Description
Stable Diffusion
¿Qué es Stable Diffusion?
Stable Diffusion es un modelo de generación de imágenes mediante inteligencia artificial desarrollado por Stability AI, una empresa británica fundada en 2019 por Emad Mostaque y Cyrus Hodes. Lanzado públicamente en agosto de 2022, se convirtió rápidamente en uno de los modelos de IA generativa más influyentes gracias a su naturaleza open-source y la capacidad de ejecutarse en hardware de consumo.
A diferencia de competidores como DALL-E o Midjourney, Stable Diffusion permite a los usuarios descargar, modificar y ejecutar los modelos localmente sin depender de servicios en la nube, democratizando el acceso a la generación de imágenes con IA.
Empresa y Financiación
| Dato | Información |
|---|---|
| Empresa | Stability AI Ltd |
| Sede | Londres, Reino Unido |
| Fundación | 2019 |
| CEO Actual | Prem Akkaraju (desde junio 2024) |
| Valoración | $1B (octubre 2022) |
| Financiación Total | ~$231M - $299M |
| Ingresos 2024 | ~$50M - $104M |
| Empleados | ~186 |
Inversores destacados: Coatue Management, Lightspeed Venture Partners, Greycroft, Sound Ventures, WPP, Sean Parker, Eric Schmidt
Modelos Disponibles (Diciembre 2025)
Stable Diffusion 3.5 (Octubre 2024) - Última Generación
| Modelo | Parámetros | Resolución | Velocidad | VRAM |
|---|---|---|---|---|
| SD 3.5 Large | 8.1B | 1 megapíxel | Estándar | ~12GB |
| SD 3.5 Large Turbo | 8.1B | 1 megapíxel | 4 pasos (rápido) | ~12GB |
| SD 3.5 Medium | 2.5B | 0.25-2 MP | Estándar | 9.9GB |
| SD 3.5 Flash | - | Variable | Muy rápido | Bajo |
Modelos Anteriores
- SDXL 1.0 (Julio 2023): 3.5B parámetros, 1024×1024 nativo
- SD 2.1: Modelo legacy
- SD 1.5: 860M parámetros, 4GB VRAM, ecosistema más grande (10,000+ modelos fine-tuned)
Arquitectura Técnica
Stable Diffusion utiliza la arquitectura MMDiT (Multimodal Diffusion Transformer):
- Diffusion Models: Genera imágenes denoising de ruido aleatorio
- Tres encoders de texto: OpenCLIP-ViT/G, CLIP-ViT/L, T5-xxl
- QK-Normalization: Mejora la estabilidad del entrenamiento
- MMDiT-X (SD 3.5 Medium): Módulos de self-attention en las primeras 13 capas
Precios y Licencias (Diciembre 2025)
Community License (Gratis)
- Elegibilidad: Individuos y organizaciones con ingresos < $1M anuales
- Incluye: SD 3.5 Suite, SDXL Turbo, Stable Audio Open, Stable Fast 3D
- Uso: Comercial y no comercial ilimitado
Enterprise License
- Elegibilidad: Organizaciones con ingresos > $1M anuales
- Precio: Personalizado (contactar ventas)
- Incluye: Soporte de implementación, entrenamiento de modelos custom
Stability AI API (Credits)
| Servicio | Créditos/Imagen |
|---|---|
| Stable Image Ultra | Variable |
| Stable Image Core | Económico |
| SD 3.5 Large | ~3.7¢ |
| SD 3.5 Large Turbo | Más económico |
| SDXL 1.0 | ~1.1¢ |
| SD 1.5 | ~0.6¢ |
Nota: Los créditos se compran en paquetes, $10 por 1,000 créditos aproximadamente.
Plataformas de Terceros
- DreamStudio: Interfaz web oficial de Stability AI
- Stable Assistant: Chatbot multimodal
- ComfyUI: Interfaz local basada en nodos (gratis)
- Automatic1111: WebUI popular (gratis)
- Replicate, Hugging Face, Fireworks: APIs alternativas
Características Principales
Generación de Imágenes
- Texto a imagen desde lenguaje natural
- Imagen a imagen (img2img)
- Inpainting (rellenar áreas)
- Outpainting (expandir imágenes)
- Upscaling (aumentar resolución)
- Control mediante ControlNets
Fortalezas de SD 3.5
- Renderizado de texto mejorado en imágenes
- Diversidad de outputs: personas con diferentes tonos de piel y características
- Versatilidad de estilos: 3D, fotografía, pintura, line art
- Adherencia a prompts superior
- Customización: Query-Key Normalization facilita fine-tuning
Multimodalidad (Ecosystem Stability AI)
- Stable Video Diffusion: Clips de video desde imágenes
- Stable Video 4D 2.0 (Mayo 2025): Videos multi-ángulo dinámicos
- Stable Audio 2.5 (Sept 2025): Generación de audio empresarial
- SPAR3D: Modelos 3D desde imágenes en < 1 segundo
Requisitos de Hardware (Self-Hosted)
| Modelo | GPU Mínima | VRAM | RAM | Almacenamiento |
|---|---|---|---|---|
| SD 1.5 | GTX 1060 | 4GB | 8GB | 5GB |
| SDXL | RTX 3060 | 8GB | 16GB | 15GB |
| SD 3.5 Medium | RTX 3070 | 10GB | 16GB | 20GB |
| SD 3.5 Large | RTX 4080 | 12GB+ | 32GB | 25GB |
Integraciones y Partners
Plataformas Cloud
- Amazon Bedrock (AWS)
- Azure AI Foundry (Microsoft)
- NVIDIA NIM
- Hugging Face
- Replicate
Partners Empresariales
- WPP: Partnership estratégico e inversión (Marzo 2025)
- Electronic Arts (EA): Co-desarrollo de modelos para gaming
- Universal Music Group: Herramientas de creación musical
- Warner Music Group: IA responsable para música
- HubSpot: Integración en Breeze Content Agent
- Mercado Libre: GenAds para e-commerce
Casos de Uso Empresariales
| Empresa | Aplicación | Resultado |
|---|---|---|
| HubSpot | Breeze Content Agent | +150% capacidad de generación |
| Mercado Libre | GenAds publicidad | +25% CTR |
| EA | Assets para juegos | En desarrollo |
Open Source y Comunidad
- Hugging Face: Modelos descargables, +10,000 variantes fine-tuned
- GitHub: Código de inferencia y entrenamiento
- ComfyUI: Interfaz de nodos con flujos personalizables
- Civitai: Comunidad de modelos y LoRAs
- Discord: Comunidad oficial Stability AI
Limitaciones
- No genera contenido dañino, violento o explícito (con safeguards)
- Calidad variable según especificidad del prompt
- Mayor variación en outputs con misma semilla (por diseño)
- Requiere hardware potente para modelos grandes
- Licencia Enterprise requerida para empresas > $1M ingresos
Controversias
- Getty Images: Demanda por copyright (victoria parcial de Stability AI en Nov 2025)
- Cambio de CEO: Emad Mostaque dimitió en marzo 2024
- Desafíos financieros: Reportados en 2024, resueltos con nueva financiación
Key Features
Generación de imágenes open-source ejecutable localmente
Stable Diffusion 3.5 con 8.1B parámetros
Arquitectura MMDiT (Multimodal Diffusion Transformer)
Renderizado de texto mejorado en imágenes
Ejecución en hardware de consumo (desde 4GB VRAM)
Texto a imagen desde lenguaje natural
Imagen a imagen (img2img) y transformaciones
Inpainting y outpainting
Upscaling de resolución
Control mediante ControlNets
Más de 10,000 modelos fine-tuned disponibles
Licencia comunitaria gratuita (<$1M ingresos)
API oficial con sistema de créditos
QK-Normalization para fine-tuning estable
Diversidad de outputs sin prompting extensivo
Múltiples estilos: 3D, fotografía, pintura, line art
Stable Video Diffusion para generación de video
Stable Audio 2.5 para audio empresarial
SPAR3D para modelos 3D en segundos
Integración con AWS Bedrock, Azure, NVIDIA NIM
Use Cases
Generación de arte digital y ilustraciones
Creación de contenido para redes sociales
Diseño de materiales de marketing
Concept art para videojuegos y películas
Generación de imágenes de productos
Creación de assets para videojuegos
Diseño de personajes y escenarios
Prototipado rápido de ideas visuales
Edición y retoque de fotografías
Generación de fondos y texturas
Creación de logos y branding
Visualización arquitectónica
Ilustraciones para libros y publicaciones
Storyboarding y previsualización
Entrenamiento de modelos personalizados
Investigación en IA generativa
Generación de variaciones de diseño
Publicidad automatizada (GenAds)
Contenido educativo visual
NFTs y arte coleccionable digital
Reviews de Usuarios
IAs Relacionadas
Freemium
ChatGPT
OpenAI
API
ChatGPT de OpenAI es un asistente de IA versátil que destaca en conversaciones naturales, creación de contenido y resolución de problemas complejos. Con sus capacidades multimodales avanzadas, procesa texto, voz e imágenes para optimizar tu productividad y creatividad.
Generación de Imágenes#Traducción#Freemium#Generación de Código#GPT-4#Redacción Publicitaria#Resumen#App Móvil
Freemium
Google Gemini
Google DeepMind
APIOpen Source
Suite de modelos de IA multimodal de Google DeepMind con capacidades de texto, imagen, audio, video y código, integrada en el ecosistema de Google con agentes autónomos y razonamiento avanzado.
Generación de Imágenes#Investigación#Traducción#Freemium#Asistente de Email#Gemini#Generación de Código#Redacción Publicitaria#Presentaciones#Hojas de Cálculo#SEO#Resumen#Extensión de Navegador#API#Asistente de Reuniones#Educación#App Móvil#Plugin
Freemium
DALL-E
OpenAI
API
Sistema de generación de imágenes con IA de OpenAI que incluye DALL-E 3 y el nuevo GPT-Image-1, con capacidades de texto a imagen, edición, inpainting y resolución hasta 4K, integrado en ChatGPT y disponible vía API.
Generación de Imágenes#Freemium#DALL-E#De Pago#Diseño de Logos#GPT-4#Gratis#Extensión de Navegador#API#App Móvil#Edición de Fotos#Eliminar Fondo