ComfyUI 0.44 上手：节点工作流、模型目录与显存开关

ComfyUI 是一个把图像与视频生成拆成节点图的本地工作台。加载模型、文本编码、采样、VAE 解码、保存图片，每个环节都是一个可以连线的节点，整条流程存成 JSON 文件。它解决的是“流程固定不下来”的问题：参数藏在节点里，换台机器也能原样复现。当前版本 0.44.0 发布于 2026 年 11 月 4 日。

仓库采用 GPL-3.0 许可证，2026 年 11 月 7 日查看时约 14.5 万 Star。发布页上 0.42、0.43、0.44 三个版本挨得很近，说明新模型接入快；这也意味着升级前值得看一眼变更清单。

它是什么：把生成流程摊成一张图

常见的绘图界面是表单：填提示词、选模型、点生成。ComfyUI 换了个思路，把每一步都做成节点再连线。想看中间结果，就在采样器后面接一个预览节点。想换底模，只替换加载节点，后面的连线不动。

代价是学习曲线。刚打开时会看到一堆方块和线，不知道从哪下手。收益在复现性：同一个工作流文件在别人的机器上跑出来步骤一致，不用靠口头交代参数。

它和 Dify 那类工具都叫“图”，节点含义却不同。Dify 的节点是接口调用与知识库检索，管业务流程。ComfyUI 的节点是张量、模型与采样器，管像素怎么一步步长出来。Dify 的工作流编排那篇写的是另一侧，两者不冲突，也替换不了对方。

安装：三种装法，先选对通道

桌面版覆盖 Windows、Apple Silicon 的 macOS 与 Linux，提供 AppImage 与 deb 两种包，默认跟随 stable 版本。便携版只支持 Windows，压缩包自带 python_embeded 与 CUDA 构建，解压后双击 run_nvidia_gpu.bat 即可。手动安装是 git clone 之后 pip install -r requirements.txt，再执行 python main.py。也可以先 pip install comfy-cli，再用一条 comfy install 装完。

环境上有几个硬指标，系统需求文档写得很细。Python 推荐 3.13，3.12 可作退路。3.14 能跑，但部分自定义节点会出问题。PyTorch 要求 2.7 以上，NVIDIA 20 系及以上要用 cu130 或更高。

浏览器建议 Chrome 143 以上，142 及更早版本有已知的显示异常。官方不提供 Docker 镜像，社区镜像不受支持，容器化要自己承担维护成本。便携版还有两个细节：运行期间不要关命令行窗口；启动地址是 127.0.0.1:8188。

升级走 update 目录下的批处理，跟稳定版用 update_comfyui_stable.bat。装完会发现软件本体很小，模型一个都没带。跑不出图，多数不是装错，是没放模型。

模型目录：放错位置基本等于没装

ComfyUI 按类型分目录找文件。放错子目录，加载节点的下拉框里就是空的。按 r 可以刷新节点定义，但刷新救不了路径错误。

目录	放什么	对应加载节点
models/checkpoints	完整扩散模型，含 UNet、CLIP 与 VAE	Load Checkpoint
models/diffusion_models 或 models/unet	单独的扩散模型权重	Load Diffusion Model
models/vae	单独的 VAE	Load VAE
models/clip、models/clip_vision	文本编码器与视觉编码器	Load CLIP、Load CLIP Vision
models/loras	风格与角色微调	Load LoRA
models/controlnet	边缘、深度、姿态控制	Load ControlNet
models/upscale_models	放大模型	Load Upscale Model

模型一般从 Hugging Face、Civitai 或项目页面下载，单个文件动辄几个 GB。磁盘和时间都要提前预留。

想放在别的盘，把根目录的 extra_model_paths.yaml.example 复制成 extra_model_paths.yaml，用 base_path 加各类型子目录指过去。改完要重启才生效。桌面版不用改这个文件，走胶囊菜单的 Storage 标签，或直接编辑 AppDataRoamingComfyUIextra_models_config.yaml。

GGUF 量化模型不在原生支持范围内。要在低显存卡上跑，得装 ComfyUI-GGUF 这个自定义节点。把 .gguf 文件放进 models/unet，再用 bootleg 分类下的加载节点替换默认的 Load Diffusion Model。README 标了 WIP，LoRA 支持也是实验性的，适合尝鲜不适合依赖；目录细节可对照模型目录文档。

还有一处反直觉：界面里没有“卸载模型”按钮，删掉对应文件就算卸载。

显存不够：先动启动参数，再动精度

新版默认开了异步权重卸载，NVIDIA 与 AMD 上都有。动态 VRAM 在支持的机器上自动启用。多数情况不用手动干预，只有报显存不足时才动开关。

五个模式参数互斥，只能选一个：

--gpu-only：全部塞进显存，包括文本编码器。
--highvram：用完不卸载，模型留在显存里。
--lowvram：把文本编码器放到 CPU 上跑。
--novram：lowvram 仍不够时用，把占用压到更低。
--cpu：全部走 CPU，慢，只作兜底。

这里有个容易踩的坑。开了动态 VRAM 之后，--lowvram 不生效，加了等于没加，这条写在启动参数文档里。

更细的两个参数是 --reserve-vram 与 --vram-headroom，单位都是 GB。前者给系统和其它软件留出显存，默认值依系统而定。后者在默认预留之外再空出一块，默认 0。桌面同时开着浏览器和播放器时，把它设成 1 或 2，比反复降分辨率省事。

精度是第二层，三组参数各自互斥。--fp16-unet、--bf16-unet、--fp8_e4m3fn-unet 三个 UNet 精度只能选一个。--fp16-vae 能省显存，但可能出黑图，遇到就退回 --bf16-vae 或 --fp32-vae。显存极低时用 --cpu-vae 把解码挪到 CPU。

仓库 README 提到异步权重流的作用：4GB 显存加 8GB 内存能跑起较大的开源模型。代价是速度，不要把它当成常态配置。

排查时先用 --disable-all-custom-nodes 关掉全部自定义节点。能正常启动就说明问题在插件，再用 --whitelist-custom-nodes 逐个放行。调试重复性用 --cache-none，每次运行都重新执行所有节点，慢但干净。

0.44 的合作节点，和它划的边界

0.44.0 的动作集中在合作节点：

新增 Patina 纹理、VEED 配音、Pruna 的 P-Video Upscale、Sonilo Music 1.5。
Flux Video Upscale V2 增加 1080p、2K、4K 三档输出。
MiniMax-H3 补上 Recast、Extend、Reframe、Insert、Lip Sync、Camera Control。
OpenAI 侧增加 GPT-6.1 Terra 与 Sol。

视频保存开始支持 ProRes 与不同色度采样。发布页还提到一个能直接设置 VAE 计算精度的节点，完整清单在那边。

合作节点要联网、要令牌，走的是各家付费接口。不能联网的机器用 --offline 启动，它会加一条严格的 CSP，页面只能加载 ComfyUI 自己提供的资源。外部图片和字体都会被拦。只想关掉付费节点、保留其它联网能力，用 --disable-partner-nodes。

升级前有两件事要看。ByteDance 的 Seedance 1.x 视频节点被标记为废弃，基于它们的工作流要准备迁移。同一版本里 local_web_sso 与 partner_node_token 被设为默认开启，随后又在同一次发布中回退。这说明这块还在调整，第三方整理也把这两点列为升级前该确认的事项。

想把它当服务用，接口是现成的。网页提交工作时会 POST 到 /prompt，返回 prompt_id 与队列位置。校验失败则返回 error 与 node_errors。

取结果看 /history/{prompt_id}，实时进度连 /ws。系统状态与显存信息在 /system_stats，详细路由见服务器路由文档。

安全上要收着点。--listen 只管监听地址，不加参数时是 127.0.0.1。写成 0.0.0.0 等于把整个界面开放给同网段。文档里没有配套的账号权限方案可供参照。

边界也说清楚。它不做批量任务调度，不做素材管理，也不替代剪辑。自定义节点装多了会遇到依赖冲突，这是报错的主要来源。出片之后要配音、加字幕、拼接，还得接别的工具，MoneyPrinterTurbo 这类流水线做的就是后半段。

许可证是 GPL-3.0，改动后再分发需要按同一许可开放源码。接外包或做交付之前，这一点先确认清楚。

适合谁用，以及一条上手顺序

对口的是三类人：

要把出图流程固定下来、每周重复跑的团队。
数据不能出内网、只能用本地模型的设计与内容岗。
需要在一条链路里串多个模型，比如先出图再放大再补细节的开发者。

不太对口的也有。偶尔生成几张图，用网页版或带界面的工具更快。只想和本地模型对话，装个聊天前端就够，Open WebUI 这类界面更合适。

上手顺序建议这样走：

先用便携版跑通一张默认工作流，确认显卡、驱动、Python 三件事没问题。
打开模板库里的示例，逐个节点点开看参数，比从空白画布开始快得多。
把模型集中到一个目录，用 extra_model_paths.yaml 指过去，别留多份副本。
显存吃紧时按预留显存、精度、模式参数的顺序试，一次只改一项。
稳定后把工作流 JSON 与启动参数一起入库，升级前对照发布页的变更清单。

它的价值不在“一句话出图”，而在把一条流程固化下来、可以被别人复现。接受这一点，学习成本就是值得的。

相关地址

以下为文中项目的官方入口，版本号、文档与下载以这些页面为准。

ComfyUI（GitHub 仓库）：https://github.com/Comfy-Org/ComfyUI
ComfyUI（版本发布页）：https://github.com/Comfy-Org/ComfyUI/releases
ComfyUI（官方文档·启动参数）：https://docs.comfy.org/zh/development/comfyui-server/startup-flags
ComfyUI（官方文档·系统要求）：https://docs.comfy.org/zh/installation/system_requirements
ComfyUI Desktop（GitHub 仓库）：https://github.com/Comfy-Org/Comfy-Desktop
ComfyUI-GGUF（GitHub 仓库）：https://github.com/city96/ComfyUI-GGUF