1. 模型下载这件事为什么值得单独拎出来讲刚接触 ComfyUI 的人十有八九卡在第一步节点装好了界面也跑起来了结果一拉工作流满屏红框提示缺模型。这时候才意识到ComfyUI 本身只是个调度框架真正干活的是背后那些几 GB 到十几 GB 的权重文件。模型没到位再漂亮的工作流也只是一张图。我自己从 SD1.5 时代一路用到 SDXL、Flux硬盘里躺过的模型加起来超过 800GB踩过的坑包括但不限于下到一半断流、下完发现是损坏的分片、文件名对不上导致节点识别不了、把 refiner 当成主模型塞进 checkpoint 加载器。这些问题单看都很小但每一个都能让人卡半天。所以这篇就把 ComfyUI 常用模型的下载渠道、目录规范、校验方法和实际选型逻辑一次性讲透不管你是刚装完秋叶整合包的新手还是已经在调 Flux 工作流的老玩家都能从里面找到能直接抄的部分。需要先说明一点模型下载渠道会随时间变化某些站点可能调整访问策略我下面给的是长期稳定、社区公认的主流来源具体到某个冷门模型还是要以模型作者发布的原始页面为准。2. 先搞清楚你要下的是哪一类模型很多人一上来就问SDXL 模型下载地址但其实 ComfyUI 里模型是个统称不同目录下的文件用途完全不同。下错位置节点就是认不出来。所以动手之前先把分类理清楚。2.1 ComfyUI 的模型目录结构ComfyUI 根目录下有个models文件夹里面按用途分了若干子目录。常见的几个目录存放内容典型格式典型体积checkpoints主模型大模型.safetensors / .ckpt2GB ~ 12GBlorasLoRA 微调模型.safetensors几十MB ~ 几百MBvaeVAE 编解码器.safetensors / .pt300MB 左右controlnetControlNet 控制模型.safetensors / .pth1GB ~ 2.5GBclip文本编码器.safetensors几百MB ~ 数GBunetFlux 等架构的 UNet 主体.safetensors数GB ~ 十几GBupscale_models放大模型.pth / .safetensors几十MB ~ 几百MBembeddings文本嵌入.pt / .safetensors几KB ~ 几十KB这张表建议直接截图存手机。我见过太多人把 LoRA 丢进 checkpoints然后抱怨为什么加载报错其实就是目录放错了。2.2 SD1.5、SDXL、Flux 三代的本质区别选模型之前得知道这三代到底差在哪不然下载就是盲选。SD1.5是 2022 年的架构UNet 参数量约 860M原生分辨率 512×512。优点是生态极其庞大LoRA、ControlNet、各种微调模型多到用不完8GB 显存甚至 6GB 都能跑。缺点是手部、文字、复杂构图容易崩需要靠负面提示词和后期修。对低配机器来说它依然是性价比最高的选择。SDXL是 2023 年的架构UNet 参数量约 2.6B原生分辨率 1024×1024配了 base refiner 双模型设计现在多数工作流只用 base。画质、构图、文字能力比 SD1.5 强一大截但显存需求也上去了8GB 显存跑 1024 分辨率需要开--lowvram或者用 fp8 版本。SDXL 的 LoRA 生态也很成熟是目前画质与门槛平衡的主流选择。Flux是 2024 年 Black Forest Labs 推出的架构分 Flux.1 Pro、Dev、Schnell 三个版本其中 Dev 和 Schnell 开放权重。它用的是 DiTDiffusion Transformer架构文本理解能力是三代里最强的尤其是长提示词和画面内文字渲染。代价是模型巨大Flux Dev 的完整版 fp16 约 23GBfp8 约 11GBSchnell 稍小。显存需求高8GB 显存跑 Flux 基本要靠 GGUF 量化版本画质会有一定损失但可用。一句话总结选型低配机器 追求生态 → SD1.5中配 追求画质 → SDXL高配 追求提示词理解 → Flux。2.3 下载前的三个前置检查动手下载之前先确认三件事能省掉后面一堆麻烦。第一确认磁盘空间。SD1.5 主模型 2~4GBSDXL 6~7GBFlux fp8 约 11GB加上 LoRA、ControlNet、VAE一套完整环境轻松吃掉 100GB。建议单独分一个盘或者目录给模型别和系统盘混在一起。第二确认网络环境。模型文件动辄几个 GB下载中断是常态。后面我会专门讲断点续传和校验的方法。第三确认 ComfyUI 版本。老版本 ComfyUI 对 Flux 的支持不完整如果你要玩 Flux建议更新到较新的版本社区里 v0.3.x 之后的版本对 Flux 节点支持比较完善。3. 主流模型下载渠道逐个拆解渠道这块我不按哪个最好来排而是按什么场景用哪个来讲因为不同渠道的定位差别很大。3.1 Hugging Face最全但需要点技巧Hugging Face 是模型分发的核心平台几乎所有开源模型的首发都在这里。它的优势是权威、版本全、有模型卡说明劣势是部分地区访问速度不稳定大文件下载容易断。网页端直接下载适合小文件比如 LoRA、VAE。大模型建议用命令行工具支持断点续传。常用的方式是huggingface-clipip install -U huggingface_hub huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --local-dir ./models/checkpoints \ --local-dir-use-symlinks False如果下载速度慢可以设置镜像端点环境变量具体地址以官方文档为准或者用hf_transfer加速pip install hf_transfer HF_HUB_ENABLE_HF_TRANSFER1 huggingface-cli download repo_id --local-dir 目标目录注意Hugging Face 上部分模型需要登录并同意许可协议才能下载比如某些 Llama 系模型。遇到 401 或 403 报错先去模型页面点同意再配置 token。3.2 国内镜像社区速度优先的选择国内有几个模型社区做了 Hugging Face 的镜像同步访问速度快很多适合网络条件一般的用户。这类平台通常提供网页直接下载和命令行两种方式部分还支持 Git LFS 拉取。用这类平台时有个细节要注意镜像同步有延迟刚发布的模型可能还没同步过来。如果你要的是最新发布的 Flux 微调版本可能还是得回原站。另外镜像站的模型命名有时和原站不完全一致下载后记得核对文件名和哈希值。3.3 Civitai微调模型和 LoRA 的主场Civitai 是社区微调模型、LoRA、风格模型最集中的地方。SD1.5 和 SDXL 时代的大量网红模型都出自这里。它的模型页面会标注基础模型版本Base Model这个信息很关键——SDXL 的 LoRA 不能用在 SD1.5 上Flux 的 LoRA 也不能用在 SDXL 上下之前一定看清楚。Civitai 下载大文件同样容易断建议用支持断点续传的下载工具或者用它的 API 配合脚本批量拉取。批量下载时注意控制并发数同时开太多连接反而会拖慢整体速度。3.4 整合包自带模型新手最省事秋叶整合包这类一键包通常会预置几个基础模型装完就能直接出图。对于完全不想折腾下载的新手这是最快的上手路径。但整合包自带的模型版本往往不是最新的而且体积有限不可能塞下 Flux 这种大块头。所以整合包适合先跑起来看看效果真要深入玩还是得自己下模型。3.5 渠道对比速查渠道优势劣势适合场景Hugging Face最全、最权威、有模型卡大文件下载易断下载官方原版模型国内镜像社区速度快同步有延迟网络条件一般时下主流模型Civitai微调/LoRA 最丰富需看清基础模型版本找风格模型、LoRA整合包自带开箱即用版本旧、不全新手首次体验4. 分代模型的具体下载与配置实操这一节按 SD1.5、SDXL、Flux 三代分别讲每代给出推荐模型、下载方式和在 ComfyUI 里的配置要点。4.1 SD1.5 模型低配机器的老朋友SD1.5 的经典主模型社区里口碑比较稳的有几个方向写实向的、二次元向的、通用向的。具体模型名这里不逐一列因为微调版本更新很快你可以在 Civitai 上按Checkpoint SD1.5筛选按下载量和评分排序前几页的基本都是经过大量用户验证的。下载后放进models/checkpoints在 ComfyUI 里用Load Checkpoint节点加载。SD1.5 的工作流通常配一个 VAE如果模型自带 VAE 就不用额外加载如果画面发灰、颜色不对就要在models/vae里放一个对应的 VAE 文件用VAE Loader节点单独指定。SD1.5 的采样参数经验值步数 20~30CFG 7~8采样器用 DPM 2M Karras 或 Euler a分辨率 512×512 或 512×768。分辨率别直接拉到 1024SD1.5 在高分辨率下容易出现人物重复、结构崩坏正确做法是 512 出图后用放大模型或 hires fix 二次放大。4.2 SDXL 模型画质与门槛的平衡点SDXL 主模型推荐从 Hugging Face 的stabilityai/stable-diffusion-xl-base-1.0开始这是官方原版稳定可靠。社区微调版则在 Civitai 上找注意筛选Base Model: SDXL 1.0。SDXL 在 ComfyUI 里的加载和 SD1.5 类似但有几个坑第一SDXL 有 base 和 refiner 两个模型。早期工作流会先跑 base 再跑 refiner现在多数工作流只用 baserefiner 可选。如果你下的是 refiner别当成主模型加载。第二SDXL 的分辨率要按 1024 的倍数来常用 1024×1024、1152×896、896×1152。用 512 分辨率跑 SDXL 反而画质差因为它的训练分辨率就是 1024。第三SDXL 对显存要求高。8GB 显存跑 1024 分辨率建议在启动参数里加--lowvram或者用 fp8 量化版本。fp8 版本体积减半画质损失很小是目前低显存跑 SDXL 的主流方案。SDXL 的采样参数经验值步数 25~35CFG 5~8采样器 DPM 2M Karras 或 DPM SDE Karras。4.3 Flux 模型新架构的下载与低显存方案Flux 是当前讨论度最高的架构但它的下载和配置比前两代复杂单独展开讲。版本选择Flux.1 Schnell 是蒸馏版4 步就能出图速度快适合快速预览Flux.1 Dev 是完整版质量更高需要 20~30 步。两者权重都开放。Pro 版不开放权重只能通过 API 调用这里不展开。文件构成Flux 不像 SD1.5/SDXL 那样一个 checkpoint 搞定它通常拆成几部分——UNet 主体、CLIP 文本编码器两个、VAE。下载时要下全缺一个都跑不起来。常见的组合是UNetflux1-dev.safetensors或 fp8 版本放models/unetCLIPclip_l.safetensors和t5xxl_fp16.safetensors或 fp8 版放models/clipVAEae.safetensors放models/vae低显存方案8GB 显存跑 Flux Dev 的 fp16 版本基本不可能需要走 GGUF 量化。GGUF 版本把 UNet 量化到 Q4、Q5、Q8 等不同精度Q4 约 6~7GBQ8 约 11GB。配合ComfyUI-GGUF插件用Unet Loader (GGUF)节点加载。实测 8GB 显存跑 Q4 的 Flux Dev1024 分辨率可以出图速度约每步几秒30 步下来两三分钟一张属于可接受范围。Flux 的采样参数Schnell 用 4 步、CFG 1Dev 用 20~30 步、CFG 3.5 左右。Flux 对 CFG 很敏感CFG 太高画面会过曝、发糊建议从 3.5 起步微调。提示Flux 的文本编码器 t5xxl 体积很大fp16 约 9GB如果显存紧张可以用 fp8 版本或者用--lowvram让 ComfyUI 自动调度。4.4 三代模型配置对照表项目SD1.5SDXLFlux Dev主模型体积2~4GB6~7GB11GB(fp8) / 23GB(fp16)原生分辨率51210241024推荐步数20~3025~3520~30推荐 CFG7~85~83.5最低显存可用4GB6GB8GB(GGUF Q4)文件构成单 checkpointbaserefinerUNetCLIPVAE5. 下载加速、断点续传与文件校验模型下载最烦的不是慢是下到 99% 断了。这一节讲几个实操技巧。5.1 断点续传的正确姿势浏览器直接下载大文件断了就得重来。正确做法是用支持续传的工具。命令行下wget -c和aria2c都支持续传aria2c -x 8 -s 8 -c 模型下载链接 -d ./models/checkpoints-x 8是单服务器最大连接数-s 8是分片数-c是续传。分片下载能显著提速但注意别把连接数开太大有些站点会限流甚至封 IP8 左右比较稳妥。5.2 文件完整性校验下完的模型一定要校验尤其是 safetensors 文件。损坏的模型加载时会报各种奇怪的错比如Error while deserializing header排查半天才发现是文件没下全。校验方法对比文件大小和官方标注是否一致或者用哈希值比对。Hugging Face 的模型页面通常提供 SHA256下载后本地算一遍sha256sum flux1-dev.safetensorsWindows 下可以用certutil -hashfile 文件名 SHA256。哈希对不上就重新下别抱侥幸心理。5.3 批量下载的脚本思路如果你要下一整套比如 Flux 的 UNet 两个 CLIP VAE手动一个个点很累。可以写个简单的 shell 脚本把链接和文件名列成清单循环调用 aria2c。这样即使中途断了重跑脚本会自动跳过已完成的文件。注意批量下载时给每个文件留足间隔别同时开十几个大文件下载磁盘 IO 和网络都会成为瓶颈反而更慢。6. 常见问题与排查速查这一节是我自己踩坑和帮别人排查时积累的问题清单按现象、原因、解决三列整理。现象可能原因解决方法节点报 model not found文件放错目录或文件名不符核对目录检查文件名大小写加载模型报 header 错误文件下载不完整或损坏重新下载并校验哈希出图全黑或全灰VAE 缺失或不匹配单独加载对应 VAEFlux 工作流红框缺 CLIP 或 UNet 未加载补齐 clip_l、t5xxl、ae 文件显存不足 OOM分辨率过高或未量化降分辨率、用 fp8/GGUF、加 --lowvram画面人物重复SD1.5 高分辨率直出512 出图后二次放大LoRA 无效果基础模型版本不匹配确认 LoRA 的 Base Model 与主模型一致下载速度极慢单线程或网络波动用 aria2c 多线程 续传6.1 几个容易忽略的细节文件名不要随意改。有些工作流会按固定文件名引用模型改了名节点就找不到。如果确实要改名记得同步改工作流里的引用。safetensors 优先于 ckpt。ckpt 是 pickle 格式理论上存在安全风险safetensors 只存张量数据加载更快也更安全。现在新模型基本都提供 safetensors。注意模型的精度标注。同一个模型可能有 fp16、fp8、bf16 多个版本体积和显存占用差别很大。低显存优先选 fp8 或 GGUF。LoRA 的权重别拉满。LoRA 加载时有个 strength 参数默认 1.0但很多 LoRA 在 0.6~0.8 效果更好拉满容易过拟合、画面崩坏。6.2 低配机器跑 Flux 的实测经验我用 8GB 显存的卡跑过一段时间 Flux Dev GGUF Q4分享几个实测结论Q4 版本画质相比 fp16 有可见损失尤其是细节纹理但整体构图和提示词遵循度保留得不错。1024 分辨率下显存占用峰值约 7.5GB比较吃紧建议关掉其他占显存的程序。步数别贪多20 步和 30 步的差距在 Q4 下不明显20 步能省三分之一时间。如果只是测试提示词效果可以先用 Schnell 4 步快速预览满意了再用 Dev 精修。7. 模型管理的一点个人习惯最后聊点管理上的事。模型下多了硬盘会乱成一锅粥。我自己的习惯是按架构/用途/来源三层目录组织比如checkpoints/sdxl/、checkpoints/sd15/、loras/sdxl/。每个模型下载后在同目录建一个同名.txt记下来源链接、下载日期、哈希值。这样半年后回头看知道哪个是哪个不会对着一堆model_v2_final.safetensors发呆。另外定期清理。SD1.5 时代下的很多模型现在基本用不上了占着几十 GB 硬盘。我的做法是每季度过一遍三个月没碰过的模型移到冷备盘需要时再拉回来。硬盘空间比想象中值钱尤其是 SSD。还有个小技巧ComfyUI 支持通过extra_model_paths.yaml配置额外的模型搜索路径。如果你有多个 ComfyUI 实例或者模型存在别的盘可以在这个文件里把路径映射进去不用把模型复制来复制去。这个配置对多环境用户特别实用改一次省很多事。