Cómo escalar video en ComfyUI con SeedVR2 y FlashVSR: la guía realista (2026)

El query que trae a la mayoría hasta acá suele tener nombre de workflow: "seedvr2 en ComfyUI", "flash vsr para upscaler", y la pregunta de fondo que nadie contesta bien en español: ¿el nodo que bajo hoy va a dar el mismo resultado que el motor hosted, y a qué costo real en GPU, tiempo y nerves? Esta guía responde las dos cosas con la verdad del ecosistema 2026: qué nodos existen de verdad, qué consumen, dónde la cola local duele, y en qué momento conviene dejar de pelear con el driver y pagar el pase hosted por clip.

Aclaración honesta antes de seguir: trabajo en Moosky, y el lado hosted de esta comparación es Moosky. El lado ComfyUI no: los números de VRAM y tiempos de abajo salen de los README y tablas públicas de los propios repos de los nodos, citados con enlace, no de mi entusiasmo comercial.

Qué existe realmente en el ecosistema (y qué no)

Los dos modelos tienen implementaciones ComfyUI vivas y mantenidas, con linajes distintos:

• SeedVR2 llega a ComfyUI por el nodo de la comunidad (ComfyUI-SeedVR2_VideoUpscaler, derivado del trabajo de numz sobre el modelo de ByteDance Seed). Su propio README pide una tarjeta gorda: arranca en unos 18 GB de VRAM para la versión 3B, y la temporal consistency exige batch_size de al menos 5 — con menos, el modelo trata cada cuadro como una isla y el video parpadea. En una RTX 4090 de 24 GB, las tablas del repo reportan del orden de 0,2-0,3 fotogramas por segundo con la 3B en fp8 a destino ~1080p: translate eso a un clip de 30 segundos a 24 fps (720 cuadros) y la corrida completa es del orden de una hora, no de un café (README del nodo).
• FlashVSR es el modelo de super-resolución por difusión "casi en tiempo real" (el paper está en arXiv 2510.12747) y llegó a ComfyUI por varios caminos: el nodo de 1038lab para streaming y variantes comunitarias. Los reportes públicos de uso real son más honestos que el titular: una corrida documentada de 200 cuadros de 276x206 a 552x412 (apenas un 2x modesto) consumió 12,4 GB de pico de VRAM y 130 segundos (ComfyUI-FlashVSR_Stable). Escalá la salida a 1080p o 4K y la cuenta cambia de órdenes de magnitud.
• El hosted de Moosky corre sus propios pases: el FlashVSR de la plataforma pasa por la API de Comfy Org sobre WaveSpeed (mismo linaje de modelo, cola ajena), y el SeedVR2 de imagen es tarifa plana por corrida. La cota pública de la cotización: unos 1,6 créditos por segundo a 720p, 2,3 a 1080p, 3,1 a 2K, 4,2 a 4K, con piso de cobro de 5 segundos (comparativa de motores).

Traducción de estos tres bullets a una frase: en 2026 la pregunta ya no es "¿existen los nodos?" (existen) sino "¿tenés el hardware, la paciencia y la estabilidad de entorno para mantenerlos corriendo?".

La lista de hardware, sin romanticismo

Si tu plan es la vía ComfyUI, estas son las casillas reales que hay que marcar, tomadas de los repos:

1. GPU NVIDIA con 24 GB, idealmente. Los 18 GB de piso del SeedVR2 3B son piso funcional, no cómodo: el mismo README recomienda preserve_vram=true por debajo de 24 GB, lo que descarga modelos a RAM y estira cada corrida. Con una tarjeta de 12 GB vas a poder probar el nodo, no vivir en él.
2. Paciencia de lote, no de preview. Un clip familiar de 38 segundos son horas de GPU; con el 7B los tiempos se multiplican y un corte de energía al 90% es un clip muerto.
3. El churn del entorno. Los nodos piden dependencias concretas (PyTorch moderno, CUDA 12.x, a veces flash_attn compilado a mano). Cada actualización de ComfyUI o de un nodo vecino es una lotería de reinstalación.
4. La cola es tuya y solo tuya. Ventaja: nadie te pone delante. Desventaja: nadie te ayuda a bajar. Si el render se cae con un OOM a las 2 de la mañana, el soporte sos vos.

El workflow que sí funciona (cuando funciona)

Para el que quiera igual —y hay buenas razones para querer— el orden que reduce el dolor, replicado de lo que reportan los propios repos:

1. Recortá antes de cargar el grafo. En ComfyUI no hay piso de cobro, pero hay costo por cuadro: cargá el clip ya podado, no la cinta completa.
2. SeedVR2 con batch_size ≥ 5 si el material tiene movimiento. Con batch 1 desactivás la consistencia temporal y el flicker se come la ganancia. Si tu GPU no llega a batch 5 con tu resolución, el problema es la resolución: bajá el destino de salida antes que el batch.
3. Explorá un tramo de 5-10 segundos primero. Corré el loop corto, revisá el movimiento —no un fotograma quieto— y recién despachá el clip completo. En local este paso vale horas, no créditos.
4. FlashVSR para volumen, SeedVR2 para el fotograma. El patrón que se repite: escalar el clip con el streaming y cerrar la miniatura con el pase de imagen. La guía SeedVR2 vs FlashVSR en español desarrolla el loop completo de cuándo y en qué orden, y la guía del upscaler de video cubre el ritual de crops y los límites que ningún motor arregla.
5. Guardá los settings que anduvieron. En ComfyUI no hay historial de plataforma: tu único backup es el JSON que exportaste hoy.

Cuándo conviene ComfyUI, en una frase por caso

Elegí la vía local si: (a) ya tenés una GPU de 24 GB ociosa de noche; (b) tu material no puede salir de tu casa (NDA, archivos familiares que por principios no suben); (c) procesás lotes tan grandes que el costo por segundo hosted pasa a ser la decisión; o (d) el hobby te gusta: el mantenimiento ES parte del trato, no un peaje.

Elegí el hosted si: no tenés la GPU, tenés deadline, tu clip es de 30 segundos y no de 3 horas, o compilar flash_attn un domingo a la tarde te define la vida. En Moosky la escalera completa de la página de comparación —del explorador barato en 720p al 4K de pared— sale del mismo saldo de créditos (100 créditos por dólar, sin suscripción), la cotización aparece antes de correr y si una corrida falla los créditos vuelven. El flujo del upscaler de video y el upscaler de imágenes SeedVR2 son las dos manos del mismo trabajo; el tutorial paso a paso cierra el círculo para el clip que todavía no existe.

La cuenta honesta: GPU own vs. pay-per-clip

El argumento clásico del local es "sale gratis después de comprar la placa". Hagamos la cuenta con las cifras públicas, no con la leyenda:

• Tu RTX 4090 (piso cómodo para SeedVR2) arrancó en unos US$1.600 de precio de lanzamiento, más luz, más las horas de setup y reinstalación que vas a donarle. La escalera hosted para un clip de 30 segundos buenos a 1080p es ~71 créditos (US$0,71). Contra ese precio, la placa se amortiza recién al milesimo clip... y eso si nunca te toca un OOM a las tres horas de corrida.
• El costo real del local no es la electricidad: es tu tiempo disponible. Cada tarde de lunes-que-el-entorno-no-levanta es un clip menos entregado, y eso no aparece en ningún benchmark.
• Del lado hosted el riesgo es de la plataforma, no tuyo: corrida fallida, crédito de vuelta (el patrón de reembolso cubre los dos motores).

Si procesás un corto documental cada semana con GPU de la casa, ComfyUI gana por goleada. Si es el clip de la cometa de tu sobrina y lo querés para el asado del domingo, la cuenta de arriba es la respuesta.

Preguntas frecuentes

¿El nodo ComfyUI da la misma calidad que el motor hosted? Mismo modelo base, misma clase de resultado; la diferencia práctica es de parámetros y paciencia (batch, resolución, precisión fp8/fp16), no de linaje. El hosted de FlashVSR de Moosky corre sobre la API de Comfy Org (WaveSpeed), o sea: el grafo DIY y el producto hosted son familia.

¿Puedo usar SeedVR2 cuadro por cuadro para escalar el video? Podés, no debés: sin la consistencia temporal del nodo de video (batch ≥ 5) el parpadeo entre cuadros se come la ganancia de detalle. Si el video es lo que importa, FlashVSR o el nodo de video; SeedVR2 brilla en el fotograma único.

¿Cuánta VRAM necesito mínimo? Los README del SeedVR2 pisan ~18 GB para la 3B con todo encendido; FlashVSR puede arrancar más abajo pero los reportes de uso real (2x modesto con pico de 12,4 GB) sugieren que un GPU de 24 GB es lo que hace la vía local soportable, no divertida.

¿Qué pasa cuando la actualización rompe el nodo? Nada automático: revertís el custom node, probás el día siguiente, y el clip espera. En el hosted esa clase de falla la paga la plataforma (créditos de vuelta); en tu torre la pagás vos con tu tiempo.

¿Y si quiero comparar sin montar nada? Los dos motores viven en Moosky sobre un mismo saldo de créditos, con la cotización visible antes de despachar: corré tu peor clip en ambos desde el explorador a 720p (unos 1,6 créditos por segundo) y juzgá movimiento, no pósters. La letra chica del saldo está en la guía de crédito real y en la de qué es realmente gratis.

¿Esta guía existe en otros idiomas? Sí, y cada versión con su propio clip de bancada: la hermana en inglés es la guía del render en el garaje (EN), la hermana en portugués brasileño es la guía honesta de ComfyUI (PT-BR). Las tres citan las mismas tablas públicas; lo que cambia es el clip de la mesa y el dueño de la cola.

Empezá con el clip más chico que tengas, decí si la cola local es un hobby o un peaje, y dejá la escalera de resolución para cuando el explorador te diga que el material la paga.