Model
Trends
.ai
Model
Trends
.ai
最好的开源 AI 模型

ComfyUI 中的 Load Diffusion Model 节点

Load Diffusion Model (UNETLoader) 从 models/diffusion_models 加载一个基础的去噪网络，比如 Flux、SD3.5、Wan 或 HunyuanVideo，支持 weight_dtype 选项为 fp8 以节省显存。
节点包:ComfyUI core
分类:加载器

Load Diffusion Model 的作用

新一代模型家族不再以单一的全合一检查点形式发布。Flux、SD3.5、Wan 2.x、HunyuanVideo、LTX 和 Qwen-Image 都是以独立的 transformer 文件加上分开的文本编码器和 VAE 形式提供。Load Diffusion Model 只加载那个 transformer 并输出一个 MODEL；文本编码器由 DualCLIPLoader 或 Load CLIP 提供，VAE 由 Load VAE 提供。
weight_dtype 选项决定权重在内存中的存储方式：默认保持文件精度（bf16/fp16），而 fp8_e4m3fn 和 fp8_e5m2 则用 8 位存储，显存需求减半，代价是画质略有损失。fp8_e4m3fn_fast 在 RTX 40 系列显卡上支持更快的 fp8 矩阵运算。GGUF 量化文件需要用单独的 ComfyUI-GGUF 加载器。

输入

名称
类型
含义
unet_name
COMBO
来自 models/diffusion_models 的模型文件（旧版本安装在 models/unet）。
weight_dtype
COMBO
default、fp8_e4m3fn、fp8_e4m3fn_fast 或 fp8_e5m2。fp8 选项用 8 位存储权重，适合显存较小的显卡。

输出

名称
类型
含义
MODEL
MODEL
去噪网络，准备好给 LoRA 加载器、ModelSamplingFlux、引导节点和 KSampler 使用。
AD
跳过安装:云端预装的 ComfyUI 工作流
BitVector 在自家 GPU 上运行现成的 ComfyUI 工作流。无需安装,没有缺失节点,没有红框。用手机或笔记本打开,一分钟出图。

如何使用 Load Diffusion Model

  1. 把 transformer 文件（比如 flux1-dev.safetensors）下载到 models/diffusion_models。
  2. 把文本编码器下载到 models/text_encoders（Flux 用 clip_l 和 t5xxl），把 VAE 下载到 models/vae。
  3. 添加 Load Diffusion Model 节点并选择文件；如果显存是 12 GB 或更少，选 fp8_e4m3fn。
  4. 添加 DualCLIPLoader 加载文本编码器，添加 Load VAE 加载 VAE。
  5. 把 MODEL 接到 KSampler，CLIP 接到 CLIP Text Encode，VAE 接到 VAE Decode，潜变量用 EmptySD3LatentImage。

设置与技巧

  • Flux 开发版推荐 cfg 1.0，Flux Guidance 设在 3.5 左右；cfg 1 时普通负面提示不起作用。
  • 如果文件本身就是 fp8 检查点，weight_dtype 保持默认就行，重复转换没用。
  • T5 也能用 fp8 加载（t5xxl_fp8_e4m3fn.safetensors），能再省 5 GB 显存。
  • 微调或训练 LoRA 时保持 bf16 权重，生成时才用 fp8。
  • 这个节点名字用了好几年是 UNETLoader，搜“UNET”还能找到它。

Load Diffusion Model 故障排查

错误：无法检测模型类型

原因
文件不是 ComfyUI 识别的扩散 transformer（比如放错了完整检查点、LoRA 或 GGUF 文件到 diffusion_models 文件夹）。

修复方法
完整检查点用 Load Checkpoint，LoRA 用 Load LoRA，.gguf 文件用 ComfyUI-GGUF 包里的 Unet Loader (GGUF) 节点。如果模型家族比你安装的 ComfyUI 新，更新 ComfyUI。

Flux 输出模糊或纯噪声

原因
采样器设置来自 SD 工作流：cfg 高于 1 但没用 Flux Guidance，潜变量用的是 Empty Latent Image 而不是 EmptySD3LatentImage，或者用了错误的 VAE（Flux 用 SDXL VAE）。

修复方法
用 ae.safetensors 作为 VAE，EmptySD3LatentImage，cfg 1.0，采样器选 euler，调度器用 simple 或 beta，步数 20-28，Flux Guidance 设 3.5。

加载 24 GB Flux 文件时出现 torch.OutOfMemoryError

原因
bf16 文件本身就需要大约 24 GB 显存，文本编码器用 fp16 还要加 10 GB。

修复方法
把 weight_dtype 改成 fp8_e4m3fn，t5xxl 也用 fp8 加载。8 GB 显卡用 GGUF Q4 或 Q5 文件配合 GGUF 加载器，并加上 --lowvram 参数。

fp8_e4m3fn_fast 在我的显卡上更慢或报错

原因
快速路径需要 RTX 40 系列（Ada）或更新的 GPU 和新版 PyTorch，老显卡会降级或报错。

修复方法
RTX 30 或更老显卡选 fp8_e4m3fn，不要带 _fast。

AD
在手机上运行这个工作流
本页的每个工作流都已预装在 BitVector 上,模型和自定义节点一应俱全。选一个,输入提示词,完成。零配置,无需下载。

关于 Load Diffusion Model 的问题

文件放 models/unet 还是 models/diffusion_models？

两个都行。diffusion_models 是现在的名字，unet 是旧版本保留的，两个文件夹都会被扫描。

这个节点会加载文本编码器吗？

不会。要配合 DualCLIPLoader（两个编码器，Flux 和 SD3）或 Load CLIP（一个编码器，Wan 和 Hunyuan）一起用。

能和 Load LoRA 一起用吗？

能。Load LoRA 接这个节点的 MODEL。Flux LoRA 只改模型时，LoraLoaderModelOnly 可以避免需要 CLIP 输入。

相关节点

Load Checkpoint
ComfyUI core
Load Checkpoint（CheckpointLoaderSimple）打开一个 .safetensors 或 .ckpt 模型文件，并输出每个工作流程都需要的三个部分：扩散模型 MODEL、CLIP 文本编码器和 VAE。
DualCLIPLoader
ComfyUI core
DualCLIPLoader 一次加载两个文本编码器，比如 Flux 用的 clip_l 加 t5xxl，或者 SD3 用的 clip_g 加 t5xxl，然后输出一个 CLIP 对象给提示节点用。
Load VAE
ComfyUI core
Load VAE（VAELoader）从 models/vae 加载一个独立的 VAE 文件，这样即使检查点缺少或 VAE 很弱，也能解码出干净的颜色，同时像 Flux 和 Wan 这样的拆分模型也能获得它们的解码器。
EmptySD3LatentImage
ComfyUI core
EmptySD3LatentImage 创建 Flux、SD3 和 SD3.5 需要的16通道空潜变量；它替代了这些工作流中的 Empty Latent Image。
Flux Guidance
ComfyUI core
Flux Guidance（FluxGuidance）把指导值写进Flux Dev模型预期的conditioning里，替代了cfg；默认是3.5，有用的范围是2到5。
AD
修节点修累了?交给云端
BitVector 在高速云 GPU 上维护着数百个 ComfyUI 工作流,已安装、已更新、已测试。没有 Python,没有 CUDA 报错,没有显存限制。任何浏览器都能用。

更多 ComfyUI 节点

CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode 用模型文本编码器把文本提示转换成 CONDITIONING。一个节点放正面提示，另一个放负面提示。
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager 是一个扩展，可以在界面内安装、更新和修复自定义节点包和模型，解决导入工作流时缺失的节点问题，并且可以快照你的设置。
KSampler
ComfyUI core
KSampler 运行去噪循环：它接收模型、提示词和潜变量，生成最终的潜变量图像，受种子、步数、cfg、采样器、调度器和去噪程度控制。
Save Image
ComfyUI core
Save Image 会把 IMAGE 张量保存成 PNG 文件到 ComfyUI/output 文件夹，文件里还会嵌入整个工作流程的元数据，这样你以后可以把图片拖回 ComfyUI，恢复整个图。
VAE Decode
ComfyUI core
VAE Decode 使用 VAE 将采样得到的 LATENT 转换成像素 IMAGE；VAE Decode (Tiled) 则是对非常大的图片进行分块处理，效果相同。
Empty Latent Image
ComfyUI core
Empty Latent Image 创建一个空白的潜在画布（宽度、高度、批量大小），文本到图像采样就是从这里开始的；尺寸必须是8的倍数，并且要和模型家族匹配。