Una función multimedia nueva rara vez empieza con una cola de GPU constante. Empieza con unos pocos retratos, ediciones de producto o vídeos cortos, y con una pregunta: ¿la aplicación debe seguir pagando una API o ejecutar un modelo por su cuenta?
Usa una API multimedia alojada si la demanda es irregular, si necesitas varias familias de modelos o si la función aún está buscando a sus usuarios. Plantéate el autoalojamiento cuando una cadena de pesos abiertos compatible resuelva la tarea y el uso sostenido compense todo su coste operativo. A menudo un enfoque híbrido es práctico: genera imágenes fijas de forma continua en local y deja el vídeo ocasional en una tarea alojada.
Como factura de partida concreta: Z-Image Turbo cuesta $0.010 por imagen con la expansión del prompt desactivada, y cinco segundos de imagen a vídeo con MiniMax H3 a 768p cuestan $0.185. La comparación útil parte de esos recursos terminados, no del precio de lista de una GPU por hora.
Compara primero el mismo entregable
Una imagen nueva a partir de texto, la edición de un retrato existente y un vídeo a partir de un fotograma aprobado son capacidades distintas. Un precio bajo por hora de GPU no convierte a un solo modelo en sustituto de las tres.
| Necesidad | Ejemplo alojado actual | Coste listado para el cliente | Lo que debe hacer una alternativa local |
|---|---|---|---|
| Imagen nueva a partir de texto | Z-Image Turbo | $0.010/imagen, expansión desactivada | Ejecutar un checkpoint de texto a imagen adecuado al tamaño requerido |
| Edición a partir de referencias | Qwen Image 2.1 edit | Una referencia: 1K $0.036; 2K $0.048 (expansión desactivada); 1.5K $0.072 (expansión activada) | Aceptar las imágenes de origen y conservar los detalles que exige la revisión |
| Animar un fotograma inicial | H3 image-to-video | $0.037/segundo a 768p; $0.058 a 2K | Ejecutar una cadena de vídeo compatible, no solo un modelo de imagen |
La segunda referencia de Qwen sube una edición de 1K a $0.048; una edición de 2K seguía cotizándose a $0.048 con una o dos referencias. La edición de 1.5K exige ahora la expansión del prompt activada: $0.072 con una referencia, $0.09 con dos.
Una función que promete el mismo personaje ficticio en varias escenas necesita algo más que un modelo barato de texto a imagen. Necesita una forma de trasladar la identidad entre imágenes. Descargar un checkpoint de texto a imagen no añade edición por referencia ni condicionamiento del personaje. Elige primero el control y después dónde ejecutarlo.
Qué te aporta la vía alojada
En Z-Image, la tarea ofrece un prompt de hasta 1000 caracteres, cinco relaciones de aspecto, salida PNG y un seed opcional. Es una operación acotada de texto a imagen, no una interfaz para sustituir el sampler ni manipular latentes intermedios.
H3 image-to-video acepta una imagen inicial y un prompt, además de un fotograma final opcional. Admite de 4 a 15 segundos a 768p o 2K; los clips de cuatro segundos se limitan a 768p. El fotograma inicial fija el formato de salida. La tarea no expone un campo de seed ni de cámara fija, así que prepara la composición antes de animar y describe en el prompt el comportamiento de cámara que quieres.
La API de tareas se encarga de la cotización, la creación asíncrona y la consulta de estado. Tu aplicación sigue teniendo que controlar los envíos duplicados y conservar los archivos entregados, pero no tiene que cargar pesos del modelo, recuperar workers de GPU ni mantener un entorno de servicio.
Un presupuesto pequeño de imagen y vídeo
Diez intentos de Z-Image y dos clips de H3 de cinco segundos dan un ejemplo de partida útil:
- Diez imágenes fijas: 10 × $0.010 = $0.100.
- Dos clips a 768p: 2 × 5 × $0.037 = $0.370.
- Generación total: $0.470.
Presupuesta por separado las ediciones y los intentos descartados respecto de los recursos seleccionados.
Qué te da el autoalojamiento y qué añade
El repositorio oficial de Z-Image ofrece código, pesos e instrucciones de inferencia local. Z-Image es una familia de 6B, y el README oficial indica que Turbo cabe en dispositivos de consumo con 16 GB de VRAM. Eso lo convierte en un candidato plausible para generar imágenes fijas en local, pero no en motivo para dar por hecho que cualquier resolución y lote que pidas cabrán en tu GPU.
El autoalojamiento te permite elegir un runtime compatible, añadir adaptadores o preprocesamiento admitidos y situar la inferencia en una infraestructura que operas tú. También te hace responsable de:
- Carga del modelo y memoria: los pesos, las dimensiones y los trabajos concurrentes determinan si el worker cabe.
- Capacidad: una imagen individual rápida no demuestra cómo hará cola una ráfaga de solicitudes.
- Recuperación: un fallo por falta de memoria o la caída de un worker exige un reintento acotado y un sustituto en buen estado.
- Actualizaciones: los cambios de modelo, dependencias y runtime pueden alterar el resultado o romper el servicio.
Si necesitas un grafo de inferencia personalizado o un adaptador privado que la tarea alojada no ofrece, ese control puede justificar el autoalojamiento antes que cualquier ahorro de costes. Si la tarea ya está soportada y solo se usa de forma ocasional, ese mismo control puede añadir trabajo sin mejorar la función para el cliente.
Autoalojar no siempre significa una GPU inactiva encendida todo el día
Un handler autogestionado puede ejecutarse en una instancia dedicada o en workers serverless. Runpod distingue entre workers activos y workers flex: los activos permanecen listos; los flex pueden escalar a cero, con arranques en frío cuando vuelve la demanda.
Compara por separado esos modos de operación. Una reserva permanente incluye capacidad inactiva; un esquema que escala a cero cambia ese coste de inactividad por retraso de arranque y configuración del despliegue. Ambos siguen necesitando un handler del modelo y una cola que sepa si el worker completó el trabajo.
Para personajes sin censura, elige el control antes que el host
Un personaje adulto recurrente es un buen ejemplo porque el primer retrato barato es solo el principio. Las escenas posteriores pueden necesitar el mismo rostro, un cambio de vestuario o una pose concreta. Repetir una descripción de texto puede producir variaciones nuevas cuando el producto necesita continuidad.
La tarea alojada de Z-Image a $0.010 es solo de texto: no puede aceptar el retrato de una acompañante como referencia de identidad, y una imagen barata de otra persona no sustituye un flujo de edición por referencia. Lo mismo vale en local: cargar pesos abiertos no añade condicionamiento facial, un LoRA de personaje compatible ni una cadena de edición, así que identifica primero qué control falta exactamente. Si necesitas un adaptador de personaje entrenado, comprueba que el checkpoint y el adaptador coinciden y que tu implementación lo carga.
Una cadena alojada puede hacer explícitos los controles y el coste:
- Explorar un retrato: Z-Image Turbo a $0.010 por imagen con la expansión desactivada.
- Llevarlo a una escena relacionada: Qwen Image 2.1 edit toma el retrato aprobado como referencia; las ediciones con una referencia cuestan $0.036 a 1K o $0.048 a 2K con la expansión desactivada.
- Animar el fotograma aprobado: H3 image-to-video parte de $0.037 por segundo a 768p.
En local, la misma cadena requiere una cadena de texto a imagen, edición por referencia o condicionamiento de identidad y una cadena de vídeo aparte. Una tarea alojada sin restricciones elimina un filtro adicional de la plataforma; no garantiza que un modelo conserve cada rostro o cada atuendo. Ejecutar pesos abiertos en local te da control sobre la cadena de inferencia y te hace responsable de su gestión de contenido y de su despliegue. Con contenido para adultos, mantén separadas tres preguntas: si la tarea elegida acepta la solicitud, si el modelo produce la categoría prevista y si el resultado es utilizable. Una respuesta de finalización puede acompañar a una escena suavizada o a una identidad cambiada, y operar en local no demuestra que el checkpoint represente bien la escena deseada. Revisa los términos del modelo y del servicio para tu despliegue real y usa fuentes autorizadas de adultos ficticios; «pesos abiertos» no es una etiqueta de permiso universal.
Un enfoque híbrido puede mantener las imágenes fijas de personaje de alto volumen en una cadena local compatible y enviar solo el fotograma seleccionado a un modelo de vídeo alojado. Así evitas comprar capacidad de vídeo para clips ocasionales y conservas los controles locales con los que creaste al personaje. Mantén separados los costes de imagen y de vídeo para que una imagen fija barata no oculte la etapa siguiente, más cara. Evalúa por separado el comportamiento de contenido de la tarea de vídeo: que tu cadena de imagen acepte un fotograma no demuestra que el modelo de vídeo vaya a animarlo como pretendes.
Calcula el coste por resultado aceptado
En el trabajo alojado, divide la factura de todos los intentos de generación entre los recursos que el proyecto puede usar de verdad. Si doce intentos de imagen a $0.010 producen ocho retratos seleccionados, el coste de generación por retrato seleccionado es $0.015. Es un ejemplo calculado, no una tasa de aceptación medida.
Para la inferencia local:
local cost per accepted image =
(booked GPU hours × actual hourly rate + storage + transfer + allocated operations)
÷ accepted imagesUsa el tiempo de recurso pagado, incluidos el arranque y la inactividad cuando el modo de facturación los cobra. Supón que una reserva de GPU cotizada cuesta $1.20/hora:
| Imágenes aceptadas en la hora | Coste de cómputo por imagen aceptada | Qué excluye la cifra |
|---|---|---|
| 80 | $1.20 ÷ 80 = $0.015 | Almacenamiento, transferencia y operaciones |
| 20 | $1.20 ÷ 20 = $0.060 | Los mismos costes adicionales |
La tarifa y los recuentos son datos hipotéticos. El cálculo muestra cómo cambia el resultado según el uso: una GPU que parece barata por hora puede resultar cara por recurso utilizable cuando la mayor parte de la hora está inactiva o se dedica a intentos descartados.
Un ejemplo mensual de punto de equilibrio
Con el mismo coste alojado de $0.015 por imagen aceptada y el supuesto de $1.20 por hora de GPU:
$1.20 ÷ $0.015 = 80 imágenes aceptadas por hora de GPU pagada.
Por debajo de 80, lo alojado es más barato en coste de generación. Por encima de 80, el cómputo local pasa a ser más barato antes de contar almacenamiento, transferencia y operaciones. Cuenta imágenes aceptadas, no cada render intentado.
Una reserva mensual de 720 horas necesita 57 600 imágenes aceptadas para igualar esa factura de generación alojada antes de esos costes adicionales. Un worker que escala a cero se evalúa sobre sus horas pagadas, incluidos el arranque y la inactividad facturados, y no sobre el mes completo. Añade los costes operativos al numerador antes de tratar cualquiera de los dos umbrales como el punto de equilibrio del negocio.
Cuenta solo los costes que difieren entre las opciones. Una base de datos de aplicación que necesitan ambas no se convierte en un coste especial del autoalojamiento. El almacenamiento adicional de modelos, la monitorización de workers o el tiempo extra del personal, sí.
Ajusta la comparación al trabajo del cliente
Para una función de retratos 9:16, mantén el mismo encuadre exigido y el mismo tamaño de entrega. Una imagen aceptada podría necesitar el abrigo azul marino solicitado, un rostro legible, ambas manos dentro del encuadre y ningún texto no deseado. Si la vía local usa edición por referencia o retoque manual, incluye ese trabajo adicional.
Las mediciones más informativas son:
- Recuento de aceptadas: cuántos archivos entregados cumplen el requisito del producto.
- Espera completa: el tiempo desde que el cliente envía la solicitud hasta que llega el archivo utilizable.
- Tiempo de recurso pagado: lo que factura el proveedor, y no solo la pasada final de inferencia.
- Comportamiento ante ráfagas: qué ocurre cuando diez clientes envían a la vez.
Separa las ejecuciones en caliente de los arranques en frío. Una prueba que empieza con los pesos ya cargados no representa una función que arranca un worker nuevo tras cada periodo de calma. Compara también una calidad de entrega equivalente: una vista previa de pocos pasos y una imagen final son productos distintos aunque coincidan sus dimensiones.
En una app de personajes recurrentes, incluye cada edición de escena en la carga de trabajo en lugar de contar solo el primer retrato. Si una escena pedida necesita una edición inicial y una corrección, son dos intentos de imagen. Los intentos de vídeo son otra partida. En tu propia GPU esas operaciones consumen más tiempo de ejecución pagado; en una tarea alojada generan cargos adicionales por solicitud. Una hoja de cálculo que valore cada foto de cliente como una sola generación subestima ambos lados cuando tu flujo real usa varias pasadas.
Separa la ventaja de coste de la ventaja de producto. Una cadena local puede costar algo más y ofrecer un control que tus usuarios necesitan. Una cadena alojada puede costar algo más y ahorrar tiempo de operación suficiente para lanzar antes la función. Ninguna de las dos compensaciones necesita disfrazarse de cifra universal de punto de equilibrio.
El vídeo necesita su propio cálculo. El rendimiento de imágenes no permite predecir con qué rapidez una cadena de vídeo entregará cinco segundos de movimiento y sonido. Evalúa la cadena de vídeo por separado: su tiempo de GPU pagado y sus necesidades de memoria no pueden deducirse del rendimiento con imágenes.
Preguntas frecuentes
¿Es el autoalojamiento más barato que una API de imágenes?
Puede serlo con un uso sostenido. Compara el coste de los archivos aceptados, incluidos los intentos descartados, la inactividad pagada y las operaciones. Una tarifa baja de GPU por hora no basta por sí sola para demostrar un ahorro.
¿Puede un modelo local de Z-Image sustituir a un editor de imágenes?
El modelo de texto a imagen crea imágenes nuevas a partir de palabras. Conservar un retrato subido o cambiar una región definida requiere una cadena de edición o de condicionamiento que admita esa operación. Elige esa cadena por separado.
¿Autoalojar significa que tengo que comprar una GPU?
No. Puedes alquilar una GPU dedicada o desplegar un handler autogestionado en workers de GPU serverless. Los modos dedicado y de escalado a cero tienen compensaciones distintas entre coste de inactividad y retraso de arranque.
¿Puedo alojar las imágenes en local y usar una API para el vídeo?
Sí. Es una opción práctica cuando las imágenes fijas son frecuentes y el vídeo es ocasional. Guarda la imagen aprobada, envíala al modo de vídeo elegido y presupuesta por separado las etapas de imagen y de vídeo.
