Simple Diffusion: un modelo compacto de generación de imágenes 100 veces más barato que SDXL

El equipo ruso AiArtLab ha presentado Simple Diffusion (sdxs-1b), un modelo de difusión compacto para generar imágenes que se puede entrenar y ejecutar en tarjetas gráficas convencionales, no de centro de datos, sin renunciar a una calidad aceptable. El modelo está disponible en abierto como versión alfa bajo licencia Apache-2.0, junto con el código completo de preparación de datos y entrenamiento, lo que lo convierte en una de las pocas alternativas abiertas a los grandes modelos de difusión cerrados o semiabiertos del mercado.

Qué es Simple Diffusion y en qué se diferencia

Según los autores, que publicaron un análisis en Habr, la idea central del proyecto es demostrar que un modelo de difusión rápido y compacto puede entrenarse no en un clúster de miles de GPU de clase centro de datos, sino en una sola tarjeta convencional de nivel RTX 4080, al alcance de aficionados y equipos pequeños. El punto de partida fue comparar el coste de entrenar modelos conocidos: los desarrolladores señalan que entrenar SDXL requirió del orden de 6 millones de dólares, mientras que Z-Image, un modelo más reciente, costó según sus datos unos 600.000 dólares, un orden de magnitud menos.

Simple Diffusion nació como un pequeño prototipo basado en ImageNet, pero durante el desarrollo se convirtió en un modelo completo.

Datos clave del proyecto:

• Nombre del modelo: Simple Diffusion (sdxs-1b)
• Desarrollador: el equipo AiArtLab
• Licencia: Apache-2.0; el modelo y el código de entrenamiento son totalmente abiertos
• Ahorro declarado: entrenamiento e inferencia aproximadamente dos órdenes de magnitud más baratos que SDXL
• Referencia de costes: el entrenamiento de SDXL se estima en unos 6 M$ frente a unos 600.000 $ de Z-Image
• Estado: versión alfa, publicada en Hugging Face (AiArtLab/sdxs-1b)

A qué se renuncia para abaratar costes

Los autores reconocen abiertamente la contrapartida: según su propia estimación, probablemente han logrado un modelo varios órdenes de magnitud más barato y rápido que SDXL, que ya se entrena con relativa rapidez. Puede generar imágenes en alta resolución casi en tiempo real y sin los problemas de anatomía típicos de los modelos compactos. Pero la calidad final de generación sigue siendo, de media, inferior a la de modelos más pesados y caros, y el equipo espera acortar esa distancia en próximas versiones.

Esta franqueza es propia de una alfa de investigación, no de un producto comercial terminado, y contrasta con los anuncios de marketing de los grandes laboratorios, que rara vez publican este tipo de salvedades junto con un lanzamiento.

Por qué importa para el mercado de la IA generativa

Publicar no solo los pesos sino también el código completo de preparación de datos y entrenamiento es poco habitual, cuando los grandes laboratorios cierran cada vez más el pipeline de entrenamiento y dejan abierto solo el modelo terminado. Para desarrolladores independientes y estudios pequeños, esto significa poder no solo ajustar un modelo ajeno a su tarea, sino analizar y reproducir todo el proceso de entrenamiento de un modelo de difusión desde cero con hardware asequible. Dada la tendencia de 2026 hacia un entrenamiento más barato de modelos generativos, a la que los autores de Simple Diffusion se remiten explícitamente al citar la experiencia de Z-Image, experimentos abiertos como este reducen la barrera de entrada para desarrollar generadores de imágenes propios a un abanico mucho más amplio de equipos, incluidos los que nunca tendrán acceso a presupuestos de grandes laboratorios.

Publicar en Habr, uno de los principales foros técnicos de la comunidad rusófona, también indica que el proyecto buscó desde el inicio el debate abierto con desarrolladores y una rápida retroalimentación sobre la calidad de generación.

Que un equipo relativamente pequeño con una sola GPU haya llevado un prototipo a una alfa funcional de un modelo de difusión completo, y no se haya quedado en una demo de juguete, es una señal para la comunidad más amplia de aficionados y grupos de investigación pequeños: en 2026 la barrera para desarrollar modelos de generación de imágenes sigue bajando, y no solo subiendo al ritmo del apetito de los mayores laboratorios por modelos cada vez más grandes y caros. Los autores señalan expresamente que consideran esta versión un punto de partida, no un producto final, y que seguirán trabajando en la calidad de generación en próximas versiones.