Windows 本地安装 ComfyUI：便携包、官方桌面版、源码 venv 三条路线对比

这篇是「ComfyUI 本地部署」栏目的第一篇，只解决一件事：在你的 Windows 11 电脑上把 ComfyUI 装起来，并且能打开浏览器出图。三条路线分别对应「只想最快跑起来」「要自动更新和图形化安装」「要自己控制 Python 环境和依赖版本」三类需求。文中的版本号、下载地址、参数名都按 2026 年 9 月核对的官方文档与官方仓库整理；版本更新快，命令里出现具体版本号的地方，请以官方最新文档为准。

一、装之前先自查：显卡、驱动、显存、CUDA 版本怎么看

先花 10 分钟把下面这张表填完，能省掉后面 90% 的「装了跑不起来」问题。

自查项	怎么查（Windows 11）	判断标准
显卡型号	任务管理器 → 性能 → GPU，看「GPU 1 / 独显」的名称	NVIDIA GeForce / RTX / Quadro 均可；ComfyUI 只要求 NVIDIA 显卡，型号越新越好
显存容量	同上，看「专用 GPU 内存」；或运行 nvidia-smi 看 MiB 总量	4G 能入门，8G 是当前主流下限，12G 以上从容（分档建议见显存与速度调优）
驱动版本	任务管理器 → 性能 → GPU 右下角「驱动程序版本」；或 nvidia-smi 首行 Driver Version	尽量更新到 NVIDIA 官网当前版本，见下一节
驱动支持的 CUDA 版本	nvidia-smi 输出右上角 CUDA Version: xx.x	这是「驱动能支持的最高 CUDA 版本」，不是你已安装的 CUDA
磁盘空间	资源管理器 → 此电脑	程序本体几个 GB 起，模型单个 2～10 GB 以上；建议留 100 GB 并放在 SSD
安装路径	—	用纯英文、无空格路径，例如 D:\AI\ComfyUI，避开中文路径带来的兼容性坑

1.1 nvidia-smi 怎么读

按 Win + R，输入 cmd 回车，然后执行：

nvidia-smi

输出分三块，只需要看两块：

• 首行右侧 Driver Version: 5xx.xx：驱动版本号。
• 右上角 CUDA Version: xx.x：驱动支持的最高 CUDA 版本。PyTorch 用的是它自带的 CUDA 运行库，因此这个数字只要不低于你要用的 PyTorch 构建版本即可，不必追求最高。
• 下方表格：每块卡的显存总量（MiB）与当前占用。跑图前可以对照这里确认显存是否被浏览器、聊天软件占走。

如果提示 nvidia-smi 不是内部或外部命令，说明显卡驱动没装好或没装。到 NVIDIA 官网驱动下载页按显卡型号搜索并安装，或者装 NVIDIA App 让它自动检测。安装完重启，再执行一次 nvidia-smi。

结论先说：你不需要单独安装 CUDA Toolkit，也不需要装 cuDNN。PyTorch 的 Windows 安装包已经把运行库打进去了。真正需要满足的是「驱动版本足够新」，具体最低驱动版本号以 NVIDIA 官方的 CUDA 版本与驱动对应表为准；最省事的做法就是把驱动更新到官网当前版本。

1.2 别踩的两个环境坑

• 不要用系统自带 Python 或「Microsoft Store 版 Python」去装 ComfyUI。商店版 Python 的安装目录受限，装包和自定义节点容易出各种权限错误。手动安装路线请用 python.org 的官方安装包。
• 不要在中文用户名目录下装便携包。便携包自带嵌入式 Python，部分第三方节点用系统默认编码（GBK）读路径，遇到中文路径会报 UnicodeDecodeError。放到 D:\AI\ComfyUI 这类路径下一劳永逸。

二、Python 与 PyTorch 的版本对应关系

这一步是最容易搜到过期攻略的地方，直接给结论（2026 年 9 月核对）：

路线	Python	PyTorch / CUDA 构建	适用显卡
便携包 ComfyUI_windows_portable_nvidia.7z	3.13（内置，无需自己装）	CUDA 13.0	现代 NVIDIA 显卡（RTX 系列）
便携包 ComfyUI_windows_portable_nvidia_cu126.7z	3.12（内置）	CUDA 12.6	NVIDIA 10 系列及更早的显卡
源码 + venv 手动安装	官方文档要求 3.9+，推荐 3.12（PyPI 上 torch 2.14 要求 Python ≥ 3.10）	官方推荐命令走 cu130 索引	按显卡世代选 cu130 / cu126

手动安装时，NVIDIA 显卡的官方推荐命令是：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

旧卡（10 系及更早）把 cu130 换成 cu126。装完必须验证一次，否则很容易发现「跑了半天其实是 CPU 版」：

python -c "import torch; print(torch.__version__, torch.version.cuda, torch.cuda.is_available())"

期望输出形如 2.x.x 13.0 True。如果最后一个值是 False，或者 torch.version.cuda 是 None，说明装成了 CPU 版，先卸载再按上面的 cu 索引重装：

pip uninstall -y torch torchvision torchaudio
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

国内网络下 PyTorch 官方索引下载可能很慢甚至超时。torch 这三个包不要用国内 PyPI 镜像代替（镜像上的默认包不保证带 CUDA 构建），其余依赖（requirements.txt 里的前端包、transformers、safetensors 等）可以放心走镜像加速，见第三节的路线 C。

三、路线 A：便携包（ComfyUI_windows_portable）

适合谁：第一次装、想十分钟内出图、不打算折腾 Python 环境的人。它内置了独立的 python_embeded 和 CUDA 版 PyTorch，解压即用，不污染系统环境，也不需要你装 Python。

3.1 下载与解压

1. 装一个 7-Zip（免费，官网 7-zip.org），Windows 自带解压不支持 7z。
2. 到官方发布页下载对应压缩包：github.com/Comfy-Org/ComfyUI/releases/latest。走官方文档里的固定直链也可以（会自动跳到当前最新稳定版）：

   NVIDIA 现代显卡（CUDA 13.0）：
   https://github.com/Comfy-Org/ComfyUI/releases/latest/download/ComfyUI_windows_portable_nvidia.7z
   
   NVIDIA 10 系及更早（CUDA 12.6）：
   https://github.com/Comfy-Org/ComfyUI/releases/latest/download/ComfyUI_windows_portable_nvidia_cu126.7z

3. 解压到纯英文路径，例如 D:\AI\，得到 D:\AI\ComfyUI_windows_portable\。不要解压到桌面或「下载」文件夹，更不要解压到 C 盘用户目录下的中文路径。
4. GitHub 直连困难时属于网络问题，与 ComfyUI 无关；可以使用浏览器下载管理器续传，或在你信任的渠道获取同一文件后核对文件大小再解压。

3.2 目录结构说明

ComfyUI_windows_portable\
├── python_embeded\           独立 Python 环境（含 torch，不用管）
├── ComfyUI\                  主程序与数据目录
│   ├── main.py               启动脚本
│   ├── models\               模型文件（见第六节）
│   ├── custom_nodes\         自定义节点（插件）
│   ├── output\               出图默认保存位置
│   ├── temp\                 中间缓存（可安全清理）
│   └── user\                 用户设置、保存的工作流
├── run_nvidia_gpu.bat        双击启动（NVIDIA 显卡）
├── run_cpu.bat               双击启动（纯 CPU，慢，仅应急）
├── update_comfyui.bat        更新到最新 commit
├── update_comfyui_stable.bat 更新到最新稳定版（推荐）
└── .update_comfyui_*.bat     更新相关辅助脚本

3.3 启动与首次验证

1. 双击 run_nvidia_gpu.bat。第一次启动会多花一些时间加载组件，这是正常的。
2. 看命令行窗口，出现这一行就代表服务起来了：

   To see the GUI go to: http://127.0.0.1:8188

3. 正常情况下浏览器会自动打开 http://127.0.0.1:8188；没自动打开就手动输地址。验证端口的另一种方式（另开一个 cmd）：

   curl -I http://127.0.0.1:8188

   返回 200 即正常。

4. 首次出图前还需要放一个 checkpoint，见第六节。放好后在界面里加载默认工作流、点右侧「运行（Run / 队列提示）」，能在 output\ 目录看到 PNG 就说明整条链路通了。

启动窗口不能关，关了服务就停了。想让局域网里的手机、平板也能访问，用记事本编辑 run_nvidia_gpu.bat，在参数里加上 --listen（官方参数：--listen [IP]，不带值默认监听所有网卡），然后把防火墙放行，用 http://电脑局域网IP:8188 访问。

3.4 便携版怎么装额外的 Python 包

便携版的 Python 是 python_embeded，必须用它自己的 pip：

cd /d D:\AI\ComfyUI_windows_portable
.\python_embeded\python.exe -m pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple

要给启动加参数（比如后面调优用的显存参数），同样用记事本打开 run_nvidia_gpu.bat 修改那一行即可，改完保存重新双击。

四、路线 B：官方 Comfy Desktop 桌面版

适合谁：想要图形化安装向导、自动更新、能在一个启动器里管理多个 ComfyUI 实例的人。

• 下载：打开 comfy.org/download，页面会自动识别 Windows 并给出安装程序（.exe，NSIS 安装器）。备用渠道是 GitHub 上的 Comfy-Desktop 发布页。
• 系统要求（官方文档口径）：Windows 10 及以上；Windows 版仅支持 NVIDIA 且带 CUDA 的显卡，其他显卡请回到路线 A/C；官方建议每次安装预留约 4.85 GB 磁盘，安装失败提示里另提到至少 15 GB 空间。
• 安装流程：运行 .exe → 按向导选择程序安装位置和模型存放位置（两个都可以选到非系统盘）→ 首次启动进入欢迎页，创建第一个安装实例。
• 更新：启动器顶部出现 Desktop Update Ready 时点一下，程序会重启并自动更新。

Comfy Desktop 的数据目录和便携版完全不同，别找错地方：

内容	默认位置
各 ComfyUI 实例（含自定义节点、工作流）	%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Installs（旧版可能在 %USERPROFILE%\ComfyUI-Installs）
共享模型库、输入/输出目录	%LOCALAPPDATA%\Comfy-Desktop\ComfyUI-Shared
应用设置与安装记录	%APPDATA%\Comfy Desktop

桌面版还有两个实用点：一是顶部「胶囊菜单 → 存储（Storage）」可以直接添加额外的模型目录（等价于便携版里的 extra_model_paths.yaml）；二是安装/更新时若网络下载失败，可在设置里调整镜像相关选项后重试。

五、路线 C：源码 + venv 手动安装（可控性最高）

适合谁：要自己控制 Python / PyTorch 版本、要接多个前端或 API 服务、环境出问题能自己排查的人。

1. 装 Git for Windows（winget install --id Git.Git -e 或 git-scm.com 下载）。
2. 装 Python 3.12：到 python.org 的 Windows 下载页拿「Windows installer (64-bit)」，安装时勾选 Add python.exe to PATH。装完在 cmd 里验证：

   python --version
   py -0

   py -0 会列出本机所有 Python 版本，便于后面指定 3.12。

3. 克隆官方仓库并创建虚拟环境：

   cd /d D:\AI
   git clone https://github.com/Comfy-Org/ComfyUI.git
   cd ComfyUI
   py -3.12 -m venv venv
   venv\Scripts\activate

   激活成功后命令行前面会出现 (venv) 前缀。

4. 升级 pip 并安装 PyTorch（cu130；旧卡换成 cu126）：

   python -m pip install -U pip -i https://pypi.tuna.tsinghua.edu.cn/simple
   pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130

5. 安装其余依赖（走国内镜像加速）：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

6. 验证 CUDA 然后再启动：

   python -c "import torch; print(torch.cuda.is_available())"
   python main.py

   看到 To see the GUI go to: http://127.0.0.1:8188 即成功。以后每次启动：先 venv\Scripts\activate，再 python main.py。

7. 更新：git pull，然后重新执行第 5 步的 pip install -r requirements.txt；如果报依赖冲突，按报错速查表处理。

镜像说明：清华 https://pypi.tuna.tsinghua.edu.cn/simple 与阿里云 https://mirrors.aliyun.com/pypi/simple/ 都可以用，换源只影响普通依赖的下载速度，不影响出图质量。写进长期配置可以执行 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple。

六、models 目录：文件该放哪，模型从哪来

三条路线的模型根目录都是 <ComfyUI目录>\models\（便携版是 ComfyUI_windows_portable\ComfyUI\models\）。放错子文件夹是「下拉菜单是空的」最常见原因：

子文件夹	放什么	对应加载节点
checkpoints	大模型整合包（SD1.5 / SDXL / Flux 等单文件模型）	Load Checkpoint
loras	LoRA 微调文件	Load LoRA
vae	独立 VAE（如 vae-ft-mse、sdxl-vae-fp16-fix）	Load VAE
controlnet	ControlNet 模型（含 Union / 各算法版本）	ControlNet Loader 等
clip / text_encoders	独立文本编码器（CLIP / T5 等，Flux 等架构需要）	Load CLIP
clip_vision	CLIP Vision（IPAdapter 等节点用）	Load CLIP Vision
diffusion_models / unet	单独的 UNet / DiT 权重（不带文本编码器和 VAE）	Load Diffusion Model
upscale_models	放大模型（ESRGAN 等）	Load Upscale Model
embeddings	Textual Inversion 嵌入	写进提示词，无需加载器

模型来源就两类公开渠道：

• Hugging Face：模型仓库页 → Files and versions → 点文件右侧下载图标。官方入门文档用的示例是 huggingface.co/Comfy-Org/stable-diffusion-v1-5-archive 里的 v1-5-pruned-emaonly-fp16.safetensors，放进 models\checkpoints 即可跑通默认工作流。
• Civitai：模型页（civitai.com/models/<数字ID>）的文件列表里能看 Base Model、文件体积与哈希；下载前先确认该模型的基础模型类型（SD1.5 / SDXL / Flux）与你的显卡匹配，LoRA 必须和基础模型同一世代才能用。

国内直连这两个站点可能失败或极慢，这属于网络问题而非软件故障；请自行评估镜像/加速渠道的来源可信度，拿到文件后核对体积与哈希再使用。只下载你确认授权的公开模型，涉及商用请阅读模型页的许可条款。

如果想让多个 ComfyUI（或 WebUI）共用一份模型库：把 ComfyUI 根目录下的 extra_model_paths.yaml.example 复制改名成 extra_model_paths.yaml，填入你的模型目录，例如：

comfyui:
    base_path: D:/AI/models/
    checkpoints: checkpoints/
    loras: loras/
    vae: vae/
    controlnet: controlnet/

改完重启 ComfyUI，加载器下拉菜单里就会出现这些目录中的文件。

七、三条路线怎么选：对比表

维度	便携包	官方 Desktop	源码 + venv
上手时间	10 分钟左右	15～30 分钟（含向导）	30 分钟起，取决于网络
是否需要装 Python	不需要（内置）	不需要	需要（推荐 3.12）
自定义节点	手动放进 custom_nodes，或用内置 Manager 安装	应用内管理	手动 / Manager 均可
更新方式	双击 update_comfyui_stable.bat	应用内一键更新	git pull + 重装依赖
多实例 / 多环境	复制目录即可	原生支持多安装实例	建多个 venv
排错难度	低（环境隔离干净）	低，但日志在应用内	中，需要懂 pip 与 venv
适合	新手、单机出图	不想碰命令行的人	要接 API、要锁版本的人

一个实用建议：先用便携包跑通，再按需要迁移。ComfyUI 的核心资产是 models、custom_nodes 和 user（工作流）三个目录，三条路线的数据可以互相拷贝，装错了也不至于白费。

---

下一步：装好之后先读工作流与模型管理，把节点、连线、LoRA 与工作流 JSON 弄清楚；显存吃紧或出图慢，直接看显存与速度调优；任何一步卡住报错，去报错速查表按报错原文检索。如果你还没确定自己的硬件够不够，先看栏目里的基础篇：ComfyUI 本地部署入门。