Guidance scale (CFG)
La guidance scale (escala de guía), o CFG scale, es un ajuste de los generadores de imágenes por difusión que controla con qué fuerza sigue la salida al prompt. Los valores más altos siguen el prompt más de cerca, pero reducen la variedad.
También llamado: classifier-free guidance, CFG, CFG scale, guidance
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
CFG significa classifier-free guidance (guía sin clasificador), la técnica que controla este ajuste. La mayoría de las herramientas de imagen lo muestran como un número, a menudo llamado CFG scale o guidance. Si lo subes, las imágenes se ajustan al prompt de forma más literal; si lo bajas, el modelo divaga más y da resultados variados y a veces más naturales.
Cómo funciona
Jonathan Ho y Tim Salimans describieron la classifier-free guidance en 2022. Un único modelo de difusión se entrena para eliminar ruido tanto con el prompt como sin él, quitando a veces el prompt durante el entrenamiento. En cada paso de generación hace ambas predicciones, y la guidance scale fija cuánto alejarse de la predicción sin prompt hacia la predicción con prompt. Como cada paso necesita dos predicciones, la guía duplica aproximadamente el trabajo por paso, salvo que el modelo se destile para evitarlo.
Elegir un valor
No hay un número óptimo universal. Cada modelo tiene un rango recomendado por sus creadores, y algunos modelos destilados más recientes están hechos para funcionar con la guía desactivada o fija. Un valor demasiado alto suele dar colores sobresaturados, contraste duro y artefactos. Funciona en combinación con los demás ajustes de muestreo, como el número de pasos y la semilla.
En qué se diferencia de la temperatura
El artículo original compara la guía con el muestreo a baja temperatura en otros modelos generativos: ambos cambian variedad por calidad. La temperatura modifica las probabilidades del siguiente token en un modelo de lenguaje; la guía cambia la dirección de cada paso de eliminación de ruido en un modelo de imagen.
Términos relacionados
- Modelo de difusión
- Un modelo de difusión (diffusion model) es un modelo generativo que aprende a convertir ruido aleatorio en datos, como una imagen, eliminando un poco de ruido cada vez a lo largo de muchos pasos.
- Text-to-image
- El text-to-image (texto a imagen) es la tarea de generar una imagen nueva a partir de una descripción escrita, llamada prompt. La mayoría de los modelos text-to-image actuales son modelos de difusión condicionados por el texto.
- Temperatura (muestreo)
- La temperatura (temperature) es un ajuste de muestreo que controla lo aleatorias que son las elecciones de palabras de un modelo de lenguaje. Los valores bajos hacen que favorezca los tokens más probables; los más altos reparten las elecciones entre otros menos probables.
- ControlNet
- ControlNet es un complemento de red neuronal que permite a un modelo de difusión text-to-image seguir una guía estructural, como un mapa de bordes, un mapa de profundidad o una pose humana, además del prompt de texto.
- Image-to-image
- Image-to-image (de imagen a imagen) es la tarea de generar una imagen nueva a partir de una existente más un prompt, conservando parte de la estructura del original mientras se cambia el estilo, el detalle o el contenido.