ComfyUI-Youtu-VL：在 ComfyUI 中集成腾讯 Youtu-VL 视觉语言模型

ComfyUI-Youtu-VL 是一个专为 腾讯 Youtu-VL（40 亿参数轻量级视觉语言模型）设计的自定义节点插件，让 ComfyUI 用户无需离开工作流即可调用强大的视觉理解能力。该模型支持视觉定位、分割、深度估计、姿态估计等以视觉为中心的任务，并特别优化了与生成式 AI 工作流的协同——如为绘画模型（Z-Image、Qwen Image等）自动生成高质量提示词或 LoRA 训练标签。

• GitHub：https://github.com/1038lab/ComfyUI-Youtu-VL

核心优势：双引擎 + 零配置

1. 双推理引擎，按需切换
   • 标准版（transformers）：高精度，适合研究或对输出质量要求严苛的场景，支持 Flash Attention 2 加速和 BitsAndBytes 4/8-bit 量化。
   • GGUF 版（llama.cpp）：低显存、高速度，可在 6GB 显存消费级 GPU 上流畅运行，支持 CPU/GPU 混合推理与 GPU 卸载层数调节。
2. 零配置体验
   模型在首次使用时自动从 HuggingFace 下载，无需手动管理权重文件。

六大智能预设，开箱即用

节点内置 config.json 预设，一键触发常见任务：

所有预设均可通过下拉菜单直接选择，无需编写提示词。

安装指南

推荐方式：通过 ComfyUI Manager 安装

1. 打开 ComfyUI Manager
2. 搜索 “ComfyUI Youtu-VL”（发布者：1038lab）
3. 点击 安装 → 自动处理依赖与模型下载

手动安装

cd ComfyUI/custom_nodes/
git clone https://github.com/1038lab/ComfyUI-Youtu-VL.git
cd ComfyUI-Youtu-VL
pip install -r requirements.txt

启用 GGUF 支持（可选但推荐）

若需使用 GGUF 版本以获得更低显存占用和更快速度，请安装对应 CUDA 版本的 llama-cpp-python：

# 示例：CUDA 12.1
pip install llama-cpp-python --extra-index-url https://abetlen.github.io/llama-cpp-python/whl/cu121

# 其他版本替换 cu121 为 cu118（CUDA 11.8）或 metal（macOS）

节点选择建议

⚠️ 注意：分割、深度估计、姿态估计等高级功能目前位于 Beta/ 文件夹，需手动启用实验性节点。

故障排除

• GGUF 节点不显示？ → 确认 llama-cpp-python 已正确安装（检查 CUDA 版本匹配）。
• 显存不足？ → 切换至 GGUF 节点，选择 Q4 或 Q5 量化模型。
• 首次加载慢？ → 模型正在后台下载（约 2–4 GB），完成后将缓存至本地。