.ai

de bästa AI-modellerna med öppen källkod

Sök

ComfyUI-fel och hur du fixar dem: röda noder, saknade modeller, CUDA slut på minne

Q: Röda rutor överallt efter att ha laddat ett nedladdat arbetsflöde

Arbetsflödet använder anpassade noder du inte har. Manager > Install Missing Custom Nodes, installera allt, starta om, ladda om webbläsarfliken.

Q: Prompt outputs failed validation: ckpt_name inte i listan

Checkpoint-filnamnet i arbetsflödet finns inte i din mapp. Välj din egen fil i Load Checkpoint-dropdownmenyn, eller ladda ner den som guiden nämner till models/checkpoints och tryck R för att uppdatera listorna.

Ämne: Fel och lösningar

Av Captain

Publicerad 2026-05-12

Översikt

ComfyUI

visar problem på två ställen: röda noder på arbetsytan innan du trycker på Kör, och en röd felruta (med lång traceback i terminalen) när en nod kraschar under körning. Röda noder är nästan alltid saknade anpassade noder eller saknade filer. Fel under körning är nästan alltid minnesproblem, en modell i fel loader eller en Python-paketversion som inte matchar installerad torch. Den här guiden listar meddelandena i den ordning folk stöter på dem, med orsak och snabbaste fixen.

Alla fixar nedan förutsätter den portabla Windows-versionen eller en vanlig git-installation med ComfyUI Manager. Om ett steg säger "uppdatera", använd Managers Update All-knapp eller git pull i ComfyUI-mappen följt av pip install -r requirements.txt i samma Python-miljö som ComfyUI körs med (python_embeded\python.exe -m pip på den portabla versionen).

När ett arbetsflöde behöver mer GPU-minne än du har, är alternativet till att kämpa mot felet att köra samma graf på en hostad GPU:

BitVector

har hundratals ComfyUI-arbetsflöden förinstallerade med deras modeller och noder, och

PirateDiffusion

kör hostade arbetsflöden från Telegram med /wf /run:name. Båda finns listade på Apps-sidan på den här sajten.

Referens

Namn	Typ	Vad det är
Red node with a title in red	symptom	En anpassad nod som arbetsflödet använder är inte installerad. Manager > Install Missing Custom Nodes hittar den från arbetsflödets JSON.
Prompt outputs failed validation	error	En loader pekar på ett filnamn som inte finns i din modulfolder, eller ett widgetvärde är utanför tillåtet intervall. Öppna noden som nämns i meddelandet och välj en fil från listan.
torch.cuda.OutOfMemoryError / Allocation on device	error	Modellen, latent och aktiveringar får inte plats i VRAM . Sänk upplösning eller batchstorlek, använd mindre precision (fp8, GGUF) eller lägg till --lowvram.
mat1 and mat2 shapes cannot be multiplied	error	Fel typ av modell i en loader: en SDXL LoRA på en SD 1.5 checkpoint , en Flux VAE på en SDXL-graf, eller en textencoder från fel familj.
Error while deserializing header: HeaderTooLarge / MetadataIncompleteBuffer	error	.safetensors-filen är ofullständig eller korrupt. Ladda ner den igen och jämför storlek eller hash med källsidan.
ERROR: Could not detect model type	error	En LoRA, VAE eller ControlNet laddades med Load Checkpoint, eller filen är inte en diffusionmodell alls. Använd loadern som matchar filtypen.
xformers / torch version mismatch, DLL load failed	error	Ett paket installerades för en annan torch-build. Installera om torch, torchvision och xformers tillsammans för samma CUDA-version, eller ta bort xformers.
CLIPTextEncode: expected ... got ...	error	Textencodern matchar inte modellen (Flux behöver clip_l plus t5xxl, SDXL behöver sina två egna encoders, Qwen och Wan har sina egna).
Value not in list: ckpt_name	error	Arbetsflödet sparades med någon annans filnamn. Välj din egen fil i dropdownmenyn; Manager kan också mappa vanliga namn.
Server disconnected / reconnecting	symptom	Python-processen kraschade, oftast för att system-RAM tog slut när en stor modell laddades. Kolla terminalen och håll koll på Aktivitetshanteraren under laddningen.

Inget att installera - kör AI-modeller i molnet

BitVector Prism är det enklaste sättet att komma igång: välj en modell, skriv en prompt och generera i en ren webbapp, utan någon installation alls. BitVector finns också på Discord och på webben (SpyGlass).

Prova BitVector

Steg för steg

Läs terminalen, inte bara felrutan. De sista raderna före Traceback visar nod och fil; första raden i traceback som nämner custom_nodes-mappen visar vilken extension som misslyckades.
Röda noder först: öppna Manager, klicka på Install Missing Custom Nodes, installera allt som listas, starta om. Uppdatera webbläsarfliken efter omstart.
Saknade filer nästa: för varje loader med röd kant eller "Value not in list"-meddelande, öppna dropdownmenyn och välj en fil du faktiskt har, eller ladda ner filen som arbetsflödet frågar efter till rätt mapp (models/checkpoints, models/loras, models/vae, models/clip, models/unet eller diffusion_models, models/controlnet).
Kolla familjen för varje fil i grafen: checkpoint, LoRA, VAE, textencoders och ControlNet måste alla tillhöra samma familj. Modellens sida på den här sajten visar familjen högst upp; en blandning ger formfel.
Minnesfel: halvera batchstorleken, sänk upplösningen till familjens native-storlek (512 för SD 1.5, 1024 för SDXL och Flux), byt modell till fp8 eller GGUF-version, och starta ComfyUI med --lowvram eller --novram om det fortfarande kraschar. Tiled VAE Decode ersätter normal decode för stora bilder.
Paketfel: kör uppdateringsskriptet för din build (update_comfyui_and_python_dependencies.bat på den portabla versionen), eller pip install -r requirements.txt i rätt miljö. Om xformers nämns, avinstallera det; ComfyUI använder PyTorch attention utan det.
Fortfarande trasigt: starta ComfyUI med --disable-all-custom-nodes. Om arbetsflödet körs, slå på extensions igen, halva gänget åt gången i Manager för att hitta vilken som krockar.
När hårdvaran är gränsen, kör arbetsflödet hostat istället: öppna samma arbetsflöde på BitVector, eller på PirateDiffusion med /workflow /show:name och /wf /run:name, och behåll din lokala setup för det som får plats.

Exempel

Starta med låg VRAM på den portabla versionen

.\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build --lowvram --use-pytorch-cross-attention

Installera om torch för CUDA 12.4 i den inbäddade Python

.\python_embeded\python.exe -m pip uninstall -y torch torchvision torchaudio xformers

.\python_embeded\python.exe -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

Hitta extensionen bakom en krasch

python main.py --disable-all-custom-nodes

# runs? then re-enable extensions in Manager, half at a time

Tips

Ha en mapp för modeller och peka alla UI:er dit med extra_model_paths.yaml, så delar ComfyUI,
Forge
och A1111 filer och du laddar ner varje checkpoint bara en gång.
Namnge filer efter familj när du sparar dem (flux-, sdxl-, sd15-) så syns mismatch i dropdownmenyn.
Managers "Fix node (recreate)" på en röd nod repar ofta ett arbetsflöde sparat med en äldre version av en extension.
En GGUF-version av Flux, Wan eller Qwen (Unet-loadern från ComfyUI-GGUF) körs på 8 till 12 GB-kort med nästan ingen kvalitetsförlust på Q8 och liten förlust på Q5.
Sätt Windows sidfil till systemhanterad på en SSD med 40 GB ledigt: att ladda stora modeller spikar system-RAM och en liten sidfil kraschar servern tyst.
Uppdatera ComfyUI innan du uppdaterar anpassade noder, aldrig tvärtom; kärnan uppdateras först och extensions följer efter.
Arbetsflöden från den här sajtens guider listar filerna de behöver under Inputs; ladda ner dem innan du öppnar JSON-filen.

Stäng andra program, öka sidfilen, ladda fp8 eller GGUF-versionen, eller använd hostad kopia på BitVector eller PirateDiffusion.

Inget att installera - kör AI-modeller i molnet

PirateDiffusion finns bara på Telegram och är byggt för proffs: tusentals modeller, LoRA och arbetsflöden som styrs med chattkommandon, med obegränsad generering till ett fast pris.

Prova PirateDiffusion

Frågor

Vilken mapp ska varje fil ligga i?

Checkpoints i models/checkpoints, LoRAs i models/loras, VAEs i models/vae, textencoders i models/clip (eller models/text_encoders), rena diffusionmodeller som

Flux dev

i models/unet eller models/diffusion_models, ControlNets i models/controlnet,

upscalers

i models/upscale_models.

Hur mycket VRAM behöver jag?

SD 1.5 körs på 4 GB, SDXL på 8 GB, Flux dev fp8 på 12 GB (GGUF Q5 på 8 GB),

Qwen-Image

och

Wan 2.2

14B på 16 till 24 GB med fp8 eller GGUF,

HunyuanVideo

på 24 GB. VRAM-guiden på den här sajten har tabellen.

Kan jag köra ett arbetsflöde utan GPU alls?

Ja, på en hostad tjänst: BitVector kör ComfyUI-arbetsflöden från den här sajten förinstallerade på moln-GPU:er, och PirateDiffusion kör hostade arbetsflöden från Telegram. Ingen installation behövs.

Varför funkar samma arbetsflöde för någon annan?

Olika filnamn, olika versioner av anpassade noder, eller ett större grafikkort. Jämför Inputs-listan i guiden med dina mappar innan du gör något annat.

Saktar --lowvram ner?

Ja, måttligt: det flyttar delar av modellen mellan system-RAM och VRAM. Det är ändå mycket snabbare än en krasch. --novram är ännu långsammare och är för 4 GB-kort.