到這一篇，事情終於從「理論上懂」進入「手會不會抖」的階段。

因為你前面就算已經知道要選 SDXL、Flux、或 HiDream，真正開始下載模型後，通常還是會被資料夾名字和一堆名詞打成一團：

  • checkpoints 是什麼？
  • clip 跟 clip_l 是什麼？
  • vae 是什麼？
  • loras 又是什麼？
  • Flux 為什麼還要 T5XXL？
  • GGUF 是什麼？為什麼又要 custom node？
  • FP8 checkpoint 是什麼？是不是裝了就比較省？
  • 為什麼 workflow 一打開就滿地紅節點？

這篇的目標，就是把這一整坨整理成真的可以照著裝的版本。

先講一句最重要的：

ComfyUI 本身很小，真正胖的是模型。 你安裝程式本體時可能還覺得一切歲月靜好，開始抓 checkpoint、VAE、LoRA、文字編碼器之後，硬碟和記憶體才會正式開始跟你談判。

先把四個最常見的資料夾搞懂

ComfyUI 官方文件講得很清楚，模型檔通常都放在 ComfyUI/models/ 底下，然後依類型分資料夾。新手最常碰到的幾個就是：

  • models/checkpoints/
  • models/clip/
  • models/loras/
  • models/vae/

如果你記不住太多東西，先記這句就好：

checkpoint 是主菜，clip 是看 prompt 的，vae 是負責影像編解碼的，lora 是拿來加風味的。

checkpoints 是什麼？

checkpoint 可以想成整顆主要模型的重量包。
像 SD 1.5、SDXL、某些社群微調模型，很多時候你下載到的一顆 .safetensors 檔，放進 models/checkpoints/，再用 CheckpointLoaderSimple 載入，就可以開始出圖。

clip / clip_l 是什麼？

CLIP 是文字編碼器。
它的工作不是直接畫圖，而是把你的 prompt 轉成模型能理解的表示。
在很多 Stable Diffusion 系統裡，你不太會特別感覺到它存在，因為它常被包在 checkpoint 裡。

但到一些比較新的 workflow，尤其 Flux 這類比較重的系統，你會明顯看到：

  • clip_l
  • t5xxl
  • 不同的 text encoder node

vae 是什麼？

VAE 是 Variational Autoencoder。
你可以把它想成影像的編碼 / 解碼器，負責把模型內部的 latent 表示轉成你最後看到的圖片。

loras 是什麼？

LoRA 是一種很常見的微調權重格式。
它的定位不是把整顆模型換掉，而是像在主模型上再掛一個比較小的風格模組。

一張表先看：這些東西到底放哪裡

類型主要作用常見副檔名通常放哪裡常見對應節點
checkpoint主模型本體.safetensorsmodels/checkpoints/CheckpointLoaderSimple
clip / clip_l文字編碼器.safetensorsmodels/clip/CLIP Loader、各類 text encoder 節點
T5XXL大型文字編碼器.safetensors、GGUF 量化檔models/clip/ 或相應 GGUF 路徑T5 / dual text encoder 類節點
vae影像編解碼.safetensorsmodels/vae/VAE Loader
lora微調風格權重.safetensorsmodels/loras/Load LoRA
unet / diffusion model生成核心模組.safetensors、GGUF 等依 workflow 而定，常見 models/unet/專用 loader、GGUF loader
custom node額外功能節點資料夾 / Python 套件custom_nodes/不是模型，是擴充功能

模型安裝的基本 SOP

步驟 1：先確認你下載的是什麼類型

不要一看到 .safetensors 就以為全部都丟到 checkpoints/。

同樣是 .safetensors，它可能是：

  • checkpoint
  • VAE
  • LoRA
  • CLIP
  • UNet
  • T5XXL

步驟 2：看模型頁面或 workflow 說明

最準的來源通常是：

  • 官方模型頁
  • ComfyUI template / workflow 範例
  • workflow 作者的 readme

步驟 3：放到正確資料夾

最常見的就是：

  • checkpoint → models/checkpoints/
  • VAE → models/vae/
  • LoRA → models/loras/
  • CLIP / T5 → models/clip/

步驟 4：重開或 refresh ComfyUI

有些情況下 ComfyUI 會自動抓到新模型，有些時候重開比較乾脆。

步驟 5：先用官方或簡單 workflow 驗證

ComfyUI 官方 troubleshooting 也建議，新模型先從 template workflow 或官方範例開始，不要一開始就拿來套最魔改的工作流。

為什麼有些模型只要一顆 checkpoint，有些卻像在組機？

SD 1.5 / SDXL 類

你常常會遇到這種比較單純的情境：

  • 一顆 checkpoint
  • 視情況補一顆 VAE
  • 視情況再掛 LoRA

Flux / HiDream 類

這種比較新的重型 workflow，常常不只是主模型本體，還會牽涉：

  • 額外文字編碼器
  • T5XXL
  • CLIP
  • UNet / diffusion model 分件
  • GGUF 量化版本
  • 專用 loader node
  • custom node

LCM 是什麼加速技術？LCM Adapter 又是什麼？

LCM 全名是 Latent Consistency Model。
但在 ComfyUI 實際安裝和使用時，很多人碰到的是 LCM LoRA / LCM Adapter。

它的概念是：

  • 你本來有一顆 SDXL 或 SD 1.5
  • 你再掛上一個 LCM adapter
  • 讓這顆模型可以用更少步數出圖

為什麼需要 LCM Adapter？

因為它不是在取代 base model，而是在幫 base model 開啟低步數快車道。

Hugging Face 是什麼？為什麼大家最後都會去那裡？

很簡單，它基本上就是模型世界的超大型倉庫與交換站。

你會看到大家常去 Hugging Face，不是因為它看起來最潮，而是因為它通常有：

  • 官方模型卡
  • 檔案列表
  • licence
  • 使用說明
  • discussion
  • 有些模型還會標 gated access

Flux 為什麼這麼常踩坑？

因為它不是只有一顆模型大，而是整套流程都比較重。

最常見的坑通常是這些：

  1. 你缺 loader node
  2. 你缺 custom node
  3. 你下載的是 GGUF，但 workflow 用的是普通 loader
  4. 你下載的是 safetensors，但 workflow 期待的是量化版本
  5. 你缺 T5XXL 或 CLIP
  6. 模型放錯資料夾
  7. workflow 裡用的 scheduler / sampler 跟版本不合

Loader node 是什麼？

就是專門負責把某類模型檔載進來的節點。

custom node 是什麼？

custom node 不是模型，是功能擴充包。
它通常是一個安裝到 custom_nodes/ 的額外節點套件。

GGUF 是什麼？為什麼會冒出來？

GGUF 這個格式原本很多人是從 LLM 圈先認識的，它是 llama.cpp 生態裡很常見的量化格式。後來也有人把它拿來做影像模型某些部分的量化與載入支援。

它的吸引力很簡單：

  • 想把模型壓小一點
  • 想讓比較大的模型變得更容易塞進本地機器
  • 想減少記憶體壓力

但代價也很真實：

  • 你常常需要額外的 loader node
  • 相容性沒有內建 checkpoint 那麼無腦
  • workflow 比較容易多出一層複雜度

為什麼需要額外的 Loader node 或 custom node？

因為 ComfyUI 內建節點不一定認得這種量化格式。
像 city96/ComfyUI-GGUF 這個專案，就是為了讓 ComfyUI 支援 GGUF 格式的模型檔。

為什麼有人又會把 GGUF 轉回 safetensors？

通常是為了：

  • 相容性
  • 流程單純
  • 減少 custom node 依賴

safetensors 是什麼？為什麼大家一直推？

safetensors 是 Hugging Face 推動的一種權重格式。
它最大的賣點很簡單：

  • 載入速度通常不差
  • 結構清楚
  • 不像 pickle 那類格式一樣帶有任意執行程式碼的風險

這也是為什麼現在只要有得選，我通常都會建議先拿 safetensors。

UNet 是什麼？為什麼有些模型會要求你把它放到 models/unet/？

在很多 diffusion 模型裡，UNet 是負責主要去噪生成的核心網路之一。
有些 ComfyUI workflow 不把整顆模型包成單一 checkpoint，而是把不同部分拆開。

這時你就可能看到：

  • UNet 單獨放
  • CLIP 單獨放
  • VAE 單獨放

T5XXL 是什麼？為什麼 Flux 會需要它？

T5XXL 本質上是大型文字編碼器。
在 Flux 這類 workflow 裡，它不是拿來直接生圖，而是負責更完整地吃 prompt、理解文字，再把資訊丟給後面的生成系統。

哪裡下載？

常見來源會是 Google 的 t5-v1_1-xxl，或 ComfyUI 社群整理過、適配 workflow 的版本與量化版。
原始 Hugging Face repo 上，完整 t5-v1_1-xxl 權重非常大，model.safetensors 就到 44.5GB。

Q4 / Q5 差別是什麼？

如果你抓的是 GGUF 量化版，常見會看到：

  • Q4
  • Q5

大方向很簡單：

  • Q4：比較省資源
  • Q5：通常保留多一點品質，但更重

CLIP 文字編碼器模型是什麼？為什麼需要它？

CLIP 的核心用途是把文字與影像放在同一個語意空間裡。
對生成模型來說，它就是 prompt 進圖像系統之前的一個關鍵翻譯層。

有 OOM 風險嗎？

單獨一顆 CLIP 通常還好，但當它和大顆 T5XXL、Flux 主模型、MPS、其他中間張量一起工作時，總體資源壓力就會開始往上疊。

OOM 就是 out of memory。
在 Apple Silicon 上它不一定每次都會漂亮地跳一個視窗。有時是：

  • 變超慢
  • ComfyUI 卡住
  • 某個步驟失敗
  • 程式直接被系統收掉

Apple Silicon 的熱管理與 throttling 會怎樣？

蘋果晶片的熱管理通常比很多人想像中穩，會透過功耗控制與降頻來保護系統。

LoRA 是什麼？為什麼需要 LoRA？

LoRA 是低秩微調權重。
講白話一點，它讓你不用整顆重訓模型，就能往特定風格、角色或效果推一把。

為什麼常看到 RealisticVision？

因為很多人要的不是「模型能生出一張臉」，而是「皮膚、光線、鏡頭味、材質看起來比較像照片」。

為什麼 SDXL LCM 自己有時候不夠寫實？

不是因為它沒能力，而是因為：

  • 它的重點本來就在速度
  • 低步數本來就容易損失細節
  • 沒有額外寫實微調時，膚質、光影、材質容易顯得太滑

clip_l 是什麼？去哪裡下載？

clip_l 一般指的是 CLIP-L / ViT-L 級別的文字編碼器資產。
在某些 workflow，尤其 Flux 相關流程裡，會明確要求它。

最常見的來源會是：

  • OpenAI 的 CLIP ViT-L/14 相關 Hugging Face repo
  • ComfyUI 社群整理過的 workflow 打包版本

VAE 是什麼？去哪裡下載？

VAE 前面有提到，它負責影像編碼 / 解碼。
像在 SDXL 與一些社群 workflow 中，常會指定特定 VAE，例如 ae.safetensors 之類的檔案。

來源通常會是：

  • 官方模型 repo
  • workflow 指定的 release
  • ComfyUI 社群整理包

KSampler 是什麼？Flux2Scheduler 又是什麼？

KSampler 是什麼？

KSampler 是 ComfyUI 裡很核心的一個採樣節點。
簡單說，它負責「怎麼從雜訊一步一步走到圖像」。

Flux2Scheduler 是什麼？

這通常是 Flux 類 workflow 裡，專門搭配 Flux 模型族的 scheduler / 時序安排節點。

sigma 對接是什麼？為什麼會出 bug？

你可以把 sigma 理解成去噪過程裡的一套數值節奏。
不同的 sampler、scheduler、模型實作如果沒有對齊，就很容易出現：

  • 結果怪異
  • 直接錯誤
  • workflow 表面能跑，結果卻很怪

為什麼 GGUF + MPS 容易冒出這種 bug？

這個組合的麻煩通常不是單一點，而是多重交會：

  • GGUF 本身是量化路徑
  • MPS 是 Apple 的 GPU backend
  • custom node 可能有自己的張量處理方式
  • Flux 類 workflow 的 scheduler 又比較敏感

為什麼有人會改用 FP8 checkpoint？CheckpointLoaderSimple 又為什麼能取代 GGUF workflow？

FP8 版本的 Flux checkpoint 是什麼？

簡單說，就是把模型權重量化到 FP8 精度的 checkpoint。
目的通常是：

  • 降低資源壓力
  • 讓大模型更容易在本地跑

但要注意，FP8 不等於模型突然變得很小巧。
以社群常見的 Flux FP8 檔來看，仍然可能是 10GB 到 17GB 這個級別。

CheckpointLoaderSimple 是什麼？

它是 ComfyUI 內建的 checkpoint 載入節點。
如果你拿到的是一顆 ComfyUI 能直接認得的 checkpoint 格式，而且相關文字編碼器 / VAE 搭配得上，那你就有機會走比較單純的路。

為什麼它有時能取代 GGUF workflow？

因為 GGUF workflow 的複雜度，常常來自：

  • 額外量化格式
  • 額外 loader
  • 額外 custom node

如果你拿到的是整理好的 FP8 checkpoint，整條路徑有時候就會單純很多。

這篇最後，給新手一套最實用的安裝順序

路線 A：SDXL / SD 1.5 新手穩定版

  1. 先裝 checkpoint
  2. 再補 VAE（如果 workflow 需要）
  3. 再裝 LoRA
  4. 先用簡單 workflow 驗證
  5. 最後才碰 LCM Adapter

路線 B：Flux 類 workflow

  1. 先確認 workflow 要哪一版主模型
  2. 再確認是否需要 clip_l、t5xxl、VAE
  3. 再確認是 safetensors 還是 GGUF 路線
  4. 如果是 GGUF，先裝 custom node / loader
  5. 全部檔案放對資料夾後，再開 workflow
  6. 如果滿地紅，先檢查缺的是節點還是模型，不要先怪人生

一句話收掉這篇

在 ComfyUI 裡，模型安裝最難的不是下載，而是分清楚每個檔案在整套 workflow 裡到底扮演什麼角色。

Image Asset Plan

  1. filename: comfyui-model-file-structure.svg purpose: 把 checkpoints、clip、loras、vae、unet、custom_nodes 的關係畫成一張很容易懂的圖 placement: 放在「一張表先看：這些東西到底放哪裡」後 alt: ComfyUI 常見模型資料夾與檔案類型示意圖 prompt: Create a clean blog-friendly SVG diagram showing the ComfyUI model folder structure. Include models/checkpoints, models/clip, models/loras, models/vae, models/unet, and custom_nodes. Show what each folder is for with concise English labels, rounded rectangles, soft colours, and clear arrows from file type to loader node.

  2. filename: flux-workflow-assets-map.svg purpose: 解釋 Flux workflow 為什麼會需要主模型、CLIP、T5XXL、VAE、GGUF loader 與 custom nodes placement: 放在「Flux 為什麼這麼常踩坑？」段落後 alt: Flux workflow 在 ComfyUI 中常見的模型與節點依賴圖 prompt: Create a clean blog-friendly SVG architecture diagram for a Flux workflow in ComfyUI. Show the main model, CLIP, T5XXL, VAE, optional GGUF file, custom node / loader dependency, and KSampler / scheduler path. Keep it clean, minimal, and suitable for a technical blog.