ComfyUI v0.19.0 更新:大量新节点、新模型、新修复与性能优化全面落地,工作流与训练能力再升级

news2026/4/15 4:26:36
2026年4月13日ComfyUI 发布了v0.19.0最新版本。本次更新内容非常丰富覆盖了图像编辑、文本生成、音视频能力、训练支持、节点扩展、API 节点、模板更新、前端升级、资产管理、模型兼容性、性能优化、平台适配等多个方向。而且这次版本标注为Immutable release说明发布后只有标题和说明可以修改版本内容本身保持稳定这也体现了该版本发布的正式性和稳定性。如果你正在使用 ComfyUI或者你希望快速了解这次版本到底带来了什么变化那么这篇文章会把v0.19.0的更新内容按逻辑完整梳理出来帮助你迅速掌握这个版本的核心亮点。一、v0.19.0 发布概览本次版本更新总量非常大包含20 位贡献者67 个提交128 个文件变更从更新方向看这一版并不是单纯的修补而是一次涵盖面极广的增强型版本迭代。不仅有新功能加入还有大量细节修复、模型支持扩展、节点增强、模板升级、前端版本更新以及对不同硬件和运行环境的兼容性改善。二、核心功能更新新模型、新能力、新节点不断加入1. LongCat-Image edit 支持本次更新中加入了LongCat-Image edit。这一能力的加入意味着图像编辑相关的使用场景得到了进一步扩展用户可以在 ComfyUI 工作流中结合新能力进行图像处理与编辑。2. LTX2 支持参考音频ID-LoRALTX2 新增了对reference audioID-LoRA的支持。这项更新对音频相关流程非常关键说明 LTX2 在参考音频驱动的能力上有了增强能够更好地服务于带有音频条件的生成任务。3. 支持 Qwen3.5 文本生成模型本次版本加入了对Qwen3.5 text generation models的支持。这意味着文本生成工作流的模型选择进一步扩大对文本理解、文本生成类应用有更好的兼容能力。与此同时还修复了Qwen 8B 与 TextGenerate 节点的兼容问题使其可以正常工作。这类修复说明文本生成链路在本次版本中得到了较强的稳定性增强。4. 支持 RT-DETRv4 检测模型新增对RT-DETRv4 detection model的支持。这对于检测类任务很重要能够帮助用户在目标检测相关工作流中使用更先进的检测模型能力。5. 支持 Ace Step 1.5 XL 模型新增对Ace Step 1.5 XL model的支持。这表示 ComfyUI 对相关模型生态的覆盖进一步扩展用户可在现有流程中接入更多新模型。6. 新增小型 flux.2 decoder 支持本次版本还加入了对small flux.2 decoder的支持。这通常意味着生成或解码链路在资源占用和适配范围上可能更灵活。7. 实现 Ernie Image 模型新增了Ernie Image model的实现。这进一步丰富了图像模型的支持范围让 ComfyUI 在多模型接入方面更加完整。8. 支持新的 Topaz 模型API 节点中新增了Topaz model。这同样是模型生态扩展的一部分表明 API 节点体系持续更新覆盖更多外部模型。9. 新增 WAN2.7 相关节点API 节点中新增了WAN2.7的新节点。这说明 API 节点层面继续扩展便于用户通过节点方式接入对应能力。10. 新增 SeeDance 2.0 节点合作节点部分加入了SeeDance 2.0 nodes。这也是本次外部节点生态的更新之一给工作流集成带来更多选择。三、节点系统大幅扩展新节点、改名、别名与交互增强1. CURVE 节点新增了CURVE node。从命名来看这类节点通常围绕曲线处理相关功能展开本次加入后节点系统的图形和数值处理能力进一步增强。2. Number Convert 节点新增了Number Convert node。同时还修复了它在处理大数值时会丢失整数精度的问题保证大数值转换时更可靠。3. Image Histogram 节点新增了image histogram node。该节点的加入有助于图像分析、亮度分布观察等场景在工作流中更直观地实现。4. 格式化 Blueprint新增format blueprint。这类功能通常用于结构化内容或工作流蓝图的格式整理提升可读性和处理便利性。5. Text 相关节点重命名并增加搜索别名本次更新对utils/string nodes进行了重命名统一加上Text前缀并增加了搜索别名。这对用户查找节点非常有帮助可以减少因命名不统一导致的检索困难。6. GLSL Shader 节点增强本次对GLSL shader node做了两项重要增强增加 curve inputs提高 uniform limit这意味着 shader 节点在表达能力和参数承载能力上更强适合更复杂的图形处理需求。7. Color Curves Shader 修复修复了Color Curves shader中嵌套 sampler 函数调用的问题。这属于关键的图形逻辑修复可以提升 shader 执行的稳定性。8. 节点交互 UI 新增中间输出标记新增has_intermediate_output flag用于具有交互式 UI 的节点。这有助于节点系统更准确地识别节点在执行过程中的中间输出行为。9. 节点默认值修正本次还修复了Color Adjustment node的默认值设置将其改为零。另外brightness的默认值也被修正为 0。这些默认值调整能减少使用时的意外结果使行为更符合预期。四、图像处理与视觉相关修复和增强1. Blur 与 Sharpen 节点修复修复了blur and sharpen nodes在使用fp16 intermediates时无法正常工作的问题。这项修复对图像处理中间精度流程很重要增强了兼容性。2. 图像 SVG MIME 类型支持修复了系统对.svg 文件缺少image/svgxmlMIME type 注册的问题。这有利于 SVG 文件的识别和处理。3. 输入图像始终调整尺寸修复了SDPose中输入图像未始终执行 resize 的问题。这可以避免输入尺寸不一致带来的流程异常。4. 图像上采样节点适配中间设备和 dtype修复了ImageUpscaleWithModel节点在中间设备和 dtype 环境下的兼容问题。这意味着图像上采样在更复杂的运行配置下也能稳定执行。5. 颜色曲线与图像直方图增强图像相关可视化与曲线控制能力在本次版本中明显增强新增CURVE node、新增image histogram node、新增 shader 曲线输入这些更新共同构成了更丰富的图像调控能力。五、文本生成与大模型支持增强1. Qwen3.5 文本生成模型支持新增Qwen3.5 text generation models支持使文本生成模型接入范围扩大。这对需要稳定文本输出的工作流用户非常重要。2. Qwen 8B 与 TextGenerate 节点兼容修复了Qwen 8B在TextGenerate node中无法正常工作的情况。这类修复直接提升文本生成场景的可用性。3. LTXAV 模型回归问题修复修复了text generate with LTXAV model的回归问题。说明文本生成链路在本次版本中进行了专项修补。六、训练与实验能力升级1. 支持 FP8 backward在训练实验部分新增了对fp8 backward的支持。这意味着训练链路在低精度方向又向前迈了一步对实验性训练流程是重要增强。2. LoRA 训练崩溃修复修复了Train LoRA在training_dtype none且使用bfloat16 LoRA weights时的崩溃问题。这是非常关键的训练稳定性修复能避免训练流程中断。3. Ace Step 空 latent 节点跟随中间 dtype修复了Ace step empty latent nodes需要跟随 intermediatedtype 的问题。这一修复说明在空 latent 处理场景下节点的数据类型会更加一致避免因为 dtype 不统一带来的异常。七、资产管理与输出文件处理优化1. 输出文件注册为资产本次更新加入了在 prompt 执行后将输出文件注册为 assets的能力。这意味着生成结果可以在资产管理体系中被更好地纳入与识别方便后续管理。2. 临时目录识别优化修复了资产分类解析中对temp directory的识别问题。这样可以让临时目录下的文件在资产分类中得到更合理的处理。八、模型管理、内存管理与缓存优化1. RAM cache 与模型 RAM 管理整合本次将RAM cache与model RAM management进行了集成。这是一个非常重要的底层优化能够更好地协调内存缓存与模型常驻内存之间的关系。2. pinned memory 统计修复修复了pinned memory accounting的问题。这有助于内存使用统计更加准确避免资源管理误判。3. 动态 VRAM 禁用警告新增了一个警告用于提醒用户如果关闭dynamic vram可能会带来影响。这是一项实用性很强的提醒有助于用户避免在显存配置上出现误操作。4. 不再使用部分死代码本次版本中还移除了 dead code。虽然看起来是内部整理但这类修改通常有助于代码维护和系统整洁。九、前端、模板与版本生态更新1. 前端版本升级到 1.42.8本次更新把frontend version升级到了1.42.8。说明界面层和交互体验也同步进行了更新。2. 前端包继续升级到 1.42.10随后又进一步将comfyui-frontend-package升级到了1.42.10。这表明前端版本迭代持续推进界面生态在持续增强。3. 模板包版本更新本次更新包含templates package version的升级。同时工作流模板也连续更新到了v0.9.38v0.9.39v0.9.41v0.9.43v0.9.44v0.9.45v0.9.47说明本次版本在模板层面做了连续强化有利于用户拿到更贴近当前版本的工作流模板。4. README 与模型支持说明更新README 文件也多次更新包括新的 AMD Linux pytorch 说明关于模型支持的说明新的前端发布节奏说明这些更新主要用于帮助用户更准确了解当前版本和运行环境。十、平台与硬件适配增强1. Intel XPU 可移植发布本次增加了portable release for intel XPU。这对使用 Intel XPU 平台的用户来说是非常重要的适配增强。2. Intel 独立安装包还增加了Basic intel standalone package .bat。说明 Intel 平台的安装与使用路径进一步完善。3. Nvidia 夜版 PyTorch 更新为 cu132本次将Nightly Nvidia pytorch更新为cu132。这意味着 Nvidia 环境的依赖栈也进行了同步更新。4. AMD Linux PyTorch 说明更新README 中更新了关于AMD Linux pytorch的最新说明。有助于 AMD Linux 用户更好地部署和使用。5. 不安全浏览器问题修复修复了与insecure browsers有关的问题。这有助于提升运行时兼容性和安全性相关表现。6. 支持禁用动态 VRAM 的提示当用户关闭动态 VRAM 时本次加入了警告提示。这也是平台使用体验上的补充。十一、API 节点与合作节点持续扩展1. Grok 节点更新API 节点中对Grok nodes进行了更新同时对GrokVideoReferenceNode的价格徽标进行了修复使其显示更准确。2. Reve 节点价格徽标更精确本次还修复了Reve node价格徽标的精确度问题。这有助于费用信息展示更清晰。3. Nanobana 节点错误处理增强修复了api-nodes-nanobana在未输出图像时没有正确报错的问题。这使得节点错误反馈更明确。4. 腾讯 3D 节点更新合作节点部分还进行了Tencent3D update。说明合作生态仍在持续推进。十二、更多细节修复与质量提升本次版本还有很多细节级修复虽然不一定都属于“面向用户最显眼”的功能但对稳定性和可用性影响很大修复部分 fp8 scaled checkpoints 失效的问题修复 some issue with insecure browsers修复 #13214修复 Blur/Sharpen 在 fp16 intermediates 下的异常修复 SVG MIME 类型修复 Number Convert 大数精度问题修复 Color Adjustment 默认值问题修复 Color Curves shader nested sampler 调用问题修复 LTXAV 文本生成回归问题修复 SDPose 输入图像 resize 问题修复 Train LoRA 崩溃问题修复 pinned memory 统计问题修复 temp directory 资产分类识别问题修复 ImageUpscaleWithModel 兼容性问题这些细节汇总起来体现了 v0.19.0 不只是“加新东西”更是在认真打磨已有功能链路。十三、v0.19.0 的整体价值总结如果把这次更新浓缩成一句话那就是ComfyUI v0.19.0 是一次覆盖模型、节点、训练、前端、模板、资产、平台适配与稳定性修复的全面升级。它的价值主要体现在以下几方面模型支持更广新增并增强了多种文本、图像、检测、音频相关模型支持。节点系统更强CURVE、Number Convert、Image Histogram、format blueprint 等新节点加入节点生态更丰富。训练能力更稳FP8 backward、LoRA 训练崩溃修复、dtype 适配等让训练流程更可靠。图像处理更完整shader、blur/sharpen、upscale、SVG 处理等都进行了补强。前端和模板持续迭代前端包和工作流模板不断更新说明生态同步在向前推进。硬件适配更全面Intel XPU、Nvidia cu132、AMD Linux 等平台支持持续优化。资产和内存管理更成熟输出资产注册、RAM cache 整合、pinned memory 修复都在提升底层体验。结语代码地址github.com/Comfy-Org/ComfyUIComfyUI v0.19.0 这次更新可以说是一次非常扎实的大版本升级。从新模型到新节点从训练能力到图像处理从前端升级到平台适配再到一系列细节修复几乎每个方向都有涉及。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2518707.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…