Midjourney V8.1 ofrece dos modos principales de iteración: HD (alta definición) y SD (definición estándar). Aunque HD genera imágenes con una resolución nativa mayor (2048px) y cuesta más minutos de GPU, SD (1024px) suele ofrecer un mejor equilibrio entre velocidad, coste y retención de detalle, especialmente tras ediciones posteriores o escalados. La opción óptima depende de tu flujo de trabajo concreto y de los requisitos del resultado final.
¿Cuál es la diferencia entre V8.1 HD y SD?
Midjourney V8.1, que fue la versión predeterminada del 10 de junio al 23 de julio de 2026, introdujo modos diferenciados de HD y SD [S1]. Estos modos se distinguen principalmente por la resolución nativa de salida, el coste en minutos de GPU y la forma en que gestionan las ediciones posteriores.
- **V8.1 HD (Alta Definición):**Genera imágenes con una resolución nativa de 2048 píxeles en el lado más largo. Cada generación consume aproximadamente 1,3 minutos de GPU [S1]. HD está diseñado para capturar detalles más finos a una resolución base superior.
- **V8.1 SD (Definición Estándar):**Genera imágenes con una resolución nativa de 1024 píxeles en el lado más largo. Cada generación consume aproximadamente 0,8 minutos de GPU [S1]. SD es la opción más económica y rápida.
Es importante señalar que, aunque V8.1 admite HD, no admite funciones como Omni Reference, disponible en V7 [S1]. La elección entre HD y SD se realiza con el parámetro --hd o --sd [S2].
Configuración de pruebas: prompts, semillas, tiempos y recortes
Para comparar de forma objetiva V8.1 HD y SD, es esencial un protocolo de prueba reproducible. Este protocolo se centra en una entrada consistente, una salida medible y un rúbrica de inspección clara.
Protocolo de prueba
- **Selección de prompt:**Elige un prompt que incluya elementos diversos, texturas y detalles finos para desafiar ambos modos. Incluye instrucciones específicas sobre cantidad, ubicación y propiedades de los materiales.
- **Consistencia de semilla:**Usa el mismo valor de
--seedtanto en las generaciones HD como SD para asegurar que el patrón de ruido inicial sea idéntico, permitiendo una comparación directa del proceso de renderizado. - **Relación de aspecto:**Mantén una relación de aspecto (
--ar) consistente en todas las generaciones. - **Tiempos:**Registra el tiempo de generación de cada modo. Aunque Midjourney proporciona costes en minutos de GPU, observar el tiempo real de generación ofrece una visión adicional.
- **Selección de recortes:**Identifica áreas específicas dentro de las imágenes generadas para una inspección a nivel de píxel. Céntrate en zonas con detalles intrincados, texto, rostros o texturas complejas.
- **Posprocesado:**Si las ediciones posteriores (por ejemplo, Pan, Zoom Out, Vary Region) forman parte de tu flujo, genera una versión SD a partir de la salida HD y compárala con una salida SD nativa.
Rúbrica de inspección
Usa los siguientes criterios para evaluar las imágenes generadas:
| Criterio | Puntuación HD (1-5) | Puntuación SD (1-5) | Notas (p. ej., detalles concretos, artefactos) |
|---|---|---|---|
| Composición general | |||
| Fidelidad al prompt | ¿Refleja la intención del prompt? | ||
| Claridad del detalle | Bordes, texturas, elementos pequeños | ||
| Precisión del color | Viveza, consistencia | ||
| Luz y sombra | Realismo, profundidad | ||
| Artefactos/ruido | Distorsiones no deseadas, grano | ||
| Coherencia del sujeto | Consistencia de los sujetos principales | ||
| Tiempo de renderizado | Tiempo real empleado | ||
| Coste de GPU | 0,8 vs 1,3 minutos de GPU |
Dónde HD produce una mejora visible
El modo HD puede ofrecer una ventaja notable en escenarios específicos en los que la mayor resolución nativa se traduce directamente en un mejor resultado final, sobre todo cuando apenas se prevé posprocesado.
- **Impresión de gran formato:**Para imágenes destinadas a impresiones físicas grandes donde cada píxel cuenta, la resolución nativa de 2048px de HD puede ofrecer una base más nítida antes de cualquier escalado.
- **Escenas complejas con detalles intrincados:**Paisajes, paisajes urbanos o diseños mecánicos muy detallados con muchos elementos pequeños y distintos pueden beneficiarse de la capacidad de HD para renderizar más información en la fase de generación.
- **Recortes o zoom mínimos:**Si la imagen generada se usará prácticamente tal cual, sin recortes significativos ni zoom a áreas concretas, la mayor resolución de HD puede mantener la claridad general.
- **Fuente para escalado posterior con IA:**Aunque las imágenes HD se convierten a SD para editar, usar una imagen HD como fuente inicial para un escalador de IA dedicado (al margen del escalado interno de Midjourney) podría arrojar mejores resultados gracias a unos datos de partida más ricos.
Considera usar HD para prompts como estos:
a sprawling cyberpunk city at night, intricate neon signs, flying vehicles, detailed architecture, rain-slicked streets, 8k, cinematic lighting --ar 16:9 --hd --seed 12345
macro shot of a butterfly wing, iridescent scales, delicate veins, extreme detail, natural light, bokeh background --ar 3:2 --hd --seed 67890
Cuándo SD es el mejor modo de iteración
Pese a la mayor resolución nativa de HD, SD suele revelarse como la opción más práctica y eficiente para la mayoría de flujos de trabajo, especialmente cuando el proceso incluye edición, paneo, zoom o escalado.
- **Relación coste-eficacia:**Con 0,8 minutos de GPU por generación, SD es significativamente más barato que los 1,3 minutos de HD [S1]. Esta diferencia se acumula deprisa durante la iteración de prompts.
- **Generación más rápida:**Las imágenes SD suelen renderizarse más rápido, lo que permite experimentar e iterar con mayor agilidad.
- **Edición posterior a la generación:**Fundamentalmente, si planeas usar las funciones Pan, Zoom Out, Edit o Vary Region de Midjourney, la imagen HD se convertirá en un resultado SD para estas operaciones [S1]. Esto significa que pierdes la ventaja nativa de HD durante la fase de edición, lo que puede hacer redundante la generación inicial en HD.
- **Escalado:**Los escaladores internos de Midjourney son muy eficaces potenciando el detalle desde una base SD. A menudo, una imagen SD escalada puede igualar o superar a una imagen HD que ha pasado por ediciones posteriores basadas en SD.
- **Uso web y digital:**Para imágenes destinadas principalmente a web, redes sociales o presentaciones digitales, la resolución nativa de 1024px de SD suele ser más que suficiente, especialmente tras el escalado.
Considera usar SD para prompts como estos:
a whimsical forest creature, glowing eyes, mossy fur, holding a tiny lantern, fantasy art, soft light --ar 1:1 --sd --seed 54321
product photography of a sleek smartphone, minimalist background, studio lighting, focus on screen detail --ar 4:3 --sd --seed 98765
¿Qué ocurre tras editar, paneo, zoom o escalar?
Este es un punto clave de distinción entre los modos HD y SD. El flujo de trabajo interno de Midjourney afecta notablemente al beneficio percibido de empezar con una imagen HD.
Según la documentación de Midjourney, si generas una imagen en modo HD y luego usas cualquiera de las siguientes funciones de edición, la imagen resultante será una versión SD [S1]:
- **Pan:**Extender el lienzo en cualquier dirección.
- **Zoom Out:**Reducir el nivel de zoom para ampliar la escena.
- **Edit (Vary Region):**Hacer ediciones regionales específicas.
- **Vary (Strong/Subtle):**Aplicar variaciones a la imagen.
Esto significa que si tu flujo implica un refinamiento iterativo con estas herramientas, el coste inicial en minutos de GPU y el tiempo de generación invertidos en una imagen HD se “reinician” efectivamente a una base SD para los pasos siguientes. Estás pagando una calidad HD que luego se reduce (downsample) para editar. Por ello, suele ser más eficiente empezar con SD, realizar las ediciones y luego escalar el resultado SD final.
Recomendaciones de HD/SD según el entregable
La mejor elección entre HD y SD depende en gran medida de tu entregable final y de tu flujo de trabajo. Aquí tienes una guía para ayudarte a decidir:
| Entregable/flujo de trabajo | Modo recomendado | Justificación ```
Abre la ruta de modelo correspondiente en PixMind y ejecuta un encargo real con la lista de comprobación anterior.
