git clone https://github.com/T8mars/Comfyui-LLaDa-Image-T8.git custom_nodes/Comfyui-LLaDa-Image-T8
python -m pip install -r custom_nodes/Comfyui-LLaDa-Image-T8/requirements.txt

Windows 便携版

在包含 ComfyUI 和 python_embeded 的便携版根目录执行：

git clone https://github.com/T8mars/Comfyui-LLaDa-Image-T8.git ComfyUI/custom_nodes/Comfyui-LLaDa-Image-T8
.\python_embeded\python.exe -m pip install -r .\ComfyUI\custom_nodes\Comfyui-LLaDa-Image-T8\requirements.txt

安装完成后，重启 ComfyUI 后端并刷新浏览器。

**关于名字：**手动安装目录现在统一为 custom_nodes/Comfyui-LLaDa-Image-T8，与 GitHub 仓库同名。旧文档的 llada_image_t8 只是人为指定的目录别名，并非另一个节点包。旧安装仍可使用；如需统一名字，关闭 ComfyUI 后重命名即可，不要同时保留两份安装。Manager 自动安装时可能采用 Registry ID llada-image-t8 作为目录名，这是正常的。

Manager 中的显示名为 LLaDA-Image T8，Publisher 为 t8star。截至 2026-09-06，0.1.0 已上传，但版本状态仍为 Pending；审核可用前请用上面的手动安装方式。

2. 准备模型

Base 和 Turbo 各使用一个 BF16 AIO 文件，每个约 49.26 GB。AIO 已包含文本编码器、VAE 和 tokenizer，无需分别加载。

现在也提供约 27.65 GB 的 INT8 混合量化 AIO，磁盘体积减少约 43.9%。BF16 保留不变；INT8 已验证能运行，但尚未通过多提示词画质验收，不保证显存或速度按同比例改善。

T8 转换的 AIO 模型托管在 t8star/LLaDa-Image-Comfy。BF16 保留原验收记录，INT8 单独标为实验版；下载后无需再次转换。 GitHub 只保存节点代码、转换工具、工作流和示例图片，模型权重放在 Hugging Face。

| 模型 | 下载 | | --- | --- | | Base BF16 AIO | LLaDA-Image-Base-BF16-AIO.safetensors | | Turbo BF16 AIO | LLaDA-Image-Turbo-BF16-AIO.safetensors | | Base INT8 + ConvRot Mixed AIO（实验） | LLaDA-Image-Base-INT8-ConvRot-Mixed-AIO.safetensors | | Turbo INT8 + ConvRot Mixed AIO（实验） | LLaDA-Image-Turbo-INT8-ConvRot-Mixed-AIO.safetensors |

下载后将单体文件放入：

ComfyUI/models/checkpoints/
├── LLaDA-Image-Base-BF16-AIO.safetensors
└── LLaDA-Image-Turbo-BF16-AIO.safetensors

只需下载要用的一个文件，无需同时下载 BF16 和 INT8。INT8 也放在同一 checkpoints 目录。命令行下载、SHA-256 校验及自行转换方法见模型指南。只有自行下载原始权重再转换时，才建议单版本预留至少 110 GB。

3. 打开工作流并运行

BF16 和 INT8 各有六套范例，全部是前端 UI 工作流，不是 API 格式。下载后拖进 ComfyUI，或按 Ctrl+O 打开。以下为保留不变的 BF16 范例：

| 功能 | Base（50 步） | Turbo（4 步） | | --- | --- | --- | | 文生图：输入提示词生成图片 | base_text.json | turbo_text.json | | VQ 生成：先生成语义 token，再生成图片，无需输入图 | base_vq.json | turbo_vq.json | | 图片编辑：输入图片和修改指令 | base_editing.json | turbo_editing.json |

INT8 混合量化范例（请先在节点目录执行 git pull --ff-only，再重启 ComfyUI）：

| 功能 | Base INT8 | Turbo INT8 | | --- | --- | --- | | 文生图 | 前端工作流 | 前端工作流 | | VQ 生成 | 前端工作流 | 前端工作流 | | 图片编辑 | 前端工作流 | 前端工作流 |

在 LLaDA-Image AIO Loader (T8) 中选择对应的 Base / Turbo 模型。
修改提示词；编辑工作流还需要在 Load Image 中上传图片，可以用随附测试输入图。
点击运行。结果会显示在 Save Image 节点中，并保存到 ComfyUI 的 output 目录。

看不到完整画布时，按 . 适应视图。请先用范例默认参数跑通，不要将专用 AIO Loader 换成普通 Checkpoint Loader。

效果示例

以下六张均为 BF16 工作流在 1024 × 1024 下的真实验收输出，未经后期修改；点击可查看原图。INT8 的六张实际输出单独展示在 INT8 图库，不混用 BF16 验收结论。

| 功能 | Base | Turbo | | --- | --- | --- | | 文生图 | | | | VQ 生成 | | | | 图片编辑 | | |

编辑前的共同输入图：

最终重启复测原图与 Turbo 文生图像素一致。原图与工作流的对应关系、校验说明见图片索引。

使用提醒

Turbo 的 4 步仅指扩散阶段。 VQ 的语义 token 生成仍然较慢，不代表整个流程只需几秒。
模型较大，加载、显存与内存之间的卸载需要时间；其他显卡、系统及低内存配置未做完整验收。
VQ 节点与空白 latent 的宽高应一致，且为 16 的倍数；编辑尺寸会对齐到 32 的倍数。
BF16 AIO 保留原验收记录；INT8 是已完成六套实跑的实验性混合量化版本，DiT 使用 ConvRot、MoE 专家不旋转，其他组件保留原精度。未验证 FP8 / GGUF。
六套范例均执行成功，但编辑效果仍取决于输入和指令，不保证所有图片的编辑质量。

社媒与相关资源

部分链接含推广或邀请参数；这些外部服务不是运行本节点的必需依赖。

验证与来源

当前合并测试集 140 项通过、无跳过，包括节点、前端格式及量化转换器回归。BF16 的六套前端输出与固定环境下的原生 Core 基线逐像素一致，历史验收记录保留不变。INT8 的六套实跑独立记录在 INT8 验证说明，输出不与 BF16 逐像素一致。完整环境及 BF16 历史证据见验证说明和验收记录。

感谢 inclusionAI/LLaDA-Image 提供原模型与算法，以及 ComfyUI 提供原生模型管理与节点接口。本适配不在推理时联网，不运行 Diffusers pipeline。代码接口和后续 Core 迁移设计见架构说明。

许可证：GPL-3.0。Apache-2.0 来源代码保留原声明，详见 NOTICE；模型权重遵循原发布者的许可。

English: Standalone ComfyUI nodes for LLaDA-Image Base/Turbo. Original weights are from inclusionAI; T8 provides the AIO conversion and ComfyUI integration. Install into custom_nodes/Comfyui-LLaDa-Image-T8, download a converted checkpoint from Hugging Face, place it in models/checkpoints, and open a frontend workflow above. No further conversion or Core patch is required.