Cómo alojar ComfyUI en un VPS: guía completa 2026

Por qué autoalojar ComfyUI en un VPS

Beneficios concretos del autoalojamiento

• Flujos nodales reproducibles, exportables en JSON y compartibles en el equipo
• Biblioteca libre de checkpoints, LoRA y ControlNet sin cuotas ni censura
• API HTTP para automatizar la generación desde sus scripts y pipelines
• GPU remota accesible 24/7 sin monopolizar un equipo local
• Instalación de custom nodes (extensiones de la comunidad) sin restricciones
• Control de los costes: un VPS con GPU por horas o por meses en lugar de un pago por imagen

Requisitos de hardware con cifras por escenario

Configuración mínima por escenario

Desplace la tabla

Dos métodos de instalación: Docker vs Python venv

Método A — Instalación con Python venv (acceso directo al hardware)

1. 01

   Instalar las dependencias del sistema

   En Ubuntu 22.04/24.04: apt update && apt install -y git python3.12 python3.12-venv python3-pip. ComfyUI soporta Python 3.12 y 3.13; la versión 3.13 está muy bien soportada, la 3.14 puede causar problemas de compatibilidad con algunos custom nodes.

2. 02

   Clonar el repositorio y crear el venv

   git clone https://github.com/comfyanonymous/ComfyUI.git /opt/comfyui && cd /opt/comfyui && python3.12 -m venv venv && source venv/bin/activate && pip install -r requirements.txt

3. 03

   Instalar PyTorch con soporte CUDA o CPU

   Para GPU NVIDIA (CUDA): pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124. Para modo solo CPU: pip install torch torchvision. PyTorch 2.7 es la versión mínima soportada; se recomienda encarecidamente una versión más reciente.

4. 04

   Lanzar ComfyUI

   Modo GPU: python main.py --listen 0.0.0.0. Modo CPU: python main.py --cpu --listen 0.0.0.0. El flag --listen 0.0.0.0 expone ComfyUI en todas las interfaces de red del VPS (necesario para el acceso vía túnel o reverse proxy). La interfaz está disponible en el puerto 8188.

Método B — Despliegue con Docker y GPU

1. 05

   Preparar el VPS con GPU

   En un VPS con GPU NVIDIA, instale los controladores y luego el NVIDIA Container Toolkit para que Docker acceda a la GPU. Valídelo con docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi.

2. 06

   Lanzar ComfyUI en contenedor

   Arranque una imagen de ComfyUI con acceso a la GPU y volúmenes persistentes: docker run -d --gpus all -p 127.0.0.1:8188:8188 -v /opt/comfyui/models:/app/models -v /opt/comfyui/output:/app/output --name comfyui ghcr.io/ai-dock/comfyui:latest-cuda. Restringir a 127.0.0.1 evita la exposición directa. Ajuste el tag de la imagen según la versión CUDA de su VPS.

3. 07

   Verificar que la GPU es detectada

   Tras el arranque: docker logs comfyui | grep -i 'cuda\|gpu\|device'. ComfyUI muestra el dispositivo seleccionado al arrancar. Si ve Using CPU, su GPU no es accesible desde el contenedor — verifique el NVIDIA Container Toolkit.

Descargar los modelos desde HuggingFace

Reverse proxy Nginx con autenticación

1. 08

   Crear el archivo de autenticación básica

   apt install -y apache2-utils && htpasswd -c /etc/nginx/.htpasswd su_usuario. ComfyUI no tiene autenticación nativa: sin este paso, su instancia está abierta a todo el mundo.

2. 09

   Configurar el virtual host de Nginx

   Cree /etc/nginx/sites-available/comfyui con: server { listen 443 ssl; server_name comfy.sudominio.com; ... auth_basic "ComfyUI"; auth_basic_user_file /etc/nginx/.htpasswd; location / { proxy_pass http://127.0.0.1:8188; proxy_read_timeout 300s; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection "upgrade"; } }. La actualización WebSocket es obligatoria para la API en tiempo real de ComfyUI.

3. 10

   Obtener el certificado Let's Encrypt y activar

   certbot --nginx -d comfy.sudominio.com && ln -s /etc/nginx/sites-available/comfyui /etc/nginx/sites-enabled/ && nginx -t && systemctl reload nginx. Luego cierre el puerto 8188 en el firewall: ufw deny 8188.

Instalar ComfyUI Manager y los custom nodes

ComfyUI frente a AUTOMATIC1111 (Stable Diffusion WebUI)

Desplace la tabla

Solución de problemas: 4 errores frecuentes

Errores frecuentes y soluciones

• CUDA not available / Using CPU: ComfyUI no detectó GPU. Causas: PyTorch instalado sin soporte CUDA, o controladores NVIDIA ausentes. Compruebe con python -c "import torch; print(torch.cuda.is_available())". Si devuelve False, reinstale PyTorch con --index-url https://download.pytorch.org/whl/cu124. En Docker, verifique que el NVIDIA Container Toolkit está instalado y que lanza con --gpus all.
• CUDA out of memory (OOM): el modelo no cabe en la VRAM. Añada --lowvram al lanzar ComfyUI: este flag fuerza la descarga de los codificadores de texto a la RAM del sistema. Para Flux con 8 GB de VRAM, use también la variante fp8 del modelo. Como último recurso, --novram descarga todo a RAM (muy lento). Reducir la resolución de generación (512×512 en lugar de 1024×1024) también ayuda de inmediato.
• ERROR: Could not find model / model not found: el archivo no está en el lugar correcto. ComfyUI busca checkpoints en models/checkpoints/, modelos de difusión Flux en models/diffusion_models/ (o models/unet/), codificadores de texto en models/text_encoders/. Un archivo .safetensors en la subcarpeta equivocada no aparecerá en la interfaz. Actualice la lista con el botón «Refresh» en el nodo de carga de modelos.
• Port 8188 already in use: un proceso ComfyUI u otra aplicación ya está usando el puerto. lsof -i :8188 identifica el PID. Lance ComfyUI en otro puerto con --port 8189 y actualice su configuración de Nginx. En Docker, el conflicto puede venir de un contenedor detenido pero no eliminado: docker rm comfyui antes de reiniciar.