ComfyUI-MagCache ：MagCache加速技术正式集成 ComfyUI，兼容原生节点流程

如果你正在使用 ComfyUI 进行视频或图像模型推理，现在可以更高效地完成生成任务了！

由北京大学与华为的研究人员提出的MagCache 扩散模型加速技术，开发团队已经推出插件 ComfyUI-MagCache。该插件不仅兼容原生节点流程，还支持主流模型如 Wan2.1、HunyuanVideo 和 FLUX-dev，最高可实现 2~3 倍的推理加速，同时保持高质量输出。

• GitHub：https://github.com/Zehong-Ma/ComfyUI-MagCache

🔧 什么是 MagCache？

MagCache 是一种无需训练、即插即用的缓存加速方法，基于“残差幅度变化”规律进行误差建模，并通过自适应跳步策略动态减少冗余计算步骤，从而显著提升扩散模型推理效率。

其核心优势包括：

• 无需修改模型结构
• 支持多种视频/图像扩散模型
• 仅需一个样本完成校准
• 加速比达 2~3 倍，画质损失可控

🚀 支持模型一览

目前 ComfyUI-MagCache 已支持以下主流模型：

未来还将持续扩展更多模型支持。

⚙️ 安装方式

目前还没有上架ComfyUI Manager，需要手动进行安装，只需三步即可在你的 ComfyUI 中启用 MagCache：

1. 进入 custom_nodes 目录
   cd ComfyUI/custom_nodes
2. 克隆插件仓库
   git clone https://github.com/zehong-ma/ComfyUI-MagCache.git
3. 安装依赖
   cd ComfyUI-MagCache/
   pip install -r requirements.txt
4. 重新启动 ComfyUI

🧪 使用说明

✅ 添加 MagCache 节点

• 在工作流中，将 MagCache 节点插入到“加载扩散模型”或“加载 LoRA”节点之后。

• 参数推荐如下（可根据需求微调）：

如果发现质量下降，建议适当降低 magcache_thresh 和 magcache_K 值。

💡 使用编译模型（可选）

为了进一步加速推理，ComfyUI-MagCache 还提供了“编译模型”节点，利用 PyTorch 的 torch.compile 技术对模型进行优化，首次运行稍慢，后续推理速度大幅提升。

📁 示例工作流

插件已提供多个示例流程供参考，位于 examples 文件夹中，涵盖：

• FLUX-dev（图像生成）
• HunyuanVideo-T2V
• Wan2.1-T2V
• Wan2.1-I2V

🧾 性能表现总结

实验表明，在 LPIPS、SSIM、PSNR 等指标上，MagCache 表现优于现有方法，是当前最实用的扩散模型加速方案之一。