企业官网建设流程全解析

1. 模型下载这件事，为什么值得单独拎出来讲

刚接触 ComfyUI 的人，十有八九卡在第一步：节点装好了，界面也跑起来了，结果一拉工作流，满屏红框提示缺模型。这时候才意识到，ComfyUI 本身只是个调度框架，真正干活的是背后那些几 GB 到十几 GB 的权重文件。模型没到位，再漂亮的工作流也只是一张图。

我自己从 SD1.5 时代一路用到 SDXL、Flux，硬盘里躺过的模型加起来超过 800GB，踩过的坑包括但不限于：下到一半断流、下完发现是损坏的分片、文件名对不上导致节点识别不了、把 refiner 当成主模型塞进 checkpoint 加载器。这些问题单看都很小，但每一个都能让人卡半天。所以这篇就把 ComfyUI 常用模型的下载渠道、目录规范、校验方法和实际选型逻辑一次性讲透，不管你是刚装完秋叶整合包的新手，还是已经在调 Flux 工作流的老玩家，都能从里面找到能直接抄的部分。

需要先说明一点：模型下载渠道会随时间变化，某些站点可能调整访问策略，我下面给的是长期稳定、社区公认的主流来源，具体到某个冷门模型，还是要以模型作者发布的原始页面为准。

2. 先搞清楚你要下的是哪一类模型

很多人一上来就问"SDXL 模型下载地址"，但其实 ComfyUI 里"模型"是个统称，不同目录下的文件用途完全不同。下错位置，节点就是认不出来。所以动手之前，先把分类理清楚。

2.1 ComfyUI 的模型目录结构

ComfyUI 根目录下有个models文件夹，里面按用途分了若干子目录。常见的几个：

这张表建议直接截图存手机。我见过太多人把 LoRA 丢进 checkpoints，然后抱怨"为什么加载报错"，其实就是目录放错了。

2.2 SD1.5、SDXL、Flux 三代的本质区别

选模型之前得知道这三代到底差在哪，不然下载就是盲选。

SD1.5是 2022 年的架构，UNet 参数量约 860M，原生分辨率 512×512。优点是生态极其庞大，LoRA、ControlNet、各种微调模型多到用不完，8GB 显存甚至 6GB 都能跑。缺点是手部、文字、复杂构图容易崩，需要靠负面提示词和后期修。对低配机器来说，它依然是性价比最高的选择。

SDXL是 2023 年的架构，UNet 参数量约 2.6B，原生分辨率 1024×1024，配了 base + refiner 双模型设计（现在多数工作流只用 base）。画质、构图、文字能力比 SD1.5 强一大截，但显存需求也上去了，8GB 显存跑 1024 分辨率需要开--lowvram或者用 fp8 版本。SDXL 的 LoRA 生态也很成熟，是目前"画质与门槛平衡"的主流选择。

Flux是 2024 年 Black Forest Labs 推出的架构，分 Flux.1 Pro、Dev、Schnell 三个版本，其中 Dev 和 Schnell 开放权重。它用的是 DiT（Diffusion Transformer）架构，文本理解能力是三代里最强的，尤其是长提示词和画面内文字渲染。代价是模型巨大：Flux Dev 的完整版 fp16 约 23GB，fp8 约 11GB，Schnell 稍小。显存需求高，8GB 显存跑 Flux 基本要靠 GGUF 量化版本，画质会有一定损失但可用。

一句话总结选型：低配机器 + 追求生态 → SD1.5；中配 + 追求画质 → SDXL；高配 + 追求提示词理解 → Flux。

2.3 下载前的三个前置检查

动手下载之前，先确认三件事，能省掉后面一堆麻烦。

第一，确认磁盘空间。SD1.5 主模型 2~4GB，SDXL 6~7GB，Flux fp8 约 11GB，加上 LoRA、ControlNet、VAE，一套完整环境轻松吃掉 100GB。建议单独分一个盘或者目录给模型，别和系统盘混在一起。

第二，确认网络环境。模型文件动辄几个 GB，下载中断是常态。后面我会专门讲断点续传和校验的方法。

第三，确认 ComfyUI 版本。老版本 ComfyUI 对 Flux 的支持不完整，如果你要玩 Flux，建议更新到较新的版本，社区里 v0.3.x 之后的版本对 Flux 节点支持比较完善。

3. 主流模型下载渠道逐个拆解

渠道这块我不按"哪个最好"来排，而是按"什么场景用哪个"来讲，因为不同渠道的定位差别很大。

3.1 Hugging Face：最全但需要点技巧

Hugging Face 是模型分发的核心平台，几乎所有开源模型的首发都在这里。它的优势是权威、版本全、有模型卡说明；劣势是部分地区访问速度不稳定，大文件下载容易断。

网页端直接下载适合小文件，比如 LoRA、VAE。大模型建议用命令行工具，支持断点续传。常用的方式是huggingface-cli：

pip install -U huggingface_hub huggingface-cli download stabilityai/stable-diffusion-xl-base-1.0 \ --local-dir ./models/checkpoints \ --local-dir-use-symlinks False

如果下载速度慢，可以设置镜像端点环境变量（具体地址以官方文档为准），或者用hf_transfer加速：

pip install hf_transfer HF_HUB_ENABLE_HF_TRANSFER=1 huggingface-cli download <repo_id> --local-dir <目标目录>

注意：Hugging Face 上部分模型需要登录并同意许可协议才能下载，比如某些 Llama 系模型。遇到 401 或 403 报错，先去模型页面点同意，再配置 token。

3.2 国内镜像社区：速度优先的选择

国内有几个模型社区做了 Hugging Face 的镜像同步，访问速度快很多，适合网络条件一般的用户。这类平台通常提供网页直接下载和命令行两种方式，部分还支持 Git LFS 拉取。

用这类平台时有个细节要注意：镜像同步有延迟，刚发布的模型可能还没同步过来。如果你要的是最新发布的 Flux 微调版本，可能还是得回原站。另外镜像站的模型命名有时和原站不完全一致，下载后记得核对文件名和哈希值。

3.3 Civitai：微调模型和 LoRA 的主场

Civitai 是社区微调模型、LoRA、风格模型最集中的地方。SD1.5 和 SDXL 时代的大量"网红模型"都出自这里。它的模型页面会标注基础模型版本（Base Model），这个信息很关键——SDXL 的 LoRA 不能用在 SD1.5 上，Flux 的 LoRA 也不能用在 SDXL 上，下之前一定看清楚。

Civitai 下载大文件同样容易断，建议用支持断点续传的下载工具，或者用它的 API 配合脚本批量拉取。批量下载时注意控制并发数，同时开太多连接反而会拖慢整体速度。

3.4 整合包自带模型：新手最省事

秋叶整合包这类一键包，通常会预置几个基础模型，装完就能直接出图。对于完全不想折腾下载的新手，这是最快的上手路径。但整合包自带的模型版本往往不是最新的，而且体积有限，不可能塞下 Flux 这种大块头。所以整合包适合"先跑起来看看效果"，真要深入玩，还是得自己下模型。

3.5 渠道对比速查

4. 分代模型的具体下载与配置实操

这一节按 SD1.5、SDXL、Flux 三代分别讲，每代给出推荐模型、下载方式和在 ComfyUI 里的配置要点。

4.1 SD1.5 模型：低配机器的老朋友

SD1.5 的经典主模型，社区里口碑比较稳的有几个方向：写实向的、二次元向的、通用向的。具体模型名这里不逐一列，因为微调版本更新很快，你可以在 Civitai 上按"Checkpoint + SD1.5"筛选，按下载量和评分排序，前几页的基本都是经过大量用户验证的。

下载后放进models/checkpoints，在 ComfyUI 里用Load Checkpoint节点加载。SD1.5 的工作流通常配一个 VAE，如果模型自带 VAE 就不用额外加载，如果画面发灰、颜色不对，就要在models/vae里放一个对应的 VAE 文件，用VAE Loader节点单独指定。

SD1.5 的采样参数经验值：步数 20~30，CFG 7~8，采样器用 DPM++ 2M Karras 或 Euler a，分辨率 512×512 或 512×768。分辨率别直接拉到 1024，SD1.5 在高分辨率下容易出现人物重复、结构崩坏，正确做法是 512 出图后用放大模型或 hires fix 二次放大。

4.2 SDXL 模型：画质与门槛的平衡点

SDXL 主模型推荐从 Hugging Face 的stabilityai/stable-diffusion-xl-base-1.0开始，这是官方原版，稳定可靠。社区微调版则在 Civitai 上找，注意筛选"Base Model: SDXL 1.0"。

SDXL 在 ComfyUI 里的加载和 SD1.5 类似，但有几个坑：

第一，SDXL 有 base 和 refiner 两个模型。早期工作流会先跑 base 再跑 refiner，现在多数工作流只用 base，refiner 可选。如果你下的是 refiner，别当成主模型加载。

第二，SDXL 的分辨率要按 1024 的倍数来，常用 1024×1024、1152×896、896×1152。用 512 分辨率跑 SDXL 反而画质差，因为它的训练分辨率就是 1024。

第三，SDXL 对显存要求高。8GB 显存跑 1024 分辨率，建议在启动参数里加--lowvram，或者用 fp8 量化版本。fp8 版本体积减半，画质损失很小，是目前低显存跑 SDXL 的主流方案。

SDXL 的采样参数经验值：步数 25~35，CFG 5~8，采样器 DPM++ 2M Karras 或 DPM++ SDE Karras。

4.3 Flux 模型：新架构的下载与低显存方案

Flux 是当前讨论度最高的架构，但它的下载和配置比前两代复杂，单独展开讲。

版本选择：Flux.1 Schnell 是蒸馏版，4 步就能出图，速度快，适合快速预览；Flux.1 Dev 是完整版，质量更高，需要 20~30 步。两者权重都开放。Pro 版不开放权重，只能通过 API 调用，这里不展开。

文件构成：Flux 不像 SD1.5/SDXL 那样一个 checkpoint 搞定，它通常拆成几部分——UNet 主体、CLIP 文本编码器（两个）、VAE。下载时要下全，缺一个都跑不起来。常见的组合是：

• UNet：flux1-dev.safetensors或 fp8 版本，放models/unet
• CLIP：clip_l.safetensors和t5xxl_fp16.safetensors（或 fp8 版），放models/clip
• VAE：ae.safetensors，放models/vae

低显存方案：8GB 显存跑 Flux Dev 的 fp16 版本基本不可能，需要走 GGUF 量化。GGUF 版本把 UNet 量化到 Q4、Q5、Q8 等不同精度，Q4 约 6~7GB，Q8 约 11GB。配合ComfyUI-GGUF插件，用Unet Loader (GGUF)节点加载。实测 8GB 显存跑 Q4 的 Flux Dev，1024 分辨率可以出图，速度约每步几秒，30 步下来两三分钟一张，属于可接受范围。

Flux 的采样参数：Schnell 用 4 步、CFG 1；Dev 用 20~30 步、CFG 3.5 左右。Flux 对 CFG 很敏感，CFG 太高画面会过曝、发糊，建议从 3.5 起步微调。

提示：Flux 的文本编码器 t5xxl 体积很大（fp16 约 9GB），如果显存紧张，可以用 fp8 版本，或者用--lowvram让 ComfyUI 自动调度。

4.4 三代模型配置对照表

5. 下载加速、断点续传与文件校验

模型下载最烦的不是慢，是下到 99% 断了。这一节讲几个实操技巧。

5.1 断点续传的正确姿势

浏览器直接下载大文件，断了就得重来。正确做法是用支持续传的工具。命令行下wget -c和aria2c都支持续传：

aria2c -x 8 -s 8 -c "模型下载链接" -d ./models/checkpoints

-x 8是单服务器最大连接数，-s 8是分片数，-c是续传。分片下载能显著提速，但注意别把连接数开太大，有些站点会限流甚至封 IP，8 左右比较稳妥。

5.2 文件完整性校验

下完的模型一定要校验，尤其是 safetensors 文件。损坏的模型加载时会报各种奇怪的错，比如Error while deserializing header，排查半天才发现是文件没下全。

校验方法：对比文件大小和官方标注是否一致，或者用哈希值比对。Hugging Face 的模型页面通常提供 SHA256，下载后本地算一遍：

sha256sum flux1-dev.safetensors

Windows 下可以用certutil -hashfile 文件名 SHA256。哈希对不上就重新下，别抱侥幸心理。

5.3 批量下载的脚本思路

如果你要下一整套（比如 Flux 的 UNet + 两个 CLIP + VAE），手动一个个点很累。可以写个简单的 shell 脚本，把链接和文件名列成清单，循环调用 aria2c。这样即使中途断了，重跑脚本会自动跳过已完成的文件。

注意：批量下载时给每个文件留足间隔，别同时开十几个大文件下载，磁盘 IO 和网络都会成为瓶颈，反而更慢。

6. 常见问题与排查速查

这一节是我自己踩坑和帮别人排查时积累的问题清单，按现象、原因、解决三列整理。

6.1 几个容易忽略的细节

文件名不要随意改。有些工作流会按固定文件名引用模型，改了名节点就找不到。如果确实要改名，记得同步改工作流里的引用。

safetensors 优先于 ckpt。ckpt 是 pickle 格式，理论上存在安全风险，safetensors 只存张量数据，加载更快也更安全。现在新模型基本都提供 safetensors。

注意模型的精度标注。同一个模型可能有 fp16、fp8、bf16 多个版本，体积和显存占用差别很大。低显存优先选 fp8 或 GGUF。

LoRA 的权重别拉满。LoRA 加载时有个 strength 参数，默认 1.0，但很多 LoRA 在 0.6~0.8 效果更好，拉满容易过拟合、画面崩坏。

6.2 低配机器跑 Flux 的实测经验

我用 8GB 显存的卡跑过一段时间 Flux Dev GGUF Q4，分享几个实测结论：

• Q4 版本画质相比 fp16 有可见损失，尤其是细节纹理，但整体构图和提示词遵循度保留得不错。
• 1024 分辨率下，显存占用峰值约 7.5GB，比较吃紧，建议关掉其他占显存的程序。
• 步数别贪多，20 步和 30 步的差距在 Q4 下不明显，20 步能省三分之一时间。
• 如果只是测试提示词效果，可以先用 Schnell 4 步快速预览，满意了再用 Dev 精修。

7. 模型管理的一点个人习惯

最后聊点管理上的事。模型下多了，硬盘会乱成一锅粥。我自己的习惯是：按"架构/用途/来源"三层目录组织，比如checkpoints/sdxl/、checkpoints/sd15/、loras/sdxl/。每个模型下载后，在同目录建一个同名.txt，记下来源链接、下载日期、哈希值。这样半年后回头看，知道哪个是哪个，不会对着一堆model_v2_final.safetensors发呆。

另外，定期清理。SD1.5 时代下的很多模型，现在基本用不上了，占着几十 GB 硬盘。我的做法是每季度过一遍，三个月没碰过的模型移到冷备盘，需要时再拉回来。硬盘空间比想象中值钱，尤其是 SSD。

还有个小技巧：ComfyUI 支持通过extra_model_paths.yaml配置额外的模型搜索路径。如果你有多个 ComfyUI 实例，或者模型存在别的盘，可以在这个文件里把路径映射进去，不用把模型复制来复制去。这个配置对多环境用户特别实用，改一次省很多事。