ComfyUI模型缓存机制如何设置

ComfyUI 的模型缓存机制主要涉及模型加载方式、缓存大小、显存/内存管理，可以通过配置文件、启动参数、节点设置三种方式来调整。下面按实际使用场景说明。

一、ComfyUI 默认的模型缓存机制

ComfyUI 默认会：

将模型（Checkpoint / LoRA / VAE / ControlNet 等）加载到 显存（VRAM）
如果显存不足，会自动卸载到内存（RAM）
同一模型在多次生成时不会重复加载
不同节点引用同一模型时共享缓存

缓存位置：

模型文件本身：

ComfyUI/models/

运行时缓存（如 VAE 解码后的 latent 等）：

内存 / 显存中（非磁盘持久化）

二、通过启动参数设置缓存行为（最常用）

在启动 ComfyUI 时，可以使用以下参数控制缓存和显存策略。

1️⃣ 限制模型缓存数量（防止显存爆）

--cache models

或限制数量：

--cache-lru 3

只保留最近使用的 3 个模型，其余自动卸载

2️⃣ 禁用自动卸载（高性能机器）

--disable-smart-memory

适合：

显存 ≥ 24GB
不想频繁加载/卸载模型

3️⃣ 强制使用 CPU 内存缓存

--cpu

所有模型先在 RAM 中加载，再按需进显存（慢但稳）

4️⃣ 低显存模式

--lowvram
--medvram

--lowvram：最小显存占用
--medvram：折中方案

三、通过 extra_model_paths.yaml（模型路径缓存）

如果你有多个模型目录，可以配置：

comfyui:
base_path: /your/model/path
checkpoints: models/checkpoints
loras: models/loras
vae: models/vae

这样 ComfyUI 会统一索引模型，避免重复拷贝

四、节点层面的缓存控制（工作流内）

1️⃣ Load Checkpoint 节点

相同模型只加载一次
切换模型才会触发卸载

2️⃣ KSampler 节点

latent 缓存仅在当前 workflow 内
不会写磁盘

3️⃣ 使用“模型合并 / 卸载”节点（高级）

如：

Free VRAM
Unload All Models

适合：

长流程
多模型切换

五、磁盘缓存（可选）

ComfyUI 默认不缓存生成结果，但你可以：

用 Save Image 节点
或用插件（如：
ComfyUI-Manager
ComfyUI-CacheNodes）

六、推荐配置示例

✅ 24G 显卡（如 3090）

python main.py --cache-lru 5

✅ 12G 显卡（如 3060）

python main.py --medvram --cache-lru 2

✅ 8G 显卡

python main.py --lowvram

七、常见问题

Q：模型频繁 reload？
→ 调大 --cache-lru
Q：显存爆？
→ 加 --lowvram 或手动 Free VRAM
Q：速度慢？

→ 关闭 `--cpu`，用 `--disable-smart-memory`

如果你愿意，可以告诉我：

显卡型号
是否用 SD1.5 / SDXL / Flux
是否多模型切换

我可以给你一套最佳缓存参数配置。