前面 15 篇你基本把 ComfyUI 跑明白了：装机、出图、换风格、控图、锁脸、放大、撸视频，连第 15 篇 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 那种”天生省显存”的 Boogu 模型你也试过了。
但有个”画质天花板”我一直故意没碰——FLUX.1。玩 AI 绘图的人基本公认，FLUX.1 出的人像皮肤质感、手指、还有图里塞文字的排版能力，比 SDXL 高一截。可它全精度要 24G 显存，我那张 4060（才 8G）点开就是 CUDA out of memory，心态直接崩。
我当初就是这么劝退的。看别人秀 FLUX 全精度、秀各种大模型，自己卡死，以为这辈子用不上。后来发现社区把 FLUX.1 做成了 GGUF 量化版——把 23G 压到 6~8G，4060 真能跑。这一篇就把它从”看别人玩”变成”我自己出”。
一、FLUX.1 是什么（大白话）
一句话：FLUX.1 是 Black Forest Labs（就是做 Stable Diffusion 那帮原班人马）出的 12B 参数文生图模型，画质、提示词跟随度、手指结构、图里排文字这几项都强。
| 版本 | 干嘛的 | 授权 |
| dev | 质量天花板，本地出图主力 | 非商用 |
| schnell | 蒸馏加速版，1~4 步出图 | Apache 2.0 可商用 |
| pro | 质量最高 | 仅 API 闭源 |
最关键的一件事：全精度要 24G，GGUF 量化版压到 6~8G，8G 卡能跑。
一句话记住：想要 SDXL 级别的”听话 + 质感”又只有 8G 卡？FLUX.1 dev 的 GGUF 量化版就是答案。
二、文件准备（放错就白下）
GGUF 路线四个文件，目录记牢（放错 ComfyUI 永远扫不到）：
ComfyUI/models/unet/ → flux1-dev-Q5_K_S.gguf
ComfyUI/models/clip/ → t5xxl_fp8_e4m3fn.safetensors
ComfyUI/models/clip/ → clip_l.safetensors
ComfyUI/models/vae/ → ae.safetensors
两个坑提前堵上：
1. 必须装 ComfyUI-GGUF 插件——Manager 搜 GGUF → 装 ComfyUI-GGUF，重启。普通 Load Checkpoint 读不了 .gguf 文件。
2. 文本编码器用 FP8 版 t5xxl（4.7G），别用 fp16 版（9.4G）——后者单独就快把 8G 吃没了。
踩坑经历：我头一回下 FLUX，文本编码器顺手下了 fp16 版（9.4G），想着”质量好点”，结果和 Q5 主模型一起塞 8G 卡，直接 OOM 连界面都卡死。换成 fp8 版（4.7G）才勉强放下。低显存卡上，文本编码器经常比主模型还容易爆，这个坑我替你踩了。
三、手把手接节点（照着连）
FLUX 不用默认那套 Load Checkpoint，要用 GGUF 专用节点。节点链（端口已核对）：
Unet Loader (GGUF) → KSampler 的 model 口
DualCLIPLoader(type=flux) → CLIP Text Encode → FluxGuidance(3.5) → KSampler 的 positive 口
VAE Loader(ae.safetensors) → KSampler 的 vae 口 + VAE Decode 的 vae 口
EmptyLatentImage(1024×1024) → KSampler 的 latent_image 口
KSampler(cfg=1.0, euler, simple, 20步) → VAE Decode → Save Image
一句话记接法：扩散模型进 model 口，双 CLIP 设 flux 经 FluxGuidance 进 positive，VAE 负责解，EmptyLatent 定尺寸。
两个关键坑（和第 15 篇 Boogu 的 type=boogu 同源）：
· KSampler 的 CFG 必须设 1.0，不是 SDXL 那套 7~9。FLUX 不用传统 CFG，引导强度在 FluxGuidance 节点单独设 3.5。CFG 设高了图会过曝发灰。
· DualCLIPLoader 的 type 必须设 flux，不是 sdxl、不是 sd3。设错出来的图满屏乱码。
实操闭环：10 分钟，用 4060 出一张 FLUX 人像 / 电商图（现在就做）
前面几节讲原理，这段真刀真枪做一遍。做完你手里多一张能直接用的图，还能确认 FLUX 真在你的 8G 卡上跑通了。
前提：你的 ComfyUI 已装好 + 装了 ComfyUI-GGUF 插件（按第二节下好四个文件）。丢了就回第二节装插件 + 下模型。
目标：用 4060（8G）跑出一张 FLUX.1 dev 质感的人像 / 电商产品图（1024×1024），验证”低显存也能出 FLUX 级画质”。
步骤（照着点，别跳）：
1. 下模型：按第二节四个文件放好目录，F5 刷新网页。
2. 加 Unet Loader (GGUF)：双击空白 → 搜 unet → 选 Unet Loader (GGUF) → unet_name 选 flux1-dev-Q5_K_S.gguf。
3. 加 DualCLIPLoader：搜 clip → 选 DualCLIPLoader → clip_name1 选 t5xxl_fp8_e4m3fn.safetensors，clip_name2 选 clip_l.safetensors，type 设 flux。
4. 加 VAE Loader：搜 vae → 选 VAE Loader → vae_name 选 ae.safetensors。
5. 加提示词编码：搜 clip text encode → 加 CLIP Text Encode (Prompt) 写正向；再复制一个当负向（留空，FLUX 不用）。
6. 加 FluxGuidance：搜 flux guidance → 加 FluxGuidance → 引导强度设 3.5 → 接在正向 CLIP Text Encode 和 KSampler 的 positive 口之间。
7. 加 EmptyLatentImage：宽 1024、高 1024、批次 1 → 接 KSampler 的 latent_image 口。
8. 加 KSampler：model 接 Unet Loader 输出，positive 接 FluxGuidance 输出，negative 接空 CLIP Text Encode，vae 接 VAE Loader 输出；sampler=euler、scheduler=simple、steps=20、cfg=1.0。
9. 加 VAE Decode + Save Image：VAE Decode 接 KSampler 输出 + VAE Loader 输出 → Save Image 接 VAE Decode 输出。
10. 启动加低显存：命令行 python main.py –lowvram 启动，点 Queue Prompt 出图。
检查点（你跑完应该看到）：① 正常：节点逐个变绿，output 出一张 1024² 图，皮肤质感干净、手指正常（FLUX 强项），无粉色 / 品红块；② 异常A=一团噪声没收敛 / 图发灰发白：八成 KSampler 的 cfg 还设成默认 7 或 scheduler 用了别的 → 改 cfg=1.0 + euler + simple；③ 异常B=粉色 / 品红块：VAE 错（没用 ae.safetensors 或没接 VAE Decode 的 vae 口）→ 回第二节核对；④ 异常C=节点红色报错”找不到节点”：用了普通 Load Checkpoint 而非 Unet Loader (GGUF)，回去装 ComfyUI-GGUF 插件；⑤ 异常D=显存爆（OOM）：没加 –lowvram，或分辨率太高 → 启动加 –lowvram，先 832×832 试。
作业（选做）：把 FluxGuidance 引导强度从 3.5 调到 5.0 再出一张，对比提示词跟随度；或把正向提示词里的 “studio lighting” 改成 “golden hour lighting”，看光影变化。
四、核心旋钮详解
| 项目 | dev 推荐 | schnell | 说明 |
| 步数 Steps | 20 | 1~4 | dev 蒸馏版 20 步够 |
| CFG | 1.0 | 1.0 | FLUX 不用 CFG |
| 引导强度 | 3.5 | 3.5 | 想更听话 4~5，更自由 2~3 |
| 采样器 | euler | euler | FLUX 标配 |
| 分辨率 | 1024×1024 | 1024×1024 | 也支持其它比例 |
我的习惯：日常无脑 dev 20 步 + 引导 3.5；要快用 schnell 4 步（可商用）；提示词写长写细、用自然语言，FLUX 理解长描述比堆权重好。
踩坑经历：我第一次把 FLUX 当 SDXL 用，KSampler 的 cfg 随手填了 7，出来一坨过曝灰白垃圾。查了半天才知道 FLUX 的 cfg 必须 1.0，引导强度走 FluxGuidance 节点。这个坑新人必踩，记死。
五、常见坑一次说全
1. KSampler 的 cfg 没设 1.0 → 过曝灰白，最常见。
2. 用了普通 Load Checkpoint / DualCLIPLoader 没设 type=flux → 输出乱码或报错，GGUF 用 Unet Loader (GGUF)，CLIP 的 type 设 flux。
3. 文本编码器下 fp16 版 t5xxl（9.4G） → OOM，换 fp8 版（4.7G）。
4. VAE 用错 / 没接 → 粉色块，必须用 ae.safetensors 且接 VAE Decode 的 vae 口。
5. 没加 –lowvram → 8G 卡 OOM，启动命令加 –lowvram。
6. 写了负向提示词 → FLUX 不吃，写了也不生效（接空 negative 节点 OK，但填了词白填）。
六、参数速查表（照着抄）
| 场景 | 变体 | 量化档 | 步数 | CFG | 引导 |
| 8G 卡质量党 | dev | Q5_K_S (~8G) | 20 | 1.0 | 3.5 |
| 8G 卡更稳 | dev | Q4_K_S (~6.8G) | 20 | 1.0 | 3.5 |
| 12G 卡 | dev | Q8_0 (~13G) | 20 | 1.0 | 3.5 |
| 极速可商用 | schnell | Q4_K_S | 4 | 1.0 | 3.5 |
| 16G+ | dev | fp8 | 20 | 1.0 | 3.5 |
七、4060 / 8G 专项 & 我踩的坑
4060 的 8G 跑 FLUX，Q5_K_S 是甜点档（~8G 主模型 + fp8 t5 4.7G + VAE，靠 –lowvram 流式加载压在 8G 内）。要点：
· 主模型 Q5_K_S（~8G），不够稳就降到 Q4_K_S（~6.8G）。
· 文本编码器必须 fp8 版 t5xxl（4.7G），别碰 fp16（9.4G）。
· 启动加 –lowvram；出图慢点但稳。
· 分辨率先 1024²，要更大用第 13 篇的放大法拉上去。
· 出图时关掉其它占显存的程序。
踩坑经历：我贪心想”质量好点”下了 Q8_0（13G），8G 卡直接 OOM 卡死。退回 Q5_K_S 秒出。低显存卡认命 Q5，质量靠提示词和后期放大补，别跟量化档较劲。
FLUX 会跑了，你已经摸到了本地画质天花板。但装插件这事儿你早晚要反复折腾——怎么高效地装、更新、排查冲突，直接影响你后面玩多少模型。第 17 篇讲自定义节点 + Manager，把这套门道讲透。