model-compatibility

ComfyUI モデル互換性マトリックス

Stable Diffusion 1.5（SD 1.5）

概要

広く採用されている最初の Stable Diffusion モデルです。ファインチューニングモデル、LoRA、ControlNet、埋め込みの巨大なエコシステムを備えています。現在も最も互換性が高く、軽量なモデルファミリーです。

設定

パラメーター	値
ローダー	CheckpointLoaderSimple
ネイティブ解像度	512x512
対応解像度	512x512, 512x768, 768x512, 768x768（一部のファインチューニングモデル）
VAE	内蔵または外部（vae-ft-mse-840000-ema-pruned.safetensors）
CLIP	単一の CLIP-L（チェックポイントからの出力インデックス 1）
テキストエンコーダーノード	CLIPTextEncode
CFG 範囲	7-12（一般的には 7.5）
ネガティブプロンプト	はい — 品質にとって非常に重要です
ステップ数	20-30（標準サンプラー）
サンプラー	すべての標準サンプラー：euler、euler_ancestral、dpmpp_2m、dpmpp_sde、ddim
スケジューラー	normal、karras
デノイズ	1.0（txt2img）、0.5-0.8（img2img）
VRAM（FP16）	約 2-3GB

ワークフローパターン

CheckpointLoaderSimple → MODEL(0), CLIP(1), VAE(2)
  CLIP(1) → CLIPTextEncode (positive) → CONDITIONING
  CLIP(1) → CLIPTextEncode (negative) → CONDITIONING
EmptyLatentImage (width=512, height=512) → LATENT
KSampler (cfg=7.5, steps=20, sampler="euler", scheduler="normal") → LATENT
VAEDecode → IMAGE
SaveImage

VAE に関する注意事項

• ほとんどの SD 1.5 チェックポイントには VAE が内蔵されていますが、性能が平凡なこともよくあります
• 推奨：色の再現性を高めるには、外部の vae-ft-mse-840000-ema-pruned.safetensors を使用してください
• VAELoader ノードで読み込み、VAEDecode に接続します
• FP16 VAE は一部の画像で NaN を発生させることがあります。FP32 VAE のほうが安定しています

ControlNet の互換性

SD 1.5 は、最も大規模な ControlNet エコシステムを備えています。

ControlNet	モデルファイルのパターン	備考
Canny	control_v11p_sd15_canny	エッジ検出
Depth	control_v11f1p_sd15_depth	深度マップ
OpenPose	control_v11p_sd15_openpose	骨格／ポーズ
Scribble	control_v11p_sd15_scribble	手描きの線
Lineart	control_v11p_sd15_lineart	くっきりとした線
Softedge	control_v11p_sd15_softedge	ソフトなエッジ（HED）
Normal	control_v11p_sd15_normalbae	法線マップ
Seg	control_v11p_sd15_seg	セマンティックセグメンテーション
Tile	control_v11f1e_sd15_tile	タイル／アップスケールのガイダンス
Inpaint	control_v11p_sd15_inpaint	インペインティングのガイダンス
IP-Adapter	ip-adapter_sd15	画像プロンプト

LoRA の互換性

• SD 1.5 の LoRA は SD 1.5 のベースモデルでのみ動作します
• 形式：models/loras/ 内の .safetensors
• ローダー：チェックポイントと CLIPTextEncode の間に接続する LoraLoader ノード
• 強度の範囲：0.5-1.0（高くするとアーティファクトが発生することがあります）

---

SDXL（Stable Diffusion XL）

概要

SD 1.5 から大幅にアップグレードされ、デュアル CLIP エンコーダー、より高いネイティブ解像度、優れたプロンプト理解を備えています。高速生成向けに Turbo および Lightning バリアントも用意されています。

設定 — SDXL 1.0（Base）

パラメーター	値
ローダー	CheckpointLoaderSimple
ネイティブ解像度	1024x1024
対応解像度	1024x1024, 832x1216, 1216x832, 896x1152, 1152x896, 768x1344, 1344x768
VAE	内蔵（SDXL は統合 VAE の品質が良好です）
CLIP	デュアル CLIP：CLIP-L + CLIP-G
テキストエンコーダーノード	CLIPTextEncode（統合型）または CLIPTextEncodeSDXL（G/L 別）
CFG 範囲	5-10（一般的には 7.0）
ネガティブプロンプト	はい — 重要度は中程度です
ステップ数	20-40
サンプラー	euler、euler_ancestral、dpmpp_2m、dpmpp_sde
スケジューラー	normal、karras
デノイズ	1.0（txt2img）、0.5-0.8（img2img）
VRAM（FP16）	約 6-7GB

設定 — SDXL Turbo

パラメーター	値
ローダー	CheckpointLoaderSimple
解像度	512x512（低解像度に最適化）
CFG	1.0-2.0
ステップ数	1-4
サンプラー	euler_ancestral
スケジューラー	normal
ネガティブプロンプト	最小限、または空
デノイズ	1.0

設定 — SDXL Lightning

パラメーター	値
ローダー	CheckpointLoaderSimple + LoraLoader（Lightning LoRA）
解像度	1024x1024
CFG	1.0-2.0
ステップ数	4-8（Lightning のバリアントに合わせます：2-step、4-step、8-step）
サンプラー	euler
スケジューラー	sgm_uniform
ネガティブプロンプト	空または最小限
特記事項	ステップ数に対応する Lightning LoRA が必要です

SDXL Refiner

オプションの SDXL refiner モデルは、2 回目の処理で細部を改善します：

CheckpointLoaderSimple (base) → KSampler (steps=25, start=0, end=20)
CheckpointLoaderSimple (refiner) → KSampler (steps=25, start=20, end=25)

• refiner は start_at_step と end_at_step を指定した KSamplerAdvanced を使用します
• 通常、ステップ数の 80% までベースモデルを実行し、残りの 20% を refiner で実行します
• refiner のチェックポイント：sd_xl_refiner_1.0.safetensors

ワークフローパターン

CheckpointLoaderSimple → MODEL(0), CLIP(1), VAE(2)
  CLIP(1) → CLIPTextEncode (positive) → CONDITIONING
  CLIP(1) → CLIPTextEncode (negative) → CONDITIONING
EmptyLatentImage (width=1024, height=1024) → LATENT
KSampler (cfg=7.0, steps=25, sampler="dpmpp_2m", scheduler="karras") → LATENT
VAEDecode → IMAGE
SaveImage

ControlNet との互換性

SDXL ControlNet は SD 1.5 ControlNet とは別のものです：

ControlNet	モデルファイルのパターン	備考
Canny	control-lora-canny-rank256 または diffusers_xl_canny	LoRA ベースであることが多いです
Depth	control-lora-depth-rank256 または diffusers_xl_depth
T2I-Adapter	t2i-adapter-*-sdxl	ControlNet より軽量な代替手段
IP-Adapter	ip-adapter_sdxl	画像プロンプトアダプター
InstantID	instantid-*	顔専用

LoRA との互換性

• SDXL LoRA は SDXL ベースモデルでのみ動作し、SD 1.5 では動作しません
• SD 1.5 と同じ LoraLoader ノードを使用します
• Lightning LoRA は、少ないステップ数での生成を可能にする SDXL LoRA です

---

Flux（Flux.1）

概要

T5-XXL テキストエンコーダーを搭載した Black Forest Labs のモデルです。ネガティブプロンプトなしで高品質な画像を生成します。schnell（高速）と dev（高品質）のバリアントがあります。

設定 — Flux Schnell

パラメーター	値
ローダー	CheckpointLoaderSimple（単一ファイル）または DualCLIPLoader + UNETLoader + VAELoader（分割）
ネイティブ解像度	1024x1024（アスペクト比は柔軟に設定可能）
対応解像度	柔軟に設定可能：512x512～2048x2048、任意のアスペクト比
VAE	Flux 専用の VAE（ae.safetensors） — SD モデルとは共有されません
CLIP	DualCLIPLoader 経由の T5-XXL + CLIP-L
テキストエンコーダーノード	CLIPTextEncode（単一の結合ノード）
CFG	1.0（必ず 1.0 にしてください。値を上げると深刻なアーティファクトが発生します）
ネガティブプロンプト	なし — ネガティブ条件付けを接続しないでください
ステップ数	4
サンプラー	euler
スケジューラー	simple または sgm_uniform
Denoise	1.0
VRAM（FP16）	約 24GB（FP8：約 12GB）

設定 — Flux Dev

パラメーター	値
Schnell と同じ。ただし以下を除く：
ステップ数	20-50（一般的な値：30）
スケジューラー	sgm_uniform
VRAM（FP16）	約 24GB（FP8：約 12GB）

読み込み方法

方法 1：単一チェックポイント（最も簡単）

CheckpointLoaderSimple (ckpt_name="flux1-schnell.safetensors")
  → MODEL(0), CLIP(1), VAE(2)

方法 2：コンポーネントを分割（FP8 に推奨）

UNETLoader (unet_name="flux1-schnell-fp8.safetensors") → MODEL
DualCLIPLoader (clip_name1="t5xxl_fp16.safetensors", clip_name2="clip_l.safetensors", type="flux") → CLIP
VAELoader (vae_name="ae.safetensors") → VAE

重要なルール

• CFG は必ず 1.0 にしてください。 Flux では classifier-free guidance ではなく、モデルに組み込まれたガイダンスを使用します
• ネガティブプロンプトは使用しません。 空文字列にするか、ネガティブ入力を接続しないでください
• 専用の VAE が必要です。 Flux は SD の VAE ではなく、専用の VAE（ae.safetensors）を使用します
• VRAM 24GB のカードでは FP8 を強く推奨します。 FP16 の Flux は VRAM 24GB ではぎりぎり動作します
• T5-XXL エンコーダーを FP8 で読み込むと、さらに VRAM を節約できます
• Kitchen の量子化列（この GPU）： kitchen action:"status" は gpu.fp8（SM ≥ 8.9、Ada）、gpu.nvfp4 および gpu.mxfp8（SM ≥ 10.0、Blackwell）を報告します。量子化されていないファイルを weight_dtype: default で読み込む UNETLoader があり、kitchen も存在する場合、panel_kitchen action:"assess" の推奨は fp8_unet_fast です（fp8_e4m3fn_fast を設定）。ディスク上に NVFP4 の派生ファイルがある場合は、nvfp4_swap が推奨されます。MXFP8 は status で報告されますが、ローダー経路でサポートされるまでは推奨されません。

ワークフローパターン

UNETLoader (flux fp8) → MODEL
DualCLIPLoader (t5xxl + clip_l, type="flux") → CLIP
VAELoader (ae.safetensors) → VAE

CLIPTextEncode (positive prompt) → CONDITIONING
  (no negative CLIPTextEncode needed)

EmptyLatentImage (width=1024, height=1024) → LATENT

KSampler (cfg=1.0, steps=4, sampler="euler", scheduler="simple") → LATENT
VAEDecode (vae from VAELoader) → IMAGE
SaveImage

ControlNet の互換性

Flux ControlNet はモデル固有です。

ControlNet	備考
Flux ControlNet（Canny）	Flux 互換の専用 ControlNet
Flux ControlNet（Depth）	Flux 互換の専用 ControlNet
InstantX ControlNets	コミュニティ製の Flux ControlNet
Flux IP-Adapter	Flux 用の画像プロンプト

SD 1.5 と SDXL の ControlNet は Flux では動作しません。

LoRA の互換性

• Flux LoRA は Flux モデルでのみ動作します
• 通常、SD モデルと同様に LoraLoader から読み込みます
• Flux の LoRA エコシステムは SD 1.5／SDXL より小規模ですが、拡大しています
• Flux LoRA によっては、特定のトリガーワードが必要です

---

Stable Diffusion 3 / 3.5 (SD3)

概要

Stability AI の次世代モデルで、トリプル CLIP アーキテクチャを採用しています。プロンプトへの追従性が向上し、T5-XXL によってより長いプロンプトをサポートします。

設定

パラメーター	値
ローダー	CheckpointLoaderSimple またはトリプル CLIP ローダー
ネイティブ解像度	1024x1024
VAE	内蔵（統合済み）
CLIP	トリプル：CLIP-L + CLIP-G + T5-XXL
テキストエンコーダーノード	CLIPTextEncode または CLIPTextEncodeSD3
CFG 範囲	4-7（通常：5.0）
ネガティブプロンプト	最小限 — SD3 ではネガティブガイダンスはほとんど必要ありません
ステップ数	20-30
サンプラー	euler、dpmpp_2m
スケジューラー	sgm_uniform、normal
デノイズ	1.0（txt2img）
Shift	一部のサンプラーでは SD3 用の shift パラメーターをサポートしています
VRAM（FP16）	約 12GB（T5-XXL なしの場合：約 6GB）

トリプル CLIP の読み込み

CheckpointLoaderSimple → MODEL(0), CLIP(1), VAE(2)

または、CLIP を個別に制御する場合：

DualCLIPLoader (clip_l + clip_g) → CLIP
CLIPLoader (t5xxl) → CLIP

SD 1.5／SDXL との主な違い

• テキストの描画性能が大幅に向上しています
• 空間的な関係をより適切に処理します（「左側に猫、右側に犬」）
• T5-XXL により、長く詳細なプロンプトを使用できます（77 トークンの上限を気にする必要がありません）
• CFG 値が低くなっています（7-12 ではなく 4-7）
• ネガティブプロンプトは最小限で済みます
• サンプリング時の shift パラメーターがノイズスケジュールに影響します

ControlNet の互換性

• SD3 専用 ControlNet は限られています
• SD3 互換のコミュニティ製 ControlNet を確認してください
• SD 1.5 と SDXL の ControlNet は SD3 では動作しません

---

LTXV（動画モデル）

概要

テキストから動画、画像から動画を生成するための潜在動画拡散モデルです。VRAM を大量に消費します。

設定

パラメーター	値
ローダー	専用の動画チェックポイントローダー（ノードパックによって異なります）
解像度	フレームごとに 512x512 または 768x768（モデルによって異なります）
フレーム数	16-64（VRAM によって異なります）
FPS	8-24
VRAM	FP16 で 20GB 以上、FP8 で約 6-10GB
重要な警告	24GB の VRAM でも OOM が発生する場合があります — 必ず FP8 量子化モデルを使用してください

VRAM の管理

• 24GB のカードでは必ず FP8 量子化モデルを使用してください
• OOM が続く場合は、フレーム数を減らしてください
• 解像度を下げると大きく改善します
• GPU を使用するほかのアプリケーションを終了してください
• ComfyUI で --lowvram フラグの使用を検討してください

---

ファミリー間の互換性ルール

LoRA の互換性

LoRA はモデルファミリー固有であり、相互に使用することはできません。

LoRA の学習対象	使用できるモデル	使用できないモデル
SD 1.5	SD 1.5 およびそのファインチューン	SDXL、Flux、SD3
SDXL	SDXL およびそのファインチューン	SD 1.5、Flux、SD3
Flux	Flux モデルのみ	SD 1.5、SDXL、SD3
SD3	SD3／3.5 モデルのみ	SD 1.5、SDXL、Flux

LoRA を誤ったベースモデルで使用すると、画像が破綻したりエラーが発生したりします。

ControlNet の互換性

ControlNet もモデルファミリー固有です。

ControlNet の学習対象	使用できるモデル	使用できないモデル
SD 1.5（v1.1 シリーズ）	SD 1.5 ベースモデルとファインチューン	SDXL、Flux、SD3
SDXL	SDXL ベースモデルとファインチューン	SD 1.5、Flux、SD3
Flux	Flux モデルのみ	SD 1.5、SDXL、SD3

VAE の互換性

VAE	互換性のあるモデル	備考
vae-ft-mse-840000-ema-pruned	SD 1.5 ファミリー	SD 1.5 に最適な外部 VAE です
SDXL 内蔵 VAE	SDXL ファミリー	品質が良く、外部 VAE は不要です
sdxl_vae.safetensors	SDXL ファミリー	SDXL 用の外部 VAE の選択肢です
ae.safetensors (Flux VAE)	Flux のみ	Flux に必須で、SD とは互換性がありません
SD3 内蔵 VAE	SD3 ファミリー	統合されているため、外部 VAE は不要です

ルール：モデルファミリーをまたいで VAE を混用しないでください。SD 1.5 の VAE で Flux の潜在表現をデコードすると、結果は破綻します。

Embedding／Textual Inversion の互換性

Embedding の種類	互換性のあるモデル
SD 1.5 embeddings	SD 1.5 ファミリーのみ
SDXL embeddings	SDXL ファミリーのみ
Flux/SD3	通常、従来の embeddings は使用しません

サンプラー／スケジューラーの互換性

ほとんどのサンプラーはすべてのモデルで動作しますが、最適な組み合わせもあります。

モデル	最適なサンプラー	最適なスケジューラー	備考
SD 1.5	euler_ancestral、dpmpp_2m	karras、normal	標準的なサンプラーはすべて動作します
SDXL	dpmpp_2m、euler	karras、normal	SD 1.5 と同じです
SDXL Turbo	euler_ancestral	normal	1～4 ステップを使用する必要があります
SDXL Lightning	euler	sgm_uniform	ステップ数を LoRA に合わせる必要があります
Flux Schnell	euler	simple	4 ステップのみ
Flux Dev	euler	sgm_uniform	20～50 ステップ
SD3	euler、dpmpp_2m	sgm_uniform、normal	CFG を低めにする必要があります

クイック選択ガイド

モデルの選択

用途	推奨モデル	理由
エコシステム／コミュニティのサポートを最大限に得る	SD 1.5	LoRA、ControlNet、embeddings が最も豊富です
高品質で、プロンプトへの追従性が高い	SDXL	品質とエコシステムのバランスが最適です
最速の生成	SDXL Turbo/Lightning	1～4 ステップ
プロンプトの理解力を重視	Flux Dev	T5-XXL エンコーダーを使用し、自然言語に対応しています
高速かつ高品質	Flux Schnell	4 ステップで、ネガティブプロンプトは不要です
画像内のテキスト	SD3.5	テキスト描画が最も優れています
VRAM が少ない（<6GB）	SD 1.5	メモリ使用量が最小です
動画生成	LTXV / AnimateDiff	動画生成に対応する唯一の選択肢です

解像度の選択

モデル	最小	推奨	最大（24GB で OOM が発生する前）
SD 1.5	256x256	512x512	768x768
SDXL	512x512	1024x1024	1536x1536
Flux (FP8)	512x512	1024x1024	2048x2048
Flux (FP16)	512x512	1024x1024	1024x1024（余裕なし）
SD3	512x512	1024x1024	1536x1536

推奨解像度を下回ると、ぼやけた低品質の結果になります。最大解像度を超えると、OOM エラーや品質の低下（タイリングアーティファクト）が発生するおそれがあります。

出典

• 公式： ベンダーによる組み合わせの対応表は見つかりませんでした。ComfyUI のキッチンハードウェア判定：comfy/model_management.py（supports_fp8_compute、supports_nvfp4_compute、supports_mxfp8_compute）；nodes.py の UNETLoader weight_dtype。
• 実測： ロード失敗の観察結果に基づくベースモデル／VAE／CLIP の組み合わせルール。