⚙️ workflow 設定（首次使用：每個模型各設定一次）
最簡單：在 ComfyUI 開啟該模型的官方 Template（Workflow → Browse Templates）→ 按一次 Run → 回到這裡按下方 🎯 從 ComfyUI 擷取，即可自動抓取並辨識模型（會順手中斷該次生成）。 每個模型（LTX-2.5 / Wan 2.2 / MiniMax H3）各做一次。
或用檔案：ComfyUI 開啟 Enable Dev mode 後 Save (API Format) 匯出 JSON，拖到下方卡片。
描述你想生成的畫面。建議包含：主體（人物/物體）、動作、場景、光線、風格。英文效果較佳。點 🎲 Random 可自動組合豐富的提示詞。
相同 Seed + Prompt = 相同結果，方便跨模型公平比較
📋 模型規格與使用說明
LTX-2.5 影片
| 參數量 | 22B |
| 精度 | FP8 |
| VRAM 用量 | ~22 GB |
| HD 速度 | ~144s / 5s 影片 |
| 優化 | FP8 權重 |
| 授權 | Apache 2.0 |
MiniMax H3 影片
| 參數量 | ~20B |
| 精度 | NVFP4 混合 |
| VRAM 用量 | ~19 GB |
| HD 速度 | ~298s / 5s 影片 |
| 優化 | NVFP4 + Sol-Attn + FBC + TeaCache |
| 授權 | MiniMax 開放 |
⚠️ 2K 以上解析度不建議 — Sol-Attn 在高 token 數下可能產生網格偽影，全量 attention 則 OOM。
Wan 2.2 影片
| 參數量 | 14B |
| 精度 | FP8 |
| VRAM 用量 | ~14 GB |
| HD 速度 | 待測 |
| 優化 | FP8 權重 |
| 授權 | Apache 2.0 |
FLUX.2 Dev 圖片
| 參數量 | 32B |
| 精度 | NVFP4 混合 |
| VRAM 用量 | ~23 GB |
| 步數 | 10 |
| 文字編碼器 | Mistral 3 Small |
| 最大解析度 | 4MP (2048×2048) |
| 授權 | Apache 2.0 |
Qwen-Image 2512 圖片
| 參數量 | 20B |
| 精度 | FP8 |
| VRAM 用量 | ~20 GB |
| 步數 | 30 (CFG=1) |
| 文字編碼器 | Qwen2.5-VL 7B |
| 最佳解析度 | 1024² ~ 1664×928 |
| 授權 | Apache 2.0 |
HiDream-I1 Dev 圖片
| 參數量 | 17B |
| 精度 | FP8 |
| VRAM 用量 | ~16 GB |
| 步數 | 20 (LCM, CFG=1) |
| 文字編碼器 | CLIP×2 + T5 + LLaMA 8B |
| 訓練解析度 | 1024×1024 |
| 授權 | MIT |
📐 解析度建議
- 影片：HD (1376×768) 為最佳性價比；FHD (1920×1080) 品質更好但耗時加倍；2K 僅建議 LTX 使用
- 圖片：1024×1024 為通用安全值；FLUX.2 支援最高 2048×2048；Qwen 最佳比例為 1328×1328 或 1664×928
💡 使用技巧
- 首次使用需先在上方「workflow 設定」匯入各模型的 ComfyUI workflow
- 🎲 Random 會自動生成含角色、場景、光線、攝影風格的豐富提示詞
- 同一個 Seed + 相同 Prompt 可在不同模型間做公平比較
- 點擊生成的圖片可在新分頁開啟原圖檢視
- 輸出右下角顯示生成耗時與當前 VRAM 使用量
- 一次只跑一個模型可降低記憶體壓力，避免 OOM
🖥️ 硬體環境
- GPU：NVIDIA GB10 (Blackwell) — 128GB 統一記憶體
- CUDA：13.0 · Driver 580.173
- ComfyUI：最新版 + ComfyUI-Manager · 綁定 localhost:8188
- 量化格式：NVFP4（Blackwell 原生）· FP8 · INT8 按模型選用