happyin.work / ComfyUI · Original en inglés

Especialista en ComfyUI - Anastasiia Butova

Construyo pipelines de imagen con modelos de difusión sobre ComfyUI para producción, y llevo dos años haciéndolo, desde 2024. Diseño los grafos, escribo los nodos personalizados (custom nodes) sobre los que se apoyan, entreno los LoRAs que cargan y los ejecuto en modo headless a través de la API de ComfyUI en workers de GPU. Vivo en Belgrado (Serbia) y trabajo en remoto; estoy disponible como desarrolladora freelance o a jornada completa.

En una línea: Anastasiia Butova es especialista en ComfyUI e ingeniera de modelos de difusión, con 100 nodos personalizados en 16 packs propios, grafos de ComfyUI en producción para un SaaS de imágenes de joyería, una app de fotos con 4M+ usuarios y un bot de Telegram, y entrenamiento de LoRA para FLUX.2 Klein y SDXL.

Trabajo en inglés, ruso y serbio; esta página es una traducción del original en inglés.

Qué puedo construir para ti

• Un workflow de ComfyUI convertido en servicio. El grafo se construye y se depura en el editor, se exporta en formato API y después se ejecuta en modo headless con las entradas de cada petición: una cola delante, workers de GPU detrás (RunPod serverless o tus propias máquinas) y los resultados entregados por webhook.
• Nodos personalizados. Para el paso que ningún pack existente cubre: enrutamiento y filtros de calidad, igualación de color, segmentación con SAM3, clasificación con DINOv3, detección con YOLO, alineación por flujo óptico, división en mosaicos (tiling) y wrappers que meten redes de restauración (NAFNet, SwinIR, HYPIR) en el mismo grafo que la generación.
• Entrenamiento y evaluación de LoRA. Adaptadores para FLUX.2 Klein 9B y SDXL, desde LoRAs de identidad de una persona hasta LoRAs de edición para fotografía de producto, evaluados en hojas de imágenes con semilla fija y no en una única imagen afortunada.
• Alta resolución. Inferencia por mosaicos para imágenes de producto de 6K-10K píxeles, sin costuras visibles a 40 megapíxeles.
• Despliegue reproducible. Imágenes Docker para tarjetas H100 y H200, con cada nodo personalizado copiado dentro de la imagen y fijado a una versión concreta en cada una, para que un cambio en el pack de otra persona no pueda romper producción de la noche a la mañana.

Dónde ha funcionado mi trabajo con ComfyUI

• OIS.Gold, Desde 2024 hasta hoy. Un SaaS de procesamiento de imágenes de joyería con 1.500+ usuarios. ComfyUI se controla por código desde el backend, con colas de tareas BullMQ y entrega por webhook, sobre imágenes de 6K-10K píxeles; cada nodo personalizado que usa la imagen de contenedor de producción se conserva como una copia congelada dentro de ella.
• Glam.ai, 2026. Pipelines de varias etapas con Qwen Image Edit orquestados mediante grafos de ComfyUI, en los que cada nodo es un modelo especializado en segmentación, restauración o refinado, dentro de una app de fotos con 4M+ usuarios; entrenamiento en un clúster de 80 GPU H200.
• @wowfaceaibot, 2025. Un LoRA entrenado con las propias fotografías de cada usuario; generación en RunPod controlada a través de la API HTTP de ComfyUI con el adaptador de ese usuario.
• mashinki, 2026. Fotografías de coches de concesionarios convertidas en imágenes de catálogo en una máquina con GPU que ejecuta ComfyUI: segmentación con SAM3, LoRAs de FLUX.2 Klein 9B para sustituir el fondo y corregir la geometría, y un pack de nodos propio.

Recuento de nodos

Recuento hecho el 15 de septiembre de 2026 a partir del código de registro de nodos de cada pack: 100 nodos distintos en 16 packs propios (104 registros; cuatro nodos de utilidades están compartidos entre dos packs).

• happyin-comfyui-nodes, 32: enrutamiento y filtros de calidad, un enrutador de prompts con Florence2, máscaras, estimación de ruido e igualación de grano, igualación y transferencia de color, ángulos de cámara, hojas de contactos, herramientas para carpetas de LoRA, ayudas para procesar lotes
• ComfyUI-SAM3-Gemstone, 20: detección de piedras preciosas con SAM 3, composición y unión (stitching), recorte y unión para inpainting, recuperación de máscaras y huecos, salida en PSD
• ComfyUI_happyin, 19: división y fusión de mosaicos, descomposición en frecuencias, codificación y decodificación VAE, herramientas de máscara, niveles automáticos, realce de bordes y profundidad, filtrado de zonas de detalle
• ComfyUI-mashinki, 6: segmentación de partes del coche con SAM3 (matrícula, carrocería, cristales, ruedas, interior), inclinación de la imagen de fondo según el giro (roll) de la cámara del habitáculo, ángulos de cámara, ajuste (snapping) del tamaño del latente, un decodificador NVIDIA PiD
• comfyui-pixel-align-nodes, 5: alineación a nivel de píxel con deformación como alternativa, mezcla de frecuencias, sustitución de bajas frecuencias, fusión selectiva
• ComfyUI_happyin_canny, 4: mapas de bordes, un descriptor de imágenes, nodos para reemplazar objetos y palabras
• restauración: eliminación de ruido con NAFNet, con carga y guardado con gestión de color (3), restauración de joyería con NAFNet (2), eliminación de ruido y mapas de ruido con SwinIR (2), restauración con HYPIR (1)
• reconocimiento: dimensiones de coches con DINOv3 (1), clasificación con DINOv3 (1), detección con YOLO26 (1)
• edición: deslizadores de máscara por mapa de calor (3), limpieza de capturas de pantalla y recorte de bordes (3), refinado por clic para FLUX.2 Klein (1)

Los repositorios son privados, así que el recuento se indica aquí en lugar de enlazarlo.

Cómo trabajo

Un pipeline se construye y se depura en el editor de ComfyUI y después se congela: el grafo se exporta en formato API y los nodos personalizados se fijan a los commits que se probaron. A partir de ese momento nadie hace clic en nada. El backend envía el grafo con las entradas de cada petición y recoge el resultado. Un checkpoint nuevo o un cambio en un nodo se evalúa frente al anterior en hojas con semilla fija, y lo que hace mal se anota junto a lo que hace bien, igual que en las fichas de modelo en Hugging Face.

Por qué los nodos personalizados están fijados

Las imágenes de contenedor de producción llevan dentro una copia congelada de cada nodo personalizado que usan, actualizada a propósito y probada antes de salir, así que la rama main de otra persona no puede dar sorpresas. La misma cautela se aplica a lo que un nodo puede hacer: un nodo personalizado es código Python que se ejecuta con los permisos del servidor. Escribí el procedimiento de detección y eliminación de un criptominero, una variante de XMRig, que se había inyectado en el execution.py de un contenedor de ComfyUI.

Modelos y herramientas

FLUX.2 Klein 9B, FLUX, Qwen Image Edit, SDXL y SD 1.5, IP-Adapter, ControlNet, SAM3, Florence2, DINOv3, YOLO, NAFNet, SwinIR, HYPIR. La API HTTP de ComfyUI, Diffusers, PyTorch, Python, Docker, RunPod, BullMQ, GPU H100 y H200.

Preguntas frecuentes

¿Puedes crear un nodo personalizado de ComfyUI para nuestro pipeline?

Sí. Hasta ahora he escrito 100, en 16 packs. La mayoría son una de estas tres cosas: un modelo encapsulado para que funcione dentro del grafo, una decisión que el grafo tiene que tomar (un filtro, un enrutador, un interruptor) o una operación de imagen que ningún pack existente hace como la necesita el pipeline.

¿Puedes convertir nuestro workflow de ComfyUI en una API o en un producto?

Sí, así funcionan todos los proyectos en producción de esta página. El grafo pasa a formato API, un backend lo envía con las entradas de cada petición, una cola se sitúa delante de las GPU y los resultados vuelven por webhook.

¿Entrenas LoRAs para FLUX o SDXL?

Sí. LoRAs de identidad de una persona, entrenados con las propias fotografías del usuario, y LoRAs de edición sobre FLUX.2 Klein 9B que restauran caras, sustituyen el fondo detrás de un coche y corrigen su geometría; varios de ellos están publicados como fichas de modelo en Hugging Face.

¿Trabajas con modelos de difusión fuera de ComfyUI?

Sí. Diffusers, scripts de entrenamiento, exportación a ONNX e inferencia en C++ para modelos de retoque que se ejecutan en el propio ordenador del usuario. ComfyUI es donde se montan la mayoría de los pipelines, no el único sitio donde viven los modelos.

¿Desde dónde trabajas y cómo podemos colaborar?

Desde Belgrado (Serbia), en remoto, con husos horarios de Europa y de Estados Unidos, como freelance o a jornada completa. Ruso: lengua materna; inglés: nivel profesional; serbio: nivel de trabajo.

Cómo contactar conmigo

Lo más rápido es Telegram @happy_in_happy; también por correo electrónico [email protected] o por LinkedIn.

En otras partes de este sitio (páginas en inglés)

• Inicio - quién soy y qué construyo
• CV - puestos, fechas, stack
• ComfyUI - pipelines de ComfyUI en producción, nodos personalizados, entrenamiento de LoRA
• Happyin.ai - modelos de retoque que funcionan en el propio dispositivo y un plugin de Photoshop en C++
• mashinki - pipeline automatizado de fotos de coches para concesionarios
• OIS.Gold - retoque de joyería a gran escala
• Glam.ai - funciones de IA en producción para 4M+ usuarios
• @wowfaceaibot - bot de fotos en Telegram con un LoRA por usuario
• happyin.space - 820+ artículos estructurados para agentes de IA
• codex-claude-code-config - un reglamento para agentes de programación
• mclaude - coordinación de varias sesiones para Claude Code
• Blog - ensayos sobre agentes, difusión y ML en producción
• AGENTS.md - la versión legible por máquinas de todo esto

Anastasiia Butova - Ingeniera de ML, Belgrado (Serbia). Correo electrónico [email protected] · LinkedIn · GitHub · Telegram · Hugging Face