ComfyUI Flux GGUF 低显存运行指南

面向 8GB/12GB 显存新手的 Flux.1 GGUF 极速上手教程。解决模型放错 checkpoints 文件夹、下拉框为空、爆显存 OOM 和 U-Net/DualCLIP 分流节点连线看不懂的卡点。

为什么需要 GGUF？

Flux.1 模型效果极佳，但基础的 FP8 版本文件高达 12GB - 23GB，生成单张图需要占用 16GB 以上的显存（VRAM）。如果你的显卡是 8GB 或 12GB，直接加载常规模型必然触发 CUDA out of memory 爆显存报错。

GGUF（量化模型） 则是低显存新手的救星。它通过将模型权重压缩，把大小缩减到 5GB - 9GB（如 Q4_K_S 或 Q8_0），生成图的速度提升数倍，且画质几乎没有损失，是 8GB 显卡玩 Flux 的唯一解。

核心避坑：GGUF 不是 Checkpoint！

新手最容易犯的错误是：把下载下来的 .gguf 文件直接扔进 models/checkpoints/ 文件夹。这会导致：

• Load Checkpoint 节点的下拉框里根本找不到这个文件！
• 即使通过某些手段选到了，Queue Prompt 也会直接抛出加载错误崩溃。

正确规则：

1. GGUF 主模型：必须放进 ComfyUI/models/unet/ 或者 ComfyUI/models/diffusion_models/ 文件夹。
2. 连接节点：不能再用 Load Checkpoint。必须换成 Unet Loader (如果是 GGUF 则需要安装 ComfyUI-GGUF 插件后使用 Unet Loader (GGUF))！

极速三步放置模型

请在你的根目录下对齐以下三个文件夹的位置：

1. 放置 GGUF 权重

   • 路径：ComfyUI/models/unet/ (如果没有 unet 文件夹，新建一个)
   • 推荐下载：flux1-dev-Q4_K_S.gguf (约 7.6GB，8GB 显存的首选)

2. 放置 CLIP 文本编码器

   • 路径：ComfyUI/models/clip/
   • 说明：Flux 需要两个 CLIP 文件（t5xxl_fp8_e4m3fn.safetensors 和 clip_l.safetensors），缺一不可。

3. 放置 VAE 解码器

   • 路径：ComfyUI/models/vae/
   • 推荐下载：ae.safetensors (Flux 官方 VAE)

小白也能懂：Unet 分流节点连线图

传统的文生图是“一个 Checkpoint 节点拉出所有线”。而在 Flux GGUF 工作流里，我们需要把模型“分拆”后单独连线。

小白对照下面 1:1 的连线特写，检查自己的画布，千万不要连错：

[Unet Loader (GGUF)] ➔ (MODEL) ➔➔➔➔➔➔➔➔➔➔ [KSampler] (model)
  
[DualCLIPLoader]
  ├── (CLIP) ➔➔➔➔➔➔➔➔➔ [CLIP Text Encode (Flux)] ➔ (CONDITIONING) ➔ [KSampler] (positive/negative)
  
[Load VAE] ➔ (VAE) ➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔➔ [VAE Decode] (vae)

连线重点检查：

• MODEL 连 MODEL：从 Unet Loader (GGUF) 节点的 MODEL 输出点，连到 KSampler 的 model 输入点。
• CLIP 连 CLIP：从 DualCLIPLoader 节点的 CLIP 输出点，连到 CLIP Text Encode (Flux) 节点的 clip 输入点。不要把 Unet 连到 CLIP 上！
• VAE 连 VAE：从 Load VAE 节点的 VAE 输出点，连到最右侧 VAE Decode 的 vae 输入点。

成功标准 (Success Criteria)

• 点击 Queue Prompt 后，终端没有抛出 NXDOMAIN 或 CUDA out of memory 错误。
• 采样步骤（KSampler）能正常跳动，并在 1-2 分钟内（取决于显卡）在 Save Image 节点输出 1024x1024 高画质的 Flux 画面。
• 如果卡住，优先检查 ComfyUI-GGUF 插件是否在 Manager 中安装成功并重启。

下一步可以看

• 如果你的显存只有 4GB/6GB，生成依旧缓慢，请参考 低显存优化指南。
• 确认模型目录是否全部对齐：模型路径速查。