更新于 2026 年 10 月 20 日 · ComfyUI 0.42.0+ · 无需自定义节点

ComfyUI MOSS-Image 教程:安装、下载与运行

从 0.42.0 版本开始,ComfyUI 原生支持 MOSS-Image。本教程列出需要的具体文件、每个文件该放的文件夹、显存需求、官方工作流,以及大家最常遇到的报错和解决办法。

没有显卡,或者没空下载 13 GB 的文件?

在线试用 Qwen Image 2.1:文字渲染效果相近,无需安装

部署 ComfyUI MOSS-Image 要下载 13 GB 的文件,还要一张 12 GB 或以上显存的显卡。Qwen Image 2.1 是最常拿来和 MOSS-Image 比较的模型:两者都能在图片里写中英文文字,并排对比测试中效果相近。在 Nano AI 上,它直接在浏览器里运行,每张图 8 积分,还能编辑照片,这一点 MOSS-Image 做不到。

开发方
OpenMOSS
发布时间
2026年10月16日
本站可用
Qwen Image 2.1 · 每张 8 积分
页面更新
2026年10月20日

信息来源: github.com

ComfyUI MOSS-Image 需要准备什么

MOSS-Image 是 OpenMOSS 的开源文生图模型:一个 5B 扩散 Transformer,搭配 Qwen3.5-9B 文本编码器和 FLUX.2 VAE,于 2026 年 10 月 16 日以 Apache 2.0 许可证发布。ComfyUI 在同一天合并了对它的支持(pull request 17095),并在 10 月 18 日的稳定版 0.42.0 中首次发布。0.41.3 及更早的版本无法加载它。

有了原生支持,就不需要任何自定义节点。标准的 Load Diffusion Model、CLIP Loader 和 Load VAE 节点就能读取 Comfy-Org/MOSS-Image 中重新打包的文件,ComfyUI 还新增了一个用于 JSON 布局的 MOSS-Image Layout Prompt 节点。

如果你想加载原始的 Hugging Face 文件夹,或者继续用旧的插件工作流,OpenMOSS 自己的 MOSS-Image 插件依然可用。如果是全新部署 ComfyUI MOSS-Image,请按下面的原生方式来。

ComfyUI MOSS-Image 运行要求

ComfyUI 版本
0.42.0 或更高版本,或包含 commit e087d8f6 的 nightly 版本
自定义节点
原生方式不需要
最小下载量
约 13 GB:8 位模型、4 位文本编码器、小型 VAE
全精度下载量
约 30 GB:bf16 模型和文本编码器
显存
社区测试中,12 GB 搭配 8 位文件可以运行;16 GB 或以上更从容
模板设置
25 步,CFG 2.5,er_sde,simple 调度器
OpenMOSS 官方设置
50 步,CFG 3,Euler,shift 5,跳过第 22 层
分辨率
1 到 2 MP(百万像素),边长为 16 的倍数
图像编辑
模型本身不支持
许可证
Apache 2.0

如何安装 ComfyUI MOSS-Image

原生方式不需要任何自定义节点。下面的命令假设你的 ComfyUI 是用 git 安装的;ComfyUI Desktop 会自动更新,便携版则用 update/update_comfyui.bat 更新。

  1. 1

    把 ComfyUI 更新到 0.42.0 或更高版本

    MOSS-Image 支持于 2026 年 10 月 16 日合并,10 月 18 日随 0.42.0 首次发布。更新后重新安装一遍依赖,确保新的文本编码器代码到位。

    cd ComfyUI
    git pull
    pip install -r requirements.txt
  2. 2

    每类文件各下载一个

    你需要从 Comfy-Org/MOSS-Image 下载一个扩散模型、一个文本编码器和一个 VAE。下面这三个正是官方模板加载的文件,总共约 13 GB。用 Hugging Face CLI 可以把它们直接下载到正确的文件夹:

    pip install -U huggingface_hub
    hf download Comfy-Org/MOSS-Image \
      diffusion_models/moss_image_sft_int8_convrot.safetensors \
      text_encoders/qwen3.5_9b_w4a8_gptq.safetensors \
      vae/flux2-vae_small.safetensors \
      --local-dir ComfyUI/models
  3. 3

    检查文件夹

    每个文件都放在 ComfyUI/models 下各自的文件夹里。重启 ComfyUI,或者在界面里按 R 刷新模型列表。

    ComfyUI/models/diffusion_models/moss_image_sft_int8_convrot.safetensors
    ComfyUI/models/text_encoders/qwen3.5_9b_w4a8_gptq.safetensors
    ComfyUI/models/vae/flux2-vae_small.safetensors
  4. 4

    打开 ComfyUI MOSS-Image 模板

    打开 Templates(模板),搜索 MOSS-Image,从四个官方工作流中选一个:MOSS-Image Text to Image、MOSS-Image Base Text to Image,或者这两者各自的 Layout-Guided 版本。

  5. 5

    检查加载器,然后运行

    Load Diffusion Model 选 moss_image 文件,CLIP Loader 选 qwen3.5_9b 文件并把 type 设为 moss_image,Load VAE 选 flux2-vae_small。写好提示词,点击 Run。模板用的是 25 步、CFG 2.5 和 er_sde;OpenMOSS 的参考设置是 50 步、CFG 3、Euler、shift 5,并跳过第 22 层。

  6. 6

    可选:用 OpenMOSS 的插件加载原始文件夹

    如果想改为加载完整的 Hugging Face 文件夹(约 27 GB),可以从 ComfyUI Manager 安装 MOSS-Image 插件,或者用下面的脚本把它链接进来,然后让 MOSS-Image HF Loader 节点指向这个文件夹。

    git clone https://github.com/OpenMOSS/MOSS-Image.git
    cd MOSS-Image
    python comfyui/install.py --comfy-root /path/to/ComfyUI

ComfyUI MOSS-Image 模型文件

所有文件都在 Hugging Face 的 Comfy-Org/MOSS-Image 仓库里(Apache 2.0)。扩散模型、文本编码器和 VAE 各选一个。文件大小为 2026 年 10 月 20 日页面上列出的数值。

文件ComfyUI/models 下的文件夹大小什么时候选它
moss_image_sft_int8_convrot.safetensorsdiffusion_models5.41 GB官方模板的默认选择:8 位的微调模型
moss_image_sft_bf16.safetensorsdiffusion_models10.2 GB全精度的微调模型,显存够就用它
moss_image_base_int8_convrot.safetensorsdiffusion_models5.41 GB8 位的 Base 模型,配合基于 Base 训练的 LoRA 使用
moss_image_base_bf16.safetensorsdiffusion_models10.2 GB全精度的 Base 模型,用于训练和研究
qwen3.5_9b_w4a8_gptq.safetensorstext_encoders7.34 GB最小的文本编码器,官方模板用的就是它
qwen3.5_9b_int8_convrot.safetensorstext_encoders9.75 GB8 位的文本编码器
qwen3.5_9b_bf16.safetensorstext_encoders19.3 GB全精度的文本编码器
flux2-vae_small.safetensorsvae250 MB官方 pipeline 和模板自带的小型解码器
flux2-vae.safetensorsvae336 MB完整的 FLUX.2 VAE

MOSS-Image 生成效果

密集的中英文文字是 MOSS-Image 最突出的长处。以下图片截取自 OpenMOSS 模型卡里的展示图,没有做任何修图;提示词没有公开,所以每张图下方的文字描述的是画面内容。

MOSS-Image: A printed Chinese mock exam page for physics, with numbered multiple-choice questions, formulas, a slope diagram and a velocity graph
MOSS-Image · 官方展示图A printed Chinese mock exam page for physics, with numbered multiple-choice questions, formulas, a slope diagram and a velocity graph
MOSS-Image: A weathered green roadside sign covered in small Chinese text, standing at the edge of a country road at dusk
MOSS-Image · 官方展示图A weathered green roadside sign covered in small Chinese text, standing at the edge of a country road at dusk
MOSS-Image: A classroom chalkboard filled with a handwritten English paragraph about a speech transcription model
MOSS-Image · 官方展示图A classroom chalkboard filled with a handwritten English paragraph about a speech transcription model

ComfyUI MOSS-Image 推荐设置

01

步数:25 到 50

OpenMOSS 建议 50 步或更多。ComfyUI 模板用 25 步搭配 er_sde 采样器,耗时大约减半。

02

CFG:2.5 到 6

官方默认值是 3,长提示词用它就够了;短提示词可以调高。8 步和 4 步 LoRA 用 CFG 1。

03

Shift:5

已内置在原生模型里。如果要修改,请用 ModelSamplingAuraFlow,multiplier 设为 1,不要用 ModelSamplingSD3。

04

跳层引导(skip layer guidance):第 22 层

在负向计算中跳过第 22 层能提升细节;第 24 层和第 26 层也可以。关掉它画面会更像照片,但细节可能会崩。

05

分辨率:1 到 2 MP

从 1024 × 1024 到约 1456 × 1456,任意比例都可以,边长为 16 的倍数即可。模型支持的范围是 512 × 512 到 2K。

06

负面提示词:简短标签

留空即可,或者用 OpenMOSS 使用指南里的质量标签:worst quality, bad anatomy, watermark, jpeg artifact。

ComfyUI MOSS-Image 速度与显存:社区实测

OpenMOSS 没有公布显存数据。以下是发布后一周内大家在 YouTube、note.com、X 和 Hugging Face 上分享的实测结果;显存峰值指整张显卡的占用。

模型文件尺寸与步数单张耗时显存峰值
RTX 5090,全精度SFT bf161024 × 1024,50 步27.4 秒29.2 GiB
RTX 5090,8 位SFT int81024 × 1024,50 步10.5 秒16.4 GiB
RTX 5090,模板步数int81 MP,25 步5.7 秒未提供
RTX 4070 12 GBBase int8,文本编码器 int8832 × 1216,50 步50 到 52 秒11.6 GiB
RTX 3060 Ti 8 GBint8720p,50 步52 秒未提供
DGX Spark未提供1024 × 1024,25 步和 50 步30 秒和 48 秒未提供

ComfyUI MOSS-Image 工作流、工具与教程

先列官方资源,再列社区项目,全部于 2026 年 10 月 20 日核实。

ComfyUI 官方模板Comfy-Org 模板仓库里的四个 MOSS-Image 工作流(SFT、Base,以及两个 Layout-Guided 版本)。github.comComfyUI 格式的模型文件Comfy-Org/MOSS-Image:本教程用到的 8 位、4 位和全精度文件。huggingface.coOpenMOSS 的 ComfyUI 说明模型团队自己写的说明,涵盖原生方式和 Hugging Face 文件夹插件。github.comComfyUI 官方的 MOSS-Image 教程Comfy 为这些模板写的文档。文档里写的是 0.41.3,实际上要到 0.42.0 才支持。docs.comfy.org插件工作流OpenMOSS 为插件方式提供的 moss-image.json:50 步、CFG 3、Euler、shift 5、跳过第 22 层、1024 × 1024。github.com使用指南与提示词格式OpenMOSS 关于分辨率、CFG、跳层引导、负面标签和 JSON 布局的建议。github.com8 步 DMD LoRAlodestones 对 MOSS-Image-SFT 做的社区蒸馏版:CFG 1 下只要 8 步,不用 50 步。huggingface.co去色带 LoRAMATLOWAI 的 DeBand LoRA 能减轻部分 SFT 图片里的竖向色条,附带 ComfyUI 工作流。huggingface.coSpectrum 加速节点ComfyUI-Spectrum-MOSS 通过预测隐藏状态,在采样时省掉一部分计算。github.comFP16 修正版权重KBlueLeaf 重新缩放过的权重,适合不支持快速 bf16 的显卡;直接用 fp16,大尺寸图片可能会变成全黑。huggingface.coGGUF 文件(实验性)面向 8 GB 显卡的 Q2 到 Q8 量化版本。需要额外安装自定义节点;Comfy-Org 已表示不会原生支持 GGUF。huggingface.coLoRA 训练KohakuMossTrainer:支持对 Base 和 SFT 做全量微调和 LoRA 训练,最低 6 GB 显存。github.com免费在线演示OpenMOSS 的 Hugging Face Space,下载任何文件之前可以先在这里测试提示词。可能需要排队。huggingface.co

ComfyUI MOSS-Image 提示词怎么写

  1. 1

    用英文描述场景

    英文的训练数据最多。写清主体、环境、光线和风格;一条提示词最长可达 4,096 个 token。

  2. 2

    把要写的文字加上引号

    把确切的文字原样放进引号,在需要换行的地方换行。中文和英文都可以。

  3. 3

    用布局来摆放元素

    做海报和版面时,用 Layout-Guided 模板或 JSON 布局:一段整体描述,再加上若干元素,每个元素带一个框,坐标以画布中心为原点、按像素计算。

ComfyUI MOSS-Image 入门提示词

把这些粘贴到正向提示词里;标明的那条粘贴到负面提示词里。布局示例适用于 1024 × 1024 的画布。

  • JSON 布局(官方示例)

    {"summary": {"meta": ["poster"], "canvas": "single", "caption": "A minimalist travel poster with a cream background, a blue mountain illustration, and the title EXPLORE at the top."}, "items": [{"label": "text", "caption": "Large dark-blue uppercase title centered at the top.", "text": "EXPLORE", "bbox": [-416, -384, -288, 384]}, {"label": "object", "caption": "A flat blue mountain illustration in the lower center.", "bbox": [-192, -288, 384, 288]}], "bbox_coord_space": "abs_centralized", "bbox_format": "yxyx"}

  • 带公式的印刷试卷

    A printed physics exam page in Chinese titled "物理" with numbered multiple-choice questions, a small diagram of a block on a 30° slope and the footer "物理试卷 第1页(共6页)", flat scan, black ink on white paper

  • 标签顺序

    best quality, highres, scenery, night city, river, skyline reflections, long exposure, no humans

  • 负面提示词(质量标签)

    worst quality, bad anatomy, watermark, jpeg artifact

ComfyUI MOSS-Image 常见报错与解决办法

发布后头几天里反馈最多的问题,以及对应的解决办法。

CLIP Loader 里没有 moss_image 类型
你的 ComfyUI 版本低于 0.42.0;0.41.3 不包含 MOSS-Image。更新后重新运行 pip install -r requirements.txt,然后重启。
从插件切换过来后出图异常
插件工作流用的是 ModelSamplingSD3,它的时间步刻度不一样。请直接打开原生模板,不要只替换加载器;要调整 shift,就用 ModelSamplingAuraFlow,multiplier 设为 1。
图片发灰、颜色寡淡
从启动参数里去掉 --use-sage-attention。Comfy-Org 模型页上有用户反馈,它会让 MOSS-Image 的输出饱和度变低。
显存不足
用 8 位模型、4 位文本编码器和 flux2-vae_small,分辨率保持在 1 MP 左右,让 ComfyUI 自动卸载,或者用 --lowvram 启动。
SFT 图片出现竖条纹
这是 SFT 的已知问题。可以试试社区的 DeBand LoRA、Kijai 的负权重修复方法,或者改用 Base 模型。
生成全黑图片
通常是高分辨率下 fp16 溢出。改用 bf16 运行,或者使用 KBlueLeaf 的 FP16-fixed 权重。
生成速度很慢
50 步加上跳层引导,意味着每一步都要算两遍。可以改用模板的 25 步、CFG 1 下的 8 步或 4 步 LoRA,或者 Spectrum 节点。
文字写错或缺字
把要出现的文字原样放进引号,在需要换行的地方换行,提示词其余部分用英文写;短提示词可以把 CFG 提高到 4 到 6。
参考图不起作用
MOSS-Image 不能使用参考图。在模板里,ref_image 只会传给可选的提示词增强器。
同一个种子,出图和 Python 里不一样
这是正常现象。ComfyUI 的调度器不会对齐 Python pipeline 使用的训练网格,所以输出会不同。

没有显卡,或者没空下载 13 GB 的文件?

在线试用 Qwen Image 2.1:文字渲染效果相近,无需安装

部署 ComfyUI MOSS-Image 要下载 13 GB 的文件,还要一张 12 GB 或以上显存的显卡。Qwen Image 2.1 是最常拿来和 MOSS-Image 比较的模型:两者都能在图片里写中英文文字,并排对比测试中效果相近。在 Nano AI 上,它直接在浏览器里运行,每张图 8 积分,还能编辑照片,这一点 MOSS-Image 做不到。

常见问题

ComfyUI MOSS-Image 常见问题

关于在 ComfyUI 里运行 MOSS-Image,大家问得最多的几个问题。

哪个 ComfyUI 版本支持 MOSS-Image?

2026 年 10 月 18 日发布的 0.42.0,或者 10 月 16 日及之后的 nightly 版本(commit e087d8f6)。0.41.3 并不支持,尽管有些教程说它支持。

在 ComfyUI 里用 MOSS-Image 需要自定义节点吗?

不需要。从 0.42.0 开始,标准加载器就能读取 Comfy-Org/MOSS-Image 中的文件。只有加载原始的 Hugging Face 文件夹时,才需要 OpenMOSS 的插件。

ComfyUI MOSS-Image 需要多少显存?

没有官方数字。社区测试中,用 8 位模型和 4 位文本编码器,12 GB 显卡可以运行;8 GB 显卡可以配合卸载跑 4 位或 GGUF 配置,但速度慢。全精度在 RTX 5090 上的峰值约 29 GiB。

MOSS-Image 有 GGUF 或 fp8 版本吗?

OpenMOSS 和 Comfy-Org 都没有提供,它们提供的是 8 位(int8)和 4 位(w4a8)文件。社区有 GGUF 文件,但需要额外的自定义节点,而且 Comfy-Org 已表示不会原生支持 GGUF。

ComfyUI MOSS-Image 的文件放在哪里?

都放在 ComfyUI/models 下:moss_image 文件放进 diffusion_models,qwen3.5_9b 文件放进 text_encoders,flux2-vae 文件放进 vae。

ComfyUI MOSS-Image 用 Base 还是 SFT?

日常出图用 SFT。训练 LoRA,或者要用基于 Base 训练的 LoRA 时,选 Base。

ComfyUI MOSS-Image 能编辑图片或使用参考图吗?

不能,它只能文生图。如果要编辑图片,Nano AI 上的 Qwen Image 2.1 和 Nano Banana 2.1 最多可接收 5 张参考图。

不安装任何东西,能得到相近的效果吗?

可以。试试 OpenMOSS 的 Hugging Face 演示,或者 Nano AI 上的 Qwen Image 2.1,它是在图片文字方面最常拿来和 MOSS-Image 比较的模型。新账号在大多数地区可获得 16 个免费积分,够生成 2 张 Qwen Image 2.1 图片。

相关页面

Nano AI 是独立服务,与 OpenMOSS、MOSI.AI 和 Comfy Org 均无关联。文件名、文件大小和版本信息来自 Hugging Face、GitHub 和 ComfyUI 的发布说明,查阅于 2026 年 10 月 20 日;速度和显存数据为社区实测。示例图片来自 OpenMOSS 的模型卡,依据 Apache 2.0 许可证使用。