Nunchaku FLUX.1-dev环境配置：Python3.10+PyTorch2.8兼容性验证指南

想用上最新的Nunchaku FLUX.1-dev模型，却发现环境配置总出问题？特别是Python版本和PyTorch版本，一个不对就各种报错。别担心，这篇文章就是为你准备的。

我花了几天时间，把Nunchaku FLUX.1-dev在ComfyUI里的完整配置流程跑通了，从环境检查到模型下载，再到实际生成图片，每一步都踩过坑、填过坑。今天就把这份详细的配置指南分享给你，让你少走弯路，快速上手这个强大的文生图模型。

1. 环境准备：打好基础才能跑得稳

在开始安装之前，我们先要确保你的电脑环境符合要求。这就像盖房子前要打好地基一样重要。

1.1 硬件要求：你的显卡够用吗？

Nunchaku FLUX.1-dev对硬件有一定要求，特别是显卡：

• 显卡：必须是NVIDIA显卡，并且支持CUDA。这是硬性要求，AMD显卡暂时不支持。
• 显存：推荐24GB以上。如果你用的是FP16完整版模型，大概需要33GB显存。不过别担心，显存不够也有办法：
  • 选择FP8量化版：显存占用降到17GB左右
  • 选择INT4/FP4量化版：显存占用更低，适合大多数显卡
• 内存：建议32GB以上，因为模型加载和推理过程需要较多内存
• 硬盘空间：至少准备50GB可用空间，用于存放模型文件

1.2 软件环境：Python和PyTorch版本要匹配

这是最容易出问题的地方。很多人安装失败，就是因为Python和PyTorch版本不匹配。

Python版本：必须使用Python 3.10或更高版本。我测试过Python 3.10、3.11、3.12都能正常工作，但最稳定的是Python 3.10。

PyTorch版本：这是关键。Nunchaku FLUX.1-dev对PyTorch版本有特定要求：

• 支持PyTorch 2.7、2.8、2.9版本
• 必须与你的CUDA版本匹配
• 必须与你的系统（Windows/Linux）匹配

怎么知道该装哪个版本？最简单的方法是去PyTorch官网，用他们的安装命令生成器。选择你的系统、包管理器（pip或conda）、CUDA版本，就会给出正确的安装命令。

其他必备工具：

• Git：用于克隆代码仓库
• huggingface_hub：用于下载模型文件

安装huggingface_hub很简单：

pip install --upgrade huggingface_hub

2. Nunchaku ComfyUI插件安装部署

环境准备好了，现在开始安装Nunchaku插件。ComfyUI本身只是一个框架，需要安装对应的插件才能使用Nunchaku FLUX.1-dev模型。

2.1 安装ComfyUI-nunchaku插件

有两种安装方法，你可以选择适合自己的。

方法一：使用Comfy-CLI（最简单）

如果你喜欢命令行操作，这个方法最省事：

# 第一步：安装ComfyUI CLI工具
pip install comfy-cli

# 第二步：安装ComfyUI（如果已经安装过可以跳过）
comfy install

# 第三步：安装Nunchaku插件
comfy noderegistry-install ComfyUI-nunchaku

# 第四步：移动插件到正确目录
mv ComfyUI-nunchaku ComfyUI/custom_nodes/nunchaku_nodes

这个方法会自动处理依赖关系，适合新手。

方法二：手动安装（更灵活）

如果你想完全控制安装过程，或者遇到网络问题，可以手动安装：

# 第一步：克隆ComfyUI主程序
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI

# 第二步：安装ComfyUI的依赖
pip install -r requirements.txt

# 第三步：进入自定义节点目录
cd custom_nodes

# 第四步：克隆Nunchaku插件
git clone https://github.com/mit-han-lab/ComfyUI-nunchaku nunchaku_nodes

手动安装的好处是，你可以随时查看代码，修改配置，更适合有经验的用户。

2.2 安装Nunchaku后端

插件安装好后，还需要安装Nunchaku的后端。从v0.3.2版本开始，这个过程变得很简单：

1. 确保你在ComfyUI的根目录
2. 运行以下命令：

python custom_nodes/nunchaku_nodes/install_wheel.py

或者，如果你已经启动了ComfyUI，也可以在网页界面中，通过ComfyUI-Manager来安装缺失的节点。

3. Nunchaku FLUX.1-dev模型使用准备

插件安装好了，现在要准备模型文件。这是最关键的一步，模型文件放错位置，后面的一切都白搭。

3.1 配置Nunchaku工作流

工作流是ComfyUI的核心概念，它定义了图片生成的整个流程。Nunchaku插件自带了一些示例工作流，我们需要把它们复制到正确的位置：

# 进入ComfyUI根目录
cd ComfyUI

# 创建工作流目录（如果不存在）
mkdir -p user/default/example_workflows

# 复制Nunchaku示例工作流
cp custom_nodes/nunchaku_nodes/example_workflows/* user/default/example_workflows/

完成这一步后，你在ComfyUI网页界面中，点击"Load"按钮，就能看到这些工作流了。

3.2 下载模型文件

现在到了最重要的部分：下载模型文件。Nunchaku FLUX.1-dev需要多个模型文件配合工作。

3.2.1 下载基础FLUX模型（必须下载）

这些是FLUX模型的基础组件，没有它们模型无法工作：

文本编码器模型：放在models/text_encoders/目录下

# 下载CLIP文本编码器
hf download comfyanonymous/flux_text_encoders clip_l.safetensors --local-dir models/text_encoders

# 下载T5文本编码器
hf download comfyanonymous/flux_text_encoders t5xxl_fp16.safetensors --local-dir models/text_encoders

VAE模型：放在models/vae/目录下

# 下载VAE模型
hf download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir models/vae

如果你已经通过其他方式下载了这些模型，也可以创建软链接。比如我的目录结构是这样的：

models/text_encoders/
├── clip_l.safetensors -> /root/.cache/huggingface/FLUX.1-dev/text_encoders/clip_l.safetensors
└── t5xxl_fp16.safetensors -> /root/.cache/huggingface/FLUX.1-dev/text_encoders/t5xxl_fp16.safetensors

models/vae/
└── ae.safetensors -> /root/.cache/huggingface/FLUX.1-dev/vae/ae.safetensors

3.2.2 下载Nunchaku FLUX.1-dev主模型（核心）

这是最重要的模型文件，决定了生成图片的质量。根据你的显卡类型，选择不同的量化版本：

显卡类型与模型选择：

• Blackwell显卡（如RTX 50系列）：使用FP4模型
• 其他NVIDIA显卡：使用INT4模型
• 显存不足：选择FP8量化版

下载INT4版本（适合大多数显卡）：

hf download nunchaku-tech/nunchaku-flux.1-dev svdq-int4_r32-flux.1-dev.safetensors --local-dir models/unet/

文件应该放在models/unet/目录下。同样，你也可以使用软链接：

models/unet/
└── svdq-int4_r32-flux.1-dev.safetensors -> /root/ai-models/comfyanonymous/unet/svdq-int4_r32-flux.1-dev.safetensors

3.2.3 可选：下载LoRA模型

LoRA是小模型，可以微调生成效果。虽然不是必须的，但能显著提升图片质量。常用的LoRA有：

• FLUX.1-Turbo-Alpha：加速生成，减少推理步数
• Ghibsky Illustration：吉卜力动画风格
• 其他风格LoRA：根据你的需求选择

下载后放在models/loras/目录下。

4. 启动ComfyUI并运行FLUX.1-dev文生图

所有准备工作都完成了，现在让我们启动ComfyUI，开始生成图片。

4.1 启动ComfyUI

在ComfyUI根目录下，运行：

python main.py

如果你有多个GPU，或者想指定端口，可以使用参数：

# 指定GPU
python main.py --cuda-device 0

# 指定端口
python main.py --port 8188

# 同时指定
python main.py --cuda-device 0 --port 8188

启动成功后，在浏览器中打开http://localhost:8188（如果是本地运行），就能看到ComfyUI的界面了。

4.2 选择Nunchaku FLUX.1-dev工作流

在ComfyUI网页界面中，点击右上角的"Load"按钮，选择我们之前复制的工作流文件。

推荐使用nunchaku-flux.1-dev.json，这个工作流功能最全：

• 支持文生图
• 支持加载多个LoRA
• 参数调整灵活

如果你显存比较紧张，可以尝试nunchaku-flux.1-dev-qencoder.json，它使用了4-bit量化的T5文本编码器，能节省一些显存。

4.3 文生图参数设置与运行

工作流加载成功后，你会看到很多节点和连接线。别被吓到，我们只需要关注几个关键参数：

1. 输入提示词 找到"Prompt"节点，在这里输入英文描述。FLUX模型对英文提示词支持更好，你可以这样写：

A beautiful landscape with mountains and lakes, ultra HD, realistic, 8K

或者更详细一些：

A cute cartoon cat wearing a hat, sitting in a garden, sunny day, detailed illustration, vibrant colors

2. 调整关键参数

• 推理步数（Steps）：一般20-50步。步数越多，细节越好，但时间越长
• 分辨率（Resolution）：默认1024x1024。显存不足可以降低到768x768或512x512
• CFG Scale：提示词相关性，一般7-12。数值越大，越遵循提示词
• Sampler：采样器，推荐使用euler或dpmpp_2m
• Seed：随机种子。固定种子可以复现相同结果

3. 加载LoRA（可选） 如果你下载了LoRA模型，可以在对应的节点加载。比如FLUX.1-Turbo-Alpha LoRA可以加速生成。

4. 生成图片 点击"Queue Prompt"按钮，开始生成。第一次运行会比较慢，因为要加载模型。生成完成后，图片会显示在预览区域。

5. 关键注意事项与问题排查

在实际使用中，你可能会遇到一些问题。这里总结了一些常见问题和解决方法。

5.1 模型目录不能错

这是最常见的问题。确保每个模型文件都放在正确的目录：

• FLUX.1-dev主模型 → models/unet/
• LoRA模型 → models/loras/
• 文本编码器 → models/text_encoders/
• VAE模型 → models/vae/

如果放错了位置，ComfyUI会提示找不到模型文件。

5.2 显存不足怎么办？

如果生成图片时显存不足，可以尝试：

1. 使用量化模型：INT4或FP8版本显存占用更少
2. 降低分辨率：从1024x1024降到768x768或512x512
3. 减少批处理大小：一次只生成一张图片
4. 关闭其他程序：释放显卡内存
5. 使用--lowvram参数：启动ComfyUI时加上--lowvram

5.3 显卡兼容性问题

• Blackwell显卡（RTX 50系列）：必须使用FP4模型，INT4模型可能不工作
• 其他NVIDIA显卡：优先使用INT4模型，兼容性最好
• AMD显卡：目前不支持，需要等后续更新

5.4 工作流节点缺失

如果加载工作流时提示节点缺失，可能是缺少某些自定义节点。解决方法：

1. 通过ComfyUI-Manager安装缺失的节点
2. 或者手动安装对应的自定义节点
3. 检查Nunchaku插件是否安装正确

5.5 推理步数设置

使用FLUX.1-Turbo-Alpha LoRA时，推理步数可以设置得比较低（如4-8步）。但如果关闭了这个LoRA，推理步数不能低于20步，否则生成质量会很差。

5.6 生成速度慢怎么办？

第一次生成比较慢是正常的，因为要加载模型。后续生成会快很多。如果还是觉得慢，可以：

1. 使用FLUX.1-Turbo-Alpha LoRA加速
2. 降低分辨率
3. 减少推理步数
4. 确保使用的是量化模型（INT4/FP4）

6. 总结

通过上面的步骤，你应该已经成功配置好了Nunchaku FLUX.1-dev环境，并且生成了第一张图片。整个过程看似复杂，但拆解开来就是几个关键步骤：

1. 环境检查：确保Python 3.10+和匹配的PyTorch版本
2. 插件安装：选择合适的方法安装ComfyUI-nunchaku插件
3. 模型下载：按目录存放基础模型和FLUX.1-dev主模型
4. 工作流配置：加载合适的JSON工作流文件
5. 参数调整：根据你的需求设置提示词和生成参数
6. 生成图片：点击运行，等待结果

Nunchaku FLUX.1-dev是一个很强大的文生图模型，特别是在细节表现和画面质量上。虽然配置过程有些繁琐，但一旦跑通，你会发现它的效果值得这些努力。

如果你在配置过程中遇到问题，可以：

• 检查模型文件是否放在正确目录
• 确认Python和PyTorch版本是否匹配
• 查看ComfyUI的控制台输出，通常会有错误提示
• 尝试使用不同的量化模型版本

记住，技术探索的过程就是不断试错和解决问题的过程。每解决一个问题，你就离目标更近一步。现在，去创造属于你的精彩图片吧！

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。