Guía de apilamiento de LoRA en ComfyUI para generaciones NSFW

Un solo LoRA rara vez alcanza para trabajo NSFW de producción. Necesitas un LoRA de personaje para mantener la cara consistente, un LoRA de estilo para el tratamiento visual, un LoRA de anatomía para la fidelidad explícita y quizás un LoRA de desbloqueo si usas un modelo base que necesita ayuda. Ese conjunto de tres o cuatro LoRA tiene que funcionar en equipo sin que uno anule a otro ni produzca un resultado promediado y desprolijo. La mayoría de la gente apila LoRA metiéndolos todos con los pesos por defecto y esperando que salga bien. Por eso sus resultados parecen pasados por una licuadora. Apilar LoRA bien es una habilidad de oficio, y acá está el proceso exacto que uso para obtener salidas limpias de stacks complejos.

Respuesta rápida: En ComfyUI, encadena nodos LoRA Loader o usa el LoRA Stacker de Efficiency Nodes. Un stack típico pone el LoRA de desbloqueo en 0.7, el de personaje en 0.8, el de estilo en 0.6 y el de anatomía en 0.5. Cada LoRA tiene pesos tanto de modelo como de CLIP. Baja el peso de CLIP (0.4-0.6) si los prompts se sienten revueltos. Prueba un LoRA a la vez y luego agrega más de manera incremental. El conflicto entre dos LoRA que intentan hacer cosas parecidas es la falla más común.

Por qué un solo LoRA rara vez alcanza

Mira, la razón por la que no puedes obtener salida NSFW de producción con un solo LoRA es que los LoRA son especialistas. Un LoRA de personaje codifica rasgos faciales y proporciones corporales, pero no sabe cómo se ve una buena textura de piel. Un LoRA de estilo codifica iluminación y tratamiento de color, pero no conoce la cara de tu personaje. Un LoRA de anatomía rellena los huecos de contenido explícito, pero no tiene opiniones sobre composición. Cada LoRA carga información en una banda estrecha, y una buena salida requiere que varias bandas trabajen juntas.

La matemática de por qué esto funciona. Un LoRA modifica los pesos del modelo base mediante una descomposición de bajo rango, lo que significa que empuja el comportamiento del modelo en una dirección específica mientras deja la mayor parte del modelo sin cambios. Apilar varios LoRA combina sus empujones, y mientras los empujones apunten en direcciones más o menos ortogonales, el efecto combinado es la unión de sus capacidades individuales.

Donde el apilamiento sale mal es cuando dos LoRA empujan en direcciones parecidas. Si cargas dos LoRA de piel fotorrealista a fuerza máxima, ambos empujan al modelo hacia la piel fotorrealista, y el efecto combinado es "piel demasiado fotorrealista", que normalmente significa cerosa o con exceso de detalle. Esta es la falla de apilamiento más común y ocurre cada vez que un creador carga LoRA sin pensar en lo que cada uno hace realmente.

El modelo mental correcto. Imagina cada LoRA como un vector en el espacio de estilo. Apilar LoRA suma los vectores. Si dos vectores apuntan en direcciones parecidas, obtienes un resultado recocido en esa dirección. Si apuntan en direcciones distintas, obtienes una combinación balanceada. Apila LoRA diversos, no redundantes.

Para trabajo NSFW en concreto, el stack de producción típico cubre cuatro bandas:

• Banda de desbloqueo: Ayuda al modelo base a producir contenido explícito (principalmente para Flux)
• Banda de personaje: Fija rasgos específicos de cara y cuerpo
• Banda de estilo: Controla el tratamiento visual (fotorrealista, cinematográfico, fashion)
• Banda de anatomía: Mejora la fidelidad del contenido explícito

Estas son lo bastante ortogonales como para que las cuatro se apilen sin conflictos importantes. Agregar más LoRA además de estos por lo general introduce redundancia y degrada la salida.

Peso de modelo frente a peso de CLIP

Todo LoRA Loader de ComfyUI tiene dos parámetros de peso llamados strength_model y strength_clip. La mayoría de los tutoriales pasan por encima de la diferencia entre ellos. Conocer la diferencia es la llave para un apilamiento serio.

strength_model controla cuánto modifica el LoRA la UNet (el modelo de difusión en sí). Esta es la influencia visual. Un strength_model más alto significa que la firma visual del LoRA aparece con más fuerza en la salida. Esto es lo que la mayoría de la gente entiende como "fuerza del LoRA".

strength_clip controla cuánto modifica el LoRA el codificador de texto (CLIP). Esto afecta cómo interpreta el modelo los prompts. Un strength_clip más alto significa que el LoRA sesga la comprensión del prompt hacia aquello con lo que fue entrenado el LoRA.

En la mayoría de los casos, quieres strength_model y strength_clip en un valor aproximadamente igual. El modelo y el codificador de texto necesitan ponerse de acuerdo sobre lo que quiere el LoRA. Si divergen demasiado, obtienes salida revuelta donde el modelo renderiza una cosa mientras el codificador de texto cree que pediste otra.

Pero hay casos específicos donde los quieres diferentes:

• LoRA de personaje: A menudo se benefician de un peso de CLIP ligeramente menor (0.6-0.7 frente a 0.8 de peso de modelo) porque la modificación de CLIP puede sobreenfatizar las palabras gatillo del nombre del personaje y hacer que los prompts se sientan limitados.
• LoRA de estilo: A veces se benefician de un peso de CLIP mayor para empujar al modelo a interpretar los prompts en el vocabulario de estilo del LoRA.
• LoRA de anatomía: Por lo general quieren un peso de CLIP menor (0.4-0.5) para evitar que el modelo sobreenfatice la anatomía en la interpretación del prompt.
• LoRA de desbloqueo: Quieren strength_model en 0.7-0.8 y strength_clip en 0.5-0.6 porque exagerar el CLIP empieza a destrozar la semántica del prompt.

Un punto de partida común de 2026 que funciona:

• strength_model: 0.8
• strength_clip: 0.6

Este es un leve desbalance que da influencia visual sin revolver los prompts. Ajusta a partir de ahí según cómo se sienta tu stack.

Configuración del nodo LoRA Stacker

Para apilar 3 o más LoRA de forma limpia, el nodo LoRA Stacker de Efficiency Nodes es la herramienta adecuada. Agrupa varias operaciones de LoRA Loader en un solo nodo, lo que mantiene tu grafo legible. Instala Efficiency Nodes a través del ComfyUI Manager. El nodo aparece como "LoRA Stacker" en la categoría loaders.

El nodo LoRA Stacker tiene:

• lora_count: cantidad de espacios de LoRA a exponer (ajústalo al tamaño de tu stack)
• mode: "simple" o "advanced" (simple usa un peso por LoRA, advanced separa modelo y CLIP)
• Para cada espacio: lora_name (lista desplegable de los LoRA disponibles), strength (o strength_model y strength_clip en modo advanced)

Para trabajo NSFW siempre uso el modo advanced porque la distinción entre peso de modelo y de CLIP importa. El modo simple está bien para experimentación casual, pero limita tus opciones de ajuste.

El nodo produce un único LORA_STACK que conectas a un nodo posterior que aplica todos los LoRA apilados de una vez. El patrón estándar es:

1. CheckpointLoader → produce model y clip
2. LoRA Stacker → entra lora_count y la configuración por LoRA → produce LORA_STACK
3. Apply LoRA Stack → entran model, clip, LORA_STACK → produce model y clip modificados
4. KSampler con el model y clip modificados

Esto se mantiene visualmente limpio incluso con más de 5 LoRA en el stack. Comparado con los LoRA Loaders encadenados (donde cada loader es un nodo separado), el enfoque del Stacker es bastante más legible para flujos de trabajo de producción.

La otra opción de stacker que vale la pena conocer es el multi-lora-stack de ShmuelRonen, que tiene una interfaz más dinámica y puede intercambiar LoRA en tiempo de ejecución. Útil para flujos experimentales, pero el Stacker estándar de Efficiency Nodes es el que uso para producción.

Receta: desbloqueo más personaje más estilo más anatomía

El stack de cuatro bandas que cubre la mayoría del trabajo NSFW de producción. Los valores son puntos de partida; ajústalos según tus LoRA específicos y el modelo base.

Para Pony Realism v2.2 o un SDXL de base Pony similar:

LoRA 1 (Unlock, opcional para Pony):
  lora_name: pony_nsfw_unlock.safetensors (si hace falta)
  strength_model: 0.4 (Pony already knows NSFW)
  strength_clip: 0.3

LoRA 2 (Character):
  lora_name: <your_character>.safetensors
  strength_model: 0.85
  strength_clip: 0.7

LoRA 3 (Style):
  lora_name: photoreal_skin.safetensors
  strength_model: 0.6
  strength_clip: 0.5

LoRA 4 (Anatomy):
  lora_name: anatomy_detail.safetensors
  strength_model: 0.5
  strength_clip: 0.4

Peso de modelo combinado total: 2.35. Esto se ubica en el rango seguro para los modelos de la familia SDXL. Por encima de 3.0 empiezas a arriesgar degradación de la salida. Por debajo de 1.5 probablemente estés subutilizando el stack.

Para RealVisXL V5 (sin priores NSFW integrados):

LoRA 1 (Unlock):
  lora_name: realvis_nsfw.safetensors
  strength_model: 0.75
  strength_clip: 0.55

LoRA 2 (Character):
  lora_name: <your_character>.safetensors
  strength_model: 0.8
  strength_clip: 0.65

LoRA 3 (Style):
  lora_name: cinematic_lighting.safetensors
  strength_model: 0.55
  strength_clip: 0.5

LoRA 4 (Anatomy):
  lora_name: anatomy_detail.safetensors
  strength_model: 0.55
  strength_clip: 0.4

Peso de modelo combinado total: 2.65. Un poco más alto porque RealVisXL necesita más empuje del LoRA de desbloqueo para competir con su sesgo de entrenamiento en retratos fotorrealistas.

Para Flux Dev o Flux Schnell:

LoRA 1 (Unlock, critical):
  lora_name: flux_nsfw_unlock.safetensors
  strength_model: 0.85
  strength_clip: 0.65

LoRA 2 (Character):
  lora_name: <your_flux_character>.safetensors
  strength_model: 0.8
  strength_clip: 0.7

LoRA 3 (Style):
  lora_name: flux_photoreal.safetensors
  strength_model: 0.5
  strength_clip: 0.45

Tres LoRA en total porque Flux tiene un ecosistema de LoRA más pequeño y apilar más a menudo introduce conflictos. Peso de modelo combinado total: 2.15.

Los patrones de arriba son puntos de partida. El trabajo real es barrer los pesos individuales y ver qué funciona para tus combinaciones de LoRA específicas y tu modelo base.

Patrones de conflicto y cómo diagnosticarlos

Reconocer los patrones de conflicto es la diferencia entre adivinar y ajustar. Acá están las fallas más comunes y cómo se ven en la salida.

Competencia de estilo (la más común): Dos LoRA tratando de hacer cosas parecidas. La salida se ve "embarrada" o "recocida". Señales específicas incluyen piel que se ve cerosa, iluminación que se siente artificial y colores sobresaturados.

Solución: Reduce uno de los LoRA en competencia a 0.4-0.5 de strength_model, o quítalo por completo.

Deriva del personaje por el LoRA de estilo: La cara del LoRA de personaje queda anulada por un LoRA de estilo agresivo. Señales específicas incluyen cambios en la forma de la cara entre generaciones con el mismo prompt, deriva de etnia y aplanamiento de la expresión.

Solución: Baja el strength_model del LoRA de estilo a 0.4-0.5. Aumenta el strength_model del LoRA de personaje a 0.9. Baja el strength_clip del LoRA de estilo a 0.3-0.4 en concreto.

Sobreénfasis de la anatomía: El LoRA de anatomía tira demasiado fuerte de los detalles del cuerpo. Señales específicas incluyen rasgos anatómicos exagerados de forma caricaturesca, partes del cuerpo que se ven obviamente inyectadas por el LoRA y prompts sobre detalles no anatómicos que se ignoran.

Solución: strength_model del LoRA de anatomía en 0.4 como máximo. El peso de CLIP en concreto debería ser muy bajo (0.3-0.4) para los LoRA de anatomía, porque la modificación de CLIP es la que hace que el LoRA sobreenfatice los rasgos en los prompts.

El LoRA de desbloqueo se filtra en contenido SFW: El LoRA de desbloqueo sesga todas las generaciones hacia NSFW incluso cuando el prompt no lo pide. Señales específicas incluyen que cada generación tienda a lo explícito incluso con prompts que deberían ser SFW, y que el modelo agregue elementos NSFW sin que se los pidan.

Solución: strength_model del LoRA de desbloqueo en 0.6 como máximo. Si haces trabajo mixto SFW y NSFW, arma flujos de trabajo separados para cada uno y usa el LoRA de desbloqueo solo en el flujo NSFW.

Cambio de color a lo largo del stack: Varios LoRA entrenados con tratamientos de color distintos. La salida tiene una temperatura de color inconsistente entre generaciones. Señales específicas incluyen piel que se ve rosada en una generación y amarilla en la siguiente, con el mismo prompt.

Solución: Identifica cuál LoRA es el más opinante sobre el color (por lo general un LoRA de estilo o fotorrealista). Fija ese LoRA en un peso moderado (0.5-0.6) y ajusta los demás alrededor de él.

El enfoque de diagnóstico para cualquier conflicto. Desactiva todos los LoRA menos uno. Genera. Agrega el siguiente LoRA. Genera. Compara. El LoRA cuya incorporación rompió la salida es la fuente del conflicto. Baja su peso o quítalo.

Procedimiento de barrido de pesos

El ajuste sistemático de pesos le gana a adivinar. El procedimiento que uso:

1. Fija la semilla. Elige una semilla que haya producido una salida aceptable y déjala fija para todo el barrido. Esto aísla los efectos del LoRA de la varianza de la semilla.

2. Establece una línea base. Genera con todos los LoRA en "pesos de partida razonables" (la receta de arriba). Guarda esto como la línea base.

3. Barre un LoRA a la vez. Varía el strength_model de un LoRA a lo largo de un rango (normalmente 0.3, 0.5, 0.7, 0.9). Mantén todos los demás LoRA en los pesos de la línea base. Genera en cada valor.

4. Elige el mejor valor para ese LoRA. Mira las cuatro salidas. Elige aquella donde la contribución de este LoRA sea más fuerte sin romper la salida general. Fija ese peso.

5. Pasa al siguiente LoRA. Repite el barrido con el siguiente LoRA del stack, manteniendo el LoRA ya ajustado fijado en su mejor peso.

6. Itera si hace falta. A veces ajustar el LoRA 3 revela que el valor del LoRA 1 necesita un ajuste. No tengas miedo de volver atrás.

Este procedimiento toma de 20 a 40 generaciones para un stack de cuatro LoRA, pero el resultado es un stack ajustado que produce de forma consistente lo que quieres. Comparado con el enfoque de "meter todos los LoRA en 1.0", que produce salida desprolija el 60 por ciento de las veces, la inversión de tiempo se recupera rápido.

Para automatizar esto en ComfyUI, la extensión XY Plot te deja generar en lote a lo largo de un barrido de parámetros de forma automática. Configura los ejes del barrido en dos fuerzas de LoRA y genera la cuadrícula completa en un solo lote. Mucho más rápido que los barridos manuales.

Para más sobre el balanceo de pesos en stacks complejos, mi comparativa de Pony Realism frente a RealVisXL analiza cómo difiere la compatibilidad de LoRA entre los dos ecosistemas, lo que afecta qué stacks son siquiera posibles. Si corres stacks en 8 GB de VRAM, la guía de configuración con poca VRAM cubre cuántos LoRA puedes cargar en la práctica antes de quedarte sin memoria.

Guardar presets de stack

Una vez que tienes un stack ajustado, guárdalo como preset. ComfyUI tiene varias formas de hacerlo:

Guarda el flujo de trabajo completo como JSON. Clic derecho en el lienzo, guardar workflow. Esto conserva el stack de LoRA junto con todo lo demás (sampler, prompts, ControlNet, etc.). Recárgalo como plantilla cuando necesites este stack.

Guarda solo el stack como plantilla de nodo. Selecciona el nodo LoRA Stacker, clic derecho, guardar como plantilla. Esto guarda solo la configuración del stack, que puedes soltar en cualquier flujo de trabajo.

Usa la biblioteca de flujos de trabajo del ComfyUI Manager. Guarda ahí los flujos ajustados para reutilizarlos con facilidad entre proyectos.

Para trabajo de producción mantengo entre 8 y 10 presets de stack con nombre que cubren los casos de uso comunes:

• Retrato fotorrealista
• Cuerpo completo fotorrealista
• Lifestyle cinematográfico
• Fashion editorial
• Retrato anime
• Cuerpo completo anime
• Escena con varios personajes
• Imagen hero (máximo detalle)

Cada preset tiene su propio stack ajustado y cambio entre ellos según lo que esté haciendo. Esto es muchísimo más rápido que reajustar para cada proyecto.

Tres stacks NSFW reutilizables

Tres presets de stack completos que cubren escenarios de producción comunes. Úsalos tal cual o como puntos de partida para tu propio ajuste.

Stack 1: Retrato lifestyle fotorrealista (base RealVisXL)

1. realvis_nsfw_v3: model 0.7, clip 0.55
2. <character>: model 0.85, clip 0.7
3. cinematic_lighting: model 0.5, clip 0.5
4. detailed_skin: model 0.45, clip 0.4

Ideal para retratos de un solo sujeto o de medio cuerpo, iluminación controlada, estética fotorrealista. Evítalo para trabajo enfocado en anatomía explícita (el LoRA de desbloqueo es moderado, no agresivo).

Stack 2: Cuerpo completo explícito (base Pony Realism)

1. <character>: model 0.85, clip 0.7
2. photoreal_skin_pony: model 0.65, clip 0.5
3. anatomy_v2: model 0.55, clip 0.4
4. (optional) pose_detail: model 0.4, clip 0.35

Ideal para contenido explícito enfocado en anatomía, cobertura de cuerpo completo, estilo fotorrealista. Pony Realism no necesita un LoRA de desbloqueo. Evítalo para trabajo enfocado en retratos (el LoRA de anatomía queda sobreenfatizado en recortes solo de cara).

Stack 3: Anime NSFW (base NoobAI XL o Illustrious)

1. anime_nsfw_unlock: model 0.7, clip 0.55
2. <character>: model 0.85, clip 0.7
3. anime_style: model 0.5, clip 0.45
4. detailed_eyes: model 0.4, clip 0.35

Ideal para NSFW estilo anime con consistencia de personaje. El LoRA de estilo es la personalidad de la salida, así que elígelo según tu objetivo estético (más pictórico, más cell-shaded, etc.). Evítalo para trabajo fotorrealista.

Los tres son puntos de partida. Corre barridos de pesos para afinar según tus LoRA específicos. Guardar cada uno como preset significa que puedes iterar por proyecto sin reajustar la base.

Para flujos de trabajo de LoRA sin gestión, lewdly.ai enruta los prompts a través de stacks preajustados del lado del servidor. El usuario describe lo que quiere y la plataforma aplica los LoRA correctos en los pesos correctos. Este es el nivel de abstracción adecuado si gestionar stacks de LoRA no es como quieres pasar tu tiempo. Aclaración total, ayudo a construirlo.

Preguntas frecuentes

¿Cuántos LoRA puedo apilar a la vez en SDXL? En la práctica, de 4 a 5 LoRA con pesos moderados. Pasando de 5, los conflictos y la degradación de calidad se vuelven severos. Algunos flujos de trabajo técnicamente soportan más de 8 LoRA, pero la salida rara vez iguala lo que obtendrías de un stack más pequeño y bien ajustado.

¿Cuál es la diferencia entre LoRA Stacker y los LoRA Loaders encadenados? Funcionalmente parecidos, pero visualmente distintos. LoRA Stacker agrupa varios LoRA en un solo nodo para grafos más limpios. Los LoRA Loaders encadenados son nodos explícitos por LoRA. Ambos producen una salida equivalente. Stacker es mejor para 3 o más LoRA, los Loaders individuales están bien para 1 o 2.

¿Por qué mi salida se ve desprolija con varios LoRA? La causa más común son dos LoRA tratando de hacer cosas parecidas con pesos altos. Desactiva los LoRA uno a uno para encontrar el conflicto. Baja o quita el LoRA que rompe la salida. Un peso de modelo combinado total por encima de 3.0 también es una causa común.

¿strength_clip siempre debería ser igual a strength_model? Por lo general no. Una leve reducción del strength_clip (0.6-0.7 frente a 0.8 de modelo) ayuda a evitar que se revuelva el prompt. Para los LoRA de anatomía en concreto, un peso de CLIP mucho más bajo (0.3-0.4) evita el sobreénfasis. Para los LoRA de personaje, un peso de CLIP menor evita la sobrefijación en las palabras gatillo del nombre del personaje.

¿Puedo mezclar LoRA de Pony y LoRA de SDXL en el mismo stack? Técnicamente sí, en la práctica no. Los espacios latentes son distintos y los LoRA fueron entrenados sobre modelos subyacentes diferentes. Puedes usar LoRA de Pony con pesos reducidos en un modelo de base Pony que ya comparte el espacio latente. Mezclar entre ecosistemas por lo general produce artefactos.

¿Y qué hay del merge de LoRA en lugar de apilarlos? El merge de LoRA combina varios LoRA en un solo archivo de LoRA. Esto produce efectos equivalentes a apilar en tiempo de ejecución pero con menor uso de VRAM durante el muestreo. Vale la pena para stacks de producción estables. Las herramientas de merge (en el ComfyUI Manager o mediante los scripts de kohya) se encargan de esto. Una vez mergeado, el LoRA combinado se carga como un solo LoRA con un único peso.

¿Cómo sé si un LoRA está en conflicto con otro? Genera con cada LoRA por separado y compara con la salida del stack. Si la salida del stack carece de la firma visible de un LoRA, ese LoRA está siendo suprimido por algo más en el stack. Si la salida del stack tiene artefactos raros que no aparecen en ningún LoRA individual, dos LoRA se están amplificando entre sí.

¿Importa el orden de los LoRA en un stack? En la mayoría de las implementaciones de stacker, no. Los LoRA se combinan como una suma de sus modificaciones de peso y el orden no cambia el resultado. Algunas implementaciones de loader encadenado heredadas tienen efectos menores de orden, pero son insignificantes.

¿Puedo desactivar un LoRA sin quitarlo del flujo de trabajo? Sí. Pon su strength_model en 0 y su strength_clip en 0. El LoRA queda cargado pero no aporta nada. Esto es útil para pruebas A/B. Solo recuerda restablecer los pesos cuando quieras volver a meterlo en la mezcla.

¿Cuál es la fuerza máxima que puedo poner? La mayoría de los LoRA Loaders aceptan valores de 0 a 2.0 o incluso más alto. Por encima de 1.0 se sobreenfatiza el LoRA más allá de aquello para lo que fue entrenado y por lo general produce artefactos. Quédate en el rango de 0.3 a 1.0 para trabajo de producción. El rango por encima de 1.0 es solo para experimentación.

El modelo mental correcto

Apilar LoRA es composición, no suma. Piensa en cada LoRA como un instrumento de un conjunto. Un violín solo es interesante por sí mismo. Tres violines tocando la misma línea es solo más fuerte, no mejor. Un violín, una viola y un cello tocando partes complementarias es música. El mismo principio aplica a los stacks de LoRA. LoRA diversos cumpliendo roles distintos es música. LoRA redundantes con pesos altos es ruido.

La mayor lección de dos años apilando LoRA en flujos de trabajo NSFW de producción. El ajuste disciplinado de pesos le gana al hardware caro. Un stack de tres LoRA bien ajustado sobre un modelo base moderado produce mejor salida que un stack descuidado de seis LoRA sobre el mejor hardware. El trabajo que metes en el ajuste es lo que determina el techo, no la cantidad de LoRA ni el equipo.

Para quienes quieren salida limpia sin gestionar el ajuste por su cuenta, eso es exactamente lo que resuelve el enrutamiento de LoRA del lado del servidor de lewdly.ai. La plataforma elige stacks y pesos según el análisis del prompt y el usuario no tiene que pensar en nada de esto. Para la mayoría de los usuarios esa es la capa de abstracción correcta. Para usuarios técnicos que quieren control total, el flujo de trabajo manual de ComfyUI descrito acá es el camino.

Los recursos de referencia incluyen el GitHub de Efficiency Nodes ComfyUI para el nodo LoRA Stacker, el repositorio de multi-lora-stack para una implementación alternativa, y la documentación de LoRA de Civitai, que tiene guías de la comunidad sobre combinaciones de LoRA específicas que funcionan bien.