# CacheScope acelera los modelos de difusión sin entrenamiento adicional

> El nuevo método CacheScope reduce hasta 3,5 veces el tiempo de inferencia y disminuye la pérdida de calidad de imagen. Funciona con FLUX.1-dev, Wan2.1-T2V-1.3B y Open‑Sora 1.2.

Oossa · 2026-10-12 · https://oossa.com/es/cachescope-speeds-up-diffusion-models-without-extra-training

Un equipo de investigadores liderado por Qinhan Lyu presentó CacheScope, una técnica que determina cuándo realizar todo el cálculo de eliminación de ruido y cuándo reutilizar aproximaciones almacenadas en caché durante la inferencia de modelos de difusión. No requiere entrenamiento adicional, gradientes ni redes independientes. En tres modelos de difusión populares, acelera la generación hasta 3,57 veces y reduce hasta un 70,1 % el error mediano de LPIPS frente al método existente más sólido basado en sondeos.

## Los hechos

- Artículo publicado en arXiv el 2026-10-12
- Hasta 3,57× más velocidad y una reducción del 70,1 % en LPIPS en los modelos evaluados

## Por qué importa

Los desarrolladores pueden generar imágenes más rápido y con mayor fidelidad sin destinar recursos a entrenamiento adicional.

## Fuentes y referencias

1. [CacheScope: Exact-Compute Allocation for Training-Free Diffusion Acceleration](https://arxiv.org/abs/2610.12530) – arXiv cs.LG, 2026-10-12

Última actualización: 2026-10-12