Load Diffusion Model-node in ComfyUI
Load Diffusion Model (UNETLoader) laadt een kale denoising netwerk zoals Flux, SD3.5, Wan of HunyuanVideo uit models/diffusion_models, met een weight_dtype optie voor fp8 om VRAM te besparen.
Nodepakket: ComfyUI core
Categorie: Loaders
Wat Load Diffusion Model doet
Nieuwere modelseries worden niet als één alles-in-één checkpoint geleverd. Flux, SD3.5, Wan 2.x, HunyuanVideo, LTX en Qwen-Image komen als een losse transformer file plus aparte tekst encoders en een VAE. Load Diffusion Model laadt alleen die transformer en geeft een MODEL terug; de tekst encoders komen van DualCLIPLoader of Load CLIP en de VAE van Load VAE.
De weight_dtype optie bepaalt hoe de gewichten in het geheugen staan: standaard houdt de bestandsprecisie (bf16/fp16), terwijl fp8_e4m3fn en fp8_e5m2 de benodigde VRAM halveren met een kleine kwaliteitskost. fp8_e4m3fn_fast maakt snellere fp8 matrixberekeningen mogelijk op RTX 40 serie kaarten. GGUF-gequantiseerde bestanden hebben de aparte ComfyUI-GGUF loader nodig.
Invoer
Naam | Type | Wat het is |
|---|---|---|
unet_name | COMBO | Het modelfile uit models/diffusion_models (models/unet bij oudere installaties). |
weight_dtype | COMBO | default, fp8_e4m3fn, fp8_e4m3fn_fast of fp8_e5m2. De fp8 opties slaan de gewichten op in 8 bits om op kleinere kaarten te passen. |
Uitvoer
Naam | Type | Wat het is |
|---|---|---|
MODEL | MODEL | Het denoising netwerk, klaar voor LoRA loaders, ModelSamplingFlux, guidance nodes en KSampler. |
AD
Sla de installatie over: ComfyUI-workflows voorgeïnstalleerd in de cloud
BitVector draait kant-en-klare ComfyUI-workflows op eigen GPU's. Geen installatie, geen ontbrekende nodes, geen rode vakken. Open het op je telefoon of laptop en genereer binnen een minuut.
Zo gebruik je Load Diffusion Model
- Download het transformer bestand (bijvoorbeeld flux1-dev.safetensors) in models/diffusion_models.
- Download de tekst encoders in models/text_encoders (clip_l en t5xxl voor Flux) en de VAE in models/vae.
- Voeg Load Diffusion Model toe en kies het bestand; kies fp8_e4m3fn als je 12 GB VRAM of minder hebt.
- Voeg DualCLIPLoader toe voor de tekst encoders en Load VAE voor de VAE.
- Verbind MODEL met KSampler, CLIP met CLIP Text Encode, VAE met VAE Decode, en gebruik EmptySD3LatentImage voor de latent.
Instellingen en tips
- Flux Dev wil cfg 1.0 met Flux Guidance rond 3.5; de normale negatieve prompt werkt niet bij cfg 1.
- Als het bestand al een fp8 checkpoint is, laat weight_dtype dan op default; opnieuw converteren levert niks op.
- T5 kan ook in fp8 geladen worden (t5xxl_fp8_e4m3fn.safetensors) om nog eens 5 GB geheugen te besparen.
- Houd bf16 gewichten als je LoRAs fijn afstemt of traint; gebruik fp8 alleen voor generatie.
- De nodenaam was jaren UNETLoader; zoeken op "UNET" vindt hem nog steeds.
Problemen met Load Diffusion Model oplossen
FOUT: Kon modeltype niet detecteren
Waarom het gebeurt
Het bestand is geen diffusion transformer die ComfyUI herkent (bijvoorbeeld een volledige checkpoint, een LoRA of een GGUF bestand in de diffusion_models map).
Zo los je het op
Volledige checkpoints gaan via Load Checkpoint, LoRAs via Load LoRA en .gguf bestanden via de Unet Loader (GGUF) node uit het ComfyUI-GGUF pakket. Update ComfyUI als de modelfamilie nieuwer is dan je installatie.
Flux output is wazig of pure ruis
Waarom het gebeurt
De sampler instellingen komen uit een SD workflow: cfg boven 1 zonder Flux Guidance, een Empty Latent Image in plaats van EmptySD3LatentImage, of een verkeerde VAE (SDXL VAE met Flux).
Zo los je het op
Gebruik ae.safetensors als VAE, EmptySD3LatentImage, cfg 1.0, sampler euler met scheduler simple of beta, 20-28 stappen en een Flux Guidance node op 3.5.
torch.OutOfMemoryError bij het laden van een 24 GB Flux bestand
Waarom het gebeurt
Het bf16 bestand heeft ongeveer 24 GB VRAM nodig; de tekst encoder voegt 10 GB toe in fp16.
Zo los je het op
Zet weight_dtype op fp8_e4m3fn en laad t5xxl in fp8. Op 8 GB kaarten gebruik een GGUF Q4 of Q5 bestand met de GGUF loader en voeg --lowvram toe.
fp8_e4m3fn_fast is trager of geeft fouten op mijn GPU
Waarom het gebeurt
Het snelle pad heeft een RTX 40 serie (Ada) of nieuwere GPU en een recente PyTorch nodig; oudere kaarten vallen terug of geven fouten.
Zo los je het op
Kies fp8_e4m3fn zonder _fast op RTX 30 en oudere kaarten.
AD
Start deze workflow vanaf je telefoon
Elke workflow op deze pagina staat voorgeïnstalleerd op BitVector, met modellen en custom nodes al op hun plek. Kies er een, typ een prompt, klaar. Nul installatie, niets te downloaden.
Vragen over Load Diffusion Model
Waar zet ik het bestand, models/unet of models/diffusion_models?
Beide werken. diffusion_models is de huidige naam; unet blijft voor oude installaties en beide mappen worden gescand.
Laadt deze node de tekst encoder?
Nee. Gebruik hem samen met DualCLIPLoader (twee encoders, Flux en SD3) of Load CLIP (één encoder, Wan en Hunyuan).
Kan ik Load LoRA ermee gebruiken?
Ja. Load LoRA pakt het MODEL van deze node. Voor Flux LoRAs die alleen het model patchen, voorkomt LoraLoaderModelOnly dat je een CLIP input nodig hebt.
Verwante nodes
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) opent een .safetensors of .ckpt modelbestand en levert de drie onderdelen die elke workflow nodig heeft: het diffusion MODEL, de CLIP tekstencoder en de VAE.
DualCLIPLoader
ComfyUI core
DualCLIPLoader laadt twee tekstencoders tegelijk, bijvoorbeeld clip_l plus t5xxl voor Flux of clip_g plus t5xxl voor SD3, en geeft één CLIP-object voor de prompt nodes.
Load VAE
ComfyUI core
Load VAE (VAELoader) laadt een losse VAE-bestand uit models/vae zodat een checkpoint zonder of met een zwakke VAE schone kleuren decodeert, en zodat gesplitste modellen zoals Flux en Wan hun decoder krijgen.
EmptySD3LatentImage
ComfyUI core
EmptySD3LatentImage maakt de lege 16-kanaals latent aan die Flux, SD3 en SD3.5 nodig hebben; het vervangt Empty Latent Image in die workflows.
Flux Guidance
ComfyUI core
Flux Guidance (FluxGuidance) schrijft de guidance-waarde in de conditioning die Flux Dev verwacht, in plaats van cfg; 3.5 is de standaard en 2 tot 5 is het nuttige bereik.
AD
Nodes repareren beu? Laat de cloud het doen
BitVector houdt honderden ComfyUI-workflows geïnstalleerd, bijgewerkt en getest op snelle cloud-GPU's. Geen Python, geen CUDA-fouten, geen VRAM-limieten. Werkt in elke browser.
Meer ComfyUI-nodes
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode zet een tekstprompt om in CONDITIONING met de modeltekstencoder. Eén node bevat de positieve prompt, een tweede de negatieve prompt.
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager is de extensie die aangepaste node-pakketten en modellen installeert, bijwerkt en repareert vanuit de interface, ontbrekende nodes in geïmporteerde workflows oplost en je setup vastlegt.
KSampler
ComfyUI core
KSampler voert de denoising-lus uit: het neemt het model, prompts en een latent en maakt de afgewerkte latente afbeelding, gestuurd door seed, stappen, cfg, sampler, scheduler en denoise.
Save Image
ComfyUI core
Save Image schrijft de IMAGE tensor als een PNG naar ComfyUI/output, met de hele workflow ingebed in de bestandsmetadata zodat je de afbeelding weer terug kunt slepen in ComfyUI om de grafiek te herstellen.
VAE Decode
ComfyUI core
VAE Decode zet de gesamplede LATENT om in een pixel IMAGE met de VAE; VAE Decode (Tiled) doet hetzelfde in tegels voor heel grote afbeeldingen.
Empty Latent Image
ComfyUI core
Empty Latent Image maakt het lege latente canvas (breedte, hoogte, batch_size) waar de text-to-image sampling mee begint; de afmetingen moeten veelvouden van 8 zijn en passen bij de model familie.
Model
Trends
.ai
© ModelTrends.ai
|
Gemaakt in Japan
|
© 2026