Load Diffusion Model（UNet 加载器） 是 ComfyUI 中用于加载并初始化扩散模型（Diffusion Model，通常为 UNet 网络结构）的关键节点。

你可以把它理解为加载 AI 绘图“核心引擎”的开关节点，它决定了生成图像的基本风格与性能。

常见使用流程示例：

Load Diffusion Model       │       ▼  KSampler / Sampler 节点       │       ▼  VAE Decode       │       ▼  Preview Image / Save Image

简单来说，此节点决定了扩散模型（图像生成的核心网络）加载的具体版本与精度设置，从而控制图像生成的效果与速度。

📌 端口与参数

📌 输入端口

此节点无输入端口，直接加载本地模型文件。

📌 参数

unet_name

UNet 名称

扩散模型的文件名，通常存放在 ComfyUI 的 models/unet 或 models/diffusion_models 等文件夹下。

例如：

flux1-dev-fp8.safetensors

说明：

.safetensors 格式文件常见，确保模型加载安全与快速。

常见扩散模型如 Stable Diffusion、Flux 等均可通过此节点加载。

weight_dtype

数据类型

控制加载模型时权重的数据类型。

常见选项如下：

fp32（32 位浮点）：最高精度，但占用大量显存，生成速度较慢。fp16（16 位浮点，半精度）：最常见的设置，性能与精度平衡。bf16（16 位 Brain 浮点）：在特定硬件上（如新一代显卡）效果更佳，兼具效率与精度。fp8_e4m3fn（8 位浮点，Flux 特有）：特定于 Flux 模型，极低显存占用，更快的推理速度，但可能牺牲少量精度。

📌 输出端口

🟣 MODEL

模型

输出加载好的扩散模型，连接到 KSampler 等采样节点，驱动后续图像生成流程。

💡 使用建议与说明

1、模型选择直接影响生成风格与质量，建议根据生成任务选择合适的模型，如艺术风格、真实感风格、动画风格等。

2、精度设置与显存需求相关，如果显存不足可尝试使用更低精度的模型。

3、Flux 模型具有独特的快速生成特性，非常适合低资源环境或快速生成任务。

“点赞行美意，赞赏是鼓励”