Sampler y scheduler
El sampler es el algoritmo que elimina el ruido paso a paso para formar la imagen, mientras que el scheduler determina el ritmo y tamaño de cada paso. Se configuran principalmente en herramientas de código abierto como Stable Diffusion o ComfyUI, ya que los generadores en la nube suelen seleccionarlos de forma automática.
También conocido como: sampler, sampler_name, scheduler, Euler, DPM++ 2M Karras, método de muestreo
Antes y después: prueba real




Modelo: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5). Ajustes: semilla 1411, 30 pasos, CFG 7,5, solo cambia el sampler. Fecha: 14.11.2026.
Prompt: a lighthouse on a rocky coast at dusk, waves crashing, dramatic sky, wide shot, photo
En mi prueba, Euler, DPM++ 2M Karras y DDIM generaron casi el mismo encuadre, notándose las diferencias solo en la textura del agua y las rocas. Euler a (ancestral), en cambio, produjo una composición radicalmente diferente con un faro sobre un islote. Los samplers ancestrales reintroducen ruido en cada iteración, por lo que con la misma semilla pueden apartarse por completo del resto.
Cómo se llama en cada generador
| Generador | Parámetro | Valores | Por defecto |
|---|---|---|---|
| Seedream | sin confirmar | - | - |
| ComfyUI | sampler_name / scheduler (KSampler)Listas del código fuente (docs.comfy.org no las enumera) | sampler_name: euler, euler_cfg_pp, euler_ancestral, euler_ancestral_cfg_pp, heun, heunpp2, exp_heun_2_x0, exp_heun_2_x0_sde, dpm_2, dpm_2_ancestral, lms, dpm_fast, dpm_adaptive, dpmpp_2s_ancestral, dpmpp_2s_ancestral_cfg_pp, dpmpp_sde, dpmpp_sde_gpu, dpmpp_2m, dpmpp_2m_cfg_pp, dpmpp_2m_sde, dpmpp_2m_sde_gpu, dpmpp_2m_sde_heun, dpmpp_2m_sde_heun_gpu, dpmpp_3m_sde, dpmpp_3m_sde_gpu, ddpm, lcm, ipndm, ipndm_v, deis, cfgpp_ud10_ab, res_multistep, res_multistep_cfg_pp, res_multistep_ancestral, res_multistep_ancestral_cfg_pp, gradient_estimation, gradient_estimation_cfg_pp, er_sde, seeds_2, seeds_3, sa_solver, sa_solver_pece, ddim, uni_pc, uni_pc_bh2. scheduler: simple, sgm_uniform, karras, exponential, ddim_uniform, beta, normal, linear_quadratic, kl_optimal | no especificado en la documentación |
| Midjourney | no existe tal parámetro | - | - |
| FLUX | no disponible en la API | - | - |
| Ideogram | no existe tal parámetro | - | - |
| GPT Image | no existe tal parámetro | - | - |
| Imagen (descontinuado) | no presente en la documentación consultada | - | - |
| Qwen-Image | no presente en la documentación consultada | - | - |
| Stability AI (SD 3.5) | no disponible en la API | - | - |
- Fuentes, verificadas el 14.11.2026:
- Seedream: docs.byteplus.com/en/docs/ModelArk/1541523
- ComfyUI: raw.githubusercontent.com/comfyanonymous/ComfyUI/master/com...
- Midjourney: docs.midjourney.com/hc/en-us/articles/32859204029709-Parame...
- FLUX: docs.bfl.ml/api-reference/utility/generate-an-image-with-fl...
- Ideogram: developer.ideogram.ai/openapi/ideogram-api-v2.json
- GPT Image: developers.openai.com/api/docs/guides/image-generation
- Imagen: docs.cloud.google.com/vertex-ai/generative-ai/docs/image/ge...
- Qwen-Image: www.alibabacloud.com/help/en/model-studio/qwen-image-genera...
- Stability AI: docs.stability.ai/api-reference/generate/stable-diffusion-3...
Cuándo usarlo
- Mantén el valor por defecto si la calidad visual del resultado ya te convence.
- Elige una opción ancestral como Euler a cuando busques mayor variedad creativa manteniendo la misma semilla.
- Utiliza opciones deterministas como Euler o DPM++ 2M si necesitas resultados predecibles para comparar prompts o ajustes.
Error frecuente
Un error frecuente es comparar samplers sin fijar la semilla, lo que hace imposible distinguir si el cambio visual proviene del algoritmo o del azar. Tampoco tiene sentido buscar un sampler perfecto para todo: en la práctica, la precisión del prompt y el ajuste de CFG influyen mucho más en el resultado final.
Ejemplo listo para copiar
ComfyUI: KSampler -> sampler_name = dpmpp_2m, scheduler = karras AUTOMATIC1111 / Forge: Sampling method: DPM++ 2M, Schedule type: Karras Midjourney, GPT Image, Ideogram, FLUX: sin parámetro manual
Preguntas frecuentes
¿Cuál es el mejor sampler para Stable Diffusion?
No hay uno universal. Para la mayoría de los proyectos, DPM++ 2M combinado con el scheduler Karras o Euler tradicional ofrecen excelente calidad y rapidez sin sorpresas.
¿Qué diferencia hay entre el sampler y el scheduler?
El sampler aporta la fórmula matemática para deducir qué elementos son ruido y deben limpiarse. El scheduler marca el calendario, decidiendo cuánta cantidad de ruido retirar en cada paso.
¿Qué significa la letra a en samplers como Euler a?
Indica que es un método ancestral. Estos algoritmos inyectan una pequeña dosis de ruido adicional en cada iteración, lo que fomenta composiciones más variadas pero impide que la imagen converja hacia un punto fijo al añadir más pasos.
