ComfyUI&SD通用Flux模型LoRA权重多版本下载合集
ComfyUI&SD通用Flux模型LoRA权重多版本下载合集
问君能有几多愁，恰似Flux的5大模型3大插件3小模型下载地址整理！
AI真的是普通人越来越难玩了，怎么现在下载个模型都这么复杂，不同FP要对应不同的模型，不同的模型要对应不同的衍生小模型。
最最可恶的是，人家官方免费提供的模型，网上这些居然要求收费下载？要么就是让你必须进群才发下载地址，你比人家Apache-2.0的开源协议都牛逼。
Flux介绍
Flux 是由 Black Forest Labs（前 Stable Diffusion 核心成员创立）开发的 AI 图像生成模型，凭借其混合架构和先进技术，在文字生成、细节渲染等方面表现突出。以下是关键信息整理：
模型简介
核心特性与技术优势
- 架构创新：采用 混合多模态+并行扩散变换器 架构，参数规模达 120 亿，结合流匹配（flow matching）技术提升训练效率。
- 文字生成能力：相比 Stable Diffusion，Flux 在图片中生成 清晰可读文字 的能力显著提升，尤其擅长复杂排版场景。
- 硬件效率：通过旋转位置嵌入和并行注意力层优化，支持 16GB+ VRAM 的硬件配置，生成速度较快（如 Schnell 版本）。
- 分辨率灵活性：支持 0.1-2.0 兆像素 的多种宽高比，适应性更强。
版本与适用场景
Flux 提供三个版本：
- Schnell（快速版，Apache 2.0 开源）：适合个人用户快速生成，对提示词要求较低。
- Dev（开发版，非商业许可）：开源版本，支持社区定制和学术研究。
- Pro（专业版，闭源 API）：商业级性能，适用于企业级高精度需求。
Flux 与 Stable Diffusion 的对比
| 特性 | Flux | Stable Diffusion |
|---|---|---|
| 文字生成 | 更清晰、可读性高 | 易出错，需额外插件优化 |
| 分辨率支持 | 0.1-2.0 兆像素灵活适配 | 依赖版本，部分限制较多 |
| 硬件需求 | 16GB+ VRAM（推荐 24GB+） | 6GB+ VRAM 可运行 |
| 多视图一致性 | 通过 ControlNet 实现骨骼姿势控制 | 需手动调整或插件辅助 |
应用场景
- 设计领域：生成高精度广告素材、品牌设计图，支持风格定制（如赛博朋克、日系萌系）。
- 游戏开发：结合多视图生成技术，快速创建角色三视图原型，提升开发效率。
- 教育科研：用于 AI 绘图教学，通过参数调整（如随机种子、步数）帮助理解生成逻辑。
集成与使用
- ComfyUI 支持：用户可通过下载模型文件（如
FP8 单文件版本）和配置文本编码器，在 ComfyUI 中搭建工作流。 - 车厘子工作室：提供免费调用 Flux Schnell 模型的功能，适合教学和快速原型设计。
Flux 凭借其 高性能架构 和 易用性，成为 AI 图像生成领域的新标杆，尤其适合需要高精度文字、多视图一致性的场景。开发者可通过 ComfyUI 等工具灵活部署，而普通用户也能通过开源版本快速体验其能力。
相关链接
模型官网
Black Forest Labs – Frontier AI Lab
Github
https://github.com/black-forest-labs/flux
API文档
什么是FP？
先说人话，后面的你可以看看不都行，如果你想的电脑或服务器性能比较好，显示的显存在16GB以上，内存在64GB以上，那你就下载FP16版本的，这样可以获得最好的绘画效果。
如果你电脑显存在8G以上，内存在32GB以上，那推荐你下载FP8版本。
如果你的电脑8G显存都不到，那你就下载GGUF版本吧。
但GGUF还有多个分支，比如Q2｜Q3｜Q4｜Q5｜Q6｜Q8，虽然有FP4版本，但更推荐你下载GGUF版本。值得注意的是，这里的Q8和FP8差不多，但速度不如FP8，那为么还要选择Q8？因为这个版虽然速度慢，但效果更加可控且稳定，效果更好，官方也推荐低显存的用这个版本，更有前途。
我们先来了解一下基础知识，模型下载时能够看到分为FP16｜FP8｜FP4｜GGUF等，这些其实就是模型的量化，其中FP16需要的系统资源最大，其它依次递减，值得单独一说的是GGUF，GGUF是通过量化技术和缓存优化提升加载速度，尤其在大模型推理中表现突出。
| 术语 | 全称/说明 | 所属框架/标准 |
|---|---|---|
| FP16 | NVIDIA 的 半精度浮点数（Half-Precision Floating Point），等同于 FP16。支持 GPU Tensor Core 加速。 | NVIDIA CUDA |
| FP8 | NVIDIA 的 低精度浮点数（8-bit Floating Point），精度低于 FP16，但内存占用减半。部分场景需配合 INT8 混合精度使用。 | NVIDIA CUDA |
| FP4 | NVIDIA 的 超低精度浮点数（4-bit Floating Point），精度更低，内存占用仅为 FP16 的 1/4。通常用于推理阶段或特定加速场景。 | NVIDIA CUDA（实验性支持） |
| GGUF | Stability AI 开发的 混合精度存储格式，专为 GPU Tensor Core 设计，兼容 FP16/FP8 权重+FP8 激活，优化内存占用与计算效率。 | Stable Diffusion/GPT 等模型 |
内存占用
- FP16 : 占 FP32 的 1/2 → 适合大模型（如 7B 参数以上）部署。
- FP8 : 占 FP32 的 1/4 → 进一步压缩内存，但需权衡精度。
- FP4 : 占 FP32 的 1/8 → 极致压缩，仅适用于对精度要求不高的场景。
- GGUF : 动态混合精度（权重 FP16/FP8 + 激活 FP8），内存占用接近 FP8/FP4，但灵活性更高。
计算效率
- FP16/FP8/FP4 : 直接利用 GPU 的 Tensor Core 加速矩阵运算，性能接近 FP32。
- GGUF : 通过 量化技术 和 缓存优化 提升加载速度，尤其在大模型推理中表现突出。
精度损失
| 格式 | 数值范围 | 适用场景 |
|---|---|---|
| FP32 | ±1e308 | 精确计算（如科学模拟、高精度图像生成） |
| FP16 | ±65536 | 平衡精度与性能（Stable Diffusion 默认） |
| FP8 | ±128 | 快速推理（需权衡精度，如文本生成） |
| FP4 | ±5.96e-3 | 极端压缩场景（需验证精度容忍度） |
文件体积
- FP32: 最大 → 占用约 8GB/10B 参数。
- FP16: 约 4GB/10B 参数。
- FP8/FP4: 约 1-2GB/10B 参数（具体依模型结构而定）。
- GGUF: 类似 FP8/FP4，但文件体积可能略小（因优化编码）。
基础模型
注意，无论你使用下面哪个模型，都是需要VAE模型和CLIP模型的，这是必须要下载的，你可以理解为这是配套设施，只下载基础模型是无法使用的。
无论你想下载两个模型，你都能看到有Dev和Schnell这两个版本可以选择，关于这两个模型的区别上面已经说了，但为了防止没有耐心的人不看，所以这里再说一下有什么区别，如果你的硬件不是特别差，那就整个Dev版本的。
- Schnell（快速版，Apache 2.0 开源）：适合个人用户快速生成，对提示词要求较低。
- Dev（开发版，非商业许可）：开源版本，支持社区定制和学术研究，效果比Schnell版本要好。
FP16-官方版
以下是官方版的FP16大模型，显存需要16GB以上，内存需要64GB以上，对硬件要求苛刻，效果极佳，但速度较慢，需要额外下载VAE模型，VAE的下载地址在后面。
下载后的模型存放位置：ComfyUlmodelsunet
FP8-ComfyUI版
如果你的设备显存在8GB以上，内存在32GB以上，可以使用该模型。
注意：使用该版本需要NF4的特殊配套插件【点此前往】，张吕敏版还需要下载本文后面的VAE｜CLIP-L｜T5XXL模型。
下载后的模型存放位置：ComfyUlmodelscheckpoints
FP8-Kijia版
虽然这个也不错，但如果你想下载FP8版本，还是推荐下载上面ComfyUI版的FP8。
下载后的模型存放位置：ComfyUlmodelsunet
NF4-张吕敏版（量化模型）
个人觉得不太好用，所以没有下载到网盘，感兴趣且有条件的用户可以自行【点击此处】前往拥抱脸下载。
| 名称 | 类型 | 大小 | 格式 |
|---|---|---|---|
| flux1-dev-bnb-nf4-unet.safetensors | Dev-NF4 | 6.14GB | Safetensors |
| flux1-dev-bnb-nf4-v2-unet.safetensors | Dev-NF4-V2 | 6.7GB | Safetensors |
| flux1-schnell-bnb-nf4-unet.safetensors | Schnell-NF4 | 6.14GB | Safetensors |
| flux1-schnell-bnb-nf4-v2-unet.safetensors | Schnell-NF4-V2 | 6.69GB | Safetensors |
注意：使用该版本需要NF4的特殊配套插件【点此前往】，张吕敏版还需要下载本文后面的VAE｜CLIP-L｜T5XXL模型。
下载后的模型存放位置：ComfyUlmodelscheckpoints
GGUF（量化模型）
官方已不推荐使用NF4｜FP4，如果你想下载FP4类型的模型，那么推荐直接下载GGUF版本的Q4。
下面模型中，Q4对应的就是量化后的FP4，Q8就是量化后的FP8，虽然速度上不如直接使用FP8，但是稳定，对硬件的要求低。
注意：使用该版本需要GGUF的特殊配套插件【点此前往】，张吕敏版还需要下载本文后面的VAE｜CLIP-L｜T5XXL模型。
下载后的模型存放位置：ComfyUlmodelsunet
为什么Q4和Q5存在多个后缀？我应该下载哪一个？下面是详细的解释，如果你看不懂也没关系，随便下载一个就行，都差不太多。
Flux绘画模型存在多个Q4、Q5等版本的后缀，主要与量化技术、优化策略及显存适配相关。以下是不同后缀的常见含义及区别：
- 量化级别（Q+数字）后缀中的
Q4、Q5等表示量化参数版本。例如：
Q4_0、Q4_1：同一量化级别（Q4）的不同优化迭代版本，可能通过调整量化精度或算法进一步降低显存占用。Q8_0：更高量化级别，显存需求更大（如12.7 GB），但生成质量可能更优。- 量化策略（K/S等字母组合）后缀中的
K、S等字母可能代表特定量化策略：
K_S：结合K-means聚类和稀疏量化技术，显存占用更低（如Q4_K_S为6.81 GB），适合低显存设备。K：单独使用K-means量化，平衡显存与质量。- 模型架构差异部分版本（如
F16）可能基于FP16精度开发，而Q系列为GGUF量化格式，两者在存储效率和加载速度上有差异。后缀通过数字、字母组合区分量化技术、优化版本及硬件适配性，用户可根据显存容量（如6G显存选Q4_K_S，12G以上可选Q8_0）和生成需求选择合适版本。
VAE模型
只要你使用了Flux模型，那么基本都是需要VAE文件的，所以不用管自己下载的什么版本，直接下载VAE文件。
下载后的模型存放位置：ComfyUlmodelsvae
Clip模型
如果你的硬件比较好，那就下载clip_l和t5xxl_fp16这两个模型。
如果你的硬件条件一般，那就下载clip_l和t5xxl_fp8_e4m3fn这两个模型。
几乎所有基础模型都是需要Clip模型的，解释来解释去的，反而容易乱，反正模型也不大，建议无脑全部下载吧。
下载后的模型存放位置：ComfyUlmodelsclip
工作流
本站也提供了配套的各项工作流给大家，如果有需要，可以按需下载。
注意：该套工作流和模型需要相应的插件，插件在本文末尾可以找到。
LoRA
部分工作流中是存在LoRA节点的，如果你不想下载LoRA模型，可以屏蔽工作流中关于LoRA的节点。
下载后的模型存放位置：ComfyUlmodelsxlabsloras
各压缩包内LoRA模型详细信息如下：
ComfyUI插件
你可能在使用模型或加载同坐流时遇到如下报错提示，这是因为你还没有安装相应的插件。
如果你打算使用NF4或张吕敏版本的模型，那么这里有一项特殊操作，你需要打开ComfyUI的终端，在终端中执行bitsandbytes>=0.43.0，否则无法加载工作流和模型，会持续报错。如果你不打算使用NF4或张吕敏版本的模型，那么可以忽略此步骤。
iP-Adapter
此为视觉模型，按需下载。
Controlnet
下载后的模型存放位置：ComfyUlmodelsxlabsControlnets
Flux模型更新｜2024-11-21
懒的整理了，直接打包发出来吧。
下载后的文件目录如下：
ComfyUI对应的模型路径如下：
总结
太太太太太繁琐了，可能个别地方没写清楚，不明白的地方可以留言提问。
