文章目录

1 FLUX.1系列模型2 AI工程师的视角3 ComfyUI部署4 FLUX.1部署5 工作流6 面向未来

黑森林实验室（Black Forest Labs）研发的FLUX.1图像生成模型，以其120亿参数的庞大规模，正在重新定义图像生成技术的新标准。FLUX.1系列模型的推出，不仅为AI工程师提供了强大的工具，也为整个图像生成领域带来了新的活力。

1 FLUX.1系列模型

FLUX.1系列模型包含三个版本，每个版本都有其独特的优势和应用场景：

FLUX.1-Professional：作为闭源版本，它提供了顶尖的性能和图像生成能力。在提示词识别、视觉质量、细节表现和输出多样性方面，FLUX.1-Professional展现出色的表现。它非常适合对性能有高要求的企业用户，并且可以通过官方API进行访问，享受定制化服务。FLUX.1-Developer：这是开源但限制商用的版本，基于FLUX.1-Professional构建。它保持了高质量的提示词处理能力，并在效率上有所提升，非常适合开发者进行研究和开发。AI工程师可以利用这一版本进行深入的技术探索和应用开发。FLUX.1-Express：这是开源且可商用的版本，专为个人用户和本地开发设计。采用Apache 2.0许可证，它在生成速度上具有显著优势，同时内存占用较低，适合在资源有限的环境中运行。

2 AI工程师的视角

作为AI工程师，我对FLUX.1系列模型的推出感到非常兴奋。

这些模型不仅在技术上取得了突破，而且在实际应用中展现出了巨大的潜力。FLUX.1-Professional的高性能特点，使其成为需要通过API接入图像生成服务的AI项目的理想选择。它的高效率和高质量的输出，可以显著提升AI应用的用户体验。

FLUX.1-Developer的开源特性，为AI工程师提供了一个研究和开发图像生成技术的绝佳平台。它的高性能和开源代码，使得工程师可以自由地探索和创新。

FLUX.1-Express的快速生成能力和低资源占用，使其成为需要在本地环境中快速部署图像生成服务的AI工程师的理想选择。它的开源许可证和优化的性能，使得资源受限的开发环境也能享受到高质量的图像生成服务。

3 ComfyUI部署

（1）在终端中执行以下命令克隆ComfyUI代码：

<code># github官方代码仓库

git clone https://github.com/comfyanonymous/ComfyUI.git

# gitCode-github加速计划代码仓库

git clone https://gitcode.com/gh_mirrors/co/ComfyUI.git

（2）克隆完成后可看到如下目录：

（3）终端进入<code>/root/workspace/ComfyUI目录，执行以下命令，安装ComfyUI需要的依赖：

cd ComfyUI/

pip install -r requirements.txt --ignore-installed

（4）执行以下命令，启动ComfyUI：

python main.py --listen

（5）看到服务成功启动，说明ComfyUI部署成功！

4 FLUX.1部署

推荐您阅读ComfyUI官方使用FLUX.1示例，以下是基于丹摩平台的部署教程

（1）平台已预制FLUX.1相关资源，您可通过内网高速下载：

<code># 下载完整FLUX.1-dev模型

wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar

# 下载完整FLUX.1-schnell模型

wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar

# 下载完整Clip模型

wget http://file.s3/damodel-openfile/FLUX.1/flux_text_encoders.tar

（2）此处以FLUX.1-dev为例演示，首先下载完整FLUX.1-dev模型：

wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar

（3）解压文件：

tar -xf FLUX.1-dev.tar

（4）解压后完成后可看到如下目录:

（5）把其中的一些文件移至ComfyUI指定目录：

大模型文件<code>flux1-dev.safetensors需要移动至/root/workspace/ComfyUI/models/unet/文件夹中vae文件ae.safetensors需移动至/root/workspace/ComfyUI/models/vae/文件夹中

# 进入解压后的文件夹

cd /root/workspace/FLUX.1-dev

# 移动文件

mv flux1-dev.safetensors /root/workspace/ComfyUI/models/unet/

mv ae.safetensors /root/workspace/ComfyUI/models/vae/

（6）接下来下载完整Clip模型：

# 进入JupyterLab根目录

cd /root/workspace

# 下载文件

wget http://file.s3/damodel-openfile/FLUX.1/flux_text_encoders.tar

（7）解压文件：

tar -xf flux_text_encoders.tar

（8）解压后完成后可看到如下目录:

（9）把其中的一些文件移至ComfyUI指定目录：

<code># 进入解压后的文件夹

cd /root/workspace/flux_text_encoders

# 移动文件

mv clip_l.safetensors /root/workspace/ComfyUI/models/clip/

mv t5xxl_fp16.safetensors /root/workspace/ComfyUI/models/clip/

5 工作流

FLUX.1-schnell-FP8:

6 面向未来

尽管FLUX.1模型在图像生成领域取得了显著的成就，但它也带来了新的挑战。

例如，模型的训练和部署需要大量的计算资源，这对许多组织来说可能是一个负担，这些模型的可解释性仍然是一个挑战。

AI工程师需要不断学习和适应，开发新的算法和技术，以优化模型的性能和效率，探索新的模型解释方法，提高模型的可解释性，并与安全专家合作，确保模型的安全性。

随着技术的不断进步，FLUX.1模型的未来发展充满无限可能，AI工程师可以期待构建出更加智能、高效和安全的人工智能系统，为人类社会的发展做出更大的贡献。