Nunchaku FLUX.1-dev快速上手：nunchaku-flux.1-dev.json工作流详解
想用最新的FLUX.1-dev模型生成惊艳的图片，但觉得配置太复杂？别担心，今天我就带你一步步搞定它。
Nunchaku FLUX.1-dev是FLUX.1-dev模型的一个高效推理后端，专门为ComfyUI设计。简单说，它能让这个强大的文生图模型在你的电脑上跑得更快、更稳。而nunchaku-flux.1-dev.json这个工作流文件，就是一套现成的“配方”，帮你把模型、提示词、参数都连接好，让你点一下就能出图。
这篇文章，我会手把手教你从零开始，在ComfyUI里部署Nunchaku插件，配置好FLUX.1-dev模型，并运行这个强大的工作流。无论你是刚接触AI绘画的新手，还是想尝试新工具的老玩家，跟着做，10分钟就能看到效果。
1. 准备工作：检查你的“画室”
在开始“作画”前，得先确保你的“画室”（电脑环境）准备好了。主要看三样东西：显卡、软件和一个小工具。
显卡（最重要的画笔）：你需要一块NVIDIA的显卡，并且支持CUDA。FLUX.1-dev模型对显存要求不低：
- 理想情况：拥有24GB或以上显存的显卡（如RTX 4090），可以流畅运行标准版模型。
- 显存紧张：如果你的显卡显存较小（比如12GB或16GB），别担心，我们可以选择量化版本（如INT4或FP8）的模型，它们体积更小，对显存要求也低得多。
- 特殊显卡：如果你用的是最新的Blackwell架构显卡（如RTX 50系列），需要选择对应的FP4量化模型。
软件环境（画板与颜料）：
- Python：需要Python 3.10或更高版本。
- PyTorch：需要安装与你的系统和CUDA版本匹配的PyTorch（如2.7, 2.8, 2.9版本）。
- Git：用于从网上下载代码。
一个小工具（颜料管家）：我们需要huggingface_hub这个Python库来方便地下载模型。打开你的命令行（终端或CMD），输入以下命令安装：
pip install –upgrade huggingface_hub
好了，环境检查完毕，我们开始安装核心的“绘画工具”——Nunchaku插件。
2. 安装Nunchaku插件与后端
Nunchaku插件是连接ComfyUI和FLUX.1-dev模型的桥梁。安装分为两步：插件本身和它的计算核心（后端）。
2.1 安装ComfyUI-nunchaku插件
这里提供两种方法，选一个你觉得顺手的就行。
方法A：用Comfy-CLI一键安装（最简单） 如果你喜欢命令行，这个方法最省事。它会自动处理依赖和安装路径。
# 1. 安装ComfyUI的命令行工具
pip install comfy-cli
# 2. 安装ComfyUI（如果已经安装过，这步会跳过）
comfy install
# 3. 安装Nunchaku插件
comfy noderegistry-install ComfyUI-nunchaku
# 4. 将插件移动到ComfyUI的正确目录（通常需要手动移动）
# 假设你的ComfyUI安装在当前目录
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes
方法B：手动安装（更灵活） 如果你想更清楚地知道文件装在哪，或者已经有一个ComfyUI了，可以用这个方法。
# 1. 克隆ComfyUI仓库（如果还没安装）
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt
# 2. 进入自定义节点目录，克隆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
插件装好后，还需要安装它的“引擎”——Nunchaku后端。从v0.3.2版本开始，这个过程变得非常简单。确保你在ComfyUI的根目录下，然后：
插件和后端都就位了，接下来我们去准备今天的主角：FLUX.1-dev模型。
3. 配置工作流与下载模型
模型和工作流是出图的关键。我们先让ComfyUI认识Nunchaku的工作流，再把模型文件请到正确的位置。
3.1 配置Nunchaku示例工作流
Nunchaku插件自带了一些示例工作流文件（.json），我们需要把它们复制到ComfyUI能自动加载的目录里。
# 进入你的ComfyUI根目录
cd /path/to/your/ComfyUI
# 创建（如果不存在）并进入用户工作流目录
mkdir -p user/default/example_workflows
# 复制Nunchaku插件自带的工作流文件
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/
完成这步后，重启ComfyUI，你就能在网页端的“加载”按钮菜单里，快速找到这些示例工作流了。
3.2 下载模型文件
FLUX.1-dev模型需要几个组成部分一起工作。我们需要下载两类模型：
第一类：基础FLUX模型（必装） 这是FLUX系列模型的通用组件，包括理解你文字描述的“文本编码器”和最终解码出图片的“VAE”模型。
# 下载文本编码器模型，放到 models/text_encoders/ 目录
# CLIP模型，用于理解常见的视觉概念
hf download comfyanonymous/flux_text_encoders clip_l.safetensors –local-dir models/text_encoders
# T5模型，用于理解更复杂、更长的文本描述
hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors –local-dir models/text_encoders
# 下载VAE模型，放到 models/vae/ 目录
# 负责将模型内部的数学表示“解码”成我们能看到的图片
hf download black-forest-labs/FLUX.1-schnell ae.safetensors –local-dir models/vae
提示：hf 命令是 huggingface-cli 的简写。如果提示命令未找到，可以先用 pip install huggingface-hub 安装完整的客户端，或者使用 huggingface-cli download 替代 hf download。
第二类：Nunchaku FLUX.1-dev主模型（核心） 这才是生成图片的“大脑”。根据你的显卡情况，选择对应的量化版本下载：
- 大多数NVIDIA显卡（如RTX 30/40系列）：推荐使用INT4量化版，在效果和显存占用上取得平衡。
- Blackwell架构新显卡（如RTX 50系列）：需要使用FP4量化版。
- 显存非常紧张：可以考虑FP8量化版，它比INT4版稍大，但比原版小很多。
这里以最常用的INT4版本为例：
# 下载INT4量化的FLUX.1-dev主模型，放到 models/unet/ 目录
# 注意模型名称中的‘svdq-int4_r32’指明了它是INT4量化版本
hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors –local-dir models/unet/
可选：LoRA模型（风格调料） LoRA像是模型的“风格滤镜”或“技能包”，可以微调生成结果。比如：
- FLUX.1-Turbo-Alpha：可以显著加快生成速度。
- Ghibsky Illustration：可以让图片带有吉卜力动画的风格。 你可以从Hugging Face或ModelScope上搜索下载喜欢的LoRA，然后放入 models/loras/ 目录。
万事俱备，只欠“运行”。让我们启动ComfyUI，开始创作吧！
4. 运行FLUX.1-dev文生图工作流
4.1 启动ComfyUI并加载工作流
加载成功后，你会看到一个已经连接好各种节点的流程图，这就是我们的“绘画生产线”。
4.2 设置参数并生成图片
工作流加载后，我们需要告诉它“画什么”和“怎么画”。
输入提示词：在工作流中找到标有“Prompt”的文本输入框。FLUX模型对英文提示词的理解通常更好。试着输入一段描述，比如： A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K （一个美丽的山水风景，超高清，写实风格，8K分辨率）
调整关键参数（可选）：
- 推理步数 (Steps)：控制生成过程的精细度。步数越多，细节可能越好，但时间也越长。如果关闭了FLUX.1-Turbo-Alpha这个LoRA，建议至少设置20步。
- 分辨率：默认可能是1024×1024。如果显存不足，可以尝试降低到768×768或512×512。
- LoRA权重：如果你加载了LoRA，可以在这里调整它的影响强度，通常从0.5到1.0之间尝试。
- 采样器 (Sampler)：工作流通常已配置好，如dpmpp_2m或euler，保持默认即可。
点击生成：检查所有设置无误后，点击界面上的“运行”或“Queue Prompt”按钮。稍等片刻（时间取决于你的显卡和步数），生成的图片就会出现在右侧的预览窗口了！
5. 总结与关键提醒
走完这一套流程，你应该已经成功用Nunchaku FLUX.1-dev生成了第一张图片。整个过程的核心就是：装插件 -> 下模型 -> 用工作流。
最后，再强调几个容易出问题的地方，帮你避坑：
模型别放错地方：这是最常见的问题。务必记住：
- FLUX.1-dev主模型（.safetensors）放在 models/unet/
- LoRA模型放在 models/loras/
- 文本编码器（CLIP, T5）放在 models/text_encoders/
- VAE模型放在 models/vae/
显存不够怎么办：优先选择INT4或FP8的量化版模型。如果还不行，在生成时降低图片分辨率（如从1024降到768）和批处理大小（Batch Size）。
工作流节点报错：如果加载nunchaku-flux.1-dev.json时提示缺少节点，大概率是某个自定义节点没装。可以通过ComfyUI Manager（如果你安装了）搜索安装缺失的节点，或者根据错误提示手动安装对应的节点。
图片质量与速度：FLUX.1-Turbo-Alpha LoRA能大幅提升生成速度，但如果你关闭了它，务必把推理步数调到20以上，否则生成的图片质量会大打折扣。
现在，你可以尽情探索不同的提示词，尝试加载各种LoRA，创造出属于你自己的独特作品了。Happy Generating!
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。
