MOSS-Image Edit es la primera LoRA lista para usar que convierte MOSS-Image en un editor de imágenes guiado por palabras, y el 22 de octubre llegó también el soporte nativo en ComfyUI. Escribes "haz que la escena sea invernal" o "viste a la persona de la imagen 1 con la ropa de la imagen 2", y el modelo repinta la foto manteniendo su estructura. Quien hace diseño gráfico sabe cuánto tiempo se pierde en una variante de color, una luz distinta o una versión de temporada del mismo visual: es justo ese trabajo repetitivo el que estas herramientas prometen acortar.
Te contamos cómo lo vemos nosotros. Trabajamos con ComfyUI en una RTX 3060 de 12 GB de lo más normal y 32 GB de RAM, y ante cada novedad nos hacemos tres preguntas: ¿funciona en una tarjeta así?, ¿es gratis?, ¿puedo usarlo para un trabajo real? Para MOSS-Image Edit las respuestas son alentadoras, pero con un par de "peros" que conviene decirte ya: es un proyecto de la comunidad, no de los creadores de MOSS-Image, y la calidad de la edición con varias imágenes aún está por evaluar. Aquí ordenamos qué hace, qué descargar y cómo probarlo sin perder una tarde.
Ficha rápida
| Qué es | Una LoRA (un pequeño archivo adicional de 297 MB que "enseña" una tarea nueva al modelo) que convierte MOSS-Image en un editor de imágenes con instrucciones de texto, con hasta 4 imágenes de referencia |
| Quién lo ha creado | El usuario chinoll, con los nodos del proyecto Chenkin-x; soporte en el core de ComfyUI añadido por Kijai. No es un lanzamiento oficial de OpenMOSS |
| Memoria de vídeo necesaria | No declarada. El autor de los nodos lo ha probado en una RTX 4060 Laptop de 8 GB con las versiones INT8 del modelo y del text encoder |
| ¿Funciona en una RTX 3060 de 12 GB? | No se declara de forma explícita, pero si funciona con 8 GB con los archivos INT8, es razonable esperar que sí |
| Licencia | Código de los nodos y del proyecto: GPL-3.0. Pesos de la LoRA: licencia no indicada de forma específica. Modelo base MOSS-Image: Apache 2.0 |
| Uso comercial desde Italia | La base Apache 2.0 lo permite; a la LoRA le falta una licencia explícita de los pesos, así que para trabajos de clientes conviene esperar una aclaración |
| Dónde descargarlo/probarlo | Hugging Face (chinoll/Moss-Image-Edit), nodos y workflows en GitHub (Chenkin-x), o el nodo nativo en la última versión de ComfyUI |
| Gratis o de pago | Gratis, funciona en local |
¿Qué es MOSS-Image Edit y qué sabe hacer?
MOSS-Image Edit es una LoRA de edición de imágenes entrenada sobre MOSS-Image, el modelo de 5.000 millones de parámetros que salió a mediados de octubre (hablamos de él en nuestro repaso de modelos de IA para imágenes en ComfyUI). Le das una foto y una instrucción escrita, y te devuelve la foto modificada. La tienes en la página de Hugging Face de chinoll.
Según el autor, estas son las tareas en las que mejor rinde:
- Colores: cambiar el tono de un objeto, una prenda o una pared.
- Ropa: vestir a un sujeto con una prenda tomada de otra imagen.
- Luz y estaciones: del día a la noche, del verano al invierno.
- Estilo visual y expresiones: dar otro "look" a la misma escena.
Igual de importante es lo que no promete: la ficha no documenta la inserción de objetos nuevos en la escena, no publica pruebas comparativas y no dice nada sobre componer dos sujetos distintos en una sola imagen. Así que tómalo como una herramienta para variantes y retoques, no como un sustituto de los modelos de edición más grandes como Qwen-Image o FLUX 3 Klein.
¿Cómo se usa MOSS-Image Edit en ComfyUI?
Hay dos caminos: el nodo nativo de ComfyUI o el paquete de nodos del autor, y para empezar recomendamos el segundo porque trae los workflows ya listos. El 22 de octubre se integró en el core el cambio de Kijai (PR #17296), que añade el nodo experimental Text Encode MOSS-Image Edit: ahí basta con elegir "Moss-Image-Edit" en el menú edit_format y conectar las imágenes de referencia. Llegó después de la versión 0.42.1, así que hay que actualizar ComfyUI a la última versión disponible.
El paquete ComfyUI-Moss-Image-Edit, en cambio, trae el nodo Apply MOSS Edit y tres workflows: edición con una sola imagen (el recomendado para empezar), comparación con el modelo Base y edición con varias imágenes. Se ha verificado en ComfyUI 0.42.3. En Windows hay un archivo install.cmd que solo comprueba la instalación: no instala paquetes ni toca el core.
Una nota sobre cómo escribir las instrucciones: con varias imágenes el modelo no sabe por sí solo qué foto es el sujeto y cuál la referencia, así que hay que decirlo en el texto. El ejemplo del autor es claro: "Dress the person in image 1 in the outfit from image 2", es decir, "viste a la persona de la imagen 1 con la ropa de la imagen 2". Mejor escribir las instrucciones en inglés, el idioma usado en los ejemplos.
¿Cuánta VRAM necesita MOSS-Image Edit?
No hay una cifra oficial, pero el autor de los nodos lo hizo funcionar en una RTX 4060 Laptop de 8 GB, usando los archivos INT8 tanto del modelo como del text encoder. La VRAM es la memoria de la tarjeta gráfica: cuando los archivos no caben, ComfyUI pasa parte del trabajo a la RAM y todo se ralentiza. INT8 significa que los pesos se guardan con números de 8 bits en lugar de 16: ocupan más o menos la mitad, con una pequeña pérdida de calidad.
Estos son los archivos que hay que descargar del repositorio Comfy-Org de MOSS-Image, más la LoRA de chinoll:
| Archivo | Carpeta de ComfyUI | Tamaño |
|---|---|---|
| MOSS-Image SFT (int8 recomendado con 8–12 GB) | models/diffusion_models | 5,41 GB (int8) · 10,16 GB (bf16) |
| Text encoder Qwen3.5-9B | models/text_encoders | 9,75 GB (int8) · 7,34 GB (w4a8) |
| VAE FLUX.2 | models/vae | 0,34 GB |
| LoRA MOSS-Image Edit (adapter_model.safetensors) | models/model_patches (paquete Chenkin-x) | 297 MB |
El text encoder es el componente que "lee" el texto y lo traduce para el modelo: es el archivo más pesado. El VAE transforma la imagen desde y hacia el espacio comprimido en el que trabaja el modelo. Si la memoria no basta, el autor sugiere dos trucos: generar a 0,25 megapíxeles (unos 512×512) y ejecutar el text encoder en la CPU desde el nodo Load CLIP. Ten en cuenta que cada imagen de referencia adicional suma memoria y tiempo. Para entender cuánto cuenta la tarjeta gráfica en estos casos, tienes una comparativa en nuestra guía de las mejores GPU para IA generativa.
Una buena noticia para la velocidad: el cambio de Kijai calcula las referencias una sola vez en lugar de en cada paso. En sus pruebas, a 1024×1024 con una referencia de 1 megapíxel, cada paso bajó de 826 a 457 milisegundos.
¿Se puede usar MOSS-Image Edit para trabajar?
Por ahora la respuesta sincera es "probablemente sí, pero todavía no con certeza". El modelo base MOSS-Image se publica con licencia Apache 2.0, que permite el uso comercial, también desde Italia. El código de los nodos y del proyecto es GPL-3.0, una licencia libre que afecta al software, no a las imágenes que generas. El punto débil son los pesos de la LoRA: en la página de Hugging Face no hay una etiqueta de licencia propia.
Para experimentar, hacer pruebas de estilo o preparar bocetos para un cliente no vemos problemas. Para un trabajo entregado con tu nombre, en cambio, esperaríamos a que el autor aclare la licencia de los pesos. Si prefieres ir sobre seguro, también puedes entrenar tu propia LoRA de edición con AI-Toolkit de ostris: tienes las novedades en nuestra sección dedicada a ComfyUI.
Para probar ya
- Actualiza ComfyUI y comprueba que el workflow oficial de MOSS-Image (texto→imagen) funciona: si ese no funciona, tampoco funcionará la edición. Si empiezas desde cero, nuestra guía de introducción a ComfyUI te lleva hasta aquí.
- Descarga los cuatro archivos de la tabla: con 12 GB elige el modelo SFT int8 y el text encoder w4a8 o int8.
- Instala el paquete clonando ComfyUI-Moss-Image-Edit en custom_nodes, ejecuta install.cmd y reinicia.
- Importa el workflow de imagen única y parte de los ajustes del autor: alrededor de 1 megapíxel, sampler Euler, 30 pasos, CFG 4, denoise 1, lado máximo de la referencia 512.
- Prueba una instrucción sencilla, por ejemplo "make it a snowy winter evening" en una foto de exteriores. Solo después pasa a las dos imágenes, nombrándolas en el texto ("image 1", "image 2").
Todavía no hemos encontrado vídeos tutoriales sobre la versión Edit, que acaba de salir. Para hacer funcionar MOSS-Image con poca memoria es útil "MOSS-Image-SFT: GGUFs+w4a8 | LOW VRAM Workflow" del canal REBEL AI.
Otras novedades
- MiniMax H3 en 4 u 8 pasos: Taobao Content AI publicó el 20 y el 22 de octubre las LoRA PTD que aceleran la generación de vídeo a partir de referencias con audio. Con la base incluida, eso sí, hablamos de unos 140 GB de archivos: cosa de tarjetas profesionales. El paquete ComfyUI-PTD-Compact las adapta a las bases podadas y cuantizadas. Licencia MiniMax H3, que excluye la Unión Europea.
- ComfyUI 0.42.3 y 0.42.4 (21 y 22 de octubre): según el changelog oficial llegan los nodos de pago HeyGen Voice 1.0 (clonación de voz), VEED para lipsync y recorte de vídeo, Mirelo SFX 2.0 para efectos de sonido y el modo "ultra" de Krea 3 Image.
Preguntas frecuentes
¿MOSS-Image Edit es oficial?
No. Es un proyecto de la comunidad firmado por chinoll, construido sobre los modelos MOSS-Image de OpenMOSS. El soporte en el core de ComfyUI, en cambio, lo añadió Kijai y lo integraron los desarrolladores de ComfyUI el 22 de octubre. Por eso merece la pena seguir la página del proyecto: las actualizaciones y aclaraciones llegarán desde ahí.
¿Puedo usar la LoRA con MOSS-Image Base en lugar de SFT?
Sí, la LoRA es compatible con ambos, pero los ejemplos del autor se entrenaron y generaron con SFT, que es el punto de partida más limpio. El workflow con la Base existe sobre todo para comparar y, según el autor, su calidad aún está por evaluar.
¿Cuántas imágenes de referencia puedo usar?
Hasta cuatro. En el texto tienes que explicar el papel de cada una ("image 1", "image 2"…), porque la LoRA no lo entiende por sí sola. El autor advierte que la edición con varias imágenes funciona pero su calidad está por verificar: para trabajos serios, empieza con una sola imagen.
¿Qué diferencia hay con las LoRA de edición de ostris?
AI-Toolkit de ostris es una herramienta para entrenar tus propias LoRA de edición, con su propio paquete de nodos. MOSS-Image Edit de chinoll es, en cambio, una LoRA ya lista para descargar. El nodo nativo de ComfyUI admite ambos formatos: basta con elegir el correcto en el menú edit_format.
Si quieres empezar con buen pie, descarga nuestros workflows gratuitos de la sección ComfyUI de tutorial3d.it y síguenos en el canal de YouTube @tutorial3d: en cuanto lo hayamos puesto a prueba en nuestra RTX 3060, te enseñaremos los resultados.
