalado: lo haces pequeño y luego lo agrandas. La ficha dice que el diseño reduce el parpadeo entre fotogramas, que es lo que delata un escalado barato (Hugging Face). Todas las cifras salen de tarjetas de centro de datos, no de un ordenador de sobremesa.

Lo bueno. Un pico de 13,82 GB de memoria está al alcance de tarjetas de estación de trabajo.

Qué haces tú con esto. Haz clips cortos y escala al final. Compara esa memoria con tu tarjeta en nuestra calculadora de VRAM.

Cactus lanza Mirage, un modelo de visión de 22 MB para móviles

Ilustración generada con IA en nuestra máquina. Ilustración generada con IA en nuestra máquina.

Lo que pasó. Cactus ha lanzado Mirage, un modelo de visión de 51,3 millones de parámetros que cabe en unos 22 MB con cuantización de 2 bits (Cactus). Cactus dice que tarda 74 ms de principio a fin en la NPU de un Samsung Galaxy S26. Mirage describe imágenes y extrae datos estructurados. El mismo paquete incluye Whistle, que transcribe voz en siete idiomas (GitHub).

Lo que pensamos. Nos gusta la visión que funciona donde se hace la foto: un albarán fotografiado que no sale del móvil no necesita política de privacidad. Con 22 MB es una herramienta para leer etiquetas y formularios, no un modelo que entienda un contrato entero.

Lo bueno. El paquete cactus-compute guarda el motor y los pesos en caché la primera vez y no necesita JAX para funcionar en local (GitHub).

Qué haces tú con esto. Si tu equipo fotografía papeles en la calle, pruébalo con veinte fotos reales. Para ver cómo se usa esto en planta, lee nuestro artículo sobre IA en el borde para fábricas españolas.

En una frase

P-H3-Image en 20 GB es el modelo de imagen que probaríamos primero en una tarjeta de 24 GB.

Trabaja con nosotros

Si algo de esta columna encaja en tu empresa, con modelos que corren en tu hardware y no en la nube de otro, cuéntanos qué necesitas o mira cómo trabajamos en consultoría.

Diagrama
Compartir: LinkedIn X
Veredicto semanal

Recibe las guías nuevas antes que nadie

Suscríbete y te avisamos cuando publiquemos guías, plantillas y workflows nuevos. Un correo a la semana, sin spam.

Ya publicados: 101 guías y 25 plantillas. Todo gratis y sin registro.

Bonus: el kit de inicio de IA local en PDF al suscribirte
1x por semana Sin spam Cancela cuando quieras

Ver qué recibes