只需3秒出图！flux Kontext秒出图谁不爱？Nunchaku最详细的安装部署教程，看这篇就够了！

Nunchaku最详细部署教程，看这篇就够了！

Nunchaku可以让 flux 模型8步就出图，最快时间只要3秒，而且目前已经支持支持Kontext模型。但它的安装方式比较麻烦，很多人安装老是出错，今天我出一期详细的安装部署教程，Nunchaku安装看这篇就够了！

一、首款安装节点

安装nunchaku节点并升级到最新版本

节点链接：

https://github.com/mit-han-lab/ComfyUI-nunchaku

节点的具体安装方法可以参见文章：

让ComfyUI无所不能的秘密：如何自定义节点！AI绘画，ComfyUI教程，安装自定义节点

当然了，最简单的节点安装方法，是通过管理器搜索节点名字进行安装

二、环境安装

1、安装CUDA

首先，Nunchaku目前只支持NVIDIA显卡，建议先更新CUDA，CUDA的安装方法可以看这篇文章：

明明买了贵的显卡AI绘图还是慢，GUDA+cuDNN+pytorch安装，让你的comfyUI起飞！

2、PyTorch的版本不能小于2.5

PyTorch版本查看方法：在用秋叶启动器启运的时候，控制台可以看到PyTorch的版本号，我的版本是2.51。

同时记下自己的python版本号和路径，后面要用到

我的python版本号是3.11.9，路径是E:\ComfyUI-aki-v1.7\python

python的版本号也可以通过命令行查看

在命令行中输入刚刚记下的python路径，后面加上" --version"，按回车可以查看python版本

完整命令：

"E:\ComfyUI-aki-v1.7\python\python.exe --version"

在python路径后面加上"  -m pip show torch" 可以查看torch版本

完整命令：

"E:\ComfyUI-aki-v1.7\python\python.exe  -m pip show torch"

3、升级PyTorch

如果你的PyTorch的版本小于2.5，就需要升级了

升级方法：到秋叶启动器里按下图找到Pytorch安装，选择强制重装。

建议版本不要选择太高，先从最低版本开始升级。

4、下载轮子

链接：

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

版本选择：这里很多人都会选错

目前nunchaku最新版是0.3.1，我的torch版本是2.51，python版本是3.11.9，系统是windows系统，所以我要下载的版本应该是0.3.1+torch2.5-cp311-cp311-win这个版本。

将下载好的文件粘贴到E:\ComfyUI-aki-v1.7\python路径下面

来到pyhon的路径：E:\ComfyUI-aki-v1.7\python\，在地址栏输入cmd，调出命令行窗口

在命令行下面输入指令进行安装：

python.exe -m pip install nunchaku-0.3.1+torch2.5-cp311-cp311-win_amd64.whl

安装成功后关掉窗口即可，刚刚下载的文件可以删了。

5、轮子安装失败怎么办

如果已经安装了nunchaku的节点，进入nunchaku目录下的示例工作流节文件夹：

custom_nodes\ComfyUI-nunchaku\example_workflows

打开第一个安装轮子工作流：install_wheel.json

打开工作流后，在红框处选择通过什么方式下载轮子，如果你可以科学上网，就用huugface下载，如果不能科学上网，就选ModeScope下载。

同时记得选择最新的0.31版本，然后点击运行，它就会自动下载轮子。

点击运行后，它会自动根据我电脑里torch版本下载合适的轮子。

从运行结果也能看出来，这个工作流自动安装的nunchaku版本是0.3.1+torch2.5-cp311-cp311-win，和我前面选择的是同一个版本。

三、模型下载 

1、模型选择和模型下载

50系显卡选择nvfp4版本模型，50系以下的显卡选择int4版本模型

模型链接：

https://huggingface.co/collections/mit-han-lab/svdquant-67493c2c2e62a1fc6e93f45c

下面以svdq-int4-flux.1-dev模型为例，我们需要把该页面的所有文件全部下载下来

链接：

https://huggingface.co/mit-han-lab/svdq-int4-flux.1-dev/tree/main

下载好后模型放置位置：

ComfyUI\models\diffusion_models

此时打开示例工作流：nunchaku-flux.1-dev.json

工作流中默认只需要8步，我们先把本地没有的两个加速lora先给禁用掉或删掉。

运行工作流看下速度

默认8步的出图质量还算不错，主要是速度非常快，第一次运行生图速度12.67秒，速度非常快，第二次运行速度4.29秒，更快了。

这个速度已经非常nice了。

2、模型合并

目前下载下来的模型是一个文件夹，还不是一个完整的模型文件，我们可以通过官方提供的示例工作流对模型文件夹进行合并，

打开工作流：merge_safetensors.json

工作流打开后选择你刚刚下载的模型版本，点击运行，它会把刚刚的模型文件夹合并为一个safetensors文件。

合并完成后，就把刚刚的模型文件夹删了，以节省磁盘空间。

合并完模型后，打开示例文件夹内的nunchaku-flux.1-dev.json工作流，

替换成刚刚合并的模型就可以了。

3、Nunchaku官方T5编码器

目前Nunchaku官方还出了一 个专用的T5编码器，用它能够进一步提升生图速度，

编码器名称：

awq-int4-flux.1-t5xxl.safetensors

下载地址：

https://huggingface.co/mit-han-lab/nunchaku-t5/tree/main

模型放置路径：models\text_encoders

把编码器换成专用的T5编码器后，生图竟然糊了，我们将默认步数从5提到20或更高再试一下。

不过经过我几次测试，虽然换了T5编码器后将步数提升到20后，出图速度跑进了3秒，但出的图还是有糊的。

这可能是nunchaku出的编码器不太稳定造成的，期待以后再更新吧，所以我又换回了flux原生的T5编码器。

四、Kontext模型

目前最新版的nunchaku已经支持 kontext模型了，而且提供的是一个完整的safetensors文件，不再是一个文件夹。

链接：

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

模型放置路径：

ComfyUI\models\diffusion_models

从示例文件夹中加载工作流：nunchaku-flux.1-kontext-dev.json

记得将模型换成你刚刚下载的模型

生图速度也明显提升了，第一次生图时间32.21秒，第二次只有20秒，比正常出图速度明显提升。

总结：

nunchaku确实可以数倍提升生图速度，但模型的质量可能比flux官方模型还差点意思，如果只求速度不在乎质量有瑕疵可以用它。

用同样的提示词，下面左图为nunchaku出的图，右图为 flux 官方模型出的图，可以看出nunchaku的出图质量还是差点意思的。

不过第二次出图时，nunchaku9.86秒，flux官模29.29秒，速度提升了3倍！

另外nunchaku提供的 T5编码器好像不太稳定，不建议使用。

目前nunchaku还提供了很多很多其他功能的官方工作流（需要下载相应的模型），大家有兴趣可以自己去试一下。

在线工作流：

unchaku-flux.1-kontext-dev：

https://www.runninghub.cn/post/1942473442157342721

nunchaku-flux.1-dev：

https://www.runninghub.cn/post/1942467291403464705

往期文章：

90%的工作流都可以扔掉了，AI绘画变得如此简单，万能P图模型kontext高级操作技巧

一个节点让你的 kontext更听话，更容易理解你的提示词，成功率直线飙升，AI绘画

ComfyUI最强反推插件 JoyCaption3 ，批量反推打标就是快

END

感谢您的阅读，麻烦点个赞+在看吧！