%20(1).png)
ComfyUI-MagCache 插件完全教程
1. 插件简介
插件地址： https://github.com/Zehong-Ma/ComfyUI-MagCache
ComfyUI-MagCache 是一个神奇的加速插件，就像给你的 AI 图像生成器装了一个"智能缓存器"。想象一下，平时你做饭的时候，如果每次都要重新准备所有食材会很慢，但如果你能提前准备一些半成品，下次做饭就会快很多。MagCache 就是这样的道理！
这个插件能给我们带来什么效果：
- 🚀 生成速度提升 2-3 倍：原本需要 1 分钟的图片，现在只要 20-30 秒
- 🎯 几乎不影响质量：生成的图片质量基本保持不变
- 💡 智能缓存：自动判断哪些计算步骤可以跳过，哪些必须执行
- 🔧 即插即用：不需要重新训练模型，直接连接就能用
支持的模型：
- FLUX（图片生成）
- FLUX-Kontext（图片生成）
- Chroma（图片生成）
- HunyuanVideo（视频生成）
- Wan2.1 系列（视频生成）
2. 如何安装
方法一：手动安装（推荐）
- 打开你的 ComfyUI 文件夹，找到
custom_nodes子文件夹 - 在命令行中输入：
cd ComfyUI/custom_nodes/ git clone https://github.com/Zehong-Ma/ComfyUI-MagCache.git cd ComfyUI-MagCache/ pip install -r requirements.txt - 重启 ComfyUI
方法二：ComfyUI Manager 安装
- 在 ComfyUI Manager 中搜索 "MagCache"
- 点击安装
- 重启 ComfyUI
3. 节点详细解析
3.1 MagCache 节点 - 智能加速器
这个节点就像一个"智能管家"，它会观察 AI 生成过程中每一步的变化，当发现某些步骤的变化很小时，就会说"这一步可以跳过，直接用上次的结果"，从而大大加快生成速度。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | MODEL类型 | 必填 | 就像选择你要加速的汽车，这里选择你要加速的AI模型 | 输入的扩散模型对象，MagCache将应用于此模型 | 连接"加载扩散模型"节点的输出 |
| 模型类型 | model_type | 下拉选择 | 根据实际模型选择 | 告诉插件你用的是什么牌子的"汽车"，不同牌子有不同的加速方式 | 指定支持的扩散模型类型，用于选择对应的优化策略 | FLUX选"flux"，视频模型选对应的wan2.1版本 |
| 缓存阈值 | magcache_thresh | 0.0-0.3 | 0.24 | 就像设置"偷懒程度"，数值越大越容易跳过步骤，速度越快但质量可能下降 | 控制缓存强度的阈值，决定何时跳过计算步骤 | 质量优先用0.1，速度优先用0.24 |
| 保留比例 | retention_ratio | 0.1-0.3 | 0.2 | 就像"热身时间"，前面这么多比例的步骤不会被跳过，确保基础质量 | 开始应用MagCache的步骤百分比 | 一般保持0.2，即前20%步骤正常执行 |
| 最大跳跃步数 | magcache_K | 0-6 | 4 | 就像"连续偷懒次数限制"，最多能连续跳过几个步骤 | 连续跳过的最大步数限制 | 保守设置用2-3，激进设置用4-6 |
| 开始步骤 | start_step | 0-100 | 0 | 从第几步开始可能跳过，就像"从第几公里开始可以开巡航" | 开始应用MagCache的具体步骤编号 | 通常保持0，让插件自动判断 |
| 结束步骤 | end_step | -100-100 | -1 | 到第几步停止跳过，-1表示到最后，就像"巡航到终点" | 停止应用MagCache的步骤编号，负数表示倒数 | 保持-1让插件自动处理 |
3.2 CompileModel 节点 - 模型编译器
这个节点就像一个"代码优化师"，它会把你的 AI 模型重新整理和优化，让模型运行得更快。就像把一本厚厚的字典重新排版，让查找更快速。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | MODEL类型 | 必填 | 选择要优化的AI模型，就像选择要整理的书籍 | 需要编译优化的扩散模型 | 连接MagCache节点或模型加载节点的输出 |
| 编译模式 | mode | 下拉选择 | default | 选择优化的"激进程度"，就像选择整理书籍的方式 | torch.compile的编译模式，影响优化程度 | 稳定用default，极致性能用max-autotune |
| 后端引擎 | backend | 下拉选择 | inductor | 选择优化的"工具"，不同工具有不同效果 | 编译后端，决定如何优化模型 | 一般用inductor，特殊需求可选其他 |
| 完整图模式 | fullgraph | 布尔值 | False | 是否要"完全重新整理"，开启后更彻底但风险更大 | 是否启用完整图编译模式 | 保守设置False，追求极致可试True |
| 动态模式 | dynamic | 布尔值 | False | 是否允许"灵活调整"，适应不同大小的输入 | 是否启用动态编译模式 | 输入尺寸固定用False，变化用True |
3.3 MagCacheCalibration 节点 - 校准工具
这个节点就像一个"调音师"，它会仔细观察你的模型在生成过程中每一步的"音调变化"，然后告诉你最佳的参数设置。就像钢琴调音师会听每个键的音准，然后告诉你哪些键需要调整。
参数详解：
| 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 |
|---|---|---|---|---|---|---|
| 模型 | model | MODEL类型 | 必填 | 选择要"调音"的AI模型 | 需要校准的扩散模型对象 | 连接"加载扩散模型"节点的输出 |
| 校准类型 | model_type | 下拉选择 | chroma_calibration | 选择"调音"的方式，不同模型需要不同的调音方法 | 指定校准的模型类型和方法 | Chroma模型选chroma_calibration，FLUX选flux_calibration |
4. 使用技巧和建议
4.1 推荐参数配置表
根据社区测试，以下是各模型的最佳参数设置：
| 模型名称 | magcache_thresh | retention_ratio | magcache_K | 说明 |
|---|---|---|---|---|
| FLUX | 0.24 | 0.1 | 5 | 图片生成，平衡速度和质量 |
| FLUX-Kontext | 0.05 | 0.2 | 4 | 上下文感知图片生成 |
| Chroma | 0.10 | 0.25 | 2 | 色彩丰富的图片生成 |
| HunyuanVideo | 0.24 | 0.2 | 6 | 视频生成 |
| Wan2.1-T2V-1.3B | 0.12 | 0.2 | 4 | 文本到视频（小模型） |
| Wan2.1-T2V-14B | 0.24 | 0.2 | 6 | 文本到视频（大模型） |
| Wan2.1-I2V-480P | 0.24 | 0.2 | 6 | 图片到视频（480P） |
| Wan2.1-I2V-720P | 0.24 | 0.2 | 6 | 图片到视频（720P） |
| Wan2.1-VACE-1.3B | 0.02 | 0.2 | 3 | 视频增强模型 |
4.2 使用流程建议
- 基础流程：加载模型 → MagCache → 采样器
- 高性能流程：加载模型 → MagCache → CompileModel → 采样器
- 校准流程：加载模型 → MagCacheCalibration → 运行一次获取参数
4.3 调参技巧
- 质量优先：降低
magcache_thresh和magcache_K - 速度优先：提高
magcache_thresh和magcache_K - 首次使用：建议从保守参数开始，逐步调整
- 不同尺寸：大图片可以用更激进的参数
5. 常见问题解答
Q1：生成的图片质量变差了怎么办？
A： 这说明缓存太激进了，请：
- 降低
magcache_thresh（比如从0.24降到0.15） - 减少
magcache_K（比如从5降到3） - 提高
retention_ratio（比如从0.1提到0.2）
Q2：速度提升不明显怎么办？
A： 可能缓存太保守了，请：
- 适当提高
magcache_thresh - 增加
magcache_K - 确保选择了正确的
model_type
Q3：第一次运行很慢是正常的吗？
A： 如果使用了 CompileModel 节点，第一次运行会进行编译，需要较长时间，这是正常的。编译完成后，后续运行会非常快。
Q4：什么时候需要使用校准节点？
A： 当你：
- 使用的推理步数与预设不同时
- 想要找到最佳参数设置时
- 使用自定义模型时
Q5：可以同时使用 MagCache 和 CompileModel 吗？
A： 可以！推荐的连接顺序是：模型 → MagCache → CompileModel → 采样器
6. 高级技巧
6.1 批量测试参数
如果你想找到最佳参数，可以：
- 准备相同的提示词和设置
- 只改变 MagCache 的参数
- 对比生成结果和耗时
- 记录最佳组合
6.2 模型特定优化
- FLUX 系列：通常可以用较高的
magcache_thresh - 视频模型：建议保守一些，因为时间连续性很重要
- 高分辨率：可以用更激进的参数
6.3 工作流优化建议
- 开发阶段：使用保守参数，确保质量
- 批量生产：使用激进参数，提高效率
- 展示作品：关闭 MagCache，确保最高质量
7. 总结
ComfyUI-MagCache 是一个非常实用的加速插件，通过智能缓存机制可以显著提升 AI 图像和视频生成的速度。关键是要根据你的需求和模型特点，选择合适的参数配置。
记住这个黄金法则：
- 质量重要 → 保守参数
- 速度重要 → 激进参数
- 不确定时 → 从保守开始，逐步调整
希望这个教程能帮助你更好地使用 MagCache，让你的 AI 创作更加高效！