ComfyUI levanta US$ 30M: o controle granular contra o 'AI slop'

O problema que ninguém resolveu com prompts

Se você já tentou fazer um modelo de imagem acertar um detalhe específico sem destruir o resto, sabe como é frustrante. Você ajusta o prompt, o modelo gera algo novo, e a mão do personagem que estava perfeita agora tem seis dedos. É um jogo de azar.

Foi exatamente por isso que o ComfyUI nasceu. E agora, com $30 milhões em uma rodada liderada pela Craft Ventures e valuation de $500 milhões, a aposta é que esse problema não vai desaparecer tão cedo.

O fato: US$ 30M para uma ferramenta de fluxo visual

O ComfyUI começou como um projeto open-source em 2023, logo após a explosão dos diffusion models. A ideia era simples: em vez de depender de prompts mágicos, criadores poderiam conectar nós visuais para controlar cada etapa da geração — desde o denoising inicial até a saída final.

A startup já havia levantado $19 milhões em Série A no final de 2024. Agora, com mais $30 milhões, a empresa afirma ter 4 milhões de usuários. O CEO Yoland Yan compara o uso de modelos como Midjourney a jogar em um cassino: você consegue 60-80% do resultado desejado, mas mudar os 20% restantes é um tiro no escuro.

Como funciona na prática (visão de operador)

O ComfyUI não é um modelo. É uma interface node-based que expõe o pipeline de inferência como blocos conectáveis. Você pode, por exemplo:

• Separar o processo de geração em estágios (text-to-image, upscaling, inpainting).
• Aplicar LoRAs ou ControlNets em pontos específicos do fluxo.
• Reproduzir exatamente o mesmo pipeline com seeds diferentes para testes A/B.

Do ponto de vista de arquitetura, isso significa que você não está apenas chamando uma API e rezando. Você está orquestrando múltiplas chamadas de inferência com parâmetros explícitos. O custo? Depende. Cada nó adiciona latência e consumo de tokens. Um pipeline complexo pode facilmente custar 10x mais em inferência do que uma chamada única ao DALL-E.

Mas o trade-off é claro: você ganha reprodutibilidade e controle fino. Algo que modelos fechados simplesmente não oferecem.

O que isso muda na prática

Quem ganha: Artistas técnicos, estúdios de VFX, animação e design industrial. Qualquer profissional que precise de consistência entre frames ou variações controladas de um mesmo conceito. Já existem vagas de emprego listando 'ComfyUI artist' como requisito.

Quem perde: Quem espera que modelos como Midjourney ou DALL-E evoluam a ponto de eliminar a necessidade de ferramentas auxiliares. Pelo menos por enquanto, o 'prompt slot machine' ainda é a realidade.

Ação prática: Se você está construindo um pipeline de geração de assets, avalie se o custo extra do ComfyUI compensa o retrabalho de gerar 50 variações até acertar um detalhe. Para produção em escala, o controle granular pode reduzir o tempo de iteração em 50-70%.

Tensão: Isso escala ou só funciona em demo?

O maior risco do ComfyUI é o custo operacional escondido. Cada nó no fluxo adiciona latência. Cada execução consome GPU. Em um cenário de produção com milhares de requisições, o custo de inferência pode explodir.

Além disso, a promessa de 'human-in-the-loop' é boa para qualidade, mas péssima para escala. Se você precisa gerar 10 mil thumbnails diferentes, um artista revisando cada saída não é viável.

O CEO Yan reconhece isso indiretamente: 'No mundo onde o AI slop vai estar em todo lugar, a abordagem human-in-the-loop vai ganhar'. Mas ele não diz a que custo.

Fechamento

O ComfyUI resolve um problema real: a falta de controle sobre modelos generativos. Mas ele faz isso adicionando complexidade e custo. Para estúdios que precisam de qualidade consistente, o investimento vale. Para quem busca escala pura, talvez não.

A pergunta que fica: até quando o mercado vai pagar o prêmio do controle granular? Ou os modelos vão eventualmente aprender a ouvir prompts melhores?