可以直接把本文链接丢给Codex或其它Agent，让它帮你自动部署
之前吕老师还在的时候，在宁波放了一台移动工作站（结果一直闲置，纯属浪费钱），一直没别人用，我就把它作为RustDesk服务器使用。上周这台移动工作站不知道怎么坏了，天哥正好要回学校就给我背了过来让我修一修。我修好了，看这个设备显存有16G，就拿来部署了一下ComfyUI玩玩。
其实以前在我的Windows笔记本上也安装过ComfyUI，但是发现GPU太拉了，8G显存啥也干不了，就一直搁置。
这台移动工作站是配置是：
- CPU：intel i9 13950HX，24物理核心，32线程
- GPU：NVIDIA RTX 5000 Ada Generation 16GB显存版
- RAM：128GB
- OS：Ubuntu26.04
安装ComfyUI
安装倒是挺简单的，因为是用的python+torch后端、web前端，跨平台做的挺好。
用micromamba创建一个虚拟环境
micromamba create -n comfy python=3.12
micromamba activate comfy
然后：
pip install comfy-cli
comfy install
属于是傻瓜式安装了。
启动程序
进入安装目录：
micromamba activate comfy
python ./main.py
之后浏览器打开 http://127.0.0.1:8188就看到了comfyUI界面。
文生图工作流
在开始之前还得去hugging-face下载三个模型文件。国内网络可以到镜像网站下载: HF-Mirror。
comfyUI中需要扩散模型、vae模型、clip模型才能工作，扩散模型就是绘图用的，clip是解析提示词用的，vae是解码图像的，三个模型需要搭配使用，一般的扩散模型都有官方推荐的clip和vae。
我选择的扩散模型是FLUX.2-klein-9B，对应的clip是qwen-3-8b，vae是专用的flux2-vae
ComfyUI是工作流的模式，需要创建不同功能的节点，然后连线，0代码，也是非常傻瓜式操作。
工作流文件在这，可以下载了直接导入（前提是有我这三个模型文件）：flux2-文生图.json | Luxas的下载站
图像编辑工作流
图像编辑就相当于把参考图像也作为一个输入，需要把图像做一下vae编码，然后和提示词一起输入到采样器中
工作流下载：flux2-图像编辑.json | Luxas的下载站
Flux2和Qwen image对比
同样配置了qwen image fp8的工作流，下载了对应的vae和clip，做个对比。
qwen image在网上那么多吹捧的，结果我一实装，并没觉得多厉害，难道qwen有什么独特的调教手法？
下面是flux2和qwen image两个模型的对比。
案例1 室内人物
提示词：
一个坐在坐在蓝色布艺沙发上的20岁中国女生，身体微侧，眼睛看着窗外。镜头在人物上方，呈现俯瞰视角
翻译成英文再往工作流里填：
20-year-old Chinese girl, sitting on blue fabric sofa, body slightly sideways, gazing out the window, overhead top-down view, camera above.
flux2-klein
qwen-image
案例2 室外人物
提示词：
一个身穿红色汉服的20岁中国女生站在一颗巨大的柳树下，人物在图像的偏右位置，镜头为远景
翻译成英文：
20-year-old Chinese girl in red Hanfu, standing under a giant willow tree, figure on the right side of the frame, long shot, wide view, distant perspective.
flux2-klein
qwen-image
案例3 科研绘图
提示词：
一幅用于学术论文的科研示意图，展示细胞膜上的受体激活后，胞内信号通过级联反应传递至细胞核并启动基因转录的过程。画面风格为清晰、简洁的矢量插画，白色背景，无衬线字体标注关键分子（如受体、激酶、转录因子），使用蓝‑绿‑橙低饱和度配色，线条干净，层次分明，无多余装饰。适合期刊印刷，构图居中，标注清晰，包含箭头指示信号流向，整体呈现专业、严谨、美观的科研绘图风格。
翻译成英文：
Scientific schematic for journal paper, cell membrane receptor activation, intracellular cascade to nucleus, gene transcription, vector illustration, white background, sans‑serif labels (receptor, kinase, transcription factor), low‑saturation blue‑green‑orange palette, clean lines, clear hierarchy, no extra ornaments, journal‑ready, centered composition, arrows for signal flow, professional and rigorous scientific style.
flux2-klein
qwen-image
对比总结
还测试了其他一些例子，但都大差不差。
总结一下：
- 这种本地部署的小参数模型，画点对准确度要求不高的风景、人像还行。要是用来科研绘图，尤其是带文字的，那直接拉完了；
- Flux绘画速度很快，1024*1024分辨率的图片，20s左右就画好了。Qwen image需要将近50s；
- Flux更贴近真实，即便真实的样子并不漂亮；Qwen image更具美感；
- Flux会有颗粒感、锐度较高；Qwen image画面大部分时候过于柔化。