Comfy

Comfy 是什么？

Comfy 是面向视觉专业人士的 AI 创作引擎，主张让用户掌控每一个模型、每一个参数、每一个输出。它实际上同时是两样东西：ComfyUI——一个把节点式工作流放到扩散模型前面的长期开源项目；以及 comfy.org 团队围绕该引擎构建的一整套商业服务：Desktop、Cloud、API 与 Enterprise。理解这个双轨结构是理解这个产品的关键，因为免费的部分和付费的部分是两种真正不同的东西，而不是同一份订阅的高低档位。

这个引擎既不新也不小众。其 GitHub 仓库约有 12.8 万颗星、超过 1.5 万次 fork，创建于 2023 年 1 月，撰稿当天仍在接收提交。仓库自述为「模块化的扩散模型 GUI、API 与后端，带图/节点界面」，这比多数营销文案都更诚实：它是生成式管线的图编辑器，而不是一个带几个按钮的提示词输入框。

多数面向消费者的图像工具会把管线藏起来，Comfy 反其道而行之。模型、处理步骤与输出被连接在一张无限画布上，每个决策都可见、每一步都可检查。这就是它的全部主张。如果你想输入一句提示词然后拿到一张图，这是选错了工具，更简单的产品会服务得更好。但如果你需要确切知道是哪个采样器在第几步、以多大权重加载了哪个 LoRA，并且要把这个结果复现一千遍——它几乎是唯一会把这些摊开给你看的工具。

核心功能

• 覆盖整条管线的节点图：生成的每个阶段都是一个你亲手放置并连线的节点，管线因此可检查、可复现，而不是被藏在厂商的默认设置背后。同一张图可以保存、分享、二次改造并纳入版本管理。
• App Mode 提供更平缓的起步：节点图在第一天确实令人生畏，产品本身也承认这一点。App Mode 提供工作流的简化视图，你可以随时切回节点图深入调整——这让你在还不会自己搭图之前，就能先用上别人的管线。
• 极大的扩展生态：平台可安装 5,000 多个社区扩展、合计超过 60,000 个节点，并能与 Photoshop、Nuke、Blender、Houdini 等既有管线集成。每当新的开源模型或新技术出现，通常几天内就会有社区节点跟进。
• 不设门槛的开放模型支持：Wan、Flux、LTX、Qwen Image Edit 等开放权重模型与合作模型并列可用，本地版更允许你微调并控制完整的推理过程，而不是调用一个固定端点。
• 把工作流变成生产端点：API 的存在是为了让工作流跑在别的系统内部，由代码而非键盘前的人来触发。工作流先在界面中设计与测试，导出为 API 格式，再以 JSON 提交并按次替换运行时输入。
• 本地算力不够时的托管 GPU：Comfy Cloud 运行在配备 96GB 显存的 Blackwell RTX 6000 Pro 上，预装常用模型与热门自定义节点，同一个工作流无需重建即可从笔记本迁移到重型硬件上。
• 完全本地运行是一等模式：Desktop 安装完成后可完全离线运行，工作流、模型与数据都留在你自己的机器上——这对签了保密协议的客户项目，以及任何不愿把素材上传给第三方的人来说都很关键。

使用场景

1. 工作室的可复现量产美术：工作室搭好一条管线——角色 LoRA、固定种子处理、放大链路、调色处理——然后复用到数百个资产上。图本身就是规范，因此不同美术执行同一条管线时输出保持一致。
2. 手工做不了的批量任务：整夜处理一整个商品目录，或把某个角色的表情替换到 500 帧上，这类任务通过 API 由代码触发。这是界面本身无法服务的场景。
3. 把生成嵌进既有系统：生成通常只是更长链条中的一步。工作流被夹在「从对象存储取输入」和「把结果写入数据库」之间调用，周边的自动化逻辑留在用户自己的技术栈里。
4. 研究与技术方案评估：因为每一步都是可见节点，研究者和技术美术可以只替换某一个采样器或条件注入方式再比较结果，无需重建任何东西——这让它既是生产界面也是实验台。
5. 在保密约束下工作：处理未发布客户素材的代理商使用 Desktop 版离线运行，任何资产都不离开本机。商用授权问题与数据驻留问题都在本地解决，而不是交给服务商的政策。
6. 理解生成式管线的真实运作：对于想真正搞懂扩散原理而不只是使用它的人来说，把潜空间、采样器与条件注入看成彼此连线的独立组件，远比一个不透明的提示词框更能教会你东西。

如何使用 Comfy

1. 先决定走本地还是云端，因为这个选择决定了后面的一切。下载 Comfy Desktop 免费跑在自己的 GPU 上，或者打开 Comfy Cloud 在托管硬件上开始、无需安装任何东西。
2. 从社区模板起步，而不是从空白画布起步。浏览共享的工作流库，加载一个接近你目标的模板，先原封不动跑一遍，确认你的环境端到端可用。
3. 如果节点图让你不知所措，先用 App Mode 以简化表单的方式运行这条工作流，等你想改的是「它如何工作」而不只是「它产出什么」时，再切到节点视图。
4. 每次只改一个节点然后重跑。让这个工具变得可驾驭的纪律就是每轮只动一个变量——一张有五十个节点的图，有五十种悄无声息坏掉的方式。
5. 保存并对可用的图做版本管理。工作流文件才是这里可复用的资产，比它产出的任何单张图都更有价值。
6. 当一条工作流稳定且需要规模化运行时，把它导出为 API 格式、获取 API 密钥，然后从你自己的代码中调用，并按需替换运行时输入。

使用技巧与最佳实践

• 选模型之前先算显存预算。 新手的多数挫败感来源不是概念而是硬件：超出可用显存的模型无论图搭得多正确都会失败。在排查管线之前，先拿模型的显存需求对一下你的显卡。
• 把社区节点当依赖看待，而不是白送的附加品。 你安装的每个自定义节点都是第三方代码，可能在更新后损坏、与另一个扩展冲突，或干脆无人维护。只装你需要的，并记录一张可用的图依赖了哪些东西。
• 更新前先固定一个可用版本。 更新偶尔会引入回归，而你赖以工作的管线值得保护。知道上一个可用版本号，能把损失一下午变成回滚五分钟。
• 开发时用固定种子，产出时用随机种子。 迭代阶段的可复现性，才能让你把变化归因到你动过的那个节点，而不是采样噪声。
• 若在意成本，等工作流稳定后再上 Cloud。 计费只算活跃 GPU 时间，因此「本地探索、云端跑量」通常是更省钱的分工。
• 每个模型的许可证要与引擎的许可证分开读。 引擎的条款完全不涉及某个具体检查点允许你做什么，而模型许可证从完全宽松到仅限研究都有。
• 每类输出维护一条权威工作流。 放任每个美术各搭各的图的工作室，会丢掉当初采用这个工具所图的那份一致性。

适用人群

• 技术美术与影视特效从业者：主要受众。已经因 Nuke 或 Houdini 而习惯节点图思维的人，会立刻觉得这套心智模型很熟悉。
• 需要可复现输出的工作室：同一套处理要施加到数百个资产上、一致性比便利性更重要的团队。
• 要把生成嵌入产品的开发者：需要生成作为大系统内部一个可 API 调用的步骤，而不是一个需要人打开的应用。
• 研究者与模型折腾者：需要替换组件并观察差异，以评估技术方案的人。
• 受隐私约束与离线用户：任何签了保密协议、身处受监管环境，或单纯不愿把素材上传给第三方服务的人。
• 进阶爱好者：愿意用陡峭学习曲线换取消费级工具给不了的控制力的发烧友。
• 不适合想要快速出图的休闲用户：想在三十秒内不投入学习成本就拿到好图的人，确实应该去用别的产品——该产品自己推出 App Mode，正是因为这个落差真实存在。

支持平台

• Comfy Desktop：在自有硬件上运行完整开源引擎的本地应用，免费、无功能门槛，且可完全离线运行。
• Comfy Cloud：基于浏览器的托管环境，运行在 96GB 显存的 Blackwell RTX 6000 Pro 上，预装模型与热门自定义节点。
• Comfy API：把工作流部署为生产端点，由代码携带运行时输入调用，配套 API 密钥与 SDK。
• Comfy Enterprise：面向希望把引擎部署到自有环境中的组织的基础设施方案。
• 源码安装：偏好自行管理 Python 环境的用户可以直接从 GitHub 仓库安装引擎。
• 硬件注意事项：本地性能完全取决于你的 GPU，且不同平台的支持成熟度不一——尤其 Apple Silicon 的历史问题明显多于 NVIDIA 硬件。

价格与套餐

本地路线的免费值得强调。Comfy Desktop 永久免费，无功能门槛、无试用期、核心功能不设 pro 档，官方措辞还补充说没有厂商能锁定你或把你赶出平台。引擎以 GPL-3.0 开源，所以这是一项结构性保证，而不是未来某次调价就能收回的承诺。本地路线的代价是硬件：你需要一块够格的 GPU，这笔成本虽不以订阅形式出现却真实存在。

Comfy Cloud 是商业化的一侧，形式是「订阅 + 额度」而非固定资费。Comfy Cloud 起步提供 5 次真实 GPU 免费运行且无需信用卡，随后是 Standard 每月 20 美元、Creator 35 美元、Pro 100 美元，年付各约再省两成，月度额度池依次递增。之上还有 Team 方案与定制的 Enterprise 档。对控制成本尤其关键的一点是：只按工作流运行时的活跃 GPU 时间计费，搭建工作流所花的时间不消耗额度——这意味着即便在云端，探索阶段也近乎免费。单次运行上限 30 分钟，Pro 档延长至 1 小时，超时任务自动取消。额度可随时加购，合作节点从同一份余额中扣除。此处价格反映撰稿时官方定价页的口径，档位与额度会变，请以官网为准。

替代方案

• Automatic1111 / Stable Diffusion WebUI：另一个长期存在的开源前端，采用表单式而非节点式。起步更容易，但在复杂或可复用管线上的能力明显更弱。
• InvokeAI：界面更精致、以统一画布为工作流的开源替代品。对于觉得节点图过重、但又想要多过一个提示词框的人，是合理的中间地带。
• Midjourney：完全相反的哲学——一个观点鲜明的封闭服务，几乎不给管线控制权却能产出优秀结果。以更少的投入换更好的出图，但没有可复现性与集成故事。
• Fooocus：刻意做减法，主打好用的默认值与快速出图。对 Comfy 明确不服务的休闲用户来说，这是个合理推荐。
• Replicate 一类的模型 API：以 API 调用单个模型的托管推理。当你需要的是一个模型而非一条管线时更简单，但没有可视化编排层。
• Adobe Firefly 与创意套件内置 AI：设计上更偏商业安全，且嵌入在设计师本就在用的地方，代价是模型选择与管线控制权。

限制与注意事项

• 学习曲线陡峭，且这一点被广泛承认。 这是社区反馈中最一致的主题，有一个被广泛阅读的 issue 标题直白得刺眼：当 GUI 变得比命令行还复杂。约有 110 个开放 issue 涉及易用性与复杂度。App Mode 缓和了头一个小时，但改变不了真正使用意味着学会那张图这一事实。
• 显存是实际天花板，而且经常触顶。 仓库有超过 4,600 个开放 issue，其中约 133 个开放报告直接与显存耗尽相关。讨论最热烈的开放 issue 都与内存有关：每次改提示词就重载模型、Flux.1 Dev 的内存问题、以及 Linux 上分配看似未超限却仍报显存不足。尤其是当代视频模型，所需显存超过多数消费级显卡。
• 更新可能引入回归。 2026 年 8 月的一次改动导致动态显存流式处理失败、生成全面崩溃，被登记为核心缺陷并引发大量讨论。如果你在专业场景中依赖某条管线，请固定可用版本。
• Apple Silicon 支持落后于 NVIDIA。 Apple Silicon 用户长期面对若干问题，包括一次破坏了 GPU 加速的 macOS 更新，以及另一个长期存在的、因 MPS 框架不支持 float64 而影响部分模型的 issue。Mac 可用，但不是阻力最小的路径。
• 商用授权保证仅限 Cloud。 官方称 Comfy Cloud 上的每个模型都已清理为可商用、不存在授权模糊地带——但这项保证被明确限定在 Cloud。如果你用 Desktop 并自行下载检查点，逐个核实模型许可证是你自己的责任。
• GPL-3.0 是强 copyleft 许可证。 ComfyUI 以 GNU 通用公共许可证第 3 版发布，属强 copyleft，而非人们常想当然认定的宽松 MIT 条款。若你打算分发修改版或基于该引擎构建产品，请咨询法律意见而不要假定条款宽松。
• 扩展质量参差不齐。 六万节点的生态既是真实优势也是真实的维护面。节点质量不一，部分已被弃置，扩展之间的冲突是难以诊断的故障的常见来源。
• 缺少传统评测平台记录。 作为开源桌面软件而非 SaaS，该产品在 G2、Capterra 或 Trustpilot 上几乎没有存在感，因此拿不到通常的聚合评分。这里的证据基础是仓库活跃度与 issue 分布。

常见问题（FAQ）

Q1. Comfy 免费吗，究竟什么要收费？

引擎免费且开源，Comfy Desktop 在你自己的硬件上运行它，无功能门槛、无试用期、核心功能不设 pro 档。收费的是托管基础设施：Comfy Cloud 以订阅方式提供 GPU 并配月度额度池，API 从同一份额度计费，Enterprise 另行洽谈。你永远不必为使用核心软件付费；你付的是别人的硬件钱。

Q2. ComfyUI 采用什么许可证？

GPL-3.0——GNU 通用公共许可证第 3 版，已从仓库自身的许可证文件核实。这一点重要，因为 GPL-3.0 是强 copyleft 许可证，而不是常被错误安到它头上的宽松 MIT 许可证。使用不受限制，但分发修改版负有义务。如果你打算基于该引擎构建商业产品，请就你的具体计划获取法律意见。

Q3. 我需要很强的 GPU 吗？

本地使用需要，而且这是最常见的现实障碍。约束通常来自显存而非纯算力，内存耗尽在该项目的 issue 追踪器中是被报告最多的问题，差距还很大。视频模型尤其吃资源。如果你的硬件不够，Comfy Cloud 在 96GB 显卡上运行同样的工作流，这正是官方给这个限制准备的答案。

Q4. 学习曲线到底有多陡？

很陡。节点图就是产品本身，不存在既用得好又能绕开理解管线的路径。App Mode 让你第一天就能以简化界面跑别人的工作流，这是真实的上手坡道，但搭建或实质性修改管线需要真金白银的投入。如果你想要零学习成本的好图，请选别的工具——这是中肯的建议而非批评。

Q5. 产出可以商用吗？

在 Comfy Cloud 上，厂商声明所有可用模型都已清理为可商用、不存在授权模糊地带。本地运行时，答案完全取决于你下载的每个模型各自的许可证，而这些差异很大——有的完全允许商用，有的仅限研究。引擎自身的许可证并不管这件事。请逐个检查检查点。

Q6. 能离线工作吗？

能，而且这是刻意的设计取向而非副作用。Comfy Desktop 在完成设置后无需联网，工作流、模型与数据都留在你的机器上。这正是签了保密协议的工作室和身处受监管环境的用户选择本地版而非任何托管方案的主要原因。

Q7. 实际能生成什么？

图像、视频、3D 与音频，但分量并不相等。图像生成是最深入也最成熟的能力，视频如今已是一等场景且对近期的开源与合作模型支持良好，3D 与音频存在但不居中心。支持的开放权重模型包括 Wan、Flux、LTX 与 Qwen Image Edit，Cloud 上另有合作模型。

Q8. 怎么把工作流变成我的应用能调用的东西？

在界面中搭建并测试工作流，导出为 API 格式，获取 API 密钥，然后从自己的代码提交工作流 JSON，并注入每次调用需要变化的输入。典型形态是生成夹在你掌控的另外两步之间——事前从存储取输入，事后把结果写到某处。

Q9. 项目还在积极维护吗？

按任何合理标准衡量都是。仓库在撰稿当天仍有提交，自 2023 年初创建以来约 12.8 万颗星、超过 1.5 万次 fork，新模型随发布而实现。开放 issue 数量庞大反映的是用户基数规模与硬件配置的多样性而非疏于维护，不过这确实意味着个别报告可能长期无人处理。

Q10. 我该用本地还是云端？

如果你有够格的 GPU、在意离线运行或保密性，或者预计会有大量探索性使用（按秒计费会累积成本），就用本地。如果硬件不足、需要超过消费级显卡的显存、想要预装好的模型与热门自定义节点，或需要那份商用授权保证，就用 Cloud。很多用户两者都用：本地迭代，托管硬件上跑量。