اجرای محلی مدل FLUX.2 در ComfyUI آسان شد؛ انتشار بسته آماده Comfy-Org
تیم Comfy-Org با انتشار نسخه‌ای از پیش کوانتایزشده از مدل تصویری FLUX.2 [dev]، فرآیند راه‌اندازی و اجرای محلی این مدل را برای کاربران ComfyUI بسیار ساده کرد. این بسته نیاز به پیکربندی‌های پیچیده را برطرف کرده و تاکنون بیش از یک میلیون بار در Hugging Face دانلود شده است.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- بسته آماده Comfy-Org فرآیند پیچیده راه‌اندازی مدل FLUX.2 [dev] را حذف کرده و فایل‌ها را مستقیماً با ساختار پوشه‌های ComfyUI هماهنگ می‌کند.
- وزن‌های مدل به‌صورت فشرده و تفکیک‌شده (شامل فایل ۳۵٫۵ گیگابایتی ترنسفورمر و نسخه‌های مختلف انکودر متنی Mistral) عرضه شده‌اند تا منابع سیستم بهتر مدیریت شوند.
- با وجود آماده‌سازی ورک‌فلوهای پیش‌فرض برای تولید و ویرایش تصویر، اجرای محلی این مدل با ترکیب ۵۶ میلیارد پارامتر همچنان به کارت گرافیک و حافظه قدرتمند نیاز دارد.
تیم Comfy-Org نسخه‌ای از پیش کوانتایزشده از مدل FLUX.2 [dev] متعلق به شرکت Black Forest Labs را در یک مخزن رسمی ComfyUI منتشر کرده است که آمار دانلود آن از مرز یک میلیون عبور کرد. البته شمارنده پلتفرم Hugging Face درخواست‌های مکرر دانلود فایل‌ها را نیز ثبت می‌کند؛ بنابراین این رقم بیش از آنکه نشان‌دهنده تعداد نصب‌های مجزا باشد، بیانگر حجم بالای تعامل و فعالیت کاربران با این مخزن است.
این بسته بخش عمده‌ای از مراحل پیچیده راه‌اندازی اولیه را حذف می‌کند. ساختار فایل‌ها مستقیماً با پوشه‌های مدل در نرم‌افزار ComfyUI مطابقت دارد و جریان‌های کاری (Workflows) ارائه‌شده بدون نیاز به واسط Diffusers اجرا می‌شوند. با این حال، توسعه‌دهندگان همچنان با پیش‌نیازهای سخت‌افزاری سنگینی روبرو هستند؛ مدل FLUX.2 [dev] از ترکیب یک ترنسفورمر ۳۲ میلیارد پارامتری جریان اصلاح‌شده (Rectified-flow) و یک کدگذار چندوجهی تصویری،زبانیِ ۲۴ میلیارد پارامتری از Mistral تشکیل شده است.
ساختار بسته نرم‌افزاری هماهنگ با ComfyUI
این مخزن وزن‌های مدل را در چهار مسیر مجزا سازماندهی کرده است: split_files/diffusion_models، split_files/text_encoders، split_files/vae و split_files/loras. هر یک از این مسیرها دقیقاً متناظر با یکی از پوشه‌های زیرمجموعه ComfyUI/models طراحی شده‌اند.
بخش مدل | فایل وزنی | حجم و تنظیمات |
|---|---|---|
ترنسفورمر انتشار (Diffusion Transformer) | flux2_dev_fp8mixed.safetensors | |
کدگذار متنی (Text Encoder) | mistral_3_small_flux2 | شامل نسخه‌های BF16، FP8-mixed و FP4-mixedفایل ۱۸ گیگابایتی FP8 گزینه‌ای کاربردی و متعادل برای بیشتر سیستم‌ها است |
مدل VAE | flux2-vae.safetensors | ۳۳۶ مگابایت، با ۳۲ کانال نهفته (Latent Channels) |
شتاب‌دهنده اختیاری | دو آداپتور ByteZSzn Turbo LoRA | آداپتورهای توسعه‌یافته توسط جامعه کاربری برای کاهش زمان نمونه‌برداری و افزایش سرعت تولید |
فرآیند استاندارد نصب و راه‌اندازی این بسته شامل پنج مرحله ساده است:
- به‌روزرسانی ComfyUI به نسخه‌ای که از مدل FLUX.2 پشتیبانی کند.
- کپی کردن فایل ترنسفورمر در مسیر
ComfyUI/models/diffusion_models. - انتخاب یکی از نسخه‌های کدگذار متنی Mistral و قرار دادن آن در پوشه
ComfyUI/models/text_encoders. - انتقال فایل VAE به پوشه
ComfyUI/models/vaeو در صورت تمایل، افزودن آداپتورهای کمکی به مسیرComfyUI/models/loras. - فراخوانی یکی از فایل‌های JSON مربوط به جریان‌های کاری آماده برای تولید تصویر از متن، ویرایش تصویر یا پیش‌نمایش موکاپ محصولات.
بروز خطاهای مربوط به بارگذاری مدل، معماری ناشناخته یا در دسترس نبودن برخی گره‌ها، معمولاً ناشی از قدیمی بودن نسخه ComfyUI یا به‌روز نبودن افزونه‌های سفارشی نصب‌شده است. همچنین کاربرانی که با محدودیت حافظه روبرو هستند و به ترنسفورمرهای سبک‌تری نیاز دارند، می‌توانند به سراغ نسخه‌های کم‌حجم‌تر و فشرده‌سازی‌های متناسب با سخت‌افزار خود بروند.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
گورستان هوش مصنوعی؛ پروژه‌ها و استارتاپ‌هایی که به بن‌بست رسیدند
از تاخیرهای پیاپی اپل در ارتقای هوش مصنوعی Siri تا شکست سخت‌افزارهایی مانند Humane AI Pin و ورشکستگی Character.ai، دنیای هوش مصنوعی پر از ایده‌های پرهیاهو اما ناکام است. داده‌ها نشان می‌دهند نزدیک به ۴۲ درصد از طرح‌های هوش مصنوعی در شرکت‌ها به بن‌بست می‌رسند. در این گزارش سرنوشت پروژه‌ها و استارتاپ‌هایی را مرور می‌کنیم که نتوانستند دوام بیاورند.
پیتر تیل: اپل پس از استیو جابز هیچ نوآوری تازه‌ای نداشته است
پیتر تیل، سرمایه‌گذار نامدار و از هم‌بنیان‌گذاران PayPal، معتقد است اپل پس از درگذشت استیو جابز نوآوری معناداری نداشته است. به گفته او، مدیران پیشرو و جسوری مانند ایلان ماسک برای جامعه بسیار مفیدتر از تیم کوک هستند و اپل صرفاً بر تجاری‌سازی دستاوردهای گذشته تمرکز دارد.
اجرای مدل ۷۶۳ میلیارد پارامتری DeepSeek روی کارت گرافیک ۱۲ گیگابایتی ممکن شد
گروه پژوهشی ISTA-DASLab با فشرده‌سازی پیشرفته مدل ۷۶۳ میلیارد پارامتری DeepSeek، امکان اجرای آن را روی کارت‌های گرافیک ۱۲ گیگابایتی فراهم کرد. این روش با کاهش میانگین وزن‌ها به ۱٫۷۵ بیت، نیاز به سخت‌افزارهای گران‌قیمت سرور را به‌میزان چشمگیری کاهش می‌دهد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.