一、nunchaku Kontext介绍
开源生态速度就是快啊，Kontext刚开源没几天，各种模型、lora、以及加速模型都来了，今天介绍的是我们熟悉的双截棍Nunchaku，也支持了Kontext了，我第一时间就去更新测试了，真的爽，10秒出图，显存占用16G。
测试了一些数据，发现效果没差多少，速度快了几倍，还是很爽的，废话不多少说，带大家来安装体验最新的Nunchaku。
二、相关安装
以前安装Nunchaku0.2或者Nunchaku0.3版本都要卸载重新安装最新版：Nunchaku0.3.1（版本号，目前最新的就是 3.1 了）
插件地址：https://github.com/mit-han-lab/comfyui-nunchaku
轮子安装：
https://modelscope.cn/models/Lmxyy1999/nunchaku/files
comfyui环境：torch2.7和python 3.12,我下载的是 nunchaku-0.3.1+torch2.7-cp312-cp312-win_amd64.whl
nunchaku-0.3.1+torch2.7（Python 版本）-cp312（Python 版本）-cp312-win（操作系统，win/linux）_amd64.whl 大家根据自己的环境下载对应的版本即可
放到comfyUI的python目录下，进入命令窗口执行：
python.exe -m pip install nunchaku-0.3.1-torch2.7-cp312-cp312-win_amd64.whl
到此，环境就安装好了。
模型下载：
这次的模型有2个
- svdq-fp4_r32-Flux.1-kontext-dev.safetensors ：50系列使用
- svdq-int4_r32-flux.1-kontext-dev.safetensors：50以下系列使用
kontext模型安装路径： models/diffusion_models
CLIP、VAE模型与Flux一致，可重用本地已有模型。
三、使用教程与体验
使用方式：工作流与官方默认方式几乎一致，只需将原先的「UNet 加载器」替换为「Nunchaku FLUX DiT Loader」即可无缝运行。
工作流直接使用kontext即可无缝衔接加速，工作流接入Nunchaku示例：
常见问题：踩坑指南：
1. 安装失败或依赖冲突 问题：安装Nunchaku wheel时出现错误 解决方案： 确保使用正确版本的wheel文件（匹配你的Python和PyTorch版本） 完全卸载之前的Nunchaku和相关依赖 使用ComfyUI Portable避免系统环境冲突
2. 找不到Nunchaku节点 问题：安装后ComfyUI中没有Nunchaku节点 解决方案： 确认ComfyUI-nunchaku插件正确安装在custom_nodes目录 检查Nunchaku后端是否正确安装 重启ComfyUI 检查控制台输出是否有错误信息
3. 生成速度没有明显提升 问题：使用Nunchaku后生成速度仍然很慢 解决方案： 确保使用Nunchaku优化的模型文件（svdq-int4或svdq-fp4版本） 检查GPU架构，RTX 30/40系列主要通过减少VRAM使用提升效率 尝试减少采样步数，Nunchaku在较少步数下就能获得高质量结果
4. 图像质量下降 问题：使用Nunchaku后图像质量不如预期 解决方案： 确保使用正确的模型版本（Blackwell GPU使用fp4版本，其他GPU使用int4版本） 调整cfg值，Nunchaku对高cfg值不太敏感 尝试增加采样步数或使用不同的采样器