1 FLUX.1版本划分
FLUX.1是由黑森林实验室（Black Forest Labs）研发的一款前沿图像生成模型，提供了三个不同版本，以满足多样化的用户需求。
- FLUX.1-pro是该模型的闭源版本，展现出卓越的性能和图像生成能力。该版本在提示词识别、视觉质量、细节表现和输出多样性方面均表现出色，非常适合对性能要求高的企业用户。用户可以通过官方API访问FLUX.1-pro，并享受个性化的定制服务。
- FLUX.1-dev是开源但限制商用的版本，基于FLUX.1-pro构建。尽管是开源版本，它依然保持了高质量的提示词处理能力，并在效率方面有显著提升，非常适合开发者进行深入的研究和开发。
- FLUX.1-schnell是开源且可商用的版本，专为个人用户和本地开发而设计，采用Apache 2.0许可证。该版本在生成速度上具有显著优势，同时内存占用较低，适合在资源有限的环境中运行。
根据官方数据，FLUX.1的训练参数高达120亿，远超SD3 Medium的20亿。
这一巨大参数量使得FLUX.1-pro和FLUX.1-dev在图像质量、提示词准确性、尺寸适应性、排版及输出多样性等方面，超越了市场上主流模型，如Midjourney v6.0、DALL·E 3 (HD)和SD3-Ultra。
我参与了FLUX.1的体验活动，深刻感受到其强大的功能和灵活的应用场景，期待在未来的项目中充分利用这一先进工具。
2 FLUX.1部署流程
（1）进入控制台-GPU云实例，点击创建实例：
（2）进入创建页面后，首先在实例配置中选择付费类型，一般短期需求可以选择按量付费或者包日，长期需求可以选择包月套餐；
其次选择GPU数量和需求的GPU型号，首次创建实例推荐选择：
- 按量付费
- GPU数量1
- NVIDIA-GeForc-RTX-4090：该配置为60GB内存，24GB的显存（本次测试的LLaMA3.1 8B 版本至少需要GPU显存16G）
接下来配置数据硬盘的大小，每个实例默认附带了50GB的数据硬盘，FLUX.1模型较大，建议扩容至150GB。
（3）继续选择安装的镜像，平台提供了一些基础镜像供快速启动，镜像中安装了对应的基础环境和框架，可通过勾选来筛选框架，这里筛选PyTorch，选择PyTorch 2.4.0。
（4）为保证安全登录，创建密钥对，输入自定义的名称，然后选择自动创建并将创建好的私钥保存的自己电脑中，以便后续本地连接使用。
（5）创建好密钥对后，选择刚刚创建好的密钥对，并点击立即创建，等待一段时间后即可启动成功！
3 FLUX.1登录实例
接下来将基于平台提供的JupyterLab工具，演示fp16版本的部署流程。
启动JupyterLab，并创建终端：
4 部署ComfyUI
（1）在终端中执行以下命令克隆ComfyUI代码：
# github官方代码仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
# gitCode-github加速计划代码仓库
git clone https://gitcode.com/gh_mirrors/co/ComfyUI.git
（2）克隆完成后可看到如下目录：
（3）终端进入/root/workspace/ComfyUI目录，执行以下命令，安装ComfyUI需要的依赖：
cd ComfyUI/
pip install -r requirements.txt --ignore-installed
（4）执行以下命令，启动ComfyUI：
python main.py --listen
（5）看到服务成功启动，说明ComfyUI部署成功！
5 部署FLUX.1
推荐您阅读ComfyUI官方使用FLUX.1示例，以下是基于丹摩平台的部署教程
（1）平台已预制FLUX.1相关资源，您可通过内网高速下载：
# 下载完整FLUX.1-dev模型
wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar
# 下载完整FLUX.1-schnell模型
wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar
# 下载完整Clip模型
wget http://file.s3/damodel-openfile/FLUX.1/flux_text_encoders.tar
（2）此处以FLUX.1-dev为例演示，首先下载完整FLUX.1-dev模型：
wget http://file.s3/damodel-openfile/FLUX.1/FLUX.1-dev.tar
（3）解压文件：
tar -xf FLUX.1-dev.tar
（4）解压后完成后可看到如下目录:
（5）把其中的一些文件移至ComfyUI指定目录：
- 大模型文件
flux1-dev.safetensors需要移动至/root/workspace/ComfyUI/models/unet/文件夹中 - vae文件
ae.safetensors需移动至/root/workspace/ComfyUI/models/vae/文件夹中
# 进入解压后的文件夹
cd /root/workspace/FLUX.1-dev
# 移动文件
mv flux1-dev.safetensors /root/workspace/ComfyUI/models/unet/
mv ae.safetensors /root/workspace/ComfyUI/models/vae/
（6）接下来下载完整Clip模型：
# 进入JupyterLab根目录
cd /root/workspace
# 下载文件
wget http://file.s3/damodel-openfile/FLUX.1/flux_text_encoders.tar
（7）解压文件：
tar -xf flux_text_encoders.tar
（8）解压后完成后可看到如下目录:
（9）把其中的一些文件移至ComfyUI指定目录：
# 进入解压后的文件夹
cd /root/workspace/flux_text_encoders
# 移动文件
mv clip_l.safetensors /root/workspace/ComfyUI/models/clip/
mv t5xxl_fp16.safetensors /root/workspace/ComfyUI/models/clip/
6 ComfyUI使用流程
（1）终端进入ComfyUI目录，执行以下命令，启动ComfyUI：
cd /root/workspace/ComfyUI
python main.py --listen
（2）启动成功，host为0.0.0.0，端口为8188：
Starting server
To see the GUI go to: http://0.0.0.0:8188
（3）通过丹摩平台提供的端口映射能力，把内网端口映射到公网； 进入GPU 云实例页面，点击操作-更多-访问控制：
（4）点击添加端口，添加服务对应端口：
（5）添加成功后，通过访问链接即即可打开ComfyUI交互界面：
7 导入工作流
（1）FLUX.1-dev-FP16的展示效果:
（2）FLUX.1-schnell-FP8:
（3）FLUX.1-dev-FP8
