ComfyUI VPS 部署指南：自建 Stable Diffusion 图像生成集群

Wed, 24 Jun 2026 00:00:00 +0000

为什么在 VPS 上运行 ComfyUI

Midjourney 按订阅收费（$10–60/月），DALL·E 按次计费。对于高频图像生成需求——电商产品图批量生产、AI 设计工作流、模型微调前置测试——自托管 ComfyUI 的成本优势显著：

方案	月成本	单次生成成本	并发能力
Midjourney Basic	$10	~$0.03–0.05	1 通道
Midjourney Standard	$30	~$0.02	1 通道
ComfyUI on $6 VPS	$6	~$0.001	受限于显存
ComfyUI on GPU VPS	$40–80	~$0.0003	高并发

ComfyUI 的核心优势在于节点式工作流。不同于 WebUI 的单一线性管线，ComfyUI 允许你将图像生成的每个步骤（提示词编码、采样器迭代、VAE 解码、超分辨率）拆分为独立节点，构建复杂的 DAG 工作流。这种架构天然适合批量处理和自动化集成。

硬件选型：CPU 还是 GPU？

CPU 方案（入门级）

适合原型验证和小规模批量。推荐配置：

RackNerd $5.99/月套餐：2 vCPU, 1GB RAM, 10GB NVMe —— 可跑 SD 1.5，SDXL 需 swap
Vultr CPU Optimized $12.5/月：2 vCPU, 4GB RAM —— 更稳定的 SD 1.5 体验
Hostinger VPS $4.99/月：2 vCPU, 4GB RAM —— 性价比最高的 CPU 方案

CPU 生成一张 512×512 的 SD 1.5 图像约需 15–30 秒。SDXL 需要 60–120 秒，且容易 OOM。

GPU 方案（生产级）

GPU VPS 是真正生产环境的标配。关键指标：

提供商	显存	月费	适用模型
Vultr A1000	4GB GDDR6	~$25–40	SD 1.5, SDXL (量化)
Vultr RTX 6000	24GB	~$48–68	SDXL, Flux, 所有 LoRA
RackNerd GPU 套餐	24GB	~$30–50	全模型支持
Hostinger GPU	取决于区域	~$20–40	中等规模生成

2026 年 6 月建议：如果生成频率超过每天 50 张，直接上 GPU VPS。RTX 6000 Ada 的 24GB 显存可以无损运行 Flux.1-dev 和 SDXL Turbo。

环境部署：从零到可访问

1. 服务器初始化

# Ubuntu 24.04 LTS（推荐）
sudo apt update && sudo apt upgrade -y
sudo apt install -y python3 python3-pip python3-venv git curl wget

# 创建专用用户
sudo useradd -m -s /bin/bash comfyui
sudo su - comfyui

2. 克隆与安装

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

# 创建虚拟环境
python3 -m venv venv
source venv/bin/activate

# 安装核心依赖
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt

# 安装额外节点（关键扩展）
pip install ComfyUI-Manager

3. 下载模型权重

mkdir -p models/checkpoints
mkdir -p models/loras
mkdir -p models/controlnet
mkdir -p models/vae
mkdir -p models/upscale_models

# SDXL（高质量通用模型）
wget -O models/checkpoints/sdxl_v1.0.safetensors \
 "https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors"

# Flux.1-dev（2026 年最强开源文生图）
wget -O models/checkpoints/flux1_dev.safetensors \
 "https://huggingface.co/black-forest-labs/FLUX.1-dev/resolve/main/flux1_dev.safetensors"

# 热门 LoRA（根据需求选择）
mkdir -p models/loras
# 例如：RealVisXL, DreamShaper, 等

4. 启动服务

# 基础启动（监听所有接口）
python main.py --listen 0.0.0.0 --port 8188

# GPU 优化参数
python main.py \
 --listen 0.0.0.0 \
 --port 8188 \
 --lowvram \
 --force-channels-last \
 --disable-ipex-optimize

# 指定自定义节点目录
python main.py --listen 0.0.0.0 --port 8188 --extra-model-paths-config extra_paths.yaml

工作流自动化：批量生成管线

API 驱动的批量生成

ComfyUI 提供完整的 REST API，可通过 HTTP 调用工作流：

import requests
import json
import time

COMFYUI_URL = "http://your-vps-ip:8188"

def load_workflow(workflow_file="workflow.json"):
 """加载保存的工作流定义"""
 with open(workflow_file, 'r') as f:
 return json.load(f)

def generate_batch(prompts, workflow=None, batch_size=4):
 """批量生成图像"""
 if workflow is None:
 workflow = load_workflow()

 results = []
 for i, prompt_text in enumerate(prompts):
 # 替换提示词语义节点
 workflow["3"]["inputs"]["text"] = prompt_text

 # 提交生成请求
 response = requests.post(
 f"{COMFYUI_URL}/prompt",
 json={"prompt": workflow}
 )
 prompt_id = response.json()["prompt_id"]

 # 等待完成
 while True:
 history = requests.get(
 f"{COMFYUI_URL}/history/{prompt_id}"
 ).json()
 if prompt_id in history:
 # 获取输出图像
 outputs = history[prompt_id]["outputs"]
 for node_id, node_output in outputs.items():
 if "images" in node_output:
 for img in node_output["images"]:
 img_url = f"{COMFYUI_URL}/view?filename={img['filename']}&subfolder={img['subfolder']}&type={img['type']}"
 results.append(img_url)
 break
 time.sleep(1)

 return results

# 使用示例：电商产品图批量生成
products = [
 "white ceramic coffee mug, studio lighting, minimalist background, 4k",
 "glass water bottle with condensation, product photography, white background",
 "leather wallet, luxury product shot, dark background, dramatic lighting"
]

images = generate_batch(products)
print(f"Generated {len(images)} images")

ComfyUI Manager 工作流导入

# 从社区导入成熟工作流
# 1. 打开 ComfyUI Manager
# 2. 点击 "Install Custom Nodes"
# 3. 搜索并安装：
# - ComfyUI-Impact-Pack（分割和检测）
# - ComfyUI-VideoHelperSuite（视频生成）
# - ComfyUI-FaceAnalysis（人脸分析）
# - ComfyUI-AnimateDiff-Evolved（动画生成）

网络暴露：Cloudflare Tunnel 安全接入

生产环境中，不建议直接将 ComfyUI 端口暴露在公网。使用 Cloudflare Tunnel 实现零信任访问：

# 安装 cloudflared
wget https://github.com/cloudflare/cloudflared/releases/latest/download/cloudflared-linux-amd64.deb
sudo dpkg -i cloudflared-linux-amd64.deb

# 认证（首次运行）
cloudflared tunnel login

# 创建隧道
cloudflared tunnel create comfyui-tunnel

# 配置路由
cat > ~/.cloudflared/config.yml << EOF
tunnel: comfyui-tunnel
credentials-file: /home/comfyui/.cloudflared/<tunnel-id>.json

ingress:
 - hostname: comfyui.yourdomain.com
 service: http://localhost:8188
 - service: http_status:404
EOF

# 启动隧道
cloudflared tunnel run

这样你的 ComfyUI 实例通过 comfyui.yourdomain.com 访问，经过 Cloudflare CDN 加密，无需开放任何入站端口。

性能调优

显存优化策略

# 方法 1：使用 --lowvram 模式（显存 < 8GB）
python main.py --lowvram

# 方法 2：使用 --normalvram 模式（8–12GB 显存）
python main.py --normalvram

# 方法 3：使用 --highvram 模式（12GB+ 显存）
python main.py --highvram

# 方法 4：量化模型（4-bit）
# 下载 GGUF 量化模型或使用 comfyui-quantize 工具

模型量化加速

# 使用 bitsandbytes 进行 4-bit 量化推理
pip install bitsandbytes

# 在 ComfyUI 中使用量化模型
# 下载 .gguf 格式的量化模型到 models/checkpoints/
# ComfyUI 会自动检测并使用量化加载

并发控制

# 通过修改 server.py 调整并发限制
# 默认单请求串行，启用并发：

# 启动时添加：
python main.py --port 8188 --concurrency-limit 4

# 或在代码中设置：
import server
server.PromptServer.instance.max_concurrent_requests = 4

成本分析：月度账单拆解

以 Vultr RTX 6000 ($55/月) 为例：

项目	月成本
Vultr GPU VPS (RTX 6000)	$55.00
域名	$10.00/年 (~$0.83/月)
Cloudflare Tunnel	$0
合计	~$56/月

对比 Midjourney Standard ($30/月)：

Midjourney：$30/月，1 通道，每次 4 张图，无 LoRA 训练，无 ControlNet
ComfyUI on GPU VPS：$56/月，无限并发，完整模型生态，可微调 LoRA，可运行 ControlNet/IP-Adapter

回本点：如果你每月需要超过 1500 张高质量图像，自托管即开始省钱。对于电商卖家、设计师工作室或 AI 创业公司，这个量级很容易达到。

故障排查

常见问题

问题	原因	解决方案
OOM 错误	显存不足	使用 `--lowvram`，加载量化模型
生成速度极慢	CPU 推理	确认 CUDA 版本正确，检查驱动
节点缺失	自定义节点未安装	使用 ComfyUI Manager 安装
工作流加载失败	版本不兼容	更新 ComfyUI 到最新
内存泄漏	长时间运行	定期重启服务，监控 `htop`

监控脚本

#!/bin/bash
# 监控 ComfyUI 服务健康状态
while true; do
 STATUS=$(curl -s -o /dev/null -w "%{http_code}" http://localhost:8188/)
 if [ "$STATUS" != "200" ]; then
 echo "$(date): ComfyUI 服务异常，状态码 $STATUS"
 systemctl restart comfyui
 fi
 sleep 60
done

进阶：模型微调管线

在 VPS 上不仅运行推理，还可以微调模型：

# 安装 diffusers 和 trl
pip install diffusers transformers accelerate datasets

# 使用 LoRA 微调 SDXL
accelerate launch train_text_to_image_lora.py \
 --pretrained_model_name_or_path="stabilityai/stable-diffusion-xl-base-1.0" \
 --dataset_name="your_dataset" \
 --resolution="1024" \
 --train_batch_size="1" \
 --gradient_accumulation_steps="4" \
 --learning_rate="1e-4" \
 --lr_scheduler="constant" \
 --lr_warmup_steps="0" \
 --max_train_steps="1000" \
 --checkpointing_steps="200" \
 --output_dir="lora_outputs"

微调后的 LoRA 模型放入 models/loras/ 目录，即可在工作流中调用。

总结

在 VPS 上部署 ComfyUI 的核心价值在于可控性和可扩展性。相比 SaaS 方案，你可以：

使用任意开源模型（SD 1.5、SDXL、Flux、Stable Video）
运行自定义节点和工作流
批量 API 调用集成到生产管线
微调专属 LoRA 模型
通过 Cloudflare Tunnel 安全暴露服务

对于高频图像生成需求，从第一个月起就能收回成本。选择 RackNerd、Hostinger 或 Vultr 的合适方案，配合 ComfyUI 的灵活架构，构建属于你的 AI 图像生成基础设施。

Comfyui on 诚实雷达