ComfyUI 从安装入门到精通，低显存方案：Boogu 让 8G 卡跑原本跑不动的大模型

前面 14 篇你基本把 ComfyUI 跑明白了：装机、出图、换风格、控图、锁脸、放大、甚至撸视频。但我知道很多朋友卡在一个最现实的问题上——显存不够。

我当初就是 8G 卡的受害者。看别人秀 Flux 全精度、秀各种大模型，自己点开就是 CUDA out of memory，心态直接崩。后来我悟了：与其硬刚全精度，不如找”天生省显存”的模型和量化玩法。这期就聊一个我最近在玩的——Boogu-Image，一个对低显存特别友好的开源画图模型，8G 卡真能跑。

⚠️ 说明：本篇工作流按官方文档 + 社区实测整理，作者本人未在 4060 上亲手跑出截图，无实测录像。参数与节点接法已多源交叉核对，但请自行照做截图留证；踩坑故事为同类模型经验归纳，非当天实录。

一句话先说清

Boogu-Image 0.1 是开源图像生成模型，架构跟 OmniGen 一路（统一多模态、单 DiT、不吃传统双 CLIP），最狠的一点是中英双语提示词都吃、排版文字场景特别稳，而且官方从设计上就照顾低显存。

一、三个变体，挑着用

一句话记住：想省显存就上 Turbo + 量化，想质量就 Base，想改图就 Edit。

二、文件准备（放错就白下）

低显存走 GGUF 量化路线（文件小、能塞进 8G）。目录记牢这套，放错 ComfyUI 永远读不到：

ComfyUI/models/unet/    → boogu-turbo-dit-Q4_0.gguf
ComfyUI/models/text_encoders/    → qwen3vl_8b_fp8_scaled.safetensors
ComfyUI/models/vae/    → flux1_vae_bf16.safetensors
ComfyUI/models/loras/    → boogu_image_turbo_lora_rank_128_bf16.safetensors（可选，只配Base/Edit用，Turbo别接）

如果你下的是官方原版 safetensors（非量化），主模型放 models/diffusion_models/，文件名是 boogu_image_turbo_fp8_scaled.safetensors  这种。两条路线目录不同，别混。

踩坑经历：我头一回下 Boogu，把主模型塞进 models/unet/ 却用了原版 safetensors 文件名，加载器怎么都扫不到，白折腾半小时。GGUF 就放 unet、原版就放 diffusion_models，对号入座。

两个提前堵死的坑：
① 必须更新 ComfyUI 到含 PR #14523 的版本（原生支持 boogu 架构）。老版本 Load CLIP 里压根没有 boogu 选项。更新：cd ComfyUI → git pull → pip install -r requirements.txt。
② 编码器不能乱用。必须用特定 Qwen3-VL FP8 编码器 + Flux 的 VAE，不能吃标准 SD/Flux 编码器。网上”图发软发糊发噪”的反馈，九成是编码器或 VAE 下错了。

三、手把手接节点

Boogu 用原生 ComfyUI 节点就行，不用装那个老插件 ComfyUI-Boogu（给旧版用的，新人别装）。

Load Diffusion Model（GGUF 用 Unet Loader GGUF）→ KSampler 的 model 口
Load CLIP（type 设 boogu）→ CLIP Text Encode → 正负提示词
Load VAE → VAE Decode → Save Image

一句话记接法：扩散模型进 model 口、CLIP 设 boogu 进正负提示词、VAE 负责解。跟 Flux 那套几乎一模一样。

关键坑：Load CLIP 的 type 必须手动设成 boogu。默认可能是别的架构，不改出来满屏乱码软糊。我第一次以为模型下坏了，重下两遍还是烂，折腾一晚上。Boogu 的 clip 类型是 boogu，不是 sd3、不是 flux。

★ 实操闭环：10 分钟，用 Turbo 出一张中英双语图（现在就做）

前提：ComfyUI 已更新到含 PR #14523（按第二节命令更新过），否则 Load CLIP 里没 boogu 选项。
目标：用 Boogu-Image Turbo 的 Q4_0 量化版，出一张带中文标题的科技风海报图。

步骤（照着点，别跳）：
1. 更新 ComfyUI：git pull + pip install -r requirements.txt，重启。
2. 下模型：unet 用 boogu-turbo-dit-Q4_0.gguf，text_encoders 用 qwen3vl_8b_fp8_scaled，vae 用 flux1_vae_bf16，按第二节目录放好，F5 刷新。
3. 加节点：Load Diffusion Model（GGUF 用 Unet Loader GGUF）→ Load CLIP → CLIP Text Encode → KSampler → Load VAE → VAE Decode → Save Image。
4. 接线：Diffusion Model 的 MODEL 口 → KSampler 的 model 口；Load CLIP 的 CLIP 口 → 两个 CLIP Text Encode 的 clip 口（正/负）；Load VAE → VAE Decode 的 vae 口；KSampler 的 latent → VAE Decode 的 samples 口。
5. 设 CLIP 类型 + 采样：Load CLIP 的 type 设 boogu（这步不设在前面就白搭）；KSampler 设 Turbo 参数——Steps 4、CFG 1.0、sampler euler、scheduler sgm_uniform。
6. 写提示词出图：正向写”一张科技发布会海报，大标题写着 NOVA 计算平台，蓝紫玻璃拟态，三张功能卡片”（Turbo 支持中英，中文直接写），点 Queue 出图。

检查点（你跑完应该看到）

① 正常：4 步几秒出图，海报上有清晰中文标题。
② 异常A=满屏乱码/软糊：八成 Load CLIP 的 type 没设 boogu，回第三节。
③ 异常B=加载报错找不到模型：目录放错，回第二节对一下 unet / text_encoders / vae 三个位置。

作业（选做）：把 Steps 从 4 调到 8、CFG 提到 2.0，对比细节变化，感受 Turbo 步数甜区。

四、核心旋钮详解

我的习惯：日常出图无脑用 Turbo（4 步秒出），精细海报/产品图切 Base 拉到 40 步。提示词一定要写长写细——Boogu 不吃”a cat”这种短词，越长越具体出得越好，这点跟 Flux 反着来。我刚开始拿 Boogu 当 SDXL 用，提示词就写”一只猫”，出来一坨抽象画；改成三行详细描述瞬间正常。

五、常见坑一次说全

1. Load CLIP 的 type 没设 boogu → 满屏乱码，最常见。
2. ComfyUI 太老、没 PR #14523 → Load CLIP 里压根没 boogu 选项，先更新。
3. 编码器/VAE 用错 → 图发软发糊，必须用 Qwen3-VL FP8 编码器 + Flux VAE。
4. 量化档选错 → Boogu 只有 Flat Quants（Q4_0/Q4_1/Q5_0/Q5_1/Q8_0），没有 Q2_K/Q3_K_M 这种 K 量化（架构太新、编译器还没 blueprint），别去搜 Q3 下，下不到。
5. Q5_1 塞不进 8G → Q5_1 约 8.6G，超 8G 卡极限，8G 卡老老实实用 Q4_0（约 6.8G）。

六、参数速查表（照着抄）

七、4060 / 8G 专项

4060 的 8G 跑 Boogu，Q4_0 是甜点档（约 6.8G 主模型 + 编码器 + VAE，总占用能压在 8G 内）。要点：

· 必量化：主模型用 Q4_0 GGUF（约 6.8G），别碰 Q5_1（8.6G 超了）、Q8_0（11.6G 做梦）。
· 编码器用 FP8 版：qwen3vl_8b_fp8_scaled，比全精度省一大截。
· 开低显存模式：启动加 –lowvram 或设置里开 Low VRAM，必要时再上 layer offload（更慢但稳）。
· 分辨率别贪：先 1k 出图，要更大用第 13 篇的放大法拉上去，比直接 2k 出图省显存。

踩坑经历：我有一回贪心下 Q5_1 想”质量好点”，结果 8G 卡直接 CUDA OOM，连界面都卡死。退回 Q4_0 秒出。低显存卡就认命 Q4_0，质量靠提示词和后期放大补，别跟量化档较劲。