Claude Code montó un pipeline con FLUX.3 klein: 290 imágenes de médicos por $3,2 de alquiler de GPU

Un especialista en tráfico de pago para clínicas dentales ha sustituido las sesiones de fotos de los médicos por generación de imágenes. El pipeline se apoya en el modelo FLUX.3 klein (un generador de imágenes de 5,6 mil millones de parámetros), la interfaz ComfyUI y el alquiler de GPU en la nube de RunPod.

La entrada es el enlace a la página de médicos de la clínica y un retrato por médico tomado de la web. La salida es una carpeta de imágenes verificadas: el médico con lupas quirúrgicas tratando a un paciente, mirando una TC en el monitor, operando o enseñando a un niño un dinosaurio de juguete, siempre en el interior de esa clínica concreta y con su uniforme. En una semana se acumularon 290 imágenes aprobadas para más de 20 médicos de varias clínicas, y el alquiler de GPU, las pruebas de modelos y el almacenamiento costaron aproximadamente $3,2.

Todo el código y las configuraciones los escribió Claude Code (Opus 5.5, High Effort). La persona redactó las especificaciones técnicas, corrigió la arquitectura y aprobó el resultado.

Infraestructura: pagar solo por los minutos de generación

Los requisitos eran sencillos: pagar solo por los minutos de generación, no volver a descargar los modelos y no exponer ComfyUI a internet. El autor eligió RunPod Secure Cloud con un disco de red de 60 GB. Los modelos y ComfyUI viven en el disco, y el pod se crea y se elimina a su alrededor. Community Cloud es más barato, pero no admite discos de red. El disco cuesta $0,07 por GB al mes, es decir, $4,2, y se cobra incluso con el pod detenido.

Las tarjetas se prueban por orden de prioridad: RTX 4090 ($0,89/h), RTX PRO 4500 Blackwell 32 GB ($0,72/h) y RTX PRO 4000 Blackwell 24 GB ($0,57/h). La disponibilidad en RunPod figura como «Low» en todas ellas y cambia en cuestión de minutos, así que el script pod.sh up recorre la lista. Si en el host del pod anterior no hay la tarjeta necesaria, el script elimina el pod y crea uno nuevo en el mismo centro de datos; el disco se conserva. Solo está abierto el puerto 22/tcp, y ComfyUI es accesible a través de un túnel SSH en 127.0.0.1:8188. La clave de API está únicamente en .env.

El comando down repite stop hasta que el pod pasa a EXITED: una vez la API respondió con un timeout y, sin la repetición, el pod habría quedado encendido. Antes de cada up, el agente escribe una estimación de coste y, al terminar la sesión, siempre detiene el pod. El estado del proyecto se guarda en CLAUDE.md para que la siguiente sesión continúe donde se dejó.

Por qué FLUX.3 klein y para qué sirve su upsampler

El autor probó tres modelos con los mismos prompts y la misma referencia. FLUX.2 klein 4B (Apache 2.

0) mantiene bien el parecido facial, pero en aproximadamente la mitad de las imágenes dibuja una sonda en lugar del espejo dental, y las pantallas salen con una pseudointerfaz. FLUX.2 klein 9B dibuja el espejo correctamente en 3 de 3 imágenes, pero su licencia Non-Commercial solo permite pruebas, así que el modelo quedó únicamente como comparación.

FLUX.3 klein salió el 13 de octubre: codificador Qwen3-VL-4B, hasta 10 referencias y una versión distilled de 16 pasos sin guidance. De los tres, es el que mejor sigue el prompt.

La licencia FLUX Kommunity v1.0 permite la publicidad si los ingresos del licenciatario junto con sus afiliadas son inferiores a $5 millones al año.

El conjunto de archivos pesa unos 17,5 GB. Incluye un transformer int8, un codificador int8, el prompt upsampler basado en Qwen3.5-9B y el VAE de FLUX.2. El ComfyUI de la imagen de RunPod (0.30.0) no conocía el nuevo modelo, así que se actualizó en el disco a la 0.41.2.

El upsampler es obligatorio. FLUX.3 espera una descripción de la escena de 150–200 palabras, y BFL desaconseja expresamente trabajar sin su upsampler.

Se trata de un modelo de lenguaje independiente: examina las referencias y reescribe la petición como una descripción detallada. En un ejemplo con seis referencias (rostro, consulta, lupas, espejo dental, agarre de las manos, emblema de la clínica), 324 palabras se convirtieron en 235. El upsampler enumeró el mobiliario a partir de la foto de la consulta y describió por su cuenta el aspecto del médico.

Eliminó además la frase sobre la referencia del agarre y confundió la numeración de las imágenes, pero la imagen salió correcta. Debido a la decodificación greedy, un prompt produce una sola descripción, de modo que el seed cambia los detalles, pero no la pose ni la composición. Cada imagen tarda de 12 a 18 segundos en una RTX PRO 4500 y, con upsampler, unos 27 segundos.

La primera imagen de la sesión tarda unos dos minutos, mientras los modelos se leen desde el disco de red.

Reglas de prompts y el síndrome de la consulta única

La primera versión guardaba prompts ya redactados, y los médicos de dos clínicas acabaron en consultas casi idénticas. Entonces el autor dividió la imagen en tres partes: la ficha del médico (especialidades, sexo) con la foto de la web; la escena de setups.yaml (acción, pose, instrumento, paciente); y el aspecto de la clínica de looks.yaml (espacios, uniforme, iluminación, encuadre, logotipo). La biblioteca de escenas es común a todas las clínicas y contiene 31 escenas. El archivo del proyecto prevalece sobre el de la biblioteca.

Reglas comprobadas en las imágenes:

• no describir el aspecto del médico: la descripción entra en conflicto con la foto y desvía el rostro;
• indicar por separado el giro del torso y de la cabeza; de lo contrario, la pose de la cabeza se copia de la foto;
• la mirada a cámara mantiene mejor el parecido que la mirada hacia abajo;
• vestir al paciente de forma explícita; si no, recibirá el mismo uniforme que el médico;
• definir las paredes sin marcos, para que no aparezcan marcos parecidos a diplomas. Los diplomas falsos en la publicidad de un médico son inadmisibles.

En los prompts no conviene escribir 8k, cinematic ni bokeh. El upsampler elimina las palabras valorativas, y cinematic empuja hacia una piel «plástica». Tampoco se debe pedir una sonrisa «de Hollywood»: va contra las normas de las clínicas.