SD1.5 vs SDXL vs Flux vs Z-Image

一、四代模型一句话定位

ComfyUI 优势：新模型往往 最先 在 ComfyUI 以节点/工作流形式可用。

二、SD 1.5

特点

-- 原生分辨率 512×512（也可 512×768 等）；

-- 显存友好，4–6GB 可跑；

-- Civitai LoRA / Checkpoint 数量最多；

-- 动漫、写实、特定风格都有海量微调。

适用

-- 老电脑、入门练手；

-- 依赖特定 SD1.5 LoRA；

-- 快速迭代小图。

ComfyUI 参数习惯

局限

-- 默认分辨率下细节、手脸弱于 SDXL；

-- 放大到 1024+ 需额外放大工作流。

三、SDXL

特点

-- 原生 1024×1024 左右；

-- 双 CLIP，Prompt 理解更好；

-- 常分 Base + Refiner（可选第二段采样）；

-- LoRA 生态大，质量整体高于 SD1.5。

适用

-- 通用高质量出图 首选基模之一；

-- 电商、人像、插画；

-- 8GB+ 显存较舒适。

ComfyUI 参数习惯

注意

-- cfg 过高易 过饱和、蜡像感；

-- 与 SD1.5 节点通用，但 Checkpoint 必须换 SDXL，分辨率要改。

四、Flux

特点

-- Black Forest Labs 发布，架构不同于 SD；

-- 文字渲染、写实、光影 表现突出；

-- 多种规格：Flux Dev / Schnell / FP8 等；

-- 常需 独立 CLIP Loader（T5 + CLIP）工作流。

适用

-- 高质量商业视觉；

-- 需要图中 准确英文文字；

-- 有 12GB+ 显存（Dev 全精度），或 FP8/GGUF 低显存版（见 5-4）。

ComfyUI 特点

-- 工作流与 SD 不完全相同，需用 Flux 专用模板；

-- LoRA 需 Flux 专用 LoRA；

-- steps 有时 较少（视版本），cfg 习惯与 SD 不同（常偏低，以模板为准）。

局限

-- 显存与磁盘占用大；

-- 学习成本高于 SDXL；

-- 部分 SD 系 LoRA / ControlNet 不能 直接用于 Flux。

五、Z-Image（含 Z-Image Turbo）

特点

-- 面向 极速出图 的 Turbo 类模型（社区 2025–2026 热点）；

-- 极少 steps（如 4–8 步）即可可用结果；

-- 适合 预览、批量草图、洗图前置；

-- 常与 FP8 / GGUF 量化版配合（5-4）。

适用

-- 快速试 Prompt、试构图；

-- 低显存、要快；

-- 与 SDXL/Flux 组合：Z-Image 出草图 → 其他模型精修。

注意

• 极细细节、特定风格可能不如 SDXL/Flux 精调；

• 工作流、节点随版本更新快，以 当前 ComfyUI 模板 为准；

• LoRA / ControlNet 支持情况 查节点文档，勿假设与 SD1.5 相同。

六、对比总表

七、如何选型（决策树）

显卡 ≤ 6GB？
  └ 是 → SD1.5 或 Z-Image/GGUF 量化
显卡 8GB？
  └ SDXL 主力；或 Flux FP8
显卡 ≥ 12GB？
  └ SDXL / Flux Dev 任选
要最快出图？
  └ Z-Image Turbo
要最多 LoRA？
  └ SD1.5 或 SDXL
要图中英文文字？
  └ Flux
教程/社区工作流最多？
  └ SDXL（平衡）或 SD1.5（老工作流）

八、换模型时要改什么？

九、多模型并存建议

同一 ComfyUI 可安装多个 Checkpoint，不必只选一个：

models/checkpoints/
  ├── v1-5-pruned.safetensors      # SD1.5
  ├── sd_xl_base_1.0.safetensors   # SDXL
  ├── flux1-dev-fp8.safetensors    # Flux
  └── z-image-turbo-xxx.safetensors

工作流里 Load Checkpoint 下拉切换 即可；建议 分文件保存 各模型优化过的 JSON。