openclaw生态Nunchaku FLUX.1-dev：开源可部署文生图模型技术白皮书

想亲手部署一个能生成高清、逼真图片的AI模型，但又觉得技术门槛太高？今天，我们就来聊聊一个让你能轻松上手的开源方案——Nunchaku FLUX.1-dev。它不是一个遥不可及的研究项目，而是一个已经打包好，可以直接在ComfyUI里运行的文生图模型。

简单来说，FLUX.1-dev是当前开源图像生成领域的明星模型之一，而Nunchaku团队则把它做成了一个“即插即用”的插件。这意味着你不需要从零开始研究复杂的模型架构和训练代码，只需要跟着这篇指南，就能在自己的电脑上搭建起一个功能强大的AI画师。

这篇文章，就是一份为你准备的“开箱即用”手册。我们会从最基础的环境检查开始，一步步带你完成插件安装、模型下载、参数设置，直到生成第一张属于你的AI图片。整个过程清晰明了，即使你之前没怎么接触过ComfyUI，也能顺利跟上。

1. 环境准备：搭建你的创作舞台

在开始召唤AI画师之前，我们需要先准备好它工作的“画室”。这里主要是检查你的电脑硬件和软件环境是否达标，确保后续步骤不会卡壳。

硬件要求（重点是显卡）：

• 显卡：必须是一块支持CUDA的NVIDIA显卡。这是运行此类AI模型的硬性要求。
• 显存建议：推荐拥有24GB或以上显存，这样可以直接运行FP16精度的完整模型，获得最佳效果。
• 显存不足怎么办：如果你的显存只有8GB或12GB，也完全不用担心。Nunchaku FLUX.1-dev提供了多种“量化”版本（如INT4、FP8），它们就像给模型“瘦身”了一样，能在更小的显存上运行，只是生成速度或细节上可能有细微差别。我们会根据你的情况指导你选择对应的模型。

软件要求：

• Python：需要安装Python 3.10或更高的版本。这是运行所有后端代码的基础。
• Git：用于从网上下载（克隆）ComfyUI和插件的代码仓库。
• PyTorch：一个主流的深度学习框架。你需要安装与你的操作系统和CUDA版本匹配的PyTorch（如2.7, 2.8, 2.9等版本）。

一个必要的工具： 在开始前，我们还需要一个专门用来从Hugging Face等平台下载模型的小工具。打开你的命令行终端（Windows上是CMD或PowerShell，Mac/Linux上是Terminal），输入以下命令安装它：

pip install --upgrade huggingface_hub

这个huggingface_hub工具后面会帮我们自动下载所需的模型文件，非常方便。

环境检查完毕，舞台已经搭好，接下来我们请出今天的主角——Nunchaku插件。

2. Nunchaku ComfyUI 插件安装部署

ComfyUI是一个通过“拖拽节点”来构建AI工作流的可视化工具，而Nunchaku插件就是专门为FLUX.1-dev模型定制的节点集合。安装它，就等于为ComfyUI添加了使用这个新模型的能力。

安装分为两步：安装插件本身和安装插件运行所需的后端引擎。

2.1 安装 ComfyUI-nunchaku 插件

这里提供两种方法，你可以选择看起来更顺手的一种。

方法一：使用Comfy-CLI（最省心）

如果你喜欢命令行，且希望过程自动化，这是最佳选择。Comfy-CLI是一个管理ComfyUI生态的工具。

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

# 2. 安装ComfyUI主程序（如果你还没安装过）
comfy install

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

# 4. 将安装好的插件移动到ComfyUI的正确目录
# 假设你的ComfyUI安装在当前目录，执行：
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

方法二：手动安装（更灵活）

如果你想更清楚地知道文件放在了哪里，或者已经有一个现成的ComfyUI环境，可以选择手动安装。

# 1. 首先，确保你已经克隆了ComfyUI仓库并进入了其目录
# 如果你还没有ComfyUI，先克隆它：
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 安装ComfyUI的Python依赖
pip install -r requirements.txt

# 2. 进入ComfyUI存放插件的目录，并克隆Nunchaku插件
cd custom_nodes
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

无论哪种方法，完成后，你的ComfyUI/custom_nodes/目录下应该会多出一个nunchaku_nodes文件夹。

2.2 安装 Nunchaku 后端

插件是“操作界面”，后端才是“发动机”。从Nunchaku插件v0.3.2版本开始，安装后端变得非常简单。通常，在安装插件依赖的过程中，它会自动处理。为了确保无误，插件提供了一个一键安装脚本。

你只需要在ComfyUI启动后，通过其“管理器”（ComfyUI Manager）加载插件自带的install_wheel.json工作流文件，即可自动完成后端wheel包的安装或更新。这个步骤我们会在启动ComfyUI后具体操作。

插件安装成功，接下来我们需要为它准备“颜料”和“画笔”——也就是模型文件。

3. Nunchaku FLUX.1-dev 模型使用准备

模型文件是AI能力的核心。我们需要下载两类文件：FLUX模型家族通用的基础组件和Nunchaku FLUX.1-dev专属的主模型。

3.1 配置 Nunchaku 工作流

为了能在ComfyUI界面里方便地加载预设好的流程，我们需要把插件自带的工作流示例文件复制到ComfyUI读取的目录。

打开终端，进入你的ComfyUI根目录，执行以下命令：

# 进入ComfyUI主文件夹（如果你不在的话）
cd /path/to/your/ComfyUI

# 创建用于存放示例工作流的目录（如果不存在）
mkdir -p user/default/example_workflows

# 复制Nunchaku插件里的示例工作流过去
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。

3.2 下载模型文件

这是最关键的一步。请根据你的显卡情况，选择下载对应的模型版本。

如何选择模型版本？

• Blackwell架构新显卡（如RTX 50系列）：请选择 FP4 版本模型。
• 其他NVIDIA显卡（如RTX 20/30/40系列）：优先选择 INT4 版本，它在效果和速度上平衡得很好。
• 显存紧张的用户（如8GB）：可以考虑 FP8 量化版本，它能在更小显存上运行。

3.2.1 下载基础FLUX模型（必须）

这些是FLUX系列模型共享的组件，包括理解你文字描述的“文本编码器”和负责最终图像解码的“VAE”。

我们使用之前安装好的hf命令来下载，它会自动放到正确的models子目录下。

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

小提示：如果下载速度慢，你可以考虑使用模型镜像站，或者如果本地已有这些文件，可以在models目录下创建软链接指向它们。例如，检查你的文件是否如下所示：

models/
├── text_encoders/
│   ├── clip_l.safetensors -> /某个缓存路径/clip_l.safetensors
│   └── t5xxl_fp16.safetensors -> /某个缓存路径/t5xxl_fp16.safetensors
└── vae/
    └── ae.safetensors -> /某个缓存路径/ae.safetensors

3.2.2 下载 Nunchaku FLUX.1-dev 主模型（核心）

这才是我们今天要用的主角模型，它决定了图像的生成风格和质量。

1. 下载主模型：以最常用的INT4版本为例，执行以下命令。模型会被下载到models/unet/目录。

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

   同样，你也可以通过软链接来使用已下载好的模型文件。

2. （可选）下载LoRA模型：LoRA是一种“微调插件”，可以给主模型附加新的风格或能力。例如，FLUX.1-Turbo-Alpha LoRA可以加速生成，Ghibsky Illustration LoRA可以赋予图像吉卜力动画风格。你可以将它们下载到models/loras/目录，在工作流中按需启用。

   # 示例：下载一个LoRA（你需要具体的LoRA名称和下载链接）
   # hf download 作者/LoRA仓库名 lora_model.safetensors --local-dir models/loras
   

万事俱备，只欠东风。现在，让我们启动ComfyUI，开始创作吧！

4. 启动 ComfyUI 并运行 FLUX.1-dev 文生图

4.1 启动 ComfyUI 服务

在你的ComfyUI根目录下，打开终端，运行启动命令：

python main.py

稍等片刻，你会看到命令行输出一个本地网址，通常是 http://127.0.0.1:8188。用你的浏览器（Chrome/Firefox等）打开这个网址，就能看到ComfyUI的图形化操作界面了。

4.2 加载 Nunchaku FLUX.1-dev 工作流

在ComfyUI网页界面中，点击右上角的 “Load” 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 的文件。选择并加载它。

这个工作流是官方优化好的，支持加载多个LoRA，能发挥出FLUX.1-dev的最佳文生图效果。

工作流小贴士：

• nunchaku-flux.1-dev.json：我们正在使用的标准工作流。
• nunchaku-flux.1-dev-qencoder.json：一个变体，使用了4-bit量化的T5文本编码器，可以进一步降低显存占用，适合显存特别小的用户。

4.3 设置参数并生成你的第一张图片

加载工作流后，你会看到界面上布满了各种节点和连线。别担心，我们只需要关注几个关键地方。

1. 输入提示词：找到节点中标注为“Prompt”或类似字样的文本输入框。FLUX模型对英文提示词响应更好，用英文描述你想要画面。例如：

   A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K （一个美丽的山水风景，有山有湖，超高清，写实风格，8K分辨率）

   

2. 调整基本参数（可选）：

   • 推理步数（Steps）：一般20-50步。步数越多，细节可能越丰富，但耗时也越长。请注意：如果你禁用了FLUX.1-Turbo-Alpha这个LoRA，步数建议至少设为20，否则效果会大打折扣。
   • 分辨率（Resolution）：如1024x1024。分辨率越高，显存占用越大。如果生成时显存不足（OOM），首先尝试降低分辨率。
   • LoRA权重：如果你加载了LoRA，可以调整这里的数值（通常0-1之间）来控制风格影响的强弱。

3. 点击生成：检查无误后，点击界面上的 “Queue Prompt” 按钮。ComfyUI就会开始处理你的请求。等待进度条走完，生成的图片就会显示在右边的预览区域了！

恭喜你！你已经成功使用Nunchaku FLUX.1-dev生成了第一张AI图片。接下来，你可以尝试不同的提示词、调整参数、加载不同的LoRA，探索这个模型的无限可能。

5. 关键注意事项与排错指南

为了让你能玩得更顺畅，这里总结几个最重要的注意事项和常见问题的解决办法。

1. 模型文件别放错地方：这是最常见的问题。务必确保：

   • FLUX.1-dev主模型（.safetensors）放在 models/unet/ 目录。
   • LoRA模型放在 models/loras/ 目录。
   • 文本编码器（clip_l, t5xxl）放在 models/text_encoders/ 目录。
   • VAE模型放在 models/vae/ 目录。

2. 显存不足怎么办：

   • 首选：下载并使用 INT4 或 FP8 的量化版本模型，而不是FP16版本。
   • 其次：在生成时，降低输出图片的分辨率（如从1024x1024降到768x768）。
   • 然后：检查是否关闭了其他占用显存的程序。

3. 显卡兼容性：

   • 确保你的NVIDIA显卡驱动是最新的。
   • Blackwell架构（RTX 50系列）的用户，务必使用FP4版本的模型，INT4版本可能无法运行。

4. 节点缺失错误：

   • 如果加载工作流时提示“Missing Nodes”，说明ComfyUI缺少某些自定义节点。
   • 解决办法：安装 ComfyUI Manager（一个管理插件的插件），通过它来一键安装缺失的节点。

5. 关于推理步数：

   • 这是一个需要牢记的规则：如果你在nunchaku-flux.1-dev.json工作流中，将FLUX.1-Turbo-Alpha这个LoRA的权重设置为0（即关闭它），那么采样步数（Steps）绝对不能少于20步，否则生成的图片质量会严重下降。

6. 总结

通过这篇指南，我们完整地走通了在ComfyUI中部署和运行开源文生图模型Nunchaku FLUX.1-dev的全过程。从环境准备、插件安装，到模型下载、参数设置，每一步都力求清晰直白。

Nunchaku FLUX.1-dev的价值在于，它降低了高性能图像生成模型的使用门槛。你不再需要关心背后复杂的模型蒸馏、量化技术，只需通过简单的安装和配置，就能获得一个接近最前沿水平的AI图像生成工具。无论是用于内容创作、设计灵感激发，还是单纯体验AI技术的魅力，它都是一个绝佳的选择。

现在，舞台已经交给你了。尝试用不同的提示词去组合，探索各种LoRA带来的风格变化，调整参数观察图像的细微差异。AI绘画的乐趣，正是在于这种“输入-反馈-再调整”的互动过程中。祝你玩得开心，创作出令人惊艳的作品！

---

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。