openclaw+Nunchaku FLUX.1-dev：开源大模型GPU算力适配指南（24GB+显存优化）

本文介绍了如何在星图GPU平台上自动化部署Nunchaku FLUX.1-dev文生图镜像，实现高质量AI图像生成。该平台简化了部署流程，用户可快速搭建基于ComfyUI的创作环境。该镜像的核心应用场景是，根据文本提示词（Prompt）自动化生成风景、人物肖像、概念设计等各类高分辨率数字图像，显著提升视觉内容创作效率。

带虾条酱

11人浏览 · 2026-03-19 02:05:33

带虾条酱 · 2026-03-19 02:05:33 发布

openclaw+Nunchaku FLUX.1-dev：开源大模型GPU算力适配指南（24GB+显存优化）

最近，开源文生图模型领域又迎来了一位重量级选手——Nunchaku FLUX.1-dev。这个基于Black Forest Labs FLUX.1-dev架构的模型，在保持高质量图像生成能力的同时，通过先进的量化技术，大幅降低了显存占用。

但很多朋友在实际部署时遇到了问题：模型文件怎么下载？ComfyUI插件怎么装？24GB显存真的够用吗？生成效果到底怎么样？

今天，我就带你从零开始，手把手搞定Nunchaku FLUX.1-dev在ComfyUI中的完整部署流程。无论你是想体验最新的开源文生图技术，还是想在有限显存下运行高质量模型，这篇文章都能给你清晰的答案。

1. 环境准备：打好基础才能跑得稳

在开始安装之前，我们先要确保基础环境没问题。这就像盖房子前要打好地基一样重要。

1.1 硬件要求：你的显卡够用吗？

Nunchaku FLUX.1-dev对硬件有一定要求，但好消息是，它提供了多种量化版本，适配不同配置的显卡：

推荐配置：NVIDIA显卡，24GB及以上显存
最低要求：支持CUDA的NVIDIA显卡，16GB显存（需使用FP8量化版）
Blackwell显卡用户注意：如RTX 50系列，需要使用专门的FP4模型版本

这里有个小技巧：如果你不确定自己的显卡型号，可以在命令行输入nvidia-smi查看。如果显存不足24GB，别担心，后面我会告诉你怎么选择适合的量化版本。

1.2 软件环境：Python和依赖包

软件环境相对简单，主要是Python和相关工具：

# 检查Python版本
python --version
# 需要Python 3.10或更高版本

# 安装必要的工具
pip install --upgrade huggingface_hub

为什么需要huggingface_hub？ 这个工具能帮我们直接从Hugging Face下载模型文件，比手动下载方便多了。如果你之前已经安装过，更新到最新版本即可。

1.3 PyTorch版本匹配

PyTorch版本需要和你的系统、CUDA版本匹配。一般来说，使用较新的版本兼容性更好：

# 查看已安装的PyTorch版本
python -c "import torch; print(torch.__version__)"

如果还没有安装PyTorch，建议使用官方推荐的安装命令。对于大多数用户，以下命令应该能正常工作：

# 安装PyTorch（CUDA 12.1版本）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

环境检查完成后，我们就可以进入正式的安装环节了。

2. Nunchaku ComfyUI插件安装部署

Nunchaku FLUX.1-dev需要专门的ComfyUI插件才能正常工作。这里我提供两种安装方法，你可以根据自己的情况选择。

2.1 方法一：使用Comfy-CLI（最简单）

如果你喜欢命令行操作，或者想要最快捷的安装方式，Comfy-CLI是你的首选。

# 第一步：安装ComfyUI CLI工具
pip install comfy-cli

# 第二步：安装ComfyUI（如果已经安装过，可以跳过）
comfy install

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

# 第四步：移动插件到正确目录
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

这个方法的好处是：所有依赖都会自动处理，不需要你手动解决版本冲突问题。特别适合新手或者想要快速上手的用户。

2.2 方法二：手动安装（更灵活）

如果你需要对安装过程有更多控制，或者想要自定义某些设置，手动安装是更好的选择。

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

# 第二步：安装基础依赖
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

手动安装虽然步骤稍多，但你能清楚地知道每一步在做什么。如果安装过程中出现问题，也更容易排查。

2.3 安装Nunchaku后端

从v0.3.2版本开始，Nunchaku插件简化了后端安装流程。安装完插件后，你只需要：

启动ComfyUI
在网页界面中，Nunchaku节点会自动检测并提示安装后端
按照提示完成安装即可

如果自动安装失败，你也可以手动执行安装脚本。进入插件目录，找到install_wheel.json工作流，加载并运行它。

3. Nunchaku FLUX.1-dev模型使用准备

插件安装好了，接下来我们要准备模型文件。这是最关键的一步，文件放错位置或者版本选错，都会导致无法正常运行。

3.1 配置Nunchaku工作流

为了让ComfyUI能识别Nunchaku的工作流，我们需要把示例文件复制到指定位置：

# 进入ComfyUI根目录
cd ComfyUI

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

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

完成这一步后，当你启动ComfyUI，就能在加载工作流时看到Nunchaku的示例了。

3.2 下载模型文件：选对版本很重要

Nunchaku FLUX.1-dev需要多个模型文件配合工作。我把它分为两类：基础FLUX模型和Nunchaku专属模型。

3.2.1 下载基础FLUX模型（必须）

这些是FLUX架构的基础组件，所有FLUX模型都需要它们：

# 下载文本编码器模型
# 这些文件会放在models/text_encoders目录下
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
# 这个文件会放在models/vae目录下
hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

小提示：如果下载速度慢，可以考虑使用镜像源，或者先下载到本地再创建软链接。

3.2.2 下载Nunchaku FLUX.1-dev主模型（核心）

这是最重要的部分，你需要根据显卡类型选择合适的量化版本：

显卡类型	推荐模型版本	显存占用	适用场景
Blackwell架构（RTX 50系列）	FP4模型	约8-10GB	最新显卡专用
其他NVIDIA显卡（24GB+）	INT4模型	约12-15GB	大多数用户选择
显存不足（16GB）	FP8模型	约17GB	显存有限的配置
高性能需求	FP16模型	约33GB	追求最高质量

下载命令示例（INT4版本）：

# 下载INT4量化版主模型
# 文件会保存在models/unet/目录下
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

重要提醒：一定要根据你的显卡类型选择正确的版本！如果用错版本，可能会导致性能下降甚至无法运行。

3.2.3 可选：下载LoRA模型（提升效果）

LoRA模型不是必须的，但它们能显著提升生成效果。常用的有：

FLUX.1-Turbo-Alpha：加速生成，减少推理步数
Ghibsky Illustration：吉卜力动画风格
其他风格LoRA：根据你的创作需求选择

下载后放在models/loras/目录下即可。

4. 启动ComfyUI并运行FLUX.1-dev文生图

所有准备工作完成后，终于可以开始生成图片了！

4.1 启动ComfyUI

在ComfyUI根目录下执行：

python main.py

启动成功后，在浏览器中打开http://localhost:8188（默认端口）就能看到ComfyUI的界面了。

4.2 加载Nunchaku工作流

在ComfyUI界面中，点击"Load"按钮，选择我们之前复制的工作流文件。对于文生图，我推荐使用nunchaku-flux.1-dev.json。

这个工作流有几个特点：

支持多LoRA同时加载
预设了优化的参数配置
界面布局清晰，易于调整

Nunchaku FLUX.1-dev工作流界面

如果你看到节点显示为红色，说明缺少某些自定义节点。这时候可以通过ComfyUI-Manager来安装缺失的节点。

4.3 参数设置与图片生成

现在到了最有趣的部分——生成图片！

4.3.1 输入提示词

在"Prompt"节点中输入你的描述。FLUX模型对英文提示词支持更好，所以建议用英文描述：

好的例子：A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K, cinematic lighting
更好的例子：A majestic dragon perched on a mountain peak, detailed scales, glowing eyes, fantasy art, digital painting, trending on ArtStation

提示词输入区域

小技巧：描述越详细，生成的图片质量越好。可以包括主体、环境、风格、画质等元素。

4.3.2 调整生成参数

几个关键参数需要关注：

推理步数（Steps）：默认20-30步，步数越多细节越好，但生成时间越长
分辨率（Resolution）：1024x1024是标准尺寸，显存不足可以降低到768x768
CFG Scale：控制提示词权重，7-10是比较常用的范围
Sampler：推荐使用euler_ancestral或dpmpp_2m_sde

4.3.3 运行并查看结果

点击"Queue Prompt"按钮开始生成。第一次运行可能会比较慢，因为需要加载模型到显存。

生成过程中，你可以在右下角看到进度。完成后，图片会显示在预览区域。

生成结果预览

5. 效果展示：Nunchaku FLUX.1-dev能做什么？

说了这么多，这个模型到底能生成什么样的图片？我用几个实际案例来展示。

5.1 风景场景生成

提示词：A serene Japanese garden in autumn, maple trees with red leaves, koi pond, traditional wooden bridge, morning mist, photorealistic, 8K

生成效果：模型很好地捕捉了日式庭院的宁静感，枫叶的红色、池塘的倒影、晨雾的朦胧都表现得相当自然。细节方面，木桥的纹理、锦鲤的鳞片都很清晰。

5.2 人物肖像

提示词：Portrait of a wise old wizard with a long white beard, intricate robe with magical runes, holding a glowing crystal staff, fantasy art, highly detailed, digital painting

生成效果：巫师的面部表情很有深度，胡须的细节、袍子上的符文、法杖的水晶都处理得很好。光影效果自然，整体很有奇幻感。

5.3 概念设计

提示词：Futuristic cyberpunk cityscape, neon lights reflecting on wet streets, flying cars, towering skyscrapers, night scene, cinematic, Blade Runner style

生成效果：赛博朋克的氛围很到位，霓虹灯的色彩、湿漉漉的街道反光、飞行器的轨迹都很逼真。建筑的设计既有未来感又不失合理性。