Nunchaku FLUX.1-dev部署教程：ComfyUI-nunchaku插件安装+工作流加载详解
Nunchaku FLUX.1-dev部署教程：ComfyUI-nunchaku插件安装+工作流加载详解
想用上最新的Nunchaku FLUX.1-dev模型，在ComfyUI里生成惊艳的图片，但被一堆插件、模型、工作流搞得头晕？别担心，这篇教程就是为你准备的。
我花了几天时间，把整个部署流程从头到尾跑了一遍，踩了不少坑，也总结出了最顺滑的安装方法。今天我就手把手带你，从零开始，在ComfyUI里把Nunchaku FLUX.1-dev模型跑起来。不管你是刚接触ComfyUI的新手，还是想尝鲜新模型的老玩家，跟着步骤走，半小时内你就能看到第一张由FLUX.1-dev生成的图片。
1. 环境准备：打好地基
在开始安装插件和模型之前，咱们得先把基础环境准备好，这就像盖房子前得把地基打牢。主要就三件事：显卡、软件和工具。
1.1 硬件要求：你的显卡够用吗？核心是一块支持CUDA的NVIDIA显卡。显存是关键，直接决定了你能跑哪个版本的模型：
- 推荐配置：24GB及以上显存。这样可以比较流畅地运行FP16精度的完整模型，体验最佳效果。
- 入门选择：如果显存只有8GB或12GB，也不用灰心。我们可以选择FP8或INT4量化版本的模型，它们对显存要求低很多，后面会详细说怎么选。
1.2 软件环境：Python和PyTorch
- Python：需要3.10或更高版本。这是大多数AI工具链的基础。
- PyTorch：需要安装与你的系统和CUDA版本匹配的PyTorch。如果你已经安装了ComfyUI，这一步通常已经完成了。
1.3 必备工具：搞定模型下载我们需要一个工具来从Hugging Face等平台下载模型文件。在终端里运行下面这条命令安装它：
pip install --upgrade huggingface_hub这个huggingface_hub库后面会频繁用到，它能帮我们省去手动下载和整理的麻烦。
环境检查无误后，我们就可以进入正题了。
2. Nunchaku ComfyUI插件安装部署
这是核心步骤，我们要把Nunchaku的“能力”添加到ComfyUI里。整个过程分为两步：安装插件本身，然后安装插件需要的后端引擎。
2.1 安装ComfyUI-nunchaku插件
这里给你两种方法，选一个你觉得顺手的就行。
方法A：使用Comfy-CLI（最省心）如果你喜欢命令行，且希望流程自动化，这个方法是最快的。它通过ComfyUI官方的命令行工具来管理插件。
# 1. 安装ComfyUI CLI工具 pip install comfy-cli # 2. 安装ComfyUI（如果已经安装过，可以跳过） comfy install # 3. 安装Nunchaku插件 comfy noderegistry-install ComfyUI-nunchaku # 4. 将安装的插件移动到ComfyUI的正确目录（假设ComfyUI安装在当前目录） mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes方法B：手动安装（更灵活）如果你想更清楚地知道文件装在哪，或者需要自定义安装路径，手动安装更适合你。
# 1. 克隆并安装ComfyUI（如果已安装可跳过） git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt # 2. 克隆Nunchaku插件到custom_nodes目录 cd custom_nodes git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes无论哪种方法，完成后你的ComfyUI/custom_nodes/目录下应该会有一个nunchaku_nodes文件夹。
2.2 安装Nunchaku后端
插件只是个“界面”，真正干活的“引擎”是Nunchaku后端。从插件v0.3.2版本开始，安装变得非常简单。通常，在安装插件依赖的过程中，脚本会自动处理后端安装。如果遇到问题，你也可以在插件目录下寻找名为install_wheel.json的文件，按照说明一键安装或更新后端wheel包。
插件和后端都就位后，我们接下来去准备最重要的模型文件。
3. Nunchaku FLUX.1-dev模型使用准备
模型是生成图片的“大脑”。我们需要准备两类模型：FLUX系列通用的基础模型，和Nunchaku专用的FLUX.1-dev主模型。
3.1 配置Nunchaku工作流
工作流（Workflow）是ComfyUI的操作流程图。Nunchaku插件自带了一些示例工作流，我们先把它们复制到ComfyUI能识别的位置。
# 进入你的ComfyUI根目录 cd ComfyUI # 创建用户工作流目录（如果不存在） mkdir -p user/default/example_workflows # 复制Nunchaku示例工作流到该目录 cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/这样，启动ComfyUI后，你就可以在网页端的菜单里直接加载这些预设好的工作流了。
3.2 下载模型文件
这是最关键的一步，请根据你的显卡情况，对号入座下载对应的模型文件。
第一步：下载基础FLUX模型（必须）这些是FLUX模型家族共享的组件，包括文本编码器和VAE（变分自编码器）。
# 下载文本编码器模型，会放到 models/text_encoders 目录 hf download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir models/text_encoders hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors --local-dir models/text_encoders # 下载VAE模型，会放到 models/vae 目录 hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae第二步：下载Nunchaku FLUX.1-dev主模型（核心）这是真正的图片生成模型。请根据你的显卡类型选择正确的版本：
| 你的显卡类型 | 推荐模型版本 | 说明 |
|---|---|---|
| Blackwell架构(如RTX 50系列) | FP4量化版 | 新架构专属优化 |
| 其他NVIDIA显卡(如RTX 20/30/40系列) | INT4量化版 | 兼顾效果与显存占用 |
| 显存较小(如8GB-12GB) | FP8量化版 | 显存要求更低，效果稍逊 |
这里以最常用的INT4版本为例，下载命令如下：
# 下载INT4量化版主模型，会放到 models/unet/ 目录 hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/第三步（可选）：下载LoRA模型LoRA像是模型的“风格滤镜”或“能力增强包”，可以让生成的图片具有特定风格或更优质量。比如，FLUX.1-Turbo-Alpha这个LoRA能显著加快生成速度。
你可以将下载的LoRA模型文件（.safetensors格式）直接放入ComfyUI/models/loras/目录下即可。需要时在工作流中启用。
完成以上所有下载后，你的模型目录结构应该大致如下：
ComfyUI/models/ ├── text_encoders/ # 存放 clip_l.safetensors, t5xxl_fp16.safetensors ├── vae/ # 存放 ae.safetensors ├── unet/ # 存放 svdq-int4_r32-flux.1-dev.safetensors 等主模型 └── loras/ # 存放各种LoRA模型文件万事俱备，只欠启动！
4. 启动ComfyUI并运行FLUX.1-dev文生图
4.1 启动ComfyUI服务
在ComfyUI的根目录下，打开终端，运行启动命令：
python main.py看到终端输出类似“Running on local URL: http://127.0.0.1:8188”的信息后，就说明服务启动成功了。打开你的浏览器，访问这个地址（通常是http://127.0.0.1:8188），就能看到ComfyUI的网页操作界面了。
4.2 加载Nunchaku工作流
在ComfyUI网页界面，点击右上角的“Load”按钮，在弹出的对话框中，你应该能看到一个default文件夹，里面就是我们刚才复制过来的示例工作流。
这里有一个重要选择：
nunchaku-flux.1-dev.json：推荐使用这个。这是功能最全的文生图工作流，支持加载多个LoRA，能发挥模型的最佳效果。nunchaku-flux.1-dev-qencoder.json：这个工作流使用了4-bit量化的T5文本编码器，可以进一步降低显存占用，适合显存非常紧张的用户，但生成效果可能略有损失。
加载nunchaku-flux.1-dev.json后，你会看到一个已经连接好的节点流程图，这就是我们的“生产线”。
4.3 设置参数并生成图片
现在到了最激动人心的环节：输入你的想法，让模型把它画出来。
输入提示词：在工作流中找到“Positive Prompt”节点（通常是一个大的文本输入框）。FLUX模型对英文提示词的理解更好，所以尽量用英文描述。例如：
A majestic dragon soaring through ancient Chinese mountains, detailed scales, misty atmosphere, epic lighting, 8k, masterpiece。调整参数（可选）：
- 推理步数（Steps）：一般20-50步。步数越多，细节可能越丰富，但耗时也越长。注意：如果你禁用了
FLUX.1-Turbo-Alpha这个LoRA，步数建议至少设为20。 - 分辨率：在“Empty Latent Image”节点设置。例如
1024x1024。分辨率越高，显存占用越大。 - LoRA权重：你可以调整已加载的LoRA（如Turbo-Alpha）的影响强度。
- 推理步数（Steps）：一般20-50步。步数越多，细节可能越丰富，但耗时也越长。注意：如果你禁用了
点击生成：检查所有设置无误后，点击界面上的“Queue Prompt”按钮。稍等片刻（生成时间取决于你的显卡和步数），生成的图片就会出现在右边的预览窗口了！
5. 总结与关键注意事项
走完整个流程，你应该已经成功在ComfyUI里部署并运行了Nunchaku FLUX.1-dev模型。回顾一下，核心就是三步：装插件、下模型、用工作流。为了让你后续使用更顺畅，这里再强调几个容易出错的点：
- 模型别放错地方：这是最常见的问题。务必确认FLUX.1-dev主模型在
models/unet/，LoRA在models/loras/，文本编码器在models/text_encoders/，VAE在models/vae/。目录不对，ComfyUI就找不到模型。 - 量化模型按需选：显存不够就别硬上FP16完整版。FP8或INT4量化版是显存紧张时的救星，在效果和资源间取得了很好的平衡。
- 工作流节点缺失：如果加载工作流后看到一堆红色的“Missing Node”报错，说明缺少一些自定义节点。别慌，去安装一个叫“ComfyUI Manager”的插件，它能帮你一键安装缺失的节点。
- 推理步数有讲究：使用
nunchaku-flux.1-dev.json工作流时，如果关闭了FLUX.1-Turbo-AlphaLoRA，记得把步数（Steps）调到20以上，否则出图质量会大打折扣。
Nunchaku FLUX.1-dev是一个潜力巨大的模型，尤其在细节和氛围渲染上表现突出。现在你已经掌握了部署和使用它的方法，接下来就是尽情探索提示词的魔法，创造出属于你的独特作品了。多尝试不同的风格组合和LoRA，你会发现它更多的可能性。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。