Nunchaku FLUX.1-dev部署教程：Comfy-CLI一键安装+custom_nodes路径详解

想用上最新的Nunchaku FLUX.1-dev模型，在ComfyUI里玩转文生图，但被复杂的安装步骤劝退？别担心，这篇教程就是为你准备的。

我花了几天时间，把整个部署流程从头到尾跑了一遍，踩了不少坑，也总结出了最省事的办法。今天，我就手把手带你，用最简单的方式，把Nunchaku FLUX.1-dev装到你的ComfyUI里，让你也能轻松生成高质量图片。

1. 准备工作：检查你的“装备”

在开始安装之前，咱们先看看你的电脑“装备”够不够格。这就像组装一台新电脑，得先确认配件都兼容。

1.1 硬件要求：你的显卡够强吗？

Nunchaku FLUX.1-dev是个“大块头”模型，对显卡要求不低。简单来说：

• 最低要求：一块支持CUDA的NVIDIA显卡。想流畅运行，显存最好有24GB以上。
• 如果显存不够怎么办？ 别急，后面我们会提到FP8量化版模型，它能把显存占用降到17GB左右，对中端显卡更友好。
• 显卡型号有讲究：如果你用的是最新的Blackwell架构显卡（比如RTX 50系列），需要选择FP4版本的模型。其他NVIDIA显卡，用INT4版本就行。

1.2 软件环境：打好基础

软件环境就像地基，必须稳固。你需要准备好这几样东西：

1. Python 3.10或更高版本：这是运行ComfyUI和模型的基础。
2. Git：用来从网上下载代码。
3. PyTorch：深度学习的核心框架。你需要安装和你的系统、CUDA版本匹配的PyTorch（比如torch 2.7, 2.8, 2.9）。
4. huggingface_hub：一个下载模型的神器。在开始前，先在命令行里运行下面这行命令把它装上：

   pip install --upgrade huggingface_hub
   

环境准备好了，咱们就进入正题，开始安装。

2. 安装Nunchaku插件：两种方法，任你选

Nunchaku FLUX.1-dev模型需要配合一个专门的插件才能在ComfyUI里使用。安装插件有两种主流方法，我强烈推荐第一种，因为它真的太省心了。

2.1 方法A：用Comfy-CLI一键安装（推荐）

这是目前最傻瓜式的方法，几乎不用动脑子。Comfy-CLI是一个官方命令行工具，能帮你管理ComfyUI和所有插件。

第一步：安装Comfy-CLI工具 打开你的命令行终端（Windows叫CMD或PowerShell，Mac/Linux叫Terminal），输入：

pip install comfy-cli

这行命令会帮你把comfy-cli这个工具安装到电脑上。

第二步：安装ComfyUI（如果你还没装） 接着，用刚装好的工具来安装ComfyUI本体：

comfy install

这个命令会自动处理ComfyUI的下载和依赖安装。如果你之前已经装过ComfyUI，这一步可以跳过。

第三步：安装Nunchaku插件 最关键的一步来了，用一行命令安装插件：

comfy noderegistry-install ComfyUI-nunchaku

执行后，工具会自动从插件仓库找到并安装ComfyUI-nunchaku。

第四步：移动插件到正确位置 安装完成后，插件默认可能不在ComfyUI的custom_nodes目录里。我们需要手动把它移过去：

mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

这样，插件就乖乖待在它该在的地方了。

2.2 方法B：手动安装（适合喜欢折腾的你）

如果你对ComfyUI的目录结构很熟悉，或者想完全自己控制安装过程，可以用这个方法。

第一步：克隆并安装ComfyUI

# 1. 下载ComfyUI的代码
git clone https://github.com/comfyanonymous/ComfyUI.git
# 2. 进入ComfyUI文件夹
cd ComfyUI
# 3. 安装所有必需的Python库
pip install -r requirements.txt

第二步：手动下载Nunchaku插件

# 1. 进入ComfyUI的插件目录
cd custom_nodes
# 2. 下载Nunchaku插件，并重命名为nunchaku_nodes方便识别
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

手动安装完成！两种方法最终效果一样，选你觉得顺手的就行。

2.3 安装Nunchaku后端

从插件v0.3.2版本开始，安装变得更简单了。完成上述插件安装后，你只需要在ComfyUI的网页界面里，找到并加载一个叫install_wheel.json的工作流文件，运行它，就能一键安装或更新Nunchaku所需的后端组件。这个我们放到启动ComfyUI后再做。

3. 下载模型文件：把“大脑”请回家

插件是“工具”，模型才是“大脑”。现在我们来下载运行文生图所必需的各种模型文件。它们需要被放到ComfyUI里特定的文件夹，路径千万不能错。

3.1 第一步：配置示例工作流

Nunchaku插件自带了一些现成的工作流示例，我们先把它们复制到ComfyUI能识别的位置。 在你的ComfyUI根目录下，执行以下命令：

# 进入ComfyUI文件夹（如果你不在的话）
cd ComfyUI
# 创建存放示例工作流的目录（如果不存在）
mkdir -p user/default/example_workflows
# 复制插件自带的工作流文件
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

这样，启动ComfyUI后，你就能在界面里直接加载这些预设好的工作流了，非常方便。

3.2 第二步：下载基础FLUX模型（必须下载）

FLUX.1-dev模型运行需要两个基础组件：文本编码器（理解你的文字描述）和VAE（把模型数据解码成图片）。我们用hf命令来下载，它会自动放到正确路径。

下载文本编码器模型： 这两个模型负责理解你输入的文字提示。

# 下载CLIP文本编码器
hf download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir models/text_encoders
# 下载T5文本编码器
hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors --local-dir models/text_encoders

下载完成后，你可以在 ComfyUI/models/text_encoders/ 目录下找到它们。

下载VAE模型： VAE负责把模型生成的潜空间数据“翻译”成最终的像素图片。

hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

这个文件会出现在 ComfyUI/models/vae/ 目录里。

路径检查小贴士： 你也可以通过创建“符号链接”的方式，指向你本地已经下载好的模型文件，节省下载时间。就像这样：

# 查看文本编码器路径
ls -l models/text_encoders/
total 0
lrwxrwxrwx. 1 root root 68  2月 25 00:47 clip_l.safetensors -> /root/.cache/huggingface/FLUX.1-dev/text_encoders/clip_l.safetensors
lrwxrwxrwx. 1 root root 72  2月 25 00:47 t5xxl_fp16.safetensors -> /root/.cache/huggingface/FLUX.1-dev/text_encoders/t5xxl_fp16.safetensors

3.3 第三步：下载核心的Nunchaku FLUX.1-dev模型

主角登场！这是生成图片的“主模型”。根据你的显卡类型，选择对应的版本下载：

• Blackwell显卡（如RTX 50系列）：请下载FP4版本。
• 其他NVIDIA显卡：推荐下载INT4版本，平衡速度和效果。
• 显存紧张（如16GB）：可以考虑FP8量化版，显存占用减半。

这里以最常用的INT4版本为例，下载命令如下：

hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

重要：这个主模型文件必须放在 ComfyUI/models/unet/ 目录下。

3.4 第四步：（可选）下载LoRA模型

LoRA是小型的附加模型，可以微调生成风格，比如让图片更有动漫感、更逼真等。这不是必须的，但能让你玩出更多花样。 常见的LoRA有 FLUX.1-Turbo-Alpha（加速/增强效果）、Ghibsky Illustration（吉卜力动画风格）等。 下载后，把它们放到 ComfyUI/models/loras/ 目录里即可。

4. 启动与使用：让模型“动”起来

所有材料备齐，是时候开机运行，看看效果了！

4.1 启动ComfyUI服务

回到ComfyUI的根目录，运行启动命令：

python main.py

看到终端输出类似 “Running on local URL: http://127.0.0.1:8188” 的信息，就说明启动成功了。

打开你的浏览器，访问这个地址（通常是 http://127.0.0.1:8188），就能看到ComfyUI的网页操作界面了。

4.2 加载Nunchaku工作流

在ComfyUI网页界面，点击左上角的“Load”按钮，在弹出的文件选择器中，找到我们之前复制过来的示例工作流。 这里我推荐使用 nunchaku-flux.1-dev.json 这个工作流，它对多LoRA的支持最好，文生图效果也最稳定。

加载成功后，你会看到一个已经连接好各种节点的流程图，这就是你的“画板”。

4.3 设置参数并生成你的第一张图

现在来到最有成就感的环节——生成图片！

1. 输入提示词：在工作流中找到标有“Prompt”的文本输入框。FLUX模型对英文提示词响应更好，你可以输入像 “A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K”（有山有湖的美丽风景，超高清，写实风格，8K）这样的描述。

   

2. 调整参数（可选）：

   • 推理步数（Steps）：影响生成质量和时间，一般20-50步。注意：如果你关闭了FLUX.1-Turbo-Alpha这个LoRA，步数至少要设为20，否则图片质量会下降。
   • 分辨率：默认可能是1024x1024。如果显存不足，可以尝试降低到768x768。
   • LoRA权重：如果你加载了LoRA，可以调整这里的强度，通常0.5-1.0之间。
   • 采样器（Sampler）：保持默认的dpmpp_2m通常就不错。

3. 点击生成：一切就绪后，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！

   

5. 总结与避坑指南

恭喜你！走到这一步，你已经成功部署并运行了Nunchaku FLUX.1-dev模型。最后，我再帮你梳理几个关键点和常见问题，让你玩得更顺畅。

5.1 核心要点回顾

1. 路径是王道：模型文件必须放对位置。主模型在models/unet/，LoRA在models/loras/，文本编码器在models/text_encoders/，VAE在models/vae/。放错了ComfyUI就找不到。
2. 显存量力而行：FP16完整版模型需要约33GB显存。如果你的显卡只有16GB或更少，务必选择INT4、FP8或FP4这些量化版本，它们能大幅降低显存占用。
3. 显卡型号对应模型：Blackwell新卡用FP4，其他N卡用INT4。这是由硬件架构决定的，选错了可能无法运行。
4. 工作流依赖：如果加载nunchaku-flux.1-dev.json时提示缺少某个节点，别慌。去ComfyUI的管理器（Manager）里搜索安装对应的自定义节点即可。
5. 步数设置：记住那个关键数字——20。只要你不使用FLUX.1-Turbo-Alpha LoRA，就把推理步数调到20或以上，这是保证出图质量的下限。

5.2 给新手的建议

如果你是第一次接触ComfyUI和这类大模型，可能会觉得节点繁多，有点复杂。我的建议是：

• 先模仿，后创新：一开始就使用我推荐的 nunchaku-flux.1-dev.json 工作流，别急着修改。先熟悉生成流程，成功产出几张图建立信心。
• 从简单提示词开始：不要一上来就写非常复杂冗长的描述。用简单的词组，比如“a cat on a sofa, photorealistic”（一只在沙发上的猫，照片级真实），观察模型的理解能力。
• 善用LoRA：当你熟悉基础文生图后，可以尝试加载不同的LoRA模型。它们就像是给模型加载了不同的“风格滤镜”，能快速实现动漫、油画、科幻等特定效果，趣味性十足。

整个过程看似步骤不少，但只要你跟着教程一步步来，遇到问题对照检查路径和版本，就一定能成功。现在，打开ComfyUI，输入你的创意，开始生成属于你的第一张AI画作吧！

---

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。