v0.45.0 · GPL-3.0下载
首页/便携版

comfyui便携版 - 免装Python的整合包与网盘镜像

整合包包含什么、五个官方包差别、启动脚本与升级时不覆盖模型的迁移方法。

01便携版到底便携在哪

comfyui便携版 是官方把 Python 解释器、PyTorch、CUDA/ROCm 运行时、前端静态资源与启动脚本 一并压进一个 .7z 的整合包。你不需要装 Python、不需要建虚拟环境、不需要 pip install, 解压到硬盘上双击 bat 就能在 127.0.0.1:8188 打开界面;不用了直接删目录,不会往系统里写注册表与全局依赖。

0需预装依赖
5 个按显卡架构分包
v0.45.0当前版本
.7z解压即用
官方包体积架构适用
ComfyUI_windows_portable_nvidia.7z1975.5 MBx64NVIDIA 显卡 / CUDA 最新(下载量最大,通用首选)
ComfyUI_windows_portable_nvidia_cu126.7z1871.9 MBx64NVIDIA 老驱动 / CUDA 12.6 兼容分支
ComfyUI_windows_portable_amd.7z1610.6 MBx64AMD 显卡 / ROCm(Windows)
ComfyUI_windows_portable_intel.7z1434.1 MBx64Intel Arc / XPU
ComfyUI_windows_portable_nvidia_arm64.7z1824.7 MBARM64Windows on ARM / 骁龙 X 系列 + NVIDIA
便携版不含大模型:包里只有程序与依赖,主模型 .safetensors 要另外下载放进 models/checkpoints。这是新手最常踩的坑,目录说明见节点文档。

02和桌面版、源码部署怎么选

方式优点局限适合谁
便携版免装依赖、路径干净、换机拷走即用包体 1.4–2GB,需手动迁移旧目录Windows 用户、想立刻出图
桌面版 v0.9.4安装向导、托盘图标、自动更新自定义 PyTorch 版本不方便不想碰命令行的人
源码部署完全可控、可改代码、跨平台要自己配 Python 与 PyTorchLinux / macOS / 开发者
Docker环境隔离、服务器多卡好管理要会挂载目录与端口团队 / 服务器场景

四种方式的完整命令与排错写在安装页。macOS 与 Linux 没有官方便携包, 别把 Windows 的 .7z 拿去解;对应矩阵见系统要求页。

03解压、启动与目录结构

核对再解压

comfyui便携版 下载完成后先按校验页比对官方 SHA-256, 再解压到 D:\ComfyUI\ 这类纯英文短路径。路径含中文、空格或层级过深都可能导致启动失败。

选对启动脚本

NVIDIA 包双击 run_nvidia_gpu.bat, CPU 模式用 run_cpu.bat;AMD / Intel 包按包内说明选择对应 bat。 窗口出现 To see the GUI go to: http://127.0.0.1:8188 即启动成功。

放模型

主模型 → models/checkpoints,LoRA → models/loras, VAE → models/vae,ControlNet → models/controlnet。 放好点界面刷新,下拉框里能看到文件名就可以开始排队。

打开界面出图

Chrome / Edge 访问 127.0.0.1:8188,跑默认文生图工作流。 完整七步见从零教程,现成节点链路见工作流页。

04升级时怎么不丢模型与工作流

便携版升级的稳妥做法是「解压新版到新目录 → 把旧目录的内容搬过去」,而不是把新版直接覆盖到旧目录上。 需要搬的是下面四类,其余文件一律用新版的,避免残留旧依赖引发版本冲突。

目录内容是否必须迁移
models主模型、LoRA、VAE、ControlNet、放大模型必须,体积最大
user/default/workflows自己保存的 comfyui工作流 JSON必须,先单独备份
custom_nodes第三方节点包建议,注意版本兼容
output / input历史出图与上传素材按需
python_embeded 等运行时Python 与 PyTorch 二进制不要迁移,用新版

升级前顺手看一下更新日志有没有破坏性变更;需要回退时, 历史版本页列了近 10 个版本的发布日期与资产数量,方便定位旧包。 所有官方包的下载地址与校验值见comfyui下载页。