Flux FP8 Dual CFG Workflow

此 ComfyUI 工作流实现了由 AmericanPresidentJimmyCarter 开发的推理方法，专为使用 FLUX.1 dev 模型进行优化的 LoRA 增强图像生成而设计。该工作流采用两个 KSamplers 将推理过程拆分，并在不同时间步应用不同的 CFG 缩放值。

目前，这是使用 AndroFlux 的最佳方式。

请在本工作流中使用 一体化 Flux 检查点，或直接将两个 KSamplers 复制粘贴到您自己的工作流中。

关键方法：

• 双 KSampler 配置：

  1. 初始 KSampler（时间步 0-2）：

     • CFG：1.0（禁用）

     • 步数：3

     • 去噪强度：1.00

     • VAE 解码：False

  2. 优化 KSampler（时间步 3-30）：

     • CFG：3.0

     • 步数：27

     • 去噪强度：0.93（根据总步数调整）

     • VAE 解码：True

洞察：

• 推理优化：此设置模仿了 Jimmy 的 flux_lora_cfg.py 中的 CFG 调整策略。它首先使用中性 CFG 建立图像基础，随后施加更强的引导以优化细节并提升提示词遵循度。

• FP8 量化检查点：本工作流使用 FLUX.1 [dev] 的 FP8 量化版本，该版本将 VAE 和文本编码器整合到单个文件中。这一一体化模型（flux1-dev-fp8.safetensors）更加便捷，但因量化而略有质量折损。

与先前工作流的区别：

• 一体化检查点：与我之前的工作流使用分离的模型组件文件不同，本版本采用单一整合的检查点。虽然更方便，但需注意，此 FP8 版本的质量可能略低于原始非量化文件。

• 动态 CFG 策略：双 KSampler 方法允许对生成过程进行更精细的控制，直接实现了 Jimmy 关于 Flux LoRA 最优 CFG 时机的研究成果。

有关 ComfyUI 中 Flux 工作流的更多信息，请参阅 官方 ComfyUI Flux 文档。