ComfyUI 部署 SCAIL-2 一次通关三款精度模型选型、安装与出图全记录【免费下载链接】SCAIL-2项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/SCAIL-2SCAIL-2 是面向 ComfyUI 重新打包的 Wan2.1 14B 扩散模型一个仓库同时给出 FP16、FP8、MXFP8 三种精度的主模型外加一枚 DPO LoRA 优化件。这篇文章不打算复述官方说明而是带你走一遍下载 → 安装 → 出图 → 调优的完整流程把路上会踩的坑提前标出来。凌晨一点你的显卡突然弹出一行红色报错想象一下这个场景你兴冲冲下载了一个 14B 的扩散模型按教程把文件塞进 ComfyUI点击生成——然后屏幕定格了三秒弹出一行刺眼的CUDA out of memory。显卡风扇狂转图却一张都没出来。这不是你的问题而是很多模型打包方式默认你有大显存。而 SCAIL-2 这个仓库的特别之处在于同一个模型它一次性给你三档配置让 16GB、24GB 甚至更小的显存用户都有得选。先记住这句话选对版本比多花一晚上调参更重要。打开仓库先认清货架上有哪几样东西克隆到本地后你会看到这样的结构git clone https://gitcode.com/hf_mirrors/Comfy-Org/SCAIL-2SCAIL-2/ ├── diffusion_models/ # 主模型三个精度版本 │ ├── wan2.1_14B_SCAIL_2_fp16.safetensors │ ├── wan2.1_14B_SCAIL_2_fp8_scaled.safetensors │ └── wan2.1_14B_SCAIL_2_mxfp8.safetensors └── loras/ # LoRA 优化文件 └── wan2.1_SCAIL_2_DPO_lora_bf16.safetensors四份文件职责非常清晰三份是引擎一份是调校件。它们的真实下载体积按仓库中文件的实际大小计算如下文件下载体积显存压力一句话定位FP16 标准版约 30GB高画质上限高显存用户专属FP8 缩放版约 16GB中画质与显存的黄金折中MXFP8 版约 16GB中低显存紧张时的优先尝试项DPO LoRA约 1.1GB极低细节与质感的一键调校 为什么同一个模型要出三个版本通俗地说这叫精度量化把模型的数值精度从 FP16 砍到 FP8 / MXFP8体积直接减半显卡算起来也更省。代价是理论上限略微降低但在实际出图里肉眼差别往往小到可以忽略。别急着加载先搞懂两个文件夹铁律很多新手在这一步翻车其实规则只有两条铁律一主模型只能进models/diffusion_models/。这是本仓库与普通 Checkpoint 的最大区别——它不是全都要的 Checkpoint 包而是单模型文件。放错目录ComfyUI 的模型列表里就找不到它。铁律二目录名和文件名尽量别改。ComfyUI 靠路径识别模型改名后要么刷不出来要么加载时报错得不偿失。以 Linux 为例复制命令长这样# 主模型按需选择版本这里以 FP8 为例 cp SCAIL-2/diffusion_models/wan2.1_14B_SCAIL_2_fp8_scaled.safetensors \ /你的ComfyUI路径/models/diffusion_models/ # LoRA 模型 cp SCAIL-2/loras/wan2.1_SCAIL_2_DPO_lora_bf16.safetensors \ /你的ComfyUI路径/models/loras/Windows 用户用资源管理器直接拖拽即可目标文件夹同上。 这里有个小坑要提醒你克隆后文件只有 136 字节如果克隆完你发现ls -lh显示主模型只有 100 多字节别慌——那是Git LFS 指针文件说明大文件本体还没拉下来。快速验证是否成功ls -lh /你的ComfyUI路径/models/diffusion_models/正常结果应该是 16GB 或 30GB 量级。如果只有 136 字节执行git lfs pull重新拉取即可。第一次出图搭一个最小可用工作流模型放对位置后重启 ComfyUI或点击模型列表的刷新按钮就能看到 SCAIL-2 的三个版本了。这里必须纠正一个常见误区不要用 Load Checkpoint 节点加载它因为 SCAIL-2 是放在diffusion_models/里的单模型文件你要用的是Load Diffusion Model节点也叫 UNETLoader。最小工作流的节点串起来是这样Load Diffusion Model→ 选择 SCAIL-2 的某个精度版本CLIPLoader→ 加载 Wan 系列的文本编码器type 选对应的 wan 配置VAELoader→ 加载 Wan 2.1 的 VAE 文件CLIP Text Encode→ 分别写正面与负面提示词KSampler→ 采样出图VAEDecode Save Image→ 保存结果⚠️ 注意文本编码器和 VAE 不在本仓库内需要从 ComfyUI 官方模型页单独获取 Wan 2.1 的对应文件。别嫌麻烦这是所有 Wan 系单模型工作流的标配。新手推荐从这组参数起步参数建议值说明分辨率512×512 或 768×768先跑通再上大图采样步数20–30 步画质与速度的平衡区CFG5.0–7.0Wan 系模型通常不喜欢太高的 CFG采样器DPM 2M Karras通用稳妥选择怎么判断成功了只要第一次出图没有报错、能看到成品图哪怕细节一般这一步就合格了。后续优化都是锦上添花。让画质再进一步挂上那枚 DPO LoRA如果你对生成结果还不太满意仓库里那枚 1.1GB 的 LoRA 就是为你准备的。它是用DPO直接偏好优化方法训练出来的作用通俗讲就是让模型更懂什么样的图是大家觉得好的细节和质感更稳。操作同样简单在Load Diffusion Model之后、KSampler之前插入LoraLoaderModelOnly节点模型文件选择wan2.1_SCAIL_2_DPO_lora_bf16.safetensors强度从0.5–1.0起步观察效果后微调动手实验建议固定提示词和种子分别用无 LoRA / 强度 0.6 / 强度 0.9各出一张图放一起对比。你会直观看到 LoRA 带来的变化——这才是调整强度的正确方式而不是闭眼乱调。如果加载 LoRA 报错优先检查文件是否进了models/loras/、节点是否插在了正确位置、强度是否为 0为 0 等于没挂。三款版本怎么选一张决策表搞定这是文章开头那个问题的正式答案。别听别人说贵的就好适合你显存的才是最好的你的显卡情况推荐版本理由24GB 及以上显存FP16画质上限显存够用就选它16GB 左右显存FP8 缩放版体积减半画质损失肉眼难辨12GB 及以下显存MXFP8显存最友好能跑起来最重要8GB 显存MXFP8 --lowvram可以跑但要接受较慢的速度配套的两个显存续命技巧启动 ComfyUI 时加--lowvram参数让模型按需加载而非一次占满出图时使用tiled diffusion分块扩散把大图切成小块生成显存压力大幅下降。两个常见误区对照着看❌ 误区✅ 正解FP8 一定比 FP16 画质差很多多数场景下差别微乎其微先跑起来再谈画质文件体积小 显存占用低显存占用主要看精度与分辨率两者别混淆加载失败就是模型坏了九成是目录放错、LFS 未拉全、或节点用错最后给你一份下一步行动清单到这你已经走完了 SCAIL-2 从下载到出图的全部关键环节。接下来按这个顺序行动别贪多今天按显存选好版本完成复制并用ls -lh验证文件大小今天搭好最小工作流用 512×512 出第一张测试图本周挂上 DPO LoRA用同种子对比法找到你喜欢的强度本周尝试把分辨率提到 768×768配合--lowvram观察显存表现长期把好用的参数组合存成模板工作流减少重复劳动。延伸阅读方向ComfyUI 官方文档中关于 diffusion_models 目录与 Wan 系工作流的部分以及模型量化与低显存运行的社区讨论。遇到问题时优先检查目录、LFS、节点类型这老三样。SCAIL-2 最大的诚意就是让你不用在画质和跑不跑得动之间做单选题。现在去生成你的第一张图吧。【免费下载链接】SCAIL-2项目地址: https://ai.gitcode.com/hf_mirrors/Comfy-Org/SCAIL-2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考