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

先说结论

这篇文章不写原理，只记录一件事：怎么在 ComfyUI 里把 GGUF Q6_K + T5 FP8 的 FLUX 工作流搭起来。面向新手，每一步都写清楚节点叫什么、连哪里、参数填什么。

基于我的 RTX 4060 Laptop 8GB 实测，这套工作流能在 1024×1024 分辨率下正常出图，不 OOM。如果你用的是其他显卡，比如 RTX 3060 12GB、RTX 4060 Ti 8GB，节点搭建方式一样，但具体速度需要自己测。

本文只讲搭建，实测数据和速度对比见《8GB显存怎么跑 ComfyUI FLUX？RTX 4060 Laptop 实测低显存方案》。

你需要提前准备好的东西

ComfyUI 已安装并能正常打开（本文用的是 0.24.0）
ComfyUI-Manager 已安装（用于装 GGUF 节点）
以下模型文件已经下载到对应目录：

模型文件	放在哪个目录	用途
flux1-dev-Q6_K.gguf	models/unet/	UNet / 扩散模型
t5xxl_fp8_e4m3fn_scaled.safetensors	models/text_encoders/	T5 FP8 文本编码器（主）
clip_l.safetensors	models/text_encoders/	CLIP-L 文本编码器（辅）
ae.safetensors	models/vae/	VAE 图像编解码

如果还没有模型文件，需要先下载。本文不展开下载步骤，去 HuggingFace 搜对应文件名即可。

安装 ComfyUI-GGUF 节点

GGUF 量化模型不能通过 ComfyUI 自带的 Load Checkpoint 或 UNET Loader 加载，需要用专门的 GGUF 加载节点。

打开 ComfyUI，在右侧菜单找到 ComfyUI-Manager
点 Install Custom Nodes
搜索 ComfyUI-GGUF
安装
重启 ComfyUI

安装完成后，在节点菜单里应该能搜到 Unet Loader (GGUF) 这个节点。如果搜不到，检查是否重启了。

节点清单和关键参数

FLUX GGUF Q6_K 工作流总览

这张图是完整工作流总览，Unet Loader (GGUF)、DualCLIPLoader、CLIP 文本编码、EmptySD3LatentImage、KSampler、VAE Decode 和 SaveImage 都在同一套流程里。

整个工作流一共用到这 7 个节点：

1. Unet Loader (GGUF)

这里要用 Unet Loader (GGUF) 加载 flux1-dev-Q6_K.gguf，不要用普通 Load Checkpoint。

节点名：Unet Loader (GGUF)
参数：unet_name 选择 flux1-dev-Q6_K.gguf
连接：输出 MODEL -> 连到 BasicGuider 或 KSampler

2. DualCLIPLoader

DualCLIPLoader T5 FP8 flux 设置

DualCLIPLoader 里 clip_name1 选择 clip_l.safetensors，clip_name2 选择 t5xxl_fp8_e4m3fn_scaled.safetensors，type 选择 flux。

节点名：DualCLIPLoader
参数：
- clip_name1：选择 clip_l.safetensors
- clip_name2：选择 t5xxl_fp8_e4m3fn_scaled.safetensors
- type：必须选 flux，不能是默认的 sdxl
连接：输出 CLIP -> 连到 CLIP 文本编码 (Flux) 节点

3. CLIP 文本编码 (Flux)

节点名：CLIP 文本编码 (Flux) — 注意是一个节点，不是两个
说明：这个节点有 两个文本框，都从 DualCLIPLoader 的同一个 CLIP 输出连入
- 上方文本框：写详细提示词（英文，描述你想要的内容）
- 下方文本框：写简短概括，也是正向条件，不是负面提示词
连接：
- 输入 CLIP <- 来自 DualCLIPLoader
- 输出 CONDITIONING -> KSampler 的 positive

4. EmptySD3LatentImage

节点名：EmptySD3LatentImage — 专门给 SD3/FLUX 用的空白画布
参数：
- width：1024
- height：1024
- batch_size：1（8GB 显存不要设大于 1）
连接：输出 LATENT -> 连到 KSampler 的 latent_image

5. KSampler

节点名：KSampler
参数：
- seed：随意，或者设 fixed 方便复现
- steps：20（推荐起步值）
- cfg：1.0（FLUX 基本都设 1.0）
- sampler_name：euler
- scheduler：simple
- denoise：1.0
连接：
- model <- 来自 Unet Loader (GGUF)
- positive <- 来自 CLIP 文本编码 (Flux)
- negative <- 空或连一个 Empty Conditioning 节点
- latent_image <- 来自 EmptySD3LatentImage
- 输出 LATENT -> 连到 VAEDecode

6. VAEDecode

节点名：VAEDecode
连接：
- samples <- 来自 KSampler
- vae <- 来自 VAELoader（见下）
- 输出 IMAGE -> 连到 SaveImage

7. VAELoader + SaveImage

VAELoader：vae_name 选 ae.safetensors，连到 VAEDecode
SaveImage：默认参数即可，连 VAEDecode 的输出

节点连接顺序（一览）

按信号流向排：

加载模型：Unet Loader (GGUF) -> 输出 MODEL
加载文本编码器：DualCLIPLoader -> 输出 CLIP
写提示词：CLIP 文本编码 (Flux) <- 接 CLIP，输出 CONDITIONING
建空白画布：EmptySD3LatentImage -> 输出 LATENT（1024×1024, batch 1）
采样：KSampler <- 接 MODEL + CONDITIONING + LATENT，输出新 LATENT
加载 VAE：VAELoader 选 ae.safetensors
解码：VAEDecode <- 接 KSampler 输出 + VAE
保存：SaveImage <- 接 VAEDecode 输出

常见错误（踩坑记录）

用错加载节点

错误：用了 ComfyUI 自带的 Load Checkpoint 或 UNET Loader 加载 .gguf 文件。后果：加载失败或直接报错。 正确做法：必须用 Unet Loader (GGUF)，这是 ComfyUI-GGUF 节点提供的。

T5 放错目录

错误：把 t5xxl_fp8_e4m3fn_scaled.safetensors 放到了 models/clip/ 而不是 models/text_encoders/。后果：DualCLIPLoader 选不到这个文件。 正确做法：T5 模型文件放 models/text_encoders/。

type 没选 flux

错误：DualCLIPLoader 的 type 保持了默认值 sdxl。后果：可能不会直接报错，但文本理解会出错，出图不对。 正确做法：DualCLIPLoader 的 type 必须选 flux。

第二文本框误当负面提示词

错误：把 CLIP 文本编码 (Flux) 的下方文本框留空，或者当成负面提示词填了一堆 (bad quality:1.4)。后果：FLUX 对这个框的理解不是负面条件，留空可能导致出图质量下降。 正确做法：下方文本框写一句简短正向概括，比如 “a realistic portrait photo of a young Chinese woman”。这个框帮助模型理解你想强调什么，不是排除什么。

batch_size 大于 1

错误：EmptySD3LatentImage 里 batch_size 设成了 2 或更大。后果：8GB 显存几乎必然 OOM。 正确做法：batch_size 老老实实设 1。

我的测试环境

项目	配置
GPU	NVIDIA GeForce RTX 4060 Laptop GPU
专用显存	8 GB
系统内存	32 GB
操作系统	Windows 11 Home China
驱动版本	610.47
ComfyUI 版本	0.24.0
Python	3.11.9 (venv)
PyTorch	2.6.0+cu124
CUDA	12.4

项目来源与版本提醒

这套工作流使用社区项目 ComfyUI-GGUF 提供的加载节点。该项目仍会更新，节点分类、支持的量化格式和安装依赖都可能变化。FLUX.1-dev 的模型信息与许可条件见 Black Forest Labs 模型卡。

本文只复现截图中的 Q6_K + T5 FP8 组合，不把其他 GGUF 模型或新版节点的行为推断为相同。

常见问题 FAQ

这套工作流最低需要多少显存？

本文在 RTX 4060 Laptop 8GB 上实测通过。没有在更低显存（6GB、4GB）上测试。

能不能用 FP16 原版 UNet？

不建议 8GB 显卡直接用 FP16 原版。原版 UNet + 全精度 T5 对 8GB 显存很不友好，通常会依赖 offload，速度和稳定性不好保证。本文方案是 GGUF Q6_K，不是 FP16。

3060 也能用这套工作流吗？

节点搭建方式一样。我没有 3060 机器，不能确认同样耗时；3060 12GB 显存更宽裕，但具体速度和兼容性需要实测。

为什么不用普通 Checkpoint Loader？

因为 FLUX GGUF 文件不是标准 ComfyUI checkpoint 格式。必须用 GGUF 专用加载节点。

第二个文本框真的不能空着吗？

可以空着，但实测建议填一句简短概括。FLUX 的双文本框设计是上面详细描述、下面提炼重点，两个都是正向条件。