Nunchaku(双截棍)节点安装、报错解决与基本使用

什么是Nunchaku？

Nunchaku是一个推理引擎，是针对麻省理工提出的一种，基于SVDQ的4位量化范式设计的。主要目的是牺牲少量精度，来减少对硬件（显卡）的需求，使用nunchaku的推理结果非常接近fp8精度的模型。

量化类型

fp4

用于50系列显卡/Blackwell 架构的显卡

int4

用于其他显卡（较老架构的显卡无法支持）

安装Nunchaku

节点安装

如果你还不清楚comfyui第三方节点如何安装，也可以先参考节点安装教程，传送门：安装常用第三方节点/插件

manager（管理器）安装

在管理器中搜索ComfyUI-nunchaku进行安装，如图所示：

git clone安装

克隆节点

git clone https://github.com/nunchaku-tech/ComfyUI-nunchaku.git

安装依赖

pip install -r requirements.txt

安装轮子

在使用Nunchaku之前，还需要安装nunchaku专用轮子。有两种方式可以进行安装，比较简单的方式是，使用作者提供的自动安装工作流进行安装，另一种方式是自己手动安装（若自动安装失败，就只能用这种方式进行安装）。

不过在安装前还应确保已经具备C编译环境，可以参考之前的教程。传送门：python和pip常用命令，comfyui环境报错、节点安装必备技能

自动安装

1、安装完成节点之后，在节点库中，找到双截棍（Nunchaku）→双截棍轮子安装器（Nunchaku Installer），如图所示：

手动安装

手动下载最新版本轮子文件，需要注意选择对应的轮子版本和环境适配，手动安装轮子可以参照对应教程，传送门：comfyui常用轮子大全-whl文件下载安装

安装可能报错解决

使用Nunchaku

无论自动还是手动安装轮子，安装完成后都需重新启动comfyui后nunchaku才能生效正常使用。

nunchaku模型下载

在使用nunchaku节点时，需要下载对应的模型文件，作者为不同的模型量化了对应的svdq模型。50系显卡应使用fp4的量化模型，而其他显卡则使用int4的量化模型。

网盘下载：https://pan.quark.cn/s/e3c5f4574aa6

模型存放路径：ComfyUI\models\unet或ComfyUI\models\diffusion_models

更多下载渠道⬇⬇⬇

DiT Loader节点

最常用的节点是DiT Loader（DiT 加载器），用于unet（DiT）模型加载。分别对应Nunchaku FLUX DiT Loader与Nunchaku Qwen-Image DiT Loader两个节点。如图所示：

后续作者增加更多基础模型支持也同理。

LoRA Loader（加载器）节点

该节点用于lora加载，如图所示：

Text Encoder Loader节点

该节点用于加载clip模型，如同所示：

版本与模型节点支持情况

截止v1.0.1版，主要核心节点支持的模型有：

云端gpu推荐

👉️👉️👉  推荐云端1

👉️👉️👉  推荐云端2

👉️👉️👉  在线comfyui（无需本地算力）