Stable Diffusion 3.5 的 FP8 量化部署方案，旨在降低显存占用并提升生成速度。内容涵盖环境准备、ComfyUI 工作流加载、图片生成步骤，以及针对 FP8 环境的参数调优指南，包括采样器选择、步数设置、CFG Scale 调整、分辨率与高清修复策略，以及 LoRA 适配注意事项。通过低步数与合适 CFG 的组合，配合高清修复工作流，可在保证画质的前提下实现高效运行。
想体验最新的 Stable Diffusion 3.5，但被高显存要求和慢速生成劝退？别担心，FP8 量化部署方案能让你用更低的硬件成本，跑出同样惊艳的图片效果。
简单来说，FP8 量化就像给模型'瘦身'，在不明显损失画质的前提下，大幅提升运行速度和降低显存占用。这篇文章，我会带你部署这个优化后的环境，并分享几个关键参数的调优技巧，让你快速上手，生成高质量图片。
在深入操作之前，我们先搞清楚这个 FP8 镜像到底解决了什么问题。
Stable Diffusion 3.5（SD 3.5）作为新一代模型，在图像质感、对文字描述的理解能力以及图片中文字的渲染效果上，确实比之前的版本强了不少。但更强的能力往往意味着更大的模型和更高的计算需求，这对普通用户的显卡是个不小的考验。
这时，FP8 量化技术就派上用场了。传统的深度学习模型通常使用 FP32（单精度浮点数）或 FP16（半精度浮点数）来存储权重和进行计算。FP8，顾名思义，就是使用 8 位浮点数。你可以把它理解为一种'有损压缩'：
本教程使用的 Stable-Diffusion-3.5-FP8 环境，正是基于官方 SD3.5 模型，经过 FP8 量化优化后的版本。它保留了 SD3.5 的核心优势，同时让你能用更亲民的硬件配置来体验它。
部署过程相对简单，我们可以通过云实例或本地环境来完成，无需复杂的本地环境配置。
整个部署流程可以概括为：选择镜像 -> 配置资源 -> 启动运行。下面我们分步进行。
实例运行后，系统会提供访问入口（通常是一个 URL 链接）。点击它，浏览器就会打开 ComfyUI 的操作界面。
第一次打开时，你可能会看到一个默认的、节点繁多的工作流。别担心，这个镜像已经为我们预置了优化好的工作流。我们需要先加载它。
ComfyUI 通过连接不同的功能模块（节点）来工作。我们已经准备好了高效的工作流，你只需要加载并输入文字即可。
在 ComfyUI 界面右侧，找到 'Load' 按钮（加载）或类似选项。在弹出的界面中，你应该能看到预置的工作流文件，例如 sd35_fp8_workflow.json。选择并加载它。
加载成功后，界面中央的画布上会出现一系列已经连接好的节点。这个工作流已经配置好了 FP8 量化模型加载器、提示词编码器、图像生成器等所有必要组件。
现在，让我们生成第一张图片来测试环境。
text（正面提示词）和 text_2（负面提示词）。text 框中，用英文描述你想生成的画面。例如：a beautiful sunset over a tranquil lake, digital art, highly detailed（湖面上美丽的日落，数字艺术，高度细节）。在 text_2 框中，可以输入你不希望出现的元素，例如：blurry, ugly, deformed（模糊，丑陋，变形）。负面提示词有助于提升图片质量。steps（采样步数）：控制生成过程的精细度。FP8 版本下，20-30 步通常就能得到很好效果，无需像以前那样设到 50 步，这直接体现了速度优势。cfg_scale（提示词相关性）：控制模型遵循你描述的程度。7-9 是个不错的起步范围。ComfyUI/output 目录）自动保存生成的图片。至此，你已经成功部署并运行了 SD 3.5 FP8 模型！接下来，我们聊聊如何通过调优几个关键参数，让图片质量更上一层楼。
使用量化模型时，参数调整的思路和原生模型略有不同。我们的目标是利用其速度优势，通过更'聪明'的参数组合来弥补可能存在的极细微精度损失。
这是影响图片质量和速度最直接的一组参数。
DPM++ 2M Karras 或 Euler a 是不错的通用选择。在 FP8 环境下，推荐优先尝试 DPM++ 2M Karras，它在速度和细节上通常有很好的平衡。技巧：你可以固定一个提示词，用 DPM++ 2M Karras 采样器，分别以 20、25、30 步生成图片，对比细节和收敛情况，找到你的'甜点'步数。
CFG Scale 控制模型'听不听话'。值太低，图片自由发散；值太高，图片会显得生硬、对比度过强。
SD 3.5 在基础分辨率下就有不错的表现，但想生成大图，需要策略。
Latent Upscale 配合第二个 KSampler）。
4x-UltraSharp 或 R-ESRGAN 4x+ 都是很好的通用选择，能有效增加细节。如果你想尝试更多风格，可能会用到其他模型或 LoRA。
strength），建议从 0.6-0.8 开始尝试，避免权重过高（如 1.0）导致画面过饱和或失真。通过上面的步骤，你应该已经成功在 FP8 量化模型上运行了 Stable Diffusion 3.5，并且掌握了几个核心的调优方向。我们来回顾一下关键点：
量化技术正在让高性能 AI 模型变得越来越触手可及。希望这篇教程能帮助你轻松踏入 SD 3.5 的世界，高效地创造出你想象中的画面。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online