Conocimiento · Fundamentos de IA

Modelo de difusión

Diffusion Model

📂Fundamentos de IA⏱Lectura de 2 min📊Avanzado🔗5 relacionados

¿Qué es el modelo de difusión?

Definición en una línea
Modelo representativo de la IA de generación de imágenes, que aprende a agregar ruido a una imagen y luego a quitarlo, para crear dibujos a partir de ruido.
⚡ Resumen en 3 líneas
  • Genera imágenes eliminando ruido
  • Ruido → imagen
  • La corriente principal en la generación de imágenes actual

Lo que realmente cambió el modelo de difusión es que la imagen pasó de ser un «activo que se busca» a un «activo que se genera según la necesidad». Antes había que revisar bibliotecas de stock o agendar sesiones de estudio; ahora cambió por completo la estructura de costos de la etapa de borradores. El costo de generar una toma se reduce, en la práctica, al tiempo de cómputo, y por eso el equipo ya no se dedica a elegir una buena imagen, sino a generar decenas de opciones y luego seleccionar.

En la práctica hay que distinguir entre el enfoque que trabaja directamente con píxeles y el que trabaja en el espacio latente (latent). Los modelos de la familia Stable Diffusion eliminan el ruido en un espacio latente comprimido, por lo que logran la misma calidad con mucho menos cómputo. Los primeros modelos usaban 1,000 pasos, pero los muestreadores actuales producen una imagen con 20 a 50 pasos, y con técnicas de destilación se baja incluso a 1 a 4 pasos. La frontera con las GAN también es clara: las GAN generan en una sola pasada, lo que es rápido, pero su entrenamiento es inestable y los resultados tienden a concentrarse en un solo tipo; en cambio, el modelo de difusión, aunque requiere más pasos, ofrece más diversidad y control. Las herramientas de control son la semilla (seed), las entradas condicionales como ControlNet y el ajuste fino ligero como LoRA.

En la práctica, el error más frecuente es creer que «basta con escribir bien el prompt». Con la misma instrucción, si cambian la semilla o la versión del modelo se obtienen imágenes distintas; si no se registra la configuración, tres meses después no se podrá volver a crear una toma con el mismo tono. Tampoco conviene reemplazar la foto del producto por una imagen generada: si una toma sale con el logo borroso o con un número incorrecto de asas y llega a la página de producto, se convierte en un problema de publicidad engañosa y de devoluciones. Conviene fijar el límite: las imágenes generadas son borradores, fondos o tomas de apoyo, no sustitutas de la fotografía, y designar desde el principio a una persona responsable de la revisión final.

Capacitaciones en las que aparece este término · IA·DX
Cursos recomendados · Instructores recomendados · Mini cotización
🧮 Mini cotización · Criterio de honorarios
Aprox. KRW 1,200,000 (≈ US$900)Charla especial de 2 horas · hasta 20 personas · en coreano
Solicitar cotización formal con estas condiciones →
💡 Dicho de forma sencilla
Es un método que va despejando poco a poco una neblina difusa (ruido) hasta que aparece el dibujo: es el principio de la IA que genera imágenes hoy.
Por qué es importante en la práctica
Es el principio de funcionamiento de la IA que genera imágenes y video. Es un concepto base para entender la automatización de la producción de contenido.
Origen y fuentes

Se propuso en 2015 en investigaciones como la de Sohl-Dickstein y otros colegas, y se volvió práctica con el artículo DDPM de 2020. Desde entonces es la base de sistemas de generación de imágenes con IA, como DALL·E y Midjourney.

Fuente · Sohl-Dickstein y otros (2015); Ho y otros, DDPM (2020), que lo consolidaron
Entender con un caso

Veamos un caso hipotético. La empresa A, que vende electrodomésticos en línea, tiene 140 colaboradores y ventas anuales de unos KRW 90,000,000,000 (≈ US$67,362,200). Cada mes crea páginas de detalle para unos 30 productos nuevos; cada toma de fondo contratada a un fotógrafo externo costaba KRW 600,000 (≈ US$450) por toma y tardaba 2 semanas. Cuando el lanzamiento de nuevos productos del primer semestre se retrasó 3 semanas, el director de marketing pidió «explorar otras alternativas además de la fotografía».

  1. El jefe del equipo de marketing digital contó las 1,280 tomas de páginas de detalle de producto del último año y encontró que la mitad eran tomas de fondo o de ambiente que no mostraban el producto.
  2. Decidieron generar solo la mitad de esas tomas y, con un ajuste fino ligero (LoRA) entrenado con 300 fotos propias para igualar el tono, hicieron una prueba de operación durante un mes, en junio.
  3. En la primera revisión, el jefe de planificación de producto señaló que «el mango del refrigerador se ve doble», por lo que se fijó la regla de que las tomas en las que aparece el producto solo pueden ser fotografías reales.
  4. Los dos diseñadores establecieron el principio de registro reproducible, que guarda durante seis meses la versión del modelo, el prompt y la semilla, y lo administraron en una hoja de cálculo.
  5. Tres meses después, el plazo de las tomas de fondo bajó de 2 semanas a 1 día, el costo mensual de outsourcing se redujo en KRW 7,000,000 (≈ US$5,240) de un total de KRW 18,000,000, (≈ US$13,500) y el retraso en el lanzamiento de nuevos productos pasó de 3 semanas a 2 días.
Términos relacionados
Herramientas de IA relacionadas
Capacitaciones relacionadas con este término
📚Introducción práctica a la IA de agentesCapacitación corporativa de Nanum Consultoría · presencial / en líneaVer curso →
¿Necesita capacitación interna sobre este tema?
Reciba de inmediato un currículo y una cotización personalizados para su equipo.
Consultar sobre capacitación
Última modificación 2026-09-13 · Revisado por John Kim

Preguntas frecuentes

Los modelos de lenguaje predicen la siguiente palabra, mientras que los de difusión generan imágenes eliminando ruido. El objeto y el método de generación son distintos.
Aunque hoy se usa sobre todo para imágenes, se está extendiendo a la generación de video, audio y 3D.
Los modelos de lenguaje predicen «la siguiente palabra»; los de difusión generan imágenes «eliminando ruido».
Aunque se usa sobre todo para imágenes, también se está extendiendo a audio, video y otras generaciones.