Model
Trends
.ai
Model
Trends
.ai
os melhores modelos de IA de código aberto

Nó Load Diffusion Model no ComfyUI

Load Diffusion Model (UNETLoader) carrega uma rede de denoising básica como Flux, SD3.5, Wan ou HunyuanVideo de models/diffusion_models, com uma opção weight_dtype para fp8 que ajuda a economizar VRAM.
Pacote de nós: ComfyUI core
Categoria: Carregadores

O que Load Diffusion Model faz

Modelos mais novos não vêm como um checkpoint único. Flux, SD3.5, Wan 2.x, HunyuanVideo, LTX e Qwen-Image vêm com um arquivo transformer separado, além dos codificadores de texto e um VAE separados. Load Diffusion Model carrega só esse transformer e gera um MODEL; os codificadores de texto vêm do DualCLIPLoader ou Load CLIP e o VAE do Load VAE.
A opção weight_dtype decide como os pesos ficam na memória: o padrão mantém a precisão do arquivo (bf16/fp16), enquanto fp8_e4m3fn e fp8_e5m2 cortam pela metade a VRAM usada, com uma pequena perda de qualidade. fp8_e4m3fn_fast ativa matemática fp8 mais rápida em placas RTX 40. Arquivos quantizados GGUF precisam do loader ComfyUI-GGUF separado.

Entradas

Nome
Tipo
O que é
unet_name
COMBO
O arquivo do modelo em models/diffusion_models (models/unet em instalações antigas).
weight_dtype
COMBO
default, fp8_e4m3fn, fp8_e4m3fn_fast ou fp8_e5m2. Opções fp8 guardam os pesos em 8 bits para caber em placas menores.

Saídas

Nome
Tipo
O que é
MODEL
MODEL
A rede de denoising, pronta para loaders LoRA, ModelSamplingFlux, nós de orientação e KSampler.
AD
Pule a instalação: workflows do ComfyUI pré-instalados na nuvem
O BitVector executa workflows prontos do ComfyUI em suas próprias GPUs. Sem instalação, sem nós faltando, sem caixas vermelhas. Abra no celular ou no notebook e gere em um minuto.

Como usar Load Diffusion Model

  1. Baixe o arquivo transformer (por exemplo flux1-dev.safetensors) para models/diffusion_models.
  2. Baixe os codificadores de texto para models/text_encoders (clip_l e t5xxl para Flux) e o VAE para models/vae.
  3. Adicione Load Diffusion Model e escolha o arquivo; selecione fp8_e4m3fn se tiver 12 GB de VRAM ou menos.
  4. Adicione DualCLIPLoader para os codificadores de texto e Load VAE para o VAE.
  5. Conecte MODEL ao KSampler, CLIP ao CLIP Text Encode, VAE ao VAE Decode e use EmptySD3LatentImage para o latente.

Configurações e dicas

  • Flux Dev quer cfg 1.0 com Flux Guidance por volta de 3.5; o prompt negativo normal não funciona no cfg 1.
  • Se o arquivo já é um checkpoint fp8, deixe weight_dtype no padrão; converter de novo não ajuda.
  • T5 também pode ser carregado em fp8 (t5xxl_fp8_e4m3fn.safetensors) para economizar mais 5 GB de memória.
  • Mantenha pesos bf16 quando for fazer fine-tune ou treinar LoRAs; use fp8 só para geração.
  • O nome do nó foi UNETLoader por anos; buscar "UNET" ainda acha ele.

Solução de problemas de Load Diffusion Model

ERRO: Não foi possível detectar o tipo do modelo

Por que acontece
O arquivo não é um transformer de difusão que o ComfyUI reconhece (por exemplo, um checkpoint completo, um LoRA ou um arquivo GGUF colocado na pasta diffusion_models).

Como corrigir
Checkpoints completos vão pelo Load Checkpoint, LoRAs pelo Load LoRA e arquivos .gguf pelo nó Unet Loader (GGUF) do pacote ComfyUI-GGUF. Atualize o ComfyUI se a família do modelo for mais nova que sua instalação.

Saída do Flux fica borrada ou só ruído

Por que acontece
As configurações do sampler vêm de um fluxo SD: cfg acima de 1 sem Flux Guidance, um Empty Latent Image em vez de EmptySD3LatentImage, ou um VAE errado (VAE SDXL com Flux).

Como corrigir
Use ae.safetensors como VAE, EmptySD3LatentImage, cfg 1.0, sampler euler com scheduler simple ou beta, 20-28 passos e um nó Flux Guidance em 3.5.

torch.OutOfMemoryError ao carregar arquivo Flux de 24 GB

Por que acontece
O arquivo bf16 precisa de cerca de 24 GB de VRAM só ele; o codificador de texto adiciona 10 GB em fp16.

Como corrigir
Mude weight_dtype para fp8_e4m3fn e carregue o t5xxl em fp8. Em placas de 8 GB use um arquivo GGUF Q4 ou Q5 com o loader GGUF e adicione --lowvram.

fp8_e4m3fn_fast é mais lento ou dá erro na minha GPU

Por que acontece
O caminho rápido precisa de uma GPU RTX 40 series (Ada) ou mais nova e PyTorch recente; placas antigas caem para o modo normal ou falham.

Como corrigir
Escolha fp8_e4m3fn sem _fast em placas RTX 30 e anteriores.

AD
Execute este workflow pelo celular
Todos os workflows desta página já estão pré-instalados no BitVector, com modelos e nós personalizados no lugar. Escolha um, digite um prompt, pronto. Zero configuração, nada para baixar.

Perguntas sobre Load Diffusion Model

Onde coloco o arquivo, models/unet ou models/diffusion_models?

Os dois funcionam. diffusion_models é o nome atual; unet fica para instalações antigas e as duas pastas são escaneadas.

Esse nó carrega o codificador de texto?

Não. Use junto com DualCLIPLoader (dois codificadores, Flux e SD3) ou Load CLIP (um codificador, Wan e Hunyuan).

Posso usar Load LoRA com ele?

Sim. Load LoRA usa o MODEL desse nó. Para LoRAs Flux que só mexem no modelo, LoraLoaderModelOnly evita precisar de entrada CLIP.

Nós relacionados

Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) abre um arquivo de modelo .safetensors ou .ckpt e entrega as três partes que todo fluxo de trabalho precisa: o MODEL de difusão, o codificador de texto CLIP e o VAE.
DualCLIPLoader
ComfyUI core
DualCLIPLoader carrega dois codificadores de texto ao mesmo tempo, por exemplo clip_l mais t5xxl para Flux ou clip_g mais t5xxl para SD3, e gera um único objeto CLIP para os nós de prompt.
Load VAE
ComfyUI core
Load VAE (VAELoader) carrega um arquivo VAE independente da pasta models/vae para que um checkpoint com VAE ausente ou fraco decodifique cores limpas, e para que modelos divididos como Flux e Wan obtenham seu decodificador.
EmptySD3LatentImage
ComfyUI core
EmptySD3LatentImage cria o latent vazio de 16 canais que Flux, SD3 e SD3.5 precisam; ele substitui o Empty Latent Image nesses fluxos de trabalho.
Flux Guidance
ComfyUI core
Flux Guidance (FluxGuidance) escreve o valor de orientação no conditioning que o Flux Dev foi treinado para esperar, substituindo o cfg; 3.5 é o padrão e 2 a 5 é a faixa útil.
AD
Cansado de consertar nós? Deixe a nuvem fazer isso
O BitVector mantém centenas de workflows do ComfyUI instalados, atualizados e testados em GPUs rápidas na nuvem. Sem Python, sem erros de CUDA, sem limite de VRAM. Funciona em qualquer navegador.

Mais nós do ComfyUI

CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode transforma um prompt de texto em CONDITIONING usando o codificador de texto do modelo. Um nó segura o prompt positivo, e outro nó o prompt negativo.
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager é a extensão que instala, atualiza e corrige pacotes de nós personalizados e modelos direto pela interface, resolve nós faltando em fluxos importados e salva snapshots da sua configuração.
KSampler
ComfyUI core
KSampler executa o loop de remoção de ruído: ele pega o modelo, os prompts e um latent e produz a imagem latent final, controlada por seed, steps, cfg, sampler, scheduler e denoise.
Save Image
ComfyUI core
Save Image grava o tensor IMAGE em ComfyUI/output como um PNG, com todo o fluxo de trabalho embutido nos metadados do arquivo para que a imagem possa ser arrastada de volta para o ComfyUI e restaurar o gráfico.
VAE Decode
ComfyUI core
VAE Decode converte o LATENT amostrado em uma IMAGE de pixels usando o VAE; VAE Decode (Tiled) faz o mesmo em blocos para imagens muito grandes.
Empty Latent Image
ComfyUI core
Empty Latent Image cria a tela latente em branco (largura, altura, batch_size) de onde a amostragem texto-para-imagem começa; as dimensões precisam ser múltiplos de 8 e combinar com a família do modelo.