ComfyUI 更新速递：Qwen Image ControlNet/LoRA、EasyCache 与上下文窗口支持

ComfyUI 近期迎来多项重要更新，涵盖模型支持、推理优化与工作流扩展能力。本次升级聚焦于提升图像生成的可控性、灵活性与运行效率，尤其增强了对 Qwen Image 系列模型的支持，并引入了更高效的缓存机制和长序列处理能力。

以下是本次更新的核心亮点：

一、Qwen Image 支持 ControlNet 与 LoRA：结构控制与风格迁移更灵活

ComfyUI 现已全面支持 Qwen-Image 模型的多种 ControlNet 和 LoRA 扩展能力，显著提升生成图像的结构引导与风格定制能力。

✅ 支持的 ControlNet 类型

目前支持两组 ControlNet 实现方式：

1. Qwen-Image DiffSynth ControlNet 模型补丁

• 支持任务：Canny 边缘检测、Depth 深度图、Inpaint 图像修复
• 特点：通过模型补丁方式集成，直接控制生成结构

示例：

• Canny：基于边缘轮廓生成匹配图像

• Depth：利用深度信息保持空间结构一致性

• Inpaint：在指定区域内进行语义一致的补全

2. Qwen-Image Union DiffSynth LoRA

• 支持类型：LineArt（线稿）、SoftEdge（柔边）、Normal Map（法线图）、OpenPose（人体姿态）等
• 特点：以 LoRA 形式加载，轻量且可组合使用

示例：OpenPose 控制下的人体动作精准生成，适用于角色设计、动画预览等场景

✅ 风格 LoRA 链式加载支持

你现在可以在 Qwen-Image 工作流中链式添加多个 LoRA，实现风格叠加与渐进式变换。

只需在工作流中加入 LoRA Loader 节点，即可按顺序应用不同风格模型。

示例流程：

原始输入 → 3D Voxel LoRA → Pixel Art LoRA → 90s Retro Anime LoRA
实现从写实到复古像素风的逐层风格迁移

该功能极大提升了创意表达的自由度，适合艺术创作、概念设计等高阶应用。

二、原生 EasyCache 支持：提升推理速度，平衡质量与效率

ComfyUI 现已集成 EasyCache（及 LazyCache）原生节点，支持在去噪过程中智能跳过部分采样步骤，从而加快生成速度。

核心优势：

• 无需调参：不同于 TeaCache 等需针对模型精细调优的技术，EasyCache 仅需一个参数控制跳步强度；
• 通用性强：所有新模型默认支持，无需额外代码修改；
• 可调节权衡：通过单一参数调节“速度 vs. 视觉保真度”平衡，适应不同使用需求。

典型场景：

• 快速预览：启用高跳步模式，生成速度提升显著
• 最终输出：关闭跳步，确保细节完整

这一改进使得 ComfyUI 在交互式设计、批量生成等场景中更具实用性。

三、新增上下文窗口采样节点：支持长序列生成

为应对长文本或多阶段生成任务，ComfyUI 引入两个新节点：

• Context Windows (Manual)
• WAN Context Windows (Manual)

功能说明：

• 支持滑动窗口式采样，而非一次性处理整个序列；
• 有效缓解显存压力，支持更长上下文的生成任务；
• 当前为手动控制模式，允许用户自定义窗口位置与步长；
• 部分 WAN 模型仍需进一步调优，但已为高级调度与自定义节点打下基础。

应用前景：

• 长篇图文生成
• 多页文档/漫画生成
• 分镜脚本到图像序列的映射

这是迈向长上下文可控生成的重要一步。

四、Blackwell GPU 加速：Windows 平台性能提升约 20%

从最新稳定版本起，ComfyUI 在搭载 英伟达Blackwell 架构显卡（50 系列） 的 Windows 设备上，推理速度提升约 20%。

优化主要体现在：

• 显存访问效率提升
• CUDA 内核调度优化
• 模型加载与执行流水线改进

这意味着在 RTX 5090 等新一代硬件上，用户将获得更快的响应速度与更高的吞吐量，尤其利于高分辨率图像生成与复杂工作流运行。

总结：更强大、更高效、更可控

本次 ComfyUI 更新在多个维度实现了实质性进步：

这些更新共同推动 ComfyUI 向更高效、更灵活、更专业的图像生成工作流平台演进。