如何压缩ComfyUI模型文件体积

在 ComfyUI 环境下，模型文件（主要是 checkpoint / safetensors / lora / vae / controlnet 等）通常很大（几 GB 甚至十几 GB）。压缩体积一般从 模型格式、精度、拆分、清理冗余 几个方向入手。下面按实用程度给你一套方案。

一、优先使用更省空间的模型格式

✅ 1. 用 safetensors 替代 ckpt

• ckpt 包含 Python pickle，体积大且有安全风险
• safetensors 通常 更小、更安全、加载更快

转换方式：

python -m safetensors.torch.convert ckpt model.ckpt model.safetensors

二、降低模型精度（最有效）

✅ 2. 转成 fp16 或 bf16

大多数模型用 fp32 存储，实际用 fp16 几乎无画质损失。
常见体积对比：

转换示例（diffusers → safetensors fp16）

python -m torch.distributed.launch \
convert_diffusers_to_safetensors.py \
--model_path ./model \
--half

或用 ComfyUI 自带脚本：

python tools/convert_weights.py \
--input model.safetensors \
--output model_fp16.safetensors \
--half

三、拆分大模型（ComfyUI 推荐）

✅ 3. 把 checkpoint 拆成 model + vae + clip

ComfyUI 原生支持：

model/
├── model.safetensors
├── vae.safetensors
└── clip.safetensors

好处：

• 可复用 VAE / CLIP
• 避免重复占用空间
• 更易管理

拆分工具：

• ComfyUI/tools/split_tensors.py
• 或 sd-webui 的 checkpoint splitter

四、合并 & 删除冗余文件

✅ 4. 删掉不必要的东西

很多模型里包含：

• 多个 VAE
• 多余 text encoder
• 训练元数据

清理手段：

• 只保留 unet / vae / text_encoder
• 删除 *.json / optimizer / epochs 等训练残留

五、LoRA / ControlNet 压缩

✅ 5. LoRA 用 safetensors + fp16

• 原 LoRA：~200–500MB
• 压缩后：~50–150MB

推荐做法：

• 训练时直接输出 safetensors
• 推理时加载 fp16

六、使用模型管理系统（高级）

✅ 6. 用 symlink / 模型池

• 不复制模型
• 用软链接共享

ln -s /models/SD15/model.safetensors ./ComfyUI/models/checkpoints/

七、不推荐的方式（注意）

❌ ZIP / 7z 压缩模型

• ComfyUI 不能直接读取
• 加载时要解压，反而更慢

❌ 过度量化（int8）

• 画质明显下降
• ComfyUI 支持有限

推荐组合方案（最实用）

✅ safetensors + fp16 + 拆分 + 共享 VAE/CLIP
一般可做到：

• SD1.5：4–7GB → 2–3.5GB
• SDXL：12GB → 6GB 左右

如果你愿意，可以告诉我：

• 用的是 SD1.5 / SDXL / Flux
• 模型类型（checkpoint / lora / controlnet）
• 当前文件大小和格式

我可以直接给你针对性压缩命令。