ComfyUI 显存不足怎么办？4 个降显存做法按顺序试

看到 torch.cuda.OutOfMemoryError: CUDA out of memory，第一反应往往是“我的卡是不是太差”。多数情况下并非如此：报错说明这次任务需要的显存，超过了你显卡能提供的量。处理顺序很关键——先算清需要多少，再决定省哪一块，反过来做容易白折腾。

ComfyUI 显存不足，先算一笔账

一次出图占用的显存由三部分组成：

• 模型权重：主模型、文本编码器、VAE，各自多大，加起来就是多少。
• 中间激活：出图过程中产生的中间张量，与分辨率和批量大小挂钩。
• 运行时开销：CUDA 上下文、计算库工作区、显存碎片。这部分最容易被忽略，不写在任何模型文件上，但实打实占 1GB 上下。

按模型看，大致是这个量级：

想验证这笔账，出图时开着 nvidia-smi，看显存曲线爬到哪停住，那个峰值就是你的真实需求。文中数值是常见配置下的估算，不同模型版本、参数与驱动会有差异，具体以实际环境为准（发布前需核验）。

4 个降低 ComfyUI 显存占用的做法

做法一：先降量化档位

想让显存立刻降下来，最快的是换量化版本。同一个模型权重占多大，取决于每个参数用几个字节存：

从 FP16 换到 FP8，权重直接砍一半，画质损失通常看不出来，这一步性价比最高。

但量化不解决所有问题。视频模型的权重本身很大：有实例把主权重压到 INT8 后还有 19.5GB，在 24GB 卡上跑时，权重、文本编码器、VAE 一起进显存几乎贴着上限，留给中间激活的空间已经不多。所以量化只是第一步。

做法二：降分辨率与时长

量化后仍不够，就要降需求。中间激活与分辨率不是线性关系：分辨率翻一倍，潜空间张量规模变成 4 倍，加上注意力部分的额外放大，显存涨得比直觉快。视频模型还要再乘一个维度——帧数，帧越多需要同时保留的内容越多，占用基本按线性上升。

第一次跑新模型，别上来就冲高分辨率和长时长：

1. 先用低档跑通，确认流程没问题；
2. 视频模型先按 480p、5 秒跑通一条，确认整条链路正常；
3. 再逐步往上抬分辨率和时长。

直接按最终目标跑，报错后往往分不清是模型问题还是参数问题，容易白折腾。

做法三：把层卸载到内存

前两个做法是降需求，这一条是改策略：把暂时用不到的层放到系统内存，要用再搬回显存。ComfyUI 启动时加参数即可：

python main.py --lowvram

代价是速度。--lowvram 每次出图都要重新搬一遍模型，比常驻显存慢一截；显存越紧、搬得越频繁，掉速越明显。这是拿时间换空间。

做法四：清掉看不见的占用

还有一种情况很费解：任务已经停了，nvidia-smi 一看显存还是满的。这通常不是错觉，而是上一次任务的进程没退干净。此时重启 ComfyUI 没用，因为占着显存的是另一个进程。用两条命令查和清：

• nvidia-smi —— 查看占用显存的进程号
• taskkill /F /PID <进程号> —— 强制结束该进程

另外两个容易漏的点：界面上的实时预览会一直占用一部分显存，跑大任务时建议关掉；批量任务不要攒到最后一起清缓存，每张跑完清一次更稳。

3 个看着有用、其实没用的做法

• 加内存条：系统内存和显存是两回事。加内存能让卸载模式更从容，但不会凭空多出一块显存。
• 只调批量大小：改成 1 确实能省一点，但中间激活只是三部分里的一部分，省下的量有限。
• 直接换个更大的模型：新模型权重往往更大，情况只会更糟。

这三个思路本身不算错，是顺序不对。先把账算清楚，再决定动哪一块。

推荐的排查顺序

模型报显存不足，是账算不过来，不是卡不行。按下面的顺序往下试，基本能覆盖大部分情况：

1. 量化：换 FP8 或更低档位权重；
2. 降需求：下调分辨率、帧数与批量；
3. 改策略：加 --lowvram / --medvram 卸载到内存；
4. 清占用：结束残留进程，关掉实时预览。

顺序反了，就只能靠运气。