FLUX.1 文生图：dev 与 schnell 本地部署

FLUX.1 是 Black Forest Labs 的文生图模型——这家公司由前 Stable Diffusion 团队成员创立。官方教程对它的介绍是：最大的开源文生图模型之一，12B 参数、原始文件约 23GB，以出色的图像质量和灵活性著称，架构上混合了 Transformer 与扩散模型两家之长。

这一页带你把官方 FLUX 工作流从头跑通：先分清 dev 与 schnell 两个开源版本，再用「全量版四件套」跑出第一张图，最后看看低显存设备怎么用 fp8 单文件版。

学完你能做什么

• 分清 FLUX.1 三兄弟（Pro / dev / schnell）的定位与许可证，知道本地部署选哪个
• 跑通 FLUX.1 dev 全量版工作流：四个模型文件各归其位，20 步出图
• 一键切换 schnell：只换扩散模型、步数改 4，高速抽卡
• 用 fp8 单文件 checkpoint 在低显存设备上跑 FLUX，只装一个模型文件
• 记住 FLUX 的铁律参数：cfg 1、不写负向提示词、euler + simple

你现在的困境

• 听说 FLUX 画质顶，一看权重 20GB 起步，不知道自己的显卡和硬盘带不带得动
• 下载了官方模板，DualCLIPLoader 两个下拉框不知道 clip_l 和 t5xxl 谁放哪格
• 沿用 SD1.5 的习惯：cfg 拉到 7、猛写负向提示词，FLUX 完全不理会

什么时候用这一招

当你需要：

• 出色的图像质量和「写什么画什么」的提示词遵循——复杂提示词也还原得到位
• 本地跑旗舰级开源模型，不依赖、也不为闭源 API 付费
• 要么精修出图（dev 20 步），要么高速抽卡（schnell 4 步）

而且不想：

• 在低显存机器上被 23GB 权重劝退——第 6 步的 fp8 单文件版就是解法
• 折腾负向提示词——FLUX 的官方工作流根本不用它

🎒 开始前的准备

• 跑通了第一次生图：会加载工作流、写提示词、按 Ctrl+Enter 运行
• 模型目录规则心里有数：diffusion_models、text_encoders、vae、checkpoints 各放什么（忘了回看模型放哪里）
• 硬盘预留约 32GB 给 dev 全量版四件套；走 fp8 单文件版只需一个文件的量
• 想下 dev 版：Hugging Face 账号已登录，并同意 FLUX.1-dev 仓库的许可协议（非商用）；schnell 是 Apache 2.0，没有这个门槛
• 网络能连 Hugging Face；连不稳就走 ModelScope 国内镜像（第 2 步给地址）
• ComfyUI 已更新到最新版本（官方教程开篇的提醒）
• 一杯水 ☕——本课最大的等待就是下模型

核心思路

FLUX.1 是「混合架构」。 官方说明它结合了 Transformer 网络和扩散模型的优势：文本和图像信息在模型里有效整合，生成图与提示词的对齐精度高，对复杂提示词的还原尤其出色。12B 参数捕捉到的模式关系更复杂，出图更真实、更多样，风格适配面也宽。

三兄弟分工（本页跑的是后两个）：

版本	许可证	特点	获取方式
FLUX.1 Pro	闭源	表现最好的旗舰	仅 API 调用
FLUX.1 dev	开源，非商用	从 Pro 蒸馏，性能接近 Pro	Hugging Face 下载，需同意协议
FLUX.1 schnell	Apache 2.0	蒸馏加速版，4 步出图，适合低配硬件	Hugging Face 直接下载

两条部署路线（官方教程就是这么分的）：

路线	要装什么	画质	显存	适合
全量版（四件套）	扩散模型 + 两个文本编码器 + VAE 分开装	最佳	要求更高	显存充足、要最佳提示词遵循
fp8 单文件 checkpoint	一个 fp8 量化文件	略低于全量版	要求更低	显存有限、想快速跑起来

为什么 cfg 固定 1、不写负向提示词？ 官方教程原话：得益于 FLUX 出色的提示词遵循能力，不需要任何负向提示词。所以官方模板把负向条件用 ConditioningZeroOut 节点直接置零，cfg 固定 1——schnell 模板里的便签还专门提醒：cfg 设成 1.0，负向提示词就被忽略了。

工作流骨架（全量版；比单 checkpoint 工作流多出两个 loader）：

UNETLoader（扩散模型）──────────────────────────→ KSampler ──→ VAEDecode ──→ SaveImage
DualCLIPLoader（clip_l + t5xxl）──→ CLIPTextEncode（你的提示词）──→ KSampler（positive）
                                        └──→ ConditioningZeroOut ──→ KSampler（negative，置零）
VAELoader（VAE）──────────────────────────────────────────────→ VAEDecode
EmptySD3LatentImage（1024×1024 空画布）───────────────────────→ KSampler

跟我做

第 1 步：加载官方 FLUX 工作流

为什么：官方模板库里 FLUX.1 文生图模板的参数和模型链接都配好了，比从零连线快得多。

操作：左侧栏 Templates 打开模板库，搜 Flux.1，本课主线用这一个：

模板名	模板 ID	内容
Flux.1 开发专用：文生图	flux_dev_full_text_to_image	dev 全量版，20 步

不想用模板库的话，直接下载 JSON 再用菜单 Workflows → Open（Ctrl+O）打开：flux_dev_full_text_to_image.json。模板库的完整玩法见模板库。

你应该看到：画布上是一个名为 Text to Image (Flux.1 Dev) 的子图节点，prompt、宽高、seed、模型文件名这些常用参数都暴露在节点表面，旁边还有一张写满模型下载链接的便签（MarkdownNote）。

• 画布上加载了 dev 全量版工作流

第 2 步：下载 dev 全量版四件套并归位

为什么：全量版不打包成单个 checkpoint，四个文件分开装；放错子目录，loader 的下拉列表里就找不到文件。

操作：从 Hugging Face 下载四个文件（模板便签里附了官方下载入口）：

文件	大小	放进哪个子目录	下载
flux1-dev.safetensors	22.17 GB	models/diffusion_models/	Hugging Face
clip_l.safetensors	234.7 MB	models/text_encoders/	Hugging Face
t5xxl_fp16.safetensors	9.12 GB	models/text_encoders/	Hugging Face
ae.safetensors	319.8 MB	models/vae/	Hugging Face

目录结构长这样：

ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   └── flux1-dev.safetensors
│   ├── text_encoders/
│   │   ├── clip_l.safetensors
│   │   └── t5xxl_fp16.safetensors
│   └── vae/
│       └── ae.safetensors

💡 国内下载与低显存替换

• ModelScope 有官方镜像：扩散模型仓库 Comfy-Org/flux1-dev、VAE 所在的 Comfy-Org/Lumina_Image_2.0_Repackaged，模板便签里都附了链接。
• 显存不到 32GB：官方教程建议换用 fp8 版文本编码器省显存，模板便签列出的是 t5xxl_fp8_e4m3fn_scaled.safetensors（4.8 GB），其余文件不动。

⚠️ dev 版要先同意许可协议

dev 权重在 Hugging Face 上需要登录并同意 FLUX.1-dev 的许可协议（非商用）才能下载——官方教程特别提醒：下不了先检查这两件事。schnell 是 Apache 2.0，没有这个门槛。

放好后画布上按 r 刷新，在子图的模型下拉框（或进子图内部的 loader 节点）选中对应文件。哪个文件进哪格不确定，回看模型放哪里的对照表。

你应该看到：红色缺失警告全部消失，loader 都显示正确的文件名。

• 四个文件各归其位，loader 都选中了文件

第 3 步：读懂 FLUX 工作流的节点与参数

为什么：会调参的前提，是知道每个节点干什么、默认参数为什么是它。

操作：双击进子图内部，逐节点对照这张表：

节点	干什么	模板里的关键参数
UNETLoader（Load Diffusion Model）	装扩散模型本体（12B）	flux1-dev.safetensors
DualCLIPLoader	一次装两个文本编码器	第一格 clip_l.safetensors，第二格 t5xxl_fp16.safetensors，type flux
VAELoader（Load VAE）	装 VAE	ae.safetensors
CLIPTextEncode	把提示词编码成条件	接 KSampler 的 positive
ConditioningZeroOut	把负向条件置零	FLUX cfg=1，不需要负向提示词
EmptySD3LatentImage	造空画布	1024×1024、批次 1
KSampler	去噪采样	20 步、cfg 1、euler、simple、denoise 1.0
VAEDecode	潜空间解码成像素	—
SaveImage	预览并保存	文件落 ComfyUI/output/

DualCLIPLoader 两格的顺序有讲究：ComfyUI 源码里写明的配方是 flux 类型 = clip-l, t5——第一格放 clip_l，第二格放 t5xxl，type 选 flux。

你应该看到：从左到右你能说出每个节点的职责，KSampler 参数与上表一致。

• 我能说出四件套分别由哪个 loader 装、KSampler 的关键参数是什么

第 4 步：写提示词，跑出第一张 dev 图

为什么：FLUX 的招牌是提示词遵循——提示词写得越具体，画面还原越到位，而且不需要负向提示词。

操作：

1. 在子图的 prompt 框写提示词。官方模板自带的示例：

A fairy tale scene of a young girl with silver curly hair wearing a delicate white dress, standing among crystal butterflies and glowing glass roses. The scene is filled with soft magical light, like a dream from a fantasy world.

2. 尺寸默认 1024×1024，想换比例就改子图的 width / height
3. 点 Run，或按 Ctrl+Enter

你应该看到：进度条走满 20 步，SaveImage 节点出图——画面里是提示词描述的那些元素：银发女孩、白裙、水晶蝴蝶、发光玻璃玫瑰，像童话场景。

• SaveImage 里出现了第一张 FLUX.1 dev 生成的图

第 5 步：换 schnell——4 步快速出图

为什么：schnell 在蒸馏路上走得更远：4 步就能出好图，许可证还是宽松的 Apache 2.0。官方教程说明：schnell 工作流与 dev 版相比只有模型文件不同。

操作：

1. 额外下载 flux1-schnell.safetensors（22.15 GB）放进 models/diffusion_models/，仓库：Comfy-Org/flux1-schnell（ModelScope 镜像）。文本编码器和 VAE 沿用第 2 步那套（官方模板默认 t5xxl_fp16；文档也提到 schnell 可用 fp8 版 t5xxl 省显存，fp16 效果更好）
2. 两种跑法任选：

方式 A：加载 schnell 全量版模板（推荐）

模板库搜 Flux.1，选「Flux.1 Schnell Full: 文生图」（flux_schnell_full_text_to_image）。它的提示词节点是 CLIPTextEncodeFlux：提示词分成 clip_l 和 t5xxl 两个字段——可以写不一样的内容，官方示例就是两段不同的描述——外加一个 guidance 参数，模板默认 3.5。

方式 B：沿用 dev 工作流改两处

把 UNETLoader 换成 flux1-schnell.safetensors，KSampler 步数 20 → 4。其余不动。

3. 点 Run

你应该看到：进度条只走 4 步就出图，速度肉眼可见地快。官方对 schnell 的定位就是低配硬件也能跑的快速版。

• schnell 版跑通，4 步出图

第 6 步：显存吃紧？上 fp8 单文件 checkpoint

为什么：fp8 单文件版把扩散模型、文本编码器、VAE 打包成一个量化 checkpoint——只要一个文件、显存要求更低，代价是画质比全量版略降。官方对它的定位就是显存有限设备的单文件入门方案。

操作：

版本	下载	放进	加载节点	步数
schnell fp8	flux1-schnell-fp8.safetensors	models/checkpoints/	Load Checkpoint	4
dev fp8	flux1-dev-fp8.safetensors	models/checkpoints/	Load Checkpoint	20（同全量版）

1. schnell fp8 直接用模板：模板库搜 Flux.1，选「Flux.1 Schnell FP8」（flux_schnell）。它的结构就是单 checkpoint 版：一个 CheckpointLoaderSimple 节点输出 MODEL / CLIP / VAE 三路，负向提示词框留空，KSampler 4 步、cfg 1
2. dev fp8 按官方教程手动搭：下载 flux1-dev-fp8.safetensors 放进 models/checkpoints/，用 Load Checkpoint 节点加载。最省事的搭法：复制 schnell fp8 模板，把 checkpoint 换成 flux1-dev-fp8.safetensors，步数改回 20
3. 点 Run

⚠️ 别被这个模板名带偏

模板库里还有个「Flux.1 开发专用 fp8: 文生图」（flux_dev_checkpoint_example）——名字带 fp8，但模板实际内容是与第 1 步同结构的全量版四件套工作流（同样 20 步）。跑单文件 dev 版按上面第 2 条手动改，别指望这个模板。

你应该看到：画布上只剩一个 checkpoint loader（不再是一排 loader），checkpoints/ 里一个新文件就能出图。

• fp8 单文件版跑通，且文件放在 models/checkpoints/

检查点 ✅

• dev 全量版跑通：模板加载 → 四件套归位 → 20 步出图
• schnell 跑通：换扩散模型 + 4 步，或直接用 schnell 模板
• 我知道 cfg 1、不写负向提示词是 FLUX 的设计，不是工作流坏了
• fp8 单文件版的文件放在 models/checkpoints/，不是 diffusion_models/
• 说得出 dev（非商用、20 步）和 schnell（Apache 2.0、4 步）的区别

踩坑提醒

❌ cfg 拉高、猛写负向提示词

原因：FLUX 官方工作流 cfg 固定 1，负向条件被 ConditioningZeroOut 置零；schnell 模板便签原话——cfg 设成 1.0，负向提示词就被忽略。正确做法：cfg 保持 1，精力全放在正向提示词的画面描述上。

❌ dev 模型下载被拒（401 / 403）

原因：FLUX.1 dev 是非商用许可，Hugging Face 上要先登录并同意仓库协议。正确做法：登录账号、进仓库同意协议后再下；或走 ModelScope 镜像（第 2 步）。schnell（Apache 2.0）无此限制。

❌ fp8 文件放进 diffusion_models，节点里找不到

原因：flux1-dev-fp8.safetensors / flux1-schnell-fp8.safetensors 是打包好的 checkpoint，归 models/checkpoints/，由 Load Checkpoint 加载；全量版的 flux1-dev.safetensors 才归 diffusion_models/。正确做法：按第 6 步的表格归位；还找不到就按模型加载失败排查。

❌ 显存不够，全量版直接 OOM

原因：全量版要同时伺候 22GB 级的扩散模型和 9GB 级的 t5xxl_fp16。正确做法：先按官方建议把 t5xxl 换成 t5xxl_fp8_e4m3fn_scaled.safetensors（4.8 GB）；还不行就整体换 fp8 单文件版；系统解法见显存不足。

进阶技巧（可选）

🔧 提示词写完整长句：FLUX 对复杂提示词的还原是强项，官方示例都是完整的长句场景描述——人物、环境、光线一次写全，比堆关键词标签更有效。

🔧 拖图即得工作流：官方教程的示例图都带工作流元数据，把图直接拖进 ComfyUI 窗口（或 Workflows → Open）就能还原出完整工作流和模型下载信息——看到别人用 FLUX 出的好图，先试试拖进来。

🔧 FLUX 家族还有几张牌：修图用 FLUX.1 Kontext（角色一致性、多轮迭代），局部重绘与扩图用 FLUX.1 Fill，新一代多参照一致性见 FLUX.2 和 FLUX.3 Klein。

本课小结

✅ FLUX 工作流跑通了：dev 全量版四件套归位 → 20 步出图；schnell 换扩散模型、步数改 4。

✅ 版本会选了：dev 非商用、性能接近闭源旗舰 Pro；schnell 是 Apache 2.0 的 4 步加速版，低配友好。

✅ 参数记住了：cfg 1、不写负向提示词、euler + simple；dev 20 步、schnell 4 步。

✅ 低显存有后路：t5xxl 换 fp8 版省一半体积，或整体换 fp8 单文件 checkpoint（放 checkpoints/）。

关键配置回顾：

配置	推荐值	说明
扩散模型（dev）	flux1-dev.safetensors（22.17 GB）	放 models/diffusion_models/；fp8 单文件版用 flux1-dev-fp8.safetensors，放 checkpoints/
扩散模型（schnell）	flux1-schnell.safetensors（22.15 GB）	同上；fp8 版 flux1-schnell-fp8.safetensors
文本编码器	clip_l.safetensors + t5xxl_fp16.safetensors（9.12 GB）	放 models/text_encoders/；低显存换 t5xxl_fp8_e4m3fn_scaled.safetensors（4.8 GB）
VAE	ae.safetensors（319.8 MB）	放 models/vae/
DualCLIPLoader	第一格 clip_l、第二格 t5xxl、type flux	源码配方：flux = clip-l, t5
KSampler（dev）	20 步、cfg 1、euler、simple、denoise 1.0	官方模板配置
KSampler（schnell）	4 步、cfg 1、euler、simple、denoise 1.0	schnell 是 4 步蒸馏模型
画布	EmptySD3LatentImage 1024×1024	换比例改 width / height

下一课预告

文生图只是 FLUX.1 的起点。下一课的 FLUX.1 Kontext 把它变成「迭代修图引擎」：给一张角色图，用指令一轮轮地改，角色长相还不跑偏。下一课：FLUX.1 Kontext。

你会学到：

• Kontext dev 的本地部署（fp8 权重 + 文本编码器 + VAE）
• 用「Load Image(from output)」节点把上一轮结果直接喂回下一轮
• 指令式迭代修图：角色一致性、风格参照
• Kontext 的限制：提示词仅支持英文