图像编辑新变革 ！ComfyUI-Kontext-fp8本地部署教程，120B参数对标闭源巨头

一、介绍

ComfyUI( github /comfyanonymous/ComfyUI/) 是一个强大的、模块化的 Stable Diffusion 界面与后端项目。该用户界面将允许用户使用基于图形/节点/流程图的界面设计和执行高级稳定的扩散管道。

关于 FLUX.1 Kontext Dev

FLUX.1 Kontext 是 Black Forest Labs 最新推出的突破性多模态图像编辑模型，支持文本和图像同步输入，智能理解图像上下文并执行精确编辑。其开发版本为开源的 120 亿参数扩散 transformer 模型，具有出色的上下文理解和字符一致性维护能力，确保角色特征、构图布局等关键要素即使经过多次迭代编辑也能保持稳定。

该模型以120亿参数和角色一致性媲美GPT-4o，宣告图像生成工具的新的变革。

它与 FLUX.1 Kontext 套件具有相同的核心功能：

• 字符一致性：在多个场景和环境的图像中保留唯一元素，例如图像中的引用字符或对象。
• 编辑：对图像中的特定元素进行有针对性的修改，而不会影响其他部分。
• 样式参考：生成新颖的场景，同时根据文本提示保留参考图像的独特样式。
• 交互速度：图像生成和编辑的延迟最小。
  虽然之前发布的 API 版本提供了最高的保真度和速度，但 FLUX.1 Kontext [Dev] 完全在本地计算机上运行，为希望进行实验的开发人员、研究人员和高级用户提供了无与伦比的灵活性。

二、容器构建说明

1. 部署ComfyUI

（1）使用命令克隆ComfyUI

git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

（2）安装 conda（如已安装则跳过）

下面需要使用 Anaconda 或 Mimiconda 创建虚拟环境，可以输入 conda --version 进行检。下面是 Mimiconda 的安装过程：

• 下载 Miniconda 安装脚本

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

• 运行安装脚本

bash Miniconda3-latest-Linux-x86_64.sh

• 遵循安装提示并初始化

按 Enter 键查看许可证条款，阅读完毕后输入 yes 接受条款，安装完成后，脚本会询问是否初始化 Conda 环境，输入 yes 并按 Enter 键。

• 运行 source ~/.bashrc 命令激活 Conda 环境
• 再次输入 conda --version 命令来验证时候安装成功，如果出现类似 conda 4.10.3 这样的输出就成功了。

（3）创建虚拟环境

输入下面命令：

conda create -n comfyui
conda activate comfyui

（4）安装pytorch

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu121

（5）安装项目依赖：

pip install -r requirements.txt

此时所需环境就已经搭建完成，通过下面命令进行启动：

python main.py

访问网址得到类似下图界面即表示成功：

2. 下载模型

（1）如：下载模型

模型的版本及下载链接如下：

Flux.1 Kontext Dev 原始模型权重及社区版本

Black Forest Labs原始版本：flux1-kontext-dev.safetensors( huggingface co/black-forest-labs/FLUX.1-Kontext-dev/blob/main/flux1-kontext-dev.safetensors)

ComfyOrg 提供的 FP8 版本：flux1-dev-kontext_fp8_scaled.safetensors( huggingface co/Comfy-Org/flux1-kontext-dev_ComfyUI/blob/main/split_files/diffusion_models/flux1-dev-kontext_fp8_scaled.safetensors)

社区 GGUF 版本：FLUX.1-Kontext-dev-GGUF( huggingface co/bullerwins/FLUX.1-Kontext-dev-GGUF/tree/main)

Flux.1 Kontext Dev 不同版本模型模型效果及显存要求对比

从上面的结果中我提供不同显存占用的参考数据，这些输出结果除了模型版本之外之外其它参数都是一致的，对应显存数据是在 A100 40GB上运行的使用情况所以占用比会偏高，目前反馈在 4090 等显卡上完整版本也可以运行，但是生成时间较慢

• 可以看到 fp8_scaled 损失结果较小
• GGUF 版本我选择测试的版本质量有所损失，但对应的显存要求也会降低。

Text Encoder

• clip_l.safetensors( huggingface co/comfyanonymous/flux_text_encoders/resolve/main/clip_l.safetensors)
• t5xxl_fp8_e4m3fn_scaled.safetensors( huggingface co/comfyanonymous/flux_text_encoders/resolve/main/t5xxl_fp8_e4m3fn_scaled.safetensors) 或者 t5xxl_fp16.safetensors( huggingface co/comfyanonymous/flux_text_encoders/resolve/main/t5xxl_fp16.safetensors)
  VAE
• ae.safetensors( huggingface co/Comfy-Org/Lumina_Image_2.0_Repackaged/blob/main/split_files/vae/ae.safetensors)

相关模型保存位置

├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   └── flux1-dev-kontext_fp8_scaled.safetensors 或者 flux1-kontext-dev.safetensors
│   ├── 📂 unet/
│   │   └── 如 flux1-kontext-dev-Q4_K_M.gguf， # 仅在你需要使用 GGUF 版本时下载
│   ├── 📂 vae/
│   │   └── ae.safetensors
│   └── 📂 text_encoders/
│       ├── clip_l.safetensors
│       └── t5xxl_fp16.safetensors or t5xxl_fp8_e4m3fn_scaled.safetensors

（2）工作流

ComfyUI 的模板中已经为大家制作好了对应的模板，所以请在ComfyUI中找到 Flux.1 Kontext Dev 相关模板即可