13秒极速出图 ！FluxKontext安装和使用加速插件全过程

又是疯狂下载的一天！ 

为了搞这个 FLux Context，几天功夫已经下载了几百G的文件了！！！

讲完了Windows本地安装，Mac本地安装和测试，低显存运行。

今天来讲一讲提速！

我第一次在RTX5060ti上运行，出一张图片需要100多秒。而今天，P一张图片只用了13秒。

Prompt executed in 12.53 seconds

这速度简直飞起了！

毛估估提速七倍。

这个提速主要是依靠一个叫nunchaku的插件和一个Lora！

下面就来完整说一下安装配置过程。

首先基于我们上一篇的文章，已经安装和配置好了ComfyUI的基础运行环境。可以正常使用Flux Kontext模型。

然后我们就可以进入今天的主题了。

安装插件

安装插件本身很简单，直接ComfyUI Manager里面搜索安装就可以了，但是安装插件的依赖会有一点麻烦。

具体操作如下，首先点击Manager打开插件管理工具

选择自定义节点管理。然后搜索nunchaku，点击Install

安装完成之后点击Restart

重启过程中，会自动安装依赖。但是似乎没有安装最重要的nunchaku包。

nunchaku插件的核心包是nunchaku包。这个包需要针对本地的Python环境，CUDA版本，Torch版本来进行编译。

编译环境相对难搞，所以官方提供了预编译版本！打开网址：

https://huggingface.co/mit-han-lab/nunchaku/tree/main

这里面有针对不同环境的预编译包

密密麻麻看起来可能有点困难。但是只要锁定几个变量，就可以定位到我们需要的包了。

首先linux排除，我们只要win的版本。

其次根据电脑上的Python版本和Torch版本来锁定最终文件。找到ComfyUI自带的Python环境。

默认这个文件夹叫Python_embeded

打开这个文件夹，直接在文件资源管理器地址栏，输入CMD回车，就会自动定打开CMD并定位到这个文件夹。

然后输出命令 python 回车，就可以看到Python版本了。

我这里显示为3.12.7 转换一下就是312。然后按CTRL+Z  回车，退出Python。

接下来查看torch版本，输入命令：

python.exe -m pip show torch

通过这个命令可以快速查看pytorch的版本。

如上图，我们的版本为2.7.1+cu128。

转换一下就是torch2.7。

通过这两个版本就可以锁定预编译文件了。

因为我们在使用Kontext的时候就升级了环境，所以大部分情况应该都是获取这个版本的预编译包。

nunchaku-0.3.1%2Btorch2.7-cp312-cp312-win_amd64.whl

有了这个包之后，继续执行命令：

python.exe -m pip install  nunchaku-0.3.1%2Btorch2.7-cp312-cp312-win_amd64.whl

这里需要注意，nunchaku的路径。如果按上面的命令执行，需要先把nunchaku的预编译包放到Python_embeded文件里面。

如果你放在其他路径下，就要在install后面跟上完整的路径。

当出现Successfully，就证明安装成功了。这个安装会非常快速！安装完nunchaku包之后，启动ComfyUI并载入插件的时候可能还会有错误。
通过如下命令可以解决：

python.exe -m pip install -U peft

这样，插件就装好了。这一步会花一点时间，但是坑我已经帮你踩了，所以会简单很多。

下载模型

下载两类模型，一个是基础模型，一个是lora模型。

模型地址：

https://huggingface.co/mit-han-lab/nunchaku-flux.1-dev/tree/main

下载模型的时候需要注意，这里有两个数据类型的模型。

svdq-fp4_r32-flux.1-dev.safetensors
svdq-int4_r32-flux.1-dev.safetensors

不同系列的N卡，需要选择不同的文件了。我刚开始随便下载了一个，就出错了。

提示信息为：

NunchakuFluxDiTLoader
Please use "fp4" quantization for Blackwell GPUs.

翻译一下大概就i是 Blackwell GPUs 需要使用fp4。

5090,5080,5070,5060等都是基于这个架构，所以这些显卡需要选择fp4。

int4和fp4主要是浮点和整数的差别，fp4精度会高一些。

这里问题不大，稍微记一下就好了，如果是50系列显卡就用fp4，之前的系列用int4。

下载完成之后，把文件放到：

ComfyUI_windows_portable\ComfyUI\models\diffusion_models

这个文件和原始的Kontext模型放在同一个路径下面。

Lora地址：

https://huggingface.co/alimama-creative/FLUX.1-Turbo-Alpha/tree/main

Lora就简单很多了，打开之后直接下载这个文件就可以了。

下载之后最好是修改一下名字，比如改成：

FLUX.1-Turbo-Alpha .safetensors

然后把这个文件放到：

ComfyUI_windows_portable\ComfyUI\models\loras

修改工作流

安装和模型下载都做完之后，就非常简单了。

只要打开官方的FLux Kontext基础工作流，删除原来的Diffusion模型加载器删除，添加一个Nunchaku加载器，添加一个Nunchaku lora就可以了。

这两个节点添加之后，记得选择具体的模型。然后上传图片，填写修改提示词就可以运行了。

运行工作流

万事俱备，就等验证了。

这一步只要点一下运行（RUN）按钮即可。

点一下，没一会儿，结果就出来了。难以置信！

结果对比：

在细节上肯定有些差异，但是不明显。主要是这个太快了，以至于对它充满了包容性。

实际操作的时候，可以用这个快速工作流预览出图，如果不错的话，再用官方的工作流慢慢生成高质量的图片。

在50系列的入门卡中就有这个速度了，可玩性就相当高了！

有留言反馈说，本地实在跑不起来，单独租服务器又有点难搞。那可以使用一些在线平台，工作流和软件都是一样的，只是他们提供了在线运行的环境。

我自己试了一下这个：

https://www.runninghub.cn/?inviteCode=potspaer 

目前更新比较快，支持也不错。大概是有邀请码的的话注册完送1000个积分，然后每天会送一些。很多人在上面分享工作流，免费领积分，直接用工作流是挺好的！当然，天下没有永远免费的午餐，有条件自己搞个好点的硬件。

最后！

文中相关的软件，模型，工作流都放在网盘了。

给公众号发送 kontext 即可获取！