ComfyUI
基于节点的Stable Diffusion图形用户界面，适合高级用户。
ComfyUI 介绍
ComfyUI 是一个面向专业视觉人士的 AI 创作引擎，它最大的特点是让你能精确掌控每个模型、每个参数和每个输出。你可以在无限画布上连接节点，把模型、处理步骤和输出像搭积木一样组合起来，每一步都看得见、可调整。
这个工具能帮你解决“想要精细控制 AI 生成过程”的问题。不管是做图片、视频还是其他视觉内容，你都可以从零搭建工作流，或者从社区模板快速开始。它提供了本地版、云端版、API 和企业版，你可以在自己电脑上跑，也能上传到云端用，甚至把工作流变成生产级的 API 端点。适合那些不满足于“一键生成”，想深入理解每一步、反复调参的专业人士。
主要功能
节点式工作流
在画布上连接模型、处理步骤和输出，每个参数和节点都可见、可调整，给你最大的可控性。
App 模式
如果你刚接触 ComfyUI，可以用这个简化视图，不熟悉节点也能快速上手，随时可以切换回完整节点图。
社区工作流（Comfy Hub）
浏览和混用数千个社区共享的工作流，从经过验证的模板开始，按需自定义。
多种运行方式
支持本地版（用自己的硬件）、云端版（随时随地用全部能力）、API（转成生产级接口）和企业版（组织内基础设施）。
使用场景
专业视觉设计师需要精确控制AI图像生成流程中的每个环节
现有AI工具无法满足对模型、参数和处理步骤的细粒度调整
使用ComfyUI的节点图在无限画布上连接模型、处理步骤和输出，每个决策和参数都可直接调整和检查
开发团队需要将手动构建的AI工作流转化为可重复调用的服务
手动运行工作流无法集成到业务流程或外部应用中
使用Comfy API将已构建的工作流转化为生产级API端点，供其他系统调用
AI图像生成新手希望快速体验社区已有的高质量工作流
从零构建节点图门槛高，不熟悉复杂操作
在ComfyUI的App模式中加载Comfy Hub上的社区工作流模板，直接运行并根据需要调整
使用建议
如果你需要精细控制 AI 生成的每个环节，比如反复调试模型参数、构建复杂的管线，ComfyUI 会很适合你。
如果你是新手，可以从 App 模式或社区模板入手，先跑起来再慢慢深入节点编辑，适合想系统学习 AI 工作流的人。
套餐详情
- Includes 4,200 monthly credits with top-ups available
- ~380 5s videos*
- 30-minute max runtime per workflow
- Add more credits anytime
- Includes 7,400 monthly credits with top-ups available
- ~670 5s videos*
- Everything in Standard, plus:
- Import your own LoRAs
- 3 concurrent API jobs
- Includes 21,100 monthly credits with top-ups available
- ~1,915 5s videos*
- Everything in Creator, plus:
- Longer workflow runtime (up to 1 hour)
- 5 concurrent API jobs
常见问题
用户评分
为此工具评分
最新资讯
智能体AI验证与自改进机制研究
arXiv新论文提出一种形式化框架，用于分析智能体AI系统在验证与自改进过程中的能力边界。该研究区分了不同改进机制，并通过有界验证、随机性控制和复杂性类分析，揭示了自改进行为对正确性、证据要求及资源消耗的影响。
LLM智能体受限自演化与准入闸门机制
一项arXiv研究提出，自我改进的LLM智能体若重写自身，会破坏监管者所依赖的变更记录。研究者将自演化限定在运行时挂架层，模型权重保持不变，并设计带哈希链记录的准入闸门。仿真中闸门仅接纳7449个候选变更中的144个，且无一致命错误恶化。
智能体可控遗忘机制实现上下文可逆压缩
arXiv论文提出智能体控制的遗忘机制，让模型把冗余的工具返回结果替换为简短笔记并存入可恢复归档，无需任务训练。在OpenTelemetry调试实验中，提示词token从912492降至231951，成本从约4.38美元降至约1.28至1.44美元，但耗时增加17%，且节省效果依赖具体工作负载。
可解释的表头中心语义表格解读框架
arXiv 上一项研究提出以表头为中心的可解释框架，用于仅有元数据条件下的列类型标注与数据质量评估。该框架把表头映射为39种可解释类型，结合数据质量问题分类体系生成规则化检测，并聚合为数据源级指标 HeadersIQ，在约12万列表头上完成评测。
无模式数据合成框架STS实现企业级智能体训练数据生成
研究者提出无模式数据合成范式STS，让大模型智能体在模拟企业环境中通过调用策略执行API生成数据，由构造保证结构有效性。其通用填充器GP在十个环境中实现0.88平均边际保真度与百分之百约束满足，且无需访问数据库模式，并开源全部框架、环境与数据集。