【ComfyUI 加速】Z-image-Nunchaku 整合包分享解压即用｜4G 低显存可用 支持文生图速度直接提升3倍 极速生成实测与完整教程
【ComfyUI 加速】Z-image-Nunchaku 整合包分享解压即用｜4G 低显存可用 生图速度直接提升3倍 极速生成实测与完整教程
标签：ComfyUINunchakuAI绘画加速Stable Diffusion显卡优化LoRAZ-image-Nunchaku
前段时间在折腾ComfyUI 推理加速的时候，试了不少方案，真正让我觉得“有明显提升”的，其实并不多。
直到最近完整跑了一轮Z-image-Nunchaku，不管是速度还是显存占用，都非常有说服力。
这篇文章就不空谈原理，直接从实测数据、LoRA 兼容性、安装方式、工作流细节四个角度，完整讲清楚Z-image-Nunchaku 到底值不值得用。
📦 Z-image-Nunchaku低显存占用整合包下载地址：https://pan.quark.cn/s/f54291b8c40b
📦z-image更多版本整合包(支持文生图 图生图 洗图等功能)
https://pan.quark.cn/s/9875662d2588
一、Z-image-Nunchaku 性能实测
评价 Z-image-Nunchaku，最核心的指标只有一个：生成速度。
测试环境说明
- 分辨率：1024 × 1024
- 显卡：4070 Ti 12G
- 推理环境：ComfyUI + Nunchaku
- 模型：对应显卡版本（后文会说）
实测结果
第一次运行：
⏱️ 25.94 秒首次运行需要加载模型和缓存，这个时间不具备参考价值。
第二次运行：
⚡8.24 秒对比测试（未使用 Nunchaku）：
同样参数，通常需要16～25 秒连续生成稳定性：
连续生成两张图，时间都稳定在9 秒出头显存门槛：
理论上4G 显存也可以正常跑起来
📌结论很直观：
在高分辨率下，Nunchaku 带来的加速是肉眼可感知级别，不是那种“参数优化后快 1～2 秒”的提升。
二、LoRA 兼容性测试
很多人关心一个问题：
👉Nunchaku 能不能用 LoRA？
这里直接实测。
测试方式
- 使用
Ctrl + B启用LoRA 节点 - 测试 LoRA：自训练的「女帝」角色 LoRA
- 视频中提到的NOVA / NOA本质上也都是 LoRA
测试结果
✅成功生成目标角色形象
无论是角色特征还是风格，都能稳定触发，说明：
Nunchaku 对 LoRA 是完全支持的
并不存在“只能裸模跑得快，用 LoRA 就翻车”的情况
三、Nunchaku 安装步骤
👉（整合包：无需安装，解压即用）
📦整合包下载地址：
https://pan.quark.cn/s/f54291b8c40b
解压后打开绘世启动器.exe即用
如果你想自己手动安装，也可以按下面步骤来。
1️⃣ 插件安装
方法 A：秋叶启动器
- 打开启动器
- 进入版本管理 → 安装新扩展
- 粘贴
Nunchaku的 GitHub 地址进行安装
方法 B：已有插件更新
- 搜索
ComfyUI-Nunchaku - 点击更新 / 升级
2️⃣ 安装依赖库（Wheel 轮子文件）
这是最容易出问题的一步，一定要对版本。
查看版本信息
启动 ComfyUI
在终端窗口查看：
- Python 版本（如
3.11） - PyTorch 版本（如
2.1.x / 2.7）
- Python 版本（如
下载对应.whl文件
- 到网盘或官方地址
- 下载Python + PyTorch 完全对应的轮子文件
执行安装
- 进入 ComfyUI 内部的
python目录 - 在路径栏输入
cmd回车 - 执行命令：
python.exe-mpipinstall轮子文件的绝对路径📌注意：
版本不一致，99% 会直接安装失败。
3️⃣ 增强功能插件（LoRA 支持）
目前部分LoRA 支持分支还没完全合并到主分支。
操作方式
下载我提供的LoRA 支持插件压缩包
解压后：
- 覆盖到
ComfyUI/custom_nodes/ - 不要出现多层嵌套文件夹
- 覆盖到
4️⃣ 模型下载与存放路径
模型选择建议
50 系显卡：
👉FP4版本40 / 30 系显卡：
👉INT4版本- 推荐
256（效果优于128）
- 推荐
模型存放路径
ComfyUI/models/nunchaku/四、Nunchaku 工作流详解
安装完成后，在 ComfyUI 节点搜索框中输入：
Nunchaku如果能正常调出相关节点，说明环境已经 OK。
关键节点说明
1️⃣ 模型选择
根据显卡选择：
FP4INT4
2️⃣ 放大与画质增强
Hi-res Fix（修复放大）
- 画面细节更丰富
- 可能对原图有轻微调整
Ultimate SD Upscale / Sent-V2
- 更偏向保持原图一致性
- 适合商用或风格固定的场景
3️⃣ 随机种子增强器
用途：
👉避免生成结果过于相似适合：
- 批量出图
- 风格测试
- 多方案对比
总结
从实际体验来看，Nunchaku 在 40 系、50 系显卡上的加速效果非常明显，尤其是在高分辨率和连续出图的场景下，优势会被进一步放大。
如果你：
- 正在用 ComfyUI
- 对生成速度和显存占用比较敏感
- 同时又需要 LoRA 支持
那么Z-image-Nunchaku 是一个非常值得尝试的方案。
安装过程中如果遇到问题，建议直接对照整合包内的文档一步一步检查，基本都能解决。