ComfyUI

ComfyUI 是一个把图像生成拆成节点、连线由你自己决定的工作台。它不给你一个输入框等结果，而是把加载模型、写提示词、采样、放大、后处理这些环节摆成一个个方框，顺序与分支由你安排。

如果你是因为找「Stable Diffusion」而翻到这一页：本站早先的计划确实是收录 Stable Diffusion，最后把这一格换成了 ComfyUI。理由不复杂——到 2026 年，Stable Diffusion 已经很难被当成一个产品来看，它是围绕开放权重模型长出来的一整套生态，权重、微调版本、扩展与插件分散在不同团队手里，各有各的许可与更新节奏。多数人要找的其实不是某个模型文件，而是承载这些模型的那个容器。在实际工作流里，那个容器是 ComfyUI。

它解决的问题：把不可控变成可控

用网页版生成工具，你能控制的通常只有提示词和少数几个开关，剩下的由产品替你决定。这种做法上手快，但当你需要「同一张脸换三个姿势」「同一套风格铺二十张图」「按固定构图批量出素材」时，能拧的旋钮就不够用了。

ComfyUI 把中间步骤摊开：用哪个权重、采样怎么设、要不要加控制类节点约束构图、出图之后交给哪个放大环节，都是你的决定。可控性是它真正的卖点，也是它全部成本的来源——你多拿到的每一分控制权，都对应一分需要你自己判断的事。

节点式工作流：门槛与能力是同一件事

节点图是它最容易被误解的部分。刚上手时它确实是障碍：面对空白画布不知道该连什么，报错信息像是写给实现者的，节点装多之后环境冲突、依赖版本、模型该放哪个目录，都会变成你要处理的问题。

但同一个特性也是它的能力所在：工作流一旦连好，就能被保存、复用、分享、被别人改进。团队里一个人调通一条流程，其他人直接拿去用，一致性反而比各自用网页工具更高。它的学习曲线不是「先难后易」，而是前期投入会在复用次数上分期还回来——如果只用一次，这笔投入基本收不回。

两种用法：自己跑，和用云

官方站点把两条路分开：一条是开源的自托管路线，装在自己的机器或服务器上，软件本身不收费，成本变成你的显卡、电费与维护时间；另一条是付费云路线，由官方托管算力与工作流，省掉环境与硬件，代价是按用量计费，以及让渡一部分自由度。

选择标准不该是「哪个更便宜」，而是「有没有把硬件成本算进去」。本地部署的隐性成本包括显存取舍、装环境的时间与自行排查。真正的门槛通常在显存与耐心上，而不在软件本身。

Comfy Agent 改变了哪一层

官方已经推出 Comfy Agent，方向是把「搭工作流」这件事也交给模型：你用自然语言描述目标，它帮你连节点。这个变化值得留意，但别期待它抹平门槛——它降低的是连线的手工成本，不是判断成本。要什么构图、哪一版更接近你要的风格，这类判断仍然得你自己做。它更像是给已经理解工作流的人加速，而不是给完全不懂的人免修。

已知限制

• 上手成本真实存在：没有折腾环境的经验，前几天大概率花在装环境和读报错上。
• 本地硬件是硬门槛：显存不足会直接限制你能跑哪一档模型，这一点无法靠技巧绕过。
• 生态碎片化：第三方节点的质量参差不齐，安全性与可维护性要自己评估。
• 不适合一次性需求：只出几张图，网页版工具更快也更省心。
• 授权要逐个确认：软件开源不等于你下载的每个权重都能商用。

和网页版工具怎么选

需求是「想到什么出什么、要快」，先用 Midjourney 这类网页工具；需求是「批量、一致、可复用」，再考虑 ComfyUI。打算本地跑，先看我们的 Apple Silicon 本地 AI 部署指南，硬件这关过不了，后面都不用谈。同类工具见 图像设计分类。

本页由 AIHotTool 编辑整理，信息来自 ComfyUI 官方公开页面，最后核对日期 2026-10-15；不构成任何一手实测结论。功能与档位会变化，重要决策请以官网为准。