La nueva función gr.Workflow permite conectar modelos, funciones y datos en un lienzo visual, comprobar cada paso y desplegar el resultado como aplicación y API.
Gradio ha presentado gr.Workflow, una nueva forma de construir aplicaciones de IA mediante un gráfico visual de nodos conectados. En lugar de ocultar todo el proceso dentro de un script, cada entrada, operación y resultado aparece en un lienzo donde se puede ejecutar y revisar por separado.
Los nodos pueden utilizar funciones propias de Python, modelos disponibles mediante Hugging Face Inference Providers, otras aplicaciones creadas con Gradio Spaces o filas procedentes de un conjunto de datos del Hub. Las conexiones entre nodos determinan qué resultado pasa al siguiente paso del flujo.
La interfaz permite observar los resultados intermedios mientras se ejecuta el proceso. Esto facilita localizar qué fase ha producido un resultado incorrecto sin tener que revisar todo el código, algo especialmente útil en cadenas que combinan generación de texto, imagen, voz o vídeo.
Gradio muestra varios ejemplos prácticos: editar una imagen con instrucciones, generar una imagen con FLUX y eliminar después su fondo, crear una voz y un título desde un mismo tema, producir varias reinterpretaciones visuales en paralelo o analizar un conjunto de datos desde distintos nodos.
Un mismo flujo puede ramificarse para ejecutar operaciones en paralelo. Así, una entrada puede alimentar varios modelos o funciones al mismo tiempo y reunir sus resultados en una única interfaz, sin tener que crear una aplicación diferente para cada salida.
Además del lienzo visual, cada resultado se publica automáticamente como un punto de acceso REST. El flujo puede utilizarse desde Python o mediante una petición HTTP, por lo que la misma construcción sirve como demostración interactiva y como servicio para conectarlo con otras aplicaciones.
Los proyectos también pueden desplegarse en Hugging Face Spaces con un solo comando. Si una función necesita ejecutar un modelo propio en GPU, puede utilizar ZeroGPU para solicitar el recurso durante esa operación y liberarlo cuando termina.
La función está integrada en Gradio y los ejemplos oficiales pueden abrirse, ejecutarse y duplicarse. A partir de ellos es posible sustituir modelos, modificar conexiones y adaptar el flujo a tareas propias sin comenzar la interfaz desde cero.
