Sintaxis de prompts en Pony e Illustrious XL

TL;DR

• Las etiquetas score cambian entre V6 y V7: V6 usa un sistema de 6 niveles (score_9 hasta score_4_up) mapeado a percentiles del dataset de entrenamiento; V7 debilita estas etiquetas — usa score_8 o score_7_up en lugar de score_9 para mejores resultados. Fuente
• Las etiquetas source y rating solo funcionan si el modelo se entrenó con ellas: source_pony, source_furry, source_anime, source_cartoon y rating_safe/questionable/explicit exigen que el dataset de entrenamiento incluya esas etiquetas — no se transfieren a merges ni fine-tunes de forma automática. Fuente
• CLIP skip 2 es obligatorio en los modelos Pony: cargar Pony Diffusion sin clip_skip=2 (o -2 en algunos UIs) produce manchas de baja calidad, sin importar la calidad del prompt. Fuente

Por qué el consejo oficial sobre las etiquetas score engaña

El artículo de Civitai que presenta score_9 lo vende como un botón mágico de calidad: "pon score_9 en tu prompt y obtén las mejores imágenes". En la práctica no ocurre eso, y los creadores del modelo aclararon después por qué.

Pony Diffusion V6 se entrenó con un sistema de etiquetado de calidad de seis niveles aplicado a las propias imágenes de entrenamiento. Cada imagen recibió una etiqueta de score_4 a score_9 según evaluación humana de calidad. Las variantes _up (score_8_up, score_7_up, etc.) se añadieron después para pedir rangos acumulativos — por ejemplo, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up significa "cualquier cosa desde el percentil 40 hacia arriba". Fuente

La corrección que importa: en V6, score_9 apunta al 10% superior del dataset de entrenamiento. En V7, PurpleSmartAI afirma explícitamente que "las etiquetas especiales (incluidas las de calidad) tienen un rendimiento mucho más débil que en V6, lo que significa que score_9 no dará necesariamente mejores resultados en algunos prompts". Las pruebas de la comunidad confirman que score_8 o score_7_up suelen producir ropa, fondos y detalles finos más coherentes en V7. Fuente Modelo | Etiquetas de calidad positivas recomendadas | Por qué | Source

|-------|-----------------------------------|-----|--------

Pony V6 XL | score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up | El sistema completo de 6 niveles coincide con los percentiles del dataset | Civitai Pony V7 | score_8, score_7_up o score_7_up, score_6_up | score_9 degrada el detalle; condicionamiento de etiquetas más débil | Moescape Illustrious XL | Lenguaje natural + etiquetas Danbooru | Sin sistema score_ documentado; control de calidad distinto | Hugging Face Relacionado: Cómo afecta CLIP skip a la adherencia del prompt en modelos SDXL

Etiquetas Source_ y Rating_: etiquetas del dataset, no interruptores mágicos

Existen cuatro etiquetas source_ en Pony V6: source_pony, source_furry, source_anime, source_cartoon. Tres etiquetas rating_: rating_safe, rating_questionable, rating_explicit.

Corrección crítica del material fuente: "Si quien entrena un modelo usa estas etiquetas para describir las imágenes del dataset con el que entrena, estas etiquetas funcionarán. Si no lo hace, influirán en la imagen resultante, pero solo porque el modelo intenta entender qué quieres decir con 'score_9'." Fuente

Esto significa:

• No son transferencias de estilo. Añadir source_anime no "lo convierte en estilo anime" salvo que el modelo haya aprendido esa asociación durante el entrenamiento.
• No funcionan en merges que descartaron los datos etiquetados. Un merge Pony/Anime que no conservó las etiquetas source las ignorará.
• Los negativos se comportan distinto. La guía de Civitai señala: "Ponlo en el negativo y tratará de evitarlo" — pero eso depende del modelo.

La documentación de Illustrious XL menciona "prompting con lenguaje natural + etiquetas", pero no confirma que use la misma taxonomía source_/rating_. Trátalas como específicas de Pony salvo que la ficha del modelo diga lo contrario. Fuente Familia de etiquetas | Etiquetas | Funcionan en | Condición | Source

|------------|------|----------|-----------|--------

source_ | source_pony, source_furry, source_anime, source_cartoon | Pony V6 XL, algunos fine-tunes de V6 | El dataset incluía estas etiquetas | Civitai rating_ | rating_safe, rating_questionable, rating_explicit | Pony V6 XL, algunos fine-tunes de V6 | El dataset incluía estas etiquetas | Civitai score_ | score_9 hasta score_4_up | Pony V6 XL (completo), V7 (debilitado) | El dataset incluía niveles de calidad | Civitai

El ajuste obligatorio CLIP skip 2

Toda página de un modelo Pony Diffusion lleva la misma advertencia en negrita: "Asegúrate de cargar este modelo con clip skip 2 (o -2 en algunos programas), de lo contrario obtendrás manchas de baja calidad." Fuente Esto no es opcional. CLIP skip cambia qué salida de capa del transformer alimenta la U-Net. Los modelos Pony se entrenaron con CLIP skip 2 integrado — el codificador de texto espera la penúltima capa, no la última. Sin eso, los embeddings de tokens se desvían y el modelo no puede alinear prompts con imágenes. Fuente ComfyUI | Nodo CLIPTextEncode: clip_skip: 2 | Civitai InvokeAI | Config del modelo: clip_skip: 2 | Civitai Stable Diffusion CLI | --clip_skip 2 o -2 | Civitai

Plantilla de prompt: la estructura oficial de V6

La ficha del modelo prescribe este orden exacto:

score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up, just describe what you want, tag1, tag2

Por qué importa este orden: CLIP procesa los tokens de forma secuencial. Las etiquetas de calidad establecen primero la "variedad de calidad" y después las etiquetas de sujeto refinan dentro de ella. Las etiquetas estilo Danbooru (tag1, tag2) van al final como guía fina. Fuente

Para V7, quita score_9 y empieza con score_8, score_7_up o solo score_7_up, score_6_up. Fuente

Sintaxis de pesos: explícita e implícita

Dos sistemas de pesos conviven en AUTOMATIC1111 y UIs compatibles: Fuente

Explícita: (keyword: factor)

• Factor > 1 aumenta la atención, < 1 la reduce
• Rango práctico: 0.7–1.5 (fuera de este rango la imagen se distorsiona) Fuente
• Ejemplo: (masterpiece: 1.2), (low quality: 0.7) Fuente

Implícita: paréntesis y corchetes (multiplicativos)

Sintaxis | Peso efectivo | Cálculo | Source

|--------|------------------|-------------|--------

(word) | 1.10 | 1.1¹ | A1111 Wiki ((word)) | 1.21 | 1.1² | A1111 Wiki (((word))) | 1.33 | 1.1³ | A1111 Wiki [word] | 0.91 | 0.9¹ | A1111 Wiki [[word]] | 0.81 | 0.9² | A1111 Wiki [[[word]]] | 0.73 | 0.9³ | A1111 Wiki Combinado: [((word))] = 0.9 × 1.21 ≈ 1.089

Delimitadores: coma, punto, BREAK

Delimitador | Comportamiento | Caso de uso | Source

|-----------|----------|----------|--------

, (coma) | Separador suave, conserva el vínculo semántico | Listas de etiquetas estándar | A1111 Wiki . (punto) | Separador más duro, reduce la contaminación cruzada | Separar conceptos distintos: anime girl. cyberpunk city | A1111 Wiki BREAK | El más duro — rellena el chunk CLIP actual y abre uno nuevo | Aislar varios sujetos: portrait of a knight BREAK detailed castle background | A1111 Wiki BREAK debe ir en mayúsculas. Fuerza el límite del chunk CLIP de 75 tokens y evita que los tokens se filtren entre conceptos sin relación. Fuente

Programación de prompts (blending)

Formato: [keyword1: keyword2: factor], donde factor (0–1) fija el porcentaje de pasos para cambiar. Fuente

[daytime: nighttime: 0.5]

Con 30 pasos: los pasos 1–15 usan "daytime", los pasos 16–30 usan "nighttime". Crea una mezcla transicional.

Confirmado en: AUTOMATIC1111 WebUI. Sin confirmar en ComfyUI, InvokeAI u otros backends.

Prompts negativos: qué funciona de verdad

Etiquetas score en negativos: utilidad limitada

"También verás probablemente etiquetas score_ en negativos, pero no son tan eficaces. Algunos prompters llegan hasta score_6, pero en general bastará con un prompt negativo de 'score_5, score_4'." — guía de Civitai Fuente

La trampa de doesnotexist

Crítico: nunca uses doesnotexist sin peso. La guía de Moescape advierte explícitamente: "No uses la etiqueta doesnotexist sin debilitarla así - (doesnotexist:0.65), de lo contrario provoca errores y artefactos." Fuente

Grupo de etiquetas negativas de la comunidad

Etiquetas antiartefacto habituales (reportadas por la comunidad, verifica en cada modelo): Fuente

bad quality, bad anatomy, low quality, low res, blurry, jpeg artifacts,
worst quality, ugly, deformed, extra limbs, missing limbs, floating limbs,
disconnected limbs, mutation, mutated, poorly drawn face, poorly drawn hands,
bad proportions, gross proportions, malformed, missing fingers,
extra digits, fewer digits, cropped, out of frame, watermark, signature,
text, error, username, blurry, bad feet, bad hands

Relacionado: Cómo construir prompts negativos eficaces para SDXL

Etiquetas de fondo que funcionan en Pony / Illustrious

Pony es "mucho más exigente con los fondos que SD1.5" — las etiquetas de ubicación aleatorias suelen producir geometría no euclidiana. Lista probada por NanashiAnon (reportada por la comunidad, funciona en Pony y en Illustrious): Fuente Categoría | Etiquetas fiables | Source

|----------|---------------|--------

Exteriores | beach, sand, ocean, canyon, forest, trees, city, cityscape, street, park, field, plains, grass, mountain, desert, sand | Civitai Interiores | mall (japonés de varios niveles), fitting room, airplane interior, castle background, laboratory | Civitai Estructurales | marble pillar, ancient ruins, white marble pillar, gazebo (inestable), market stall (añade festival, fireworks para matsuri) | Civitai Agua | onsen, steam, wet, water, riverbed (niega river), coast | Civitai Consejo: usa menos etiquetas y más específicas. Pony mezcla mal; Illustrious maneja mejor los fondos.

Illustrious XL: otro modelo, otras reglas

Illustrious XL (OnomaAIResearch) no es un fine-tune de Pony — es un entrenamiento SDXL aparte con estas diferencias documentadas: Fuente Característica | Pony V6 XL | Illustrious XL v1.0 | Source

|---------|------------|---------------------|--------

Resolución nativa | 1024×1024 | 1536×1536 | HF Estilo de prompting | Etiquetas Danbooru + score_/source_/rating_ | Lenguaje natural + etiquetas Danbooru | HF Etiquetas de calidad | Sistema score_ de 6 niveles | Sin sistema score_ documentado | HF Generación oscura/clara | Limitada | Fuerte ("imágenes muy oscuras y muy claras") | HF Clip skip | 2 (obligatorio) | No especificado (probablemente 1) | Civitai / HF Extensiones | LoRA, ControlNet | LoRA, ControlNet (entrenados en Illustrious v0.1) | HF No asumas que score_9 o source_anime funcionan en Illustrious. La ficha del modelo solo confirma prompting con lenguaje natural + etiquetas y resolución nativa de 1536×1536.

Relacionado: Comparativa entre Illustrious XL y Pony Diffusion

Errores comunes y soluciones

Síntoma | Causa | Corrección | Source

|---------|-------|-----|--------

score_9 produce peor detalle de ropa y fondo en V7 | V7 debilitó el condicionamiento de etiquetas de calidad | Usa score_8 o score_7_up en su lugar | Moescape source_anime no hace nada | El modelo no se entrenó con etiquetas source | Revisa en la ficha del modelo qué familias de etiquetas soporta | Civitai Manchas de baja calidad sin importar el prompt | CLIP skip no está en 2 | Pon clip_skip=2 (o -2) en la UI o el backend | Civitai doesnotexist crea artefactos | La etiqueta negativa sin peso sobrecarga la atención | Usa (doesnotexist:0.65) | Moescape Los fondos colapsan en geometría no euclidiana | Demasiadas etiquetas de ubicación o contradictorias | Usa 1–2 etiquetas específicas probadas de la tabla anterior | Civitai Las generaciones a 1536×1536 fallan o se fragmentan | Usar ajustes de Pony en Illustrious | Usa la resolución nativa de Illustrious; ajusta los valores de VRAM | HF

FAQ

¿Cuál es el orden correcto de etiquetas score_ para Pony V6 XL?

Usa score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up al inicio del prompt. Refleja los grupos acumulativos de calidad del dataset de entrenamiento (40–100%). Para V7, empieza con score_8, score_7_up en su lugar. Fuente

¿Funcionan las etiquetas source_ en prompts negativos?

La guía de Civitai dice "ponlo en el negativo y tratará de evitarlo", pero solo funciona si el modelo se entrenó con esas etiquetas. Prueba en cada modelo; no asumas que se transfieren. Fuente

¿Por qué Pony V7 ignora score_9?

PurpleSmartAI afirma que las "etiquetas especiales (incluidas las de calidad) de V7 tienen un rendimiento mucho más débil que en V6". El modelo depende más de la adherencia al prompt que del condicionamiento por etiquetas de calidad. Fuente

¿Qué CLIP skip necesita Illustrious XL?

La ficha del modelo no lo especifica. La mayoría de los derivados de SDXL usan CLIP skip 1. Empieza con 1; cámbialo solo si la salida empeora. Fuente

¿Puedo usar BREAK en ComfyUI?

No está confirmado oficialmente. BREAK es una función de AUTOMATIC1111 WebUI que manipula el relleno del chunk CLIP. ComfyUI gestiona el condicionamiento de otra forma — pruébalo antes de depender de él. Fuente

¿Cuál es la diferencia entre (word:1.2) y ((word))?

(word:1.2) aplica un multiplicador plano de 1.2×. ((word)) aplica 1.1×1.1 = 1.21×. Son parecidos pero no idénticos; los pesos explícitos dan control preciso. Fuente

¿Funcionan las etiquetas score_ en Illustrious XL?

No hay evidencia documentada. Illustrious usa lenguaje natural + etiquetas Danbooru sin un sistema de niveles de calidad publicado. Fuente

¿Cómo escribo un prompt negativo correcto para Pony?

Empieza con (doesnotexist:0.65), score_5, score_4, luego añade anti-etiquetas estructurales: bad anatomy, bad hands, extra limbs, missing limbs, blurry, low quality, watermark, text. Evita sobrecargarlo — demasiados negativos entran en conflicto. Fuente, Moescape

Sources

1. Civitai: What is score_9 and how to use it in Pony Diffusion — Diseño del sistema de etiquetas score, diferencias V6/V7, guía de prompts negativos, sintaxis de pesos, blending, comportamiento de delimitadores, etiquetas de fondo
2. Civitai: Pony Diffusion V6 XL model page — Plantilla oficial de prompt, requisito de CLIP skip 2, lista de etiquetas source_/rating_
3. Hugging Face: PurpleSmartAI Pony V7 Base — Declaración sobre el debilitamiento de las etiquetas de calidad en V7
4. Moescape: PonyXL Model Guide — Advertencia sobre el peso de doesnotexist, comparación score_8 frente a score_9
5. Hugging Face: OnomaAIResearch Illustrious XL v1.0 — Resolución nativa de 1536×1536, prompting con lenguaje natural + etiquetas, compatibilidad con LoRA/ControlNet, generación oscura/clara
6. AUTOMATIC1111 Wiki: Features — Sintaxis de atención/énfasis, palabra clave BREAK, chunking de longitud de prompt infinita