Nunchaku FLUX.1-dev多版本兼容指南：PyTorch2.7/2.8/2.9适配要点

想用上最新的Nunchaku FLUX.1-dev模型，却发现PyTorch版本不对，或者显卡驱动不匹配？别担心，这篇文章就是为你准备的。我会带你一步步搞定从环境准备到成功出图的完整流程，重点解决不同PyTorch版本（2.7/2.8/2.9）和显卡的兼容性问题，让你在ComfyUI里顺利玩转这个强大的文生图模型。

1. 环境准备：打好地基，避免踩坑

在开始安装之前，先把基础环境准备好，这能帮你避开90%的后续问题。很多人卡在第一步，就是因为环境没配好。

1.1 硬件要求：你的显卡够用吗？

首先看你的显卡。Nunchaku FLUX.1-dev模型对显存要求不低，不同量化版本差异很大：

• FP16原版模型：大约需要33GB显存，适合RTX 4090、A100这类高端卡。
• FP8量化版：显存需求降到17GB左右，RTX 3090、RTX 4080 Super可以试试。
• INT4/FP4量化版：显存占用更低，12GB显存的卡（如RTX 4070 Ti Super）也能跑起来。

关键点：Blackwell架构的新显卡（比如RTX 50系列）只能用FP4模型，其他NVIDIA显卡优先选INT4模型。如果你不确定自己的显卡架构，去NVIDIA官网查一下型号就行。

1.2 软件环境：PyTorch版本怎么选？

这是最容易出问题的地方。PyTorch版本要和你的系统、CUDA版本匹配。

简单选择法：

• 如果你用Windows 11 + CUDA 12.1，选PyTorch 2.9
• 如果你用Ubuntu 22.04 + CUDA 11.8，选PyTorch 2.7
• 如果你用最新的系统驱动，直接装PyTorch 2.9

安装命令示例（以PyTorch 2.9 + CUDA 12.1为例）：

pip install torch==2.9.0 torchvision==0.20.0 torchaudio==2.9.0 --index-url https://download.pytorch.org/whl/cu121

重要提醒：安装前最好用nvidia-smi命令看看你的CUDA版本，然后去PyTorch官网找对应的安装命令。装错了版本，后面会报各种奇怪的错误。

1.3 必备工具：先装好这些

在安装ComfyUI之前，先把这两个工具装好：

# 升级pip，避免安装问题
python -m pip install --upgrade pip

# 安装huggingface_hub，后面下载模型要用
pip install --upgrade huggingface_hub

# 安装git（如果还没装的话）
# Windows用户去官网下载Git安装包
# Linux用户：sudo apt install git

2. Nunchaku ComfyUI插件安装部署

环境准备好了，现在开始安装插件。我推荐两种方法，你可以选适合自己的。

2.1 方法一：用Comfy-CLI安装（最简单）

如果你怕麻烦，想一键搞定，就用这个方法。

# 第一步：安装ComfyUI命令行工具
pip install comfy-cli

# 第二步：安装ComfyUI（如果已经装过，这步会跳过）
comfy install

# 第三步：安装Nunchaku插件
comfy noderegistry-install ComfyUI-nunchaku

# 第四步：把插件移到正确的位置
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

这个方法的好处是自动处理依赖，不容易出错。适合新手或者想快速上手的用户。

2.2 方法二：手动安装（更灵活）

如果你想自己控制安装过程，或者网络环境特殊，可以用手动安装。

# 第一步：克隆ComfyUI仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 第二步：安装依赖
pip install -r requirements.txt

# 第三步：进入自定义节点目录
cd custom_nodes

# 第四步：克隆Nunchaku插件
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

手动安装的好处是你可以看到每一步发生了什么，出问题了也好排查。

2.3 安装Nunchaku后端

从v0.3.2版本开始，安装变简单了。依赖装完后，插件目录里会有一个install_wheel.json文件，通过它就能一键安装或更新后端wheel包。

如果你用的是旧版本，可能需要手动安装，但现在基本都用新版本了，所以按上面的步骤来就行。

3. Nunchaku FLUX.1-dev模型使用准备

插件装好了，接下来要准备模型文件。这一步很关键，文件放错地方就白忙活了。

3.1 配置工作流：让ComfyUI认识Nunchaku

工作流就像菜谱，告诉ComfyUI怎么做图。Nunchaku插件自带了一些示例工作流，我们要把它们放到ComfyUI能找到的地方。

# 进入ComfyUI根目录
cd ComfyUI

# 创建工作流目录（如果不存在的话）
mkdir -p user/default/example_workflows

# 复制示例工作流
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

复制完后，重启ComfyUI，你就能在网页界面里看到这些工作流了。

3.2 下载模型文件：按目录存放，别放错

模型文件分两种：基础FLUX模型和Nunchaku FLUX.1-dev专属模型。它们要放在不同的目录里。

目录结构要记牢：

• 基础FLUX模型 → models/text_encoders/ 和 models/vae/
• Nunchaku FLUX.1-dev主模型 → models/unet/
• LoRA模型 → models/loras/

3.2.1 下载基础FLUX模型（必须下载）

这些是FLUX模型的基础组件，没有它们模型跑不起来。

# 下载文本编码器模型
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
hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

如果你已经下载过这些模型，可以创建软链接，节省磁盘空间：

# 查看软链接是否创建成功
ls -l models/text_encoders/
# 应该看到类似这样的输出：
# clip_l.safetensors -> /你的缓存路径/FLUX.1-dev/text_encoders/clip_l.safetensors
# t5xxl_fp16.safetensors -> /你的缓存路径/FLUX.1-dev/text_encoders/t5xxl_fp16.safetensors

ls -l models/vae/
# ae.safetensors -> /你的缓存路径/FLUX.1-dev/vae/ae.safetensors

3.2.2 下载Nunchaku FLUX.1-dev主模型（核心）

这是最重要的部分，根据你的显卡选择对应的版本：

# 如果你是Blackwell显卡（RTX 50系列），用FP4版本
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-fp4_r32-flux.1-dev.safetensors --local-dir models/unet/

# 如果你是其他NVIDIA显卡，用INT4版本（推荐）
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

# 如果你显存紧张，用FP8版本
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-fp8_r32-flux.1-dev.safetensors --local-dir models/unet/

同样，如果你已经下载了模型文件，可以创建软链接：

ls -l models/unet/
# 应该看到类似这样的输出：
# svdq-int4_r32-flux.1-dev.safetensors -> /你的模型路径/unet/svdq-int4_r32-flux.1-dev.safetensors

3.2.3 可选：下载LoRA模型（提升效果）

LoRA就像滤镜，能让生成的图片有特定风格。Nunchaku FLUX.1-dev支持多个LoRA，你可以按需下载。

# 下载FLUX.1-Turbo-Alpha LoRA（加速生成）
# 下载Ghibsky Illustration LoRA（吉卜力风格）
# 其他风格的LoRA...

下载后放到models/loras/目录里。你可以用软链接，也可以直接复制文件。

4. 启动ComfyUI并运行FLUX.1-dev文生图

一切准备就绪，现在可以开始生成图片了。

4.1 启动ComfyUI

在ComfyUI根目录下运行：

python main.py

启动成功后，在浏览器打开http://localhost:8188（默认端口是8188，如果被占用会自动换端口）。

4.2 选择Nunchaku FLUX.1-dev工作流

进入ComfyUI网页界面后，点击右上角的"Load"按钮，选择我们之前复制的工作流。

重点推荐：用nunchaku-flux.1-dev.json这个工作流。它支持加载多个LoRA，文生图效果最好。

工作流加载后，你会看到一堆节点。别担心，我们只需要关注几个关键的地方。

4.3 设置参数并生成图片

现在到了最有趣的部分——生成图片。

第一步：输入提示词 在工作流里找到提示词输入框（通常是"Positive Prompt"和"Negative Prompt"）。FLUX模型对英文提示词支持更好，所以尽量用英文描述。

试试这个例子：

A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K, masterpiece, best quality

第二步：调整参数 几个关键参数要留意：

• 推理步数（Steps）：默认是4步，如果关闭了FLUX.1-Turbo-Alpha LoRA，要调到至少20步
• 分辨率（Resolution）：1024x1024是标准尺寸，显存不够可以降到768x768
• LoRA权重：可以调整不同LoRA的影响程度，一般0.5-1.0之间
• 采样器（Sampler）：默认的就行，不用改

第三步：点击运行 设置好参数后，点击"Queue Prompt"按钮，ComfyUI就开始生成图片了。等待一会儿，图片就会出现在预览区。

第一次运行可能会慢一些，因为要加载模型。后面再生成就快了。

5. 关键注意事项和常见问题

按照上面的步骤，你应该能成功生成图片了。但如果遇到问题，看看下面这些常见情况。

5.1 模型目录千万别放错

这是最容易出错的地方，再强调一遍：

• FLUX.1-dev主模型 → models/unet/
• LoRA模型 → models/loras/
• 文本编码器 → models/text_encoders/
• VAE模型 → models/vae/

放错目录ComfyUI就找不到模型，会报错。

5.2 显存不足怎么办？

如果生成图片时显存不够，可以试试这些方法：

1. 换量化版本：FP16换FP8，FP8换INT4
2. 降低分辨率：从1024x1024降到768x768或512x512
3. 关闭一些LoRA：每个LoRA都会增加显存占用
4. 减少批处理大小：一次只生成一张图

5.3 显卡兼容性问题

• Blackwell显卡用户：只能用FP4模型，别试其他版本
• 其他NVIDIA显卡：优先用INT4模型，兼容性最好
• AMD显卡用户：目前支持有限，可能需要等后续更新

5.4 工作流节点缺失

如果加载工作流时提示节点缺失，可能是有些自定义节点没装。可以通过ComfyUI-Manager来安装缺失的节点。

在ComfyUI网页界面，点"Manager"按钮，然后点"Install Missing Custom Nodes"，它会自动检测并安装缺失的节点。

5.5 推理步数设置

重要提醒：如果你关闭了FLUX.1-Turbo-Alpha这个LoRA，一定要把推理步数调到至少20步。步数太少的话，生成的图片质量会很差。

这个LoRA的作用是加速生成，用4步就能达到不错的效果。关了它，就需要更多步数来保证质量。

6. 总结

Nunchaku FLUX.1-dev是个很强大的文生图模型，但在ComfyUI里使用确实需要一些配置。关键是要注意PyTorch版本兼容性和模型文件的存放位置。

简单回顾一下要点：

1. 环境要对：PyTorch版本匹配你的系统和CUDA
2. 插件要装对：用Comfy-CLI或手动安装都行
3. 模型要放对：四个目录别搞混
4. 工作流要选对：用nunchaku-flux.1-dev.json
5. 参数要设对：提示词用英文，步数看情况调整

第一次配置可能会遇到些小问题，但按这个指南一步步来，应该都能解决。生成第一张图片后，你就可以开始探索不同的提示词和LoRA组合，创造出属于自己的独特作品了。

---

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。