本地使用 ComfyUI 运行 Stable Diffusion 3.5
Stable Diffusion 3.5 的发布，尤其是 SD3.5-FP8 高性能量化版本的推出，显著降低了显存占用并提升了生成速度。FP8 将模型权重从 FP16 压缩至 8 位浮点，在保持画质的同时大幅优化资源效率。
实测数据显示，在 RTX 4060 上运行 stable-diffusion-3.5-fp8，1024×1024 分辨率图像平均生成时间仅需 40~50 秒，相比原始 FP16 版本提速约 40%，显存占用控制在 10.5GB 左右。这使得主流消费级显卡也能流畅运行顶级文生图流程。
硬件配置建议
虽然 FP8 降低了门槛，但大模型仍需一定基础配置：
| 组件 | 建议 |
|---|---|
| GPU | NVIDIA 显卡，RTX 30 系及以上 |
| 显存 | ≥10GB（最低可尝试 8GB，需启用低显存模式） |
| 内存 | ≥16GB RAM |
| 存储 | ≥20GB SSD 空间（建议 NVMe） |
| 系统 | Windows 10/11 或 Linux（Ubuntu 20.04+） |
| 驱动 | 支持 CUDA 11.8 及以上 |
笔记本用户如搭载 RTX 4060 Laptop（8GB 显存），可通过添加 --lowvram 参数运行，但速度会稍慢。
软件安装与准备
建议使用 ComfyUI 便携版（Portable Edition），预装 PyTorch、CUDA 和常用插件，解压即用。
下载地址：
https://github.com/comfyanonymous/ComfyUI/releases/latest/download/ComfyUI_windows_portable_nvidia.7z
解压后进入目录，双击 run_nvidia_gpu.bat 即可自动拉起服务。首次运行可能需要几分钟安装缺失组件。
模型文件部署
SD3.5-FP8 由多个组件协同工作，需完整部署以下三类核心文件：
主模型（Checkpoint）
- 文件名：
stable-diffusion-3.5-fp8.safetensors - 推荐来源：魔搭 ModelScope
- 放置路径：
\ComfyUI\models\checkpoints\
CLIP 文本编码器（共三个）
SD3.5 使用三路文本编码架构，必须全部放入 \ComfyUI\models\clip\ 目录：
| 模型文件 | 功能说明 |
|---|---|
clip_g.safetensors | OpenCLIP ViT-bigG/14，擅长捕捉抽象概念和艺术风格 |
clip_l.safetensors | CLIP ViT-L/14，基础语义理解主力 |
t5xxl_fp8_e4m3fn.safetensors | Google T5-XXL 的 FP8 版本，专为长句逻辑解析优化 |
特别注意：务必使用 FP8 精度的 T5 模型！误用普通 FP16 版本会导致精度不匹配甚至崩溃。
工作流配置文件（JSON）
官方提供专为 SD3.5-FP8 调优的工作流模板：
- 文件名：
SD3.5-FP8_example_workflow.json - 下载地址：
https://github.com/Stability-AI/StableDiffusion3-FP8-Examples/raw/main/workflows/SD3.5-FP8_example_workflow.json
该 JSON 文件包含完整的节点连接关系，包括模型加载、文本编码、采样器设置和图像保存等环节。
工作流配置与生成
启动 ComfyUI 服务后，浏览器访问 http://127.0.0.1:8188。将下载的 SD3.5-FP8_example_workflow.json 拖入浏览器窗口，工作流会自动加载。
关键步骤是确认每个 CLIP 节点是否正确绑定了对应的模型文件：
- 第一个 CLIP Text Encode (G) 节点选择
clip_g.safetensors - 第二个选
clip_l.safetensors - 第三个务必选
t5xxl_fp8_e4m3fn.safetensors
若列表未显示，点击刷新按钮强制重新扫描模型目录。
参数设置与性能
在任意一个 CLIP 输入框中输入提示词，例如：
a futuristic city at sunset, cyberpunk style, neon lights, flying cars, ultra detailed, 8K resolution
负向提示词建议填写：
blurry, low quality, distorted face, extra limbs, watermark
其他参数推荐如下：
| 参数 | 推荐值 |
|---|---|
| 分辨率 | 1024 × 1024 |
| 采样器 | DPM++ 2M Karras |
| 步数 | 25–30 |
| CFG Scale | 7.0 |
| 种子 | -1（随机） |
设置完成后，点击右上角的 Queue Prompt 按钮开始推理。底部日志会实时输出加载和采样过程。
不同硬件平台的实测对比结果：
| GPU | 显存占用 | 单图耗时（1024²） |
|---|---|---|
| RTX 4090 24G | 11.2 GB | 22s |
| RTX 4070 Ti 12G | 10.8 GB | 31s |
| RTX 4060 16G | 10.5 GB | 45s |
| RTX 3060 12G | 10.3 GB | 58s |
即使是五年前的 RTX 3060，也能在不到一分钟内完成一张高质量输出。
优化技巧
- 开启模型缓存：保持 ComfyUI 后台常驻，后续重复使用时会从内存缓存读取，速度加快。
- 低显存模式适配：对于 8GB 显存设备，在启动脚本中加入
--lowvram。 - 合并输入节点：可用'Primitive Node'创建共享文本源，连接到所有编码器，实现一处修改全局同步。
- 定期清理输出目录：默认保存路径是
\ComfyUI\output\，建议写批处理脚本每天自动归档。 - 升级 NVMe 固态硬盘：模型加载时间和磁盘 IO 强相关，PCIe 4.0 NVMe 能显著减少等待。
借助 ComfyUI 的模块化设计，用户可以自由调整流程、测试新模型。数据留在本地，生成节奏由你掌控，无需依赖网络或订阅服务。