零基础把 ComfyUI 部署到云端 GPU：RunPod 实操与模型下载

本地显卡显存不够，或者不想为了偶尔生成几张图片折腾驱动、Python 和依赖，可以把 ComfyUI 放到云端 GPU 上运行：浏览器负责操作节点，云端负责加载模型和生成图片。这样不必先购买显卡，也能减少本地环境配置；但它不是免费服务，更不保证一定比图像 API 便宜——实例运行、模型下载和存储都可能产生费用。

这篇教程以 RunPod 官方 ComfyUI 模板为入口，按“选模板 → 创建实例 → 补充节点 → 下载模型 → 跑出第一张图”的顺序操作。目标先定得简单一点：用一个基础 Stable Diffusion 工作流生成图片，并确认模型与结果能按预期保存。

开始前：先分清实例、模板和存储

你需要准备 RunPod 账号、可用余额或付款方式，以及一个来源可信、允许你使用的 Stable Diffusion 模型。第一次建议用基础文生图工作流，不要直接导入带十几个插件的复杂工作流。

几个概念会影响后面的操作：

存储容量和显存不是一回事。 显存用于运行模型，磁盘用于放模型文件。只做基础验证，可以把约 50 GB 可用磁盘作为初步规划；如果要积累多个模型，就按模型总大小、下载临时文件和输出图片另留余量。

第一步：选择官方 ComfyUI 模板

在 RunPod 控制台进入实例区域，也就是 Pods，创建 GPU 实例，在模板列表中搜索 ComfyUI，并核对发布者和说明，选择 RunPod 官方模板。

这里要避开一个容易混淆的入口：Pods 和 Serverless 不是同一条操作路径。 本文需要浏览器里的 ComfyUI 节点画布，因此使用 Pods；Serverless 官方教程主要讲通过工作流 JSON 提交生成任务，不适合直接照搬到本篇步骤中。

部署前检查模板说明中的四项信息：

1. 是否预装 ComfyUI Manager。
2. ComfyUI 的服务端口。
3. 是否提供网页终端或文件管理工具。
4. ComfyUI 安装目录及持久化挂载目录。

模板会更新，不能仅凭名字假定一定带某个模型或某个插件。记录本次使用的模板名称、镜像标签和部署日期，后续排错会更容易。

第二步：创建实例，先算清费用

选择 GPU 后，配置磁盘和持久化存储，再检查创建页面的费用明细。

如果使用网络卷，要确认它与所选 GPU 的部署位置兼容，并确认挂载路径。不要先下载十几 GB 模型，再发现文件写到了临时容器目录。

预算可以按下面的思路估算：

总费用 ≈ GPU 实例运行费用 + 存储费用 + 页面列出的其他费用

例如，假设创建页面显示 GPU 为每小时 0.40 美元，实例运行 2 小时，GPU 部分约为 0.80 美元；这只是计算示例，不是 RunPod 当前报价。准备环境、下载模型、等待依赖安装的时间也要纳入运行时间，不能只计算真正出图的几分钟。

创建前确认：

• 每小时价格在预算内。
• 存储足够，并知道哪些数据会保留。
• 不需要的额外服务没有开启。
• 已了解停止和删除实例各自对数据、计费的影响。

关闭浏览器不会自动停止云端实例。 操作结束后必须回到控制台处理实例；即使停止 GPU，保留的存储也可能继续计费。

第三步：打开 ComfyUI，再补齐自定义节点

实例启动后，不要看到“运行中”就立即判断部署完成。容器还可能正在初始化，先查看日志，等待 ComfyUI 服务启动。

进入实例的连接面板，打开 ComfyUI 对应的 HTTP 服务。所提供的网络卷部署参考教程使用 8188 端口访问 ComfyUI，使用 8888 端口访问网页编辑器；你的官方模板是否采用相同设置，要以实际连接面板为准。

打开画布后，先检查 Manager 是否存在。基础文生图通常只用内置节点，没有缺失节点就不必安装插件。

如果导入工作流后出现缺失节点：

1. 打开 Manager，查找安装缺失自定义节点的功能。
2. 检查待安装节点的项目来源和用途。
3. 安装工作流真正需要的节点。
4. 按提示重启 ComfyUI。
5. 刷新页面，确认缺失提示消失。

自定义节点会在云端环境里执行代码。不要因为工作流提示缺失，就把陌生来源的插件全部装上；首次部署也不建议一开始就更新所有组件，以免改变模板原本的依赖组合。

第四步：下载模型，目录比文件名更重要

先确认 ComfyUI 的实际安装位置。模板可能使用 /workspace/ComfyUI，也可能采用其他目录，不能把示例路径当成固定事实。

在网页终端中检查：

pwd
find /workspace -maxdepth 4 -type d -name ComfyUI 2>/dev/null

找到后进入该目录。下面的路径仅是示例，必须替换为上一步查到的位置：

cd /workspace/ComfyUI
ls models
df -h .

ls models 用于检查模型目录，df -h . 用于查看当前路径所在存储的容量与挂载信息。还要结合控制台挂载设置确认：这里确实是你要保留数据的位置，而不只是容器内的一个同名文件夹。

常见模型类型对应的目录如下：

第一次建议选一个可信来源的完整 SD 1.5 或 SDXL 检查点，按其模型说明配置工作流。不要把 FLUX 等拆分式模型文件放进检查点目录，然后期待普通检查点加载节点自动识别。

用终端下载，而不是先下载到自己电脑

从模型发布者页面取得真实下载链接后，可以在云端直接下载。下面的命令会先保存为临时文件，下载成功后再改名，减少未完成文件被误加载的情况：

mkdir -p models/checkpoints
read -r -p "粘贴模型直链：" MODEL_URL
wget --tries=3 --timeout=30 
  -O models/checkpoints/first-model.safetensors.part 
  "$MODEL_URL" &&
mv models/checkpoints/first-model.safetensors.part 
   models/checkpoints/first-model.safetensors
unset MODEL_URL

这里必须使用模型文件直链，不能使用模型介绍页面的地址。需要登录、接受许可证或提供访问令牌的模型，应按发布平台的官方方法下载；不要把令牌贴到截图、共享工作流或公开日志里。

下载完成后检查：

ls -lh models/checkpoints/first-model.safetensors

对照发布页面的文件大小，有校验值时进一步校验。文件异常小，可能下载到的是登录页面或错误响应。之后刷新模型列表；仍不出现时，再重启 ComfyUI。

第五步：用最小工作流跑出第一张图

加载基础文生图工作流，先不要添加 LoRA、放大、ControlNet 或批量生成。关键连接关系如下：

首次参数以减少变量为主：

• 批量大小：1。
• 分辨率：SD 1.5 可从 512 × 512 开始，SDXL 可从 1024 × 1024 开始；仍以模型说明为准。
• 步数：普通模型可先试 20 步，蒸馏模型不要直接照搬。
• 引导强度：普通模型可先试 6～7，再按模型建议调整。
• 随机种子：固定一个整数，方便复现和排错。

正向提示词可以先写“一只坐在窗边的橘猫，自然光，细节清晰”，负向提示词写“模糊，低质量”。点击运行或加入队列，观察节点是否依次执行。

成功不只是看到预览图，还要确认：

1. 没有缺失模型或节点的错误。
2. 保存节点确实写出了图片。
3. 图片能下载到本地。
4. 工作流已保存，模型文件位于预期存储中。

默认输出通常在 ComfyUI 的 output 目录，但工作流和启动配置可能改变位置，实际保存路径要检查。只有在工作流、模型和结果备份完成后，才考虑删除实例。

首次启动卡住，按这个顺序排查

排错时，每次只改一个变量。同时换模型、更新节点、换模板，会让你很难判断真正的原因。

跑通以后，把云端环境变成可重复使用的工具

第一张图成功后，保存工作流，记录模板、模型来源和节点版本，把模型与需要保留的输出放到已确认的持久化路径。下次开机先跑同一个最小工作流，再逐步加入 LoRA、放大或更复杂的生成流程。

对于偶尔创作、需要自由搭建节点的人，云端 GPU 可以避免为本地显卡投入大笔预算，也不必绑定长期 API 订阅。但是否划算，仍取决于使用频率、空闲运行时间和存储成本。用完检查实例状态和账单，比找到最低的每小时单价更重要。

资料说明：本文依据所提供的 RunPod 官方 ComfyUI 部署指南及网络卷部署资料整理；参考摘录未提供可核验的查阅日期，因此不引用其中的价格作为当前报价，也不指定“最新”模板版本。部署当天请以控制台价格、模板说明和挂载配置为准。