模型功能对照表

ComfyCarry 会根据当前选择的模型架构动态调整生成界面，自动隐藏不适用的参数项并加载对应的工作流编排。下表汇总了所有支持模型的特性、打包形态、默认采样参数与高级模块支持情况，适合在选择模型、准备模型文件或排查参数显示时快速查阅。

图像模型功能矩阵

模型架构	打包形态	提示词	反向词	LoRA	图生图	ControlNet	高清/面修	推荐步数	CFG / 引导	推荐采样组合
SDXL	整合包	Tag	✓	✓	✓	`sdxl`	✓	20	7.0	`euler` + `normal`
Pony	整合包	Tag	✓	✓	✓	`sdxl`	✓	25	7.0	`euler_a` + `normal` (Skip 2)
Illustrious	整合包	Tag	✓	✓	✓	`ilnoob`	✓	28	5.0	`euler_a` + `normal` (Skip 2)
NoobAI	整合包	Tag	✓	✓	✓	`ilnoob`	✓	28	4.5	`euler_a` + `normal` (Skip 2)
Anima	整合 / 分体	Tag	✓	✓	✓	—	✓	30	4.0	`er_sde` + `simple`
Krea 2	整合 / 分体	自然语言	—	✓	✓	—	✓	8	1.0	`euler` + `simple`
Z-Image	分体模型	自然语言 (中英)	—	✓	✓	—	✓	8	1.0	`res_multistep` + `simple`
FLUX.1 (Dev)	整合 / 分体	自然语言	—	✓ (双 CLIP)	✓	`flux`	✓	20	1.0 (Guide 3.5)	`euler` + `simple`
Chroma	整合 / 分体	自然语言	✓	✓	✓	—	✓	26	4.0	`euler` + `simple`
FLUX.2 Klein 4B	整合 / 分体	自然语言	✓	✓	—	—	仅放大	4	1.0	`euler` + `simple`
FLUX.2 Klein 9B	整合 / 分体	自然语言	✓	✓	—	—	仅放大	4	1.0	`euler` + `simple`
FLUX.2 Dev	整合 / 分体	自然语言	—	✓	—	—	仅放大	20	4.0 (Guidance)	`euler` + `simple`

打包形态说明

整合包（Checkpoint）：将主扩散模型、文本编码器（CLIP）与 VAE 打包在单个 .safetensors 文件中，存放在 models/checkpoints/ 目录。
分体模型（Split）：主模型（UNet/DiT）、文本编码器（models/clip/）与 VAE（models/vae/）分别独立加载，便于根据显存大小自由搭配量化版本（如 FP8、GGUF）与文本编码器。

视频模型	UNet 结构	输入模式	时长上限 / 帧率	宽高整除	速度开关	音画同步	推荐步数	CFG / Shift	推荐采样组合
Wan 2.2 14B 图生	双 UNet (高低频)	起始画面 + 提示词	7s · 16 fps	16	✓	—	20 (快档 4)	CFG 3.5 · S 5.0	`euler` + `simple`
Wan 2.2 14B 文生	双 UNet (高低频)	纯文字提示词	7s · 16 fps	16	✓	—	20 (快档 4)	CFG 3.5 · S 5.0	`euler` + `simple`
Wan 2.2 5B	单 UNet	文生 / 图生	5s · 24 fps	32	—	—	20	CFG 5.0 · S 8.0	`uni_pc` + `simple`
MiniMax H3 (音视频)	单 UNet	文生 / 图生 (首尾帧)	4–15s · 24 fps	32 ( $17 k + 5$ )	—	✓	20	CFG 1.0	`res_multistep` + `simple`
MiniMax H3 (参考生成)	单 UNet	画面/视频/音频 + 文本	4–15s · 24 fps	32 ( $17 k + 5$ )	—	✓	20	CFG 1.0	`res_multistep` + `simple`

视频模型的特殊约束

宽高整除约束：生成视频时，画面宽度与高度必须能被指定数值整除（14B 要求能被 16 整除；5B 与 H3 要求能被 32 整除），否则潜空间采样与 VAE 编码会报错。
MiniMax H3 帧长网格：H3 生成的总帧数必须满足 $17 k + 5$ 的数学网格（例如 4 秒 107 帧、5 秒 124 帧）。ComfyCarry 的时长滑块已在底层自动完成帧长换算与对齐。

二次元与动漫创作：
- 偏好成熟社区生态与丰富 LoRA 资源：优先选择 Pony、Illustrious 或 NoobAI。
- 追求超清现代画风与丰富色彩：选择 Anima。
写实人像、复杂构图与自然语言交互：
- 需要精准理解长文本提示词或渲染文字排版：选择 FLUX.1 (Dev) 或 FLUX.2 系列。
- 需要极速出图与中英双语提示词支持：选择 Z-Image 或 Krea 2。
图像转动态视频：
- 画面已有满意的静态图，需要平滑的镜头运动或人物动作：选择 Wan 2.2 图生视频 14B（更高质感与细节）或 Wan 2.2 5B（更低显存占用与更快渲染）。
- 需要视频自带对白、环境音效与配乐：选择 MiniMax H3 音视频。
多素材参考驱动生成：
- 手头拥有多张角色设计图、参考动作视频或背景音乐，希望综合生成具有指定视觉与听觉特征的全新视频：选择 MiniMax H3 参考生成。