Nunchaku FLUX.1-dev完整指南：ComfyUI插件安装+模型下载+工作流加载

想用上最新的Nunchaku FLUX.1-dev模型，在ComfyUI里生成惊艳的图片，但被一堆安装步骤和模型文件搞晕了？

别担心，这篇指南就是为你准备的。我会用最直白的话，带你一步步搞定从环境准备、插件安装、模型下载到最终生成图片的全过程。跟着做，你也能在半小时内跑起来。

1. 开始之前：你需要准备什么？

在动手安装之前，我们先看看你的电脑需要满足哪些条件。这就像做饭前要准备好锅碗瓢盆一样，基础打好了，后面才顺利。

硬件要求（最重要的部分）

• 显卡：必须有一块支持CUDA的NVIDIA显卡。这是跑AI模型的核心。
• 显存建议：推荐24GB或以上的显存。如果你的显卡显存不够（比如只有8GB或12GB），也不用慌，后面我们会介绍“瘦身版”的模型，一样能跑起来。

软件环境（提前装好这些工具）

1. Python 3.10或更高版本：这是运行ComfyUI的基础语言环境。
2. Git：用来从网上下载代码。
3. PyTorch：一个深度学习的核心框架。你需要安装和你的操作系统、CUDA版本匹配的PyTorch。
4. 一个小工具：在命令行里运行下面这行命令，安装一个下载模型必备的小工具。

   pip install --upgrade huggingface_hub
   

好了，如果你的电脑满足了上面的要求，我们就可以进入正戏了。

2. 安装Nunchaku插件到ComfyUI

Nunchaku FLUX.1-dev模型本身不能直接在ComfyUI里用，需要一个“翻译官”，也就是插件。安装插件分为两步：装插件本身，和装插件需要的“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：用命令行工具安装（最简单） 这个方法适合怕麻烦的朋友，几条命令搞定。

# 1. 安装ComfyUI的官方命令行工具
pip install comfy-cli

# 2. 安装ComfyUI（如果你已经装过ComfyUI，这步可以跳过）
comfy install

# 3. 安装Nunchaku插件
comfy noderegistry-install ComfyUI-nunchaku

# 4. 把插件移动到正确的位置
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

方法B：手动安装（控制力更强） 如果你喜欢自己掌控每一步，或者网络环境特殊，可以用这个方法。

# 1. 下载ComfyUI的源代码
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 2. 安装ComfyUI需要的各种Python包
pip install -r requirements.txt

# 3. 进入插件目录，下载Nunchaku插件
cd custom_nodes
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

2.2 安装Nunchaku后端引擎

插件装好了，它还需要一个“发动机”才能工作。从v0.3.2版本开始，安装变得非常简单。你只需要确保插件安装完成，然后在ComfyUI的网页界面里，应该就能找到一键安装或更新后端引擎的选项（通常是一个叫install_wheel.json的工作流或按钮）。按照提示操作即可。

至此，插件的安装就完成了。接下来，我们去准备模型文件。

3. 下载并放置模型文件

这是最关键的一步，模型文件就像菜谱，放错了地方，厨师（ComfyUI）就找不到。你需要下载两种模型：基础FLUX模型和核心的Nunchaku FLUX.1-dev模型。

首先，我们让ComfyUI认识Nunchaku的工作流程。

# 进入你的ComfyUI文件夹
cd ComfyUI

# 创建一个存放示例工作流的目录（如果还没有的话）
mkdir -p user/default/example_workflows

# 把插件自带的示例工作流复制过去
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

3.1 下载基础FLUX模型（必须下载）

FLUX.1-dev模型运行需要一些基础组件，包括文本编码器和VAE模型。我们需要把它们下载到指定位置。

打开命令行，执行以下命令，它们会自动下载并放到正确的文件夹里。

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

小提示：hf命令就是我们第一步安装的huggingface_hub工具。如果下载速度慢，可能需要配置网络环境。

3.2 下载核心的Nunchaku FLUX.1-dev模型

这是生成图片的主角。它有几个不同的版本，主要区别在于精度和显存占用，你需要根据你的显卡来选择：

• INT4模型：适用于大多数NVIDIA显卡（RTX 20/30/40系列等），在保证不错效果的同时，显著降低显存占用。这是大多数人的首选。
• FP8模型：如果你的显存比较紧张（比如12GB左右），可以选这个“瘦身版”。
• FP4模型：专为最新的Blackwell架构显卡（如RTX 50系列）设计。

这里以最常用的INT4版本为例，下载命令如下：

# 下载INT4版本的主模型，它会存放在 models/unet/ 目录下
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

可选：下载LoRA模型（给图片加特效） LoRA可以理解为“风格滤镜”或“效果增强包”。比如，你可以下载一个叫FLUX.1-Turbo-Alpha的LoRA，它能加快生成速度。下载后，把.safetensors文件放到models/loras/目录下即可。在工作流中你可以选择启用或关闭它，并调整它的影响强度。

4. 启动ComfyUI并生成你的第一张图片

所有材料备齐，终于可以开火了。

4.1 启动ComfyUI服务

进入你的ComfyUI根目录，运行启动命令：

python main.py

看到命令行输出一个本地网址（通常是 http://127.0.0.1:8188），就说明启动成功了。用浏览器打开这个网址，你就会看到ComfyUI的图形化操作界面。

4.2 加载Nunchaku工作流

在ComfyUI网页里，点击右上角的 “Load”（加载）按钮。在弹出的对话框中，你应该能看到一个名为 nunchaku-flux.1-dev.json 的工作流文件，选择它并打开。

这个工作流已经为我们连接好了所有必要的节点，包括加载模型、输入提示词、设置参数等。界面看起来可能有点复杂，但别怕，我们只需要关注几个关键地方。

4.3 输入提示词并生成图片

1. 找到提示词框：在工作流中，找到一个标有“Positive Prompt”的节点框。在里面用英文描述你想要生成的画面。FLUX模型对英文的理解更好。

   • 试试这个：A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K（一个带有山川湖泊的美丽风景，超高清，写实风格，8K分辨率）

   

2. 调整参数（可选）：你可以修改“Steps”（推理步数，影响细节和生成时间）、“Resolution”（分辨率，影响显存占用）等。第一次运行，可以先保持默认。

3. 点击生成：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），你就能在右边的预览窗口看到生成的图片了！

   

恭喜你！如果看到了图片，说明整个流程已经成功跑通。

5. 重要提醒和常见问题

为了让你的体验更顺畅，这里有几个必须要注意的地方：

1. 模型别放错地方：这是最容易出错的一步。再强调一遍：

   • FLUX.1-dev主模型（svdq-int4_r32-flux.1-dev.safetensors） → models/unet/
   • LoRA模型 → models/loras/
   • 文本编码器模型 → models/text_encoders/
   • VAE模型 → models/vae/

2. 显存不够怎么办：

   • 如果加载模型时显存溢出，首先尝试在网页端降低生成图片的分辨率（如从1024x1024降到768x768）。
   • 如果还不行，请确认你下载的是INT4或FP8的量化版模型，而不是完整的FP16版（FP16版需要约33GB显存）。

3. 关于推理步数：如果你使用了FLUX.1-Turbo-Alpha这个LoRA，可以用较少的步数（如4步）快速生成。但如果关闭了这个LoRA，请务必将推理步数调到20步或以上，否则生成的图片质量会非常差。

4. 节点缺失错误：加载工作流时，如果提示缺少某个节点（node），不要慌。这是ComfyUI常见问题。你需要去安装一个叫 “ComfyUI Manager” 的插件管理器，通过它可以很方便地搜索并安装缺失的自定义节点。

6. 总结

好了，我们来快速回顾一下今天完成的几件大事：

1. 检查环境：确认了显卡、Python等基础条件。
2. 安装插件：用两种方法之一，把Nunchaku插件装进了ComfyUI。
3. 下载模型：搞定了基础FLUX模型和核心的FLUX.1-dev模型，并放对了文件夹。
4. 运行生成：启动了ComfyUI，加载专属工作流，输入一句英文描述，成功生成了图片。

整个过程看似步骤不少，但每一步都是明确的操作。遇到问题，最常见的原因就是模型文件放错了目录，或者下载的模型版本与显卡不匹配，回头检查一下这两点，大部分问题都能解决。

现在，你已经把一款顶尖的文生图模型部署到了本地。接下来，就是尽情探索它能力的时候了。尝试不同的提示词，组合不同的LoRA风格，调整各种参数，看看它能创造出多么令人惊叹的作品吧。

---

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。