RTX 4060 Laptop 8GB 跑 ComfyUI FLUX GGUF：从安装节点到第一次出图的完整顺序

先说结论

新手第一次用 8GB 显卡跑 ComfyUI FLUX，最容易犯的错不是参数调不好，而是顺序错了。

比如：还没装 GGUF 节点就到处找 Unet Loader、把 .gguf 放进 checkpoints 目录、第一次就跑 1024×1024 OOM 然后得出“8GB 跑不了”的结论、冷启动慢就以为工作流搭错了。

这篇文章整理了我这台 RTX 4060 Laptop 8GB 实际跑通的顺序。每一步都对应本站更详细的文章，这里不重复展开，只把路线串起来。

边界声明：以下路线基于 FLUX GGUF Q6_K + T5 FP8 + CLIP-L + ae.safetensors，在一台 RTX 4060 Laptop 8GB 上实测。其他显卡可以参考步骤，但具体速度和稳定性需要自己测。

本站实际跑通的 FLUX GGUF Q6_K 工作流

这篇文章适合谁

RTX 4060 Laptop 8GB 用户，刚装好 ComfyUI 但不知道怎么跑 FLUX
其他 8GB 显卡用户可以看流程，但不能把本文结论当绝对保证
遇到 Unet Loader 找不到、模型选不到、第一次 OOM、第一次很慢的人
不想看原理、只想先跑通一张图的人

如果你已经把 FLUX 跑通了，这篇可能对你帮助不大。你可以直接使用 8GB 参数助手或查看 OOM 排查。

第一步：先确认你要跑的是 GGUF 方案

在开始之前，先建立这个概念：GGUF 不是普通的 safetensors checkpoint。

原版 FLUX UNet 的 FP16/BF16 权重体积超过8GB专用显存，不能完整驻留；后端可能通过内存卸载继续运行，但速度和稳定性会受环境影响。GGUF量化降低了权重体积，本站使用Q6_K + T5 FP8组合完成了出图。

因为它是 GGUF，所以：

不能用 Load Checkpoint 加载
不能用普通的 UNET Loader 加载
必须用 ComfyUI-GGUF 节点里的 Unet Loader (GGUF)

这一步搞错，后面全都会不对。

详见：ComfyUI-GGUF 节点怎么安装？Unet Loader 找不到怎么办

第二步：安装 ComfyUI-GGUF 节点

操作流程很简单，但有一个关键细节很容易漏：

打开 ComfyUI，点右侧的 Manager 按钮
搜索 “ComfyUI-GGUF”
点击 Install
安装完成后，必须完全关闭 ComfyUI 再重启

第 4 步是最多人忽略的。只是刷新网页（F5 或 Ctrl+R）不等于重启 ComfyUI。你需要关掉终端窗口，重新运行 run_comfyui.bat 或 run_nvidia_gpu.bat，才算重启。

重启后，在 ComfyUI 里双击空白处，搜索 “Unet Loader (GGUF)”。如果能搜到这个节点，说明安装成功。

如果搜不到，先确认是否真的重启了，再确认 ComfyUI-GGUF 在 custom_nodes 目录里确实存在。

第三步：把模型文件放对目录

FLUX 相关模型有各自的位置，放错目录是新手最容易犯的错之一。

文件	放置目录	用途
flux1-dev-Q6_K.gguf	models/unet/	GGUF 量化 UNet
t5xxl_fp8_e4m3fn_scaled.safetensors	models/text_encoders/	T5 FP8 文本编码器
clip_l.safetensors	models/text_encoders/	CLIP-L 文本编码器
ae.safetensors	models/vae/	FLUX VAE

几个容易踩的坑：

不要把 .gguf 放进 models/checkpoints/。它不会被识别为 checkpoint，放进去也选不到。
不要把 T5 和 CLIP 放进 models/clip/。FLUX 用的是 DualCLIPLoader，它读的是 text_encoders 目录。
不要把 ae.safetensors 放进 checkpoints/。VAE 有单独的目录。
文件名尽量不要改。如果改了，ComfyUI 可能找不到对应的 loader。

放好文件后，重启 ComfyUI 或点一下节点里的 Refresh 按钮，下拉菜单里应该能看到这些模型。

详见：ComfyUI FLUX 模型文件放哪里？UNet、T5、CLIP、VAE 目录对照

第四步：搭最小工作流

不需要复杂的工作流，最小可用的 FLUX GGUF 工作流就这几个节点：

Unet Loader (GGUF)
DualCLIPLoader
CLIP 文本编码 (Flux)
EmptySD3LatentImage
KSampler
VAEDecode
VAELoader
SaveImage

连接顺序：

Unet Loader (GGUF) 的输出 MODEL → KSampler 的 model
DualCLIPLoader 的输出 CLIP → CLIP 文本编码 (Flux) 的 clip
CLIP 文本编码 (Flux) 的输出 CONDITIONING → KSampler 的 positive
Empty Conditioning 节点 → KSampler 的 negative（本工作流未使用负面提示词）
EmptySD3LatentImage 的输出 LATENT → KSampler 的 latent_image
KSampler 的输出 LATENT → VAEDecode 的 samples
VAELoader 的输出 VAE → VAEDecode 的 vae
VAEDecode 的输出 IMAGE → SaveImage 的 images

注意：FLUX 的 CLIP 文本编码节点有两个文本框——上面写详细提示词，下面写简短概括。两个都是正向条件，第二个框不是负面提示词。

详见：ComfyUI FLUX GGUF Q6_K 工作流怎么搭？8GB 显卡完整节点连接记录

第五步：先用 768×768 跑通

工作流搭好之后，不要第一次就上 1024×1024。先用 768×768：

参数	建议值
分辨率	768×768
steps	20
batch_size	1
CFG	1.0
sampler	euler
scheduler	simple
seed	fixed（方便复现）

768×768 显存压力低，可以先验证：

节点连接是否正确
模型文件是否能被正常加载
能不能正常出图

如果这一步 OOM，说明不是分辨率的问题——优先检查模型目录、batch_size、后台显存占用。

第六步：再上 1024×1024

768 跑通后，改分辨率到 1024×1024，其他参数不变。

在我这台 RTX 4060 Laptop 8GB 上，1024×1024 + GGUF Q6_K + T5 FP8 可以正常出图。但要注意：

batch_size 必须保持 1
后台尽量不要开浏览器、录屏、其他 AI 软件
1024×1024 已经是比较实用的上限，不建议新手直接试 1280×1280 或更高
如果 1024 OOM，先退回到 768，不要乱改 CFG 或 steps

详见：8GB 显存怎么跑 ComfyUI FLUX？RTX 4060 Laptop 实测低显存方案

第七步：第一次慢不要急着判断失败

第一次 Queue Prompt 之后，可能会等好几分钟。这是正常的。

冷启动时，模型需要从硬盘加载、缓存需要建立、CUDA 需要初始化。第二次、第三次通常会明显变快。

在我这台机器上：

冷启动 + 1024×1024 + 30 steps 可能比后面热状态下的同样参数慢很多
不能拿冷启动的耗时去判断“这个分辨率快不快”

等它跑完第一张，如果出图正常，再跑第二张对比。如果每次都像第一次那么慢，才需要排查。

本站把首次加载与热状态分开记录，口径见：测试方法与内容边界

第八步：再考虑 steps

1024×1024 跑通之后，再来调整 steps：

20 steps：适合调 prompt、批量试方向、省时间。我这台机器热状态下约 108 秒。
30 steps：适合最终定稿。热状态下约 182 秒。

但不要以为 steps 从 30 降到 20 就能解决 OOM——steps 主要影响计算时间，不直接大幅降低模型与中间张量的显存占用。如果已经 OOM，应先检查模型精度、分辨率、batch 和其他 GPU 应用。

详见：FLUX 20 steps 和 30 steps 怎么选？RTX 4060 Laptop 8GB 实测耗时对比

第九步：再考虑 Q4、Q5、Q6

当你已经能稳定跑通 Q6_K 之后，如果好奇其他量化级别：

Q6_K：我目前的日常选择，已实测 1024×1024 稳定。
Q5_K_M：文件更小（约 8.5GB），理论显存压力更小。我还没实测。
Q4_K_M：文件最小（约 7.5GB），显存压力最低。我还没实测。

新手建议：先别急着换量化级别。先用 Q6_K 跑稳了，确认其他变量（模型目录、分辨率、batch、后台占用）都没问题，再去试 Q5 或 Q4。量化级别的横向对比，要在同一台机器、同一天、同样状态下做才有效。

本站尚未完成Q4/Q5/Q6同条件横评，因此当前不提供量化级别排名。

第十步：OOM 时按顺序排查

如果到某一步 OOM 了，不要慌，也不要一口气改一堆参数。按顺序查：

batch_size 是不是 1？
分辨率是不是设高了？
是不是用了原版 FP16 UNet（而不是 GGUF）？
是不是用了全精度 T5（而不是 FP8）？
浏览器、录屏、Discord、Steam 等有没有占用 GPU 显存？
模型文件是不是放错了目录？
ComfyUI 是否真的完全重启过（不是只刷新网页）？

每一步都可能有单独的解决方案。降 steps 或调 CFG 应该排在排查清单比较靠后的位置。

详见：ComfyUI FLUX 8GB 显存不够怎么办？OOM、加载慢、爆显存排查记录

新手最容易走错的顺序

结合我这段时间的踩坑经历，以下是最常见的几种错误顺序：

先上 1024 再装 GGUF 节点

还没装 ComfyUI-GGUF 就开始搭工作流，到处找 Unet Loader 找不到。先把节点装好、重启 ComfyUI，再搭工作流。

把 .gguf 放进 checkpoints

GGUF 不是 checkpoint。放进 checkpoints 目录后 ComfyUI 不会识别。正确位置是 models/unet/。

T5 放进 models/clip

FLUX 的 DualCLIPLoader 读的是 text_encoders 目录，不是 clip。放错目录后下拉菜单找不到 T5。

第一次 1024 OOM 就判死刑

可能只是后台显存被占了，可能是 batch_size 不是 1，可能是用错了模型版本。先排查，不要直接下结论说“8GB 不能跑”。

同时改分辨率、steps、CFG

出了问题不知道是哪个变量造成的。每次只改一个参数，跑通验证后再改下一个。

拿冷启动耗时判断性能

第一次慢不等于机器不行。热状态下连续跑第二次或第三次再比较。

我建议的新手路线图

总结成一句话版本：

装 ComfyUI-GGUF
重启 ComfyUI
放模型文件到正确目录
搭最小工作流（Unet Loader GGUF + DualCLIPLoader + CLIP 文本编码 Flux + EmptySD3LatentImage + KSampler + VAEDecode + VAELoader + SaveImage）
768×768 + 20 steps 跑通
1024×1024 + 20 steps 测试
1024×1024 + 30 steps 定稿
遇到 OOM 按排查清单逐项检查
稳定后再考虑测试 Q4/Q5/Q6 不同量化级别
记录自己的冷启动和热状态耗时

FAQ

8GB 显卡真的能跑 FLUX 吗？

能。前提是别用原版 FP16 UNet 和全精度 T5。本站实测 FLUX GGUF Q6_K + T5 FP8，在 RTX 4060 Laptop 8GB 上可以 1024×1024 正常出图。但显存接近极限，不能保证所有 8GB 显卡都同样表现。

为什么必须用 Unet Loader (GGUF)？

因为 .gguf 不是 safetensors checkpoint。普通 Load Checkpoint 和 UNET Loader 都不能加载 GGUF 文件。只有 ComfyUI-GGUF 节点里的 Unet Loader (GGUF) 能加载。

为什么模型放对了但下拉框还是没有？

几种可能：没有刷新模型列表、没有重启 ComfyUI、放错子目录、文件名被改动、或者 ComfyUI 版本不兼容。先重启再刷新。

新手应该先 768 还是 1024？

先 768 跑通。768 显存压力低，可以先验证节点、目录、连接都没错。跑通后再上 1024。

20 steps 够不够？

在我这台机器上，20 steps 已经能出图，调 prompt 阶段完全够用。最终定稿可以再试 30 steps。

OOM 时先改什么？

不是改 steps，也不是改 CFG。先查 batch_size 是不是 1、分辨率是不是太高、是不是用了 FP16 原版、T5 是不是全精度、有没有其他程序占显存。

Q4、Q5、Q6 新手先选哪个？

先选 Q6_K。这是我目前实测验证过的。跑稳之后再考虑试 Q5_K_M 或 Q4_K_M。

后续待补

Q4_K_M、Q5_K_M、Q6_K 在相同 prompt 下的出图对比
768、896、1024 在热状态下的连续耗时对比
12GB 显卡上同一流程的表现
FP8 Checkpoint 方案的完整对比
不同 sampler 的耗时和画面差异