SenseNova U1.5 (T8)

SenseNova-U1.5 ComfyUI 节点

English | 简体中文

版本更新记录 · GitHub Releases

这是 SenseNova-U1.5 的 ComfyUI 原生节点。模型、采样器、调度器、显存卸载和工作流都走 ComfyUI 管道，支持：

• 文生图
• thinking 文生图（模型先进行隐藏推理，再生成图片）
• 文本/图片交错生成；生成图片会反馈给后续生成过程
• 单图编辑
• 1～10 张参考图编辑
• 同一提示词/参考图一次生成 1～16 个不同结果
• 普通 KSampler
• U1.5 Final 和 U1.5 SFT 两套官方权重
• U1.5 Final 的 Q2_K / Q3_K_M / Q5_K_M / Q6_K / Q8_0 GGUF 量化权重
• 官方 U1.5 8-step LoRA（底层使用 ComfyUI 原生 LoRA/ModelPatcher 管道）
• 自定义 img_cfg 的三路引导、CFG Norm 和 CFG 生效区间
• 用明确的“修改 / 参考图职责 / 保持 / 禁止”结构整理复杂编辑提示词
• 执行期间的文本/参考图 prefix KV cache

节点只读取本地模型，运行时不会联网下载文件。

安装

最简单的方法是在 ComfyUI-Manager 里搜索 SenseNova U1.5 (T8)，安装后重启 ComfyUI。

• Registry：sensenova-u15-t8
• Comfy CLI：comfy node install sensenova-u15-t8

也可以手动安装：

cd ComfyUI/custom_nodes
git clone https://github.com/T8mars/Comfyui-SenseNova-U1.5-Wrapper-T8.git

GGUF 支持使用 gguf>=0.13.0；通过 Manager 或 Comfy CLI 安装时会自动安装。手动克隆后如缺少依赖，可运行 pip install "gguf>=0.13.0"。

下载模型

• Hugging Face：t8star/SenseNova-U1.5-Comfy
• Hugging Face：realrebelai/SenseNova-U1.5-8B_GGUFs
• 模型网盘

按需要下载：

| 文件 | 放置位置 | 用途 | |---|---|---| | SenseNova-U1.5-8B-MoT-BF16-T8.safetensors | ComfyUI/models/diffusion_models/ | U1.5 Final 新版全 BF16 单文件，约 35 GB，推荐下载 | | SenseNova-U1.5-8B-MoT-T8.safetensors | ComfyUI/models/diffusion_models/ | U1.5 Final 旧版混合精度单文件，约 50 GB，继续兼容 | | SenseNova-U1.5-8B-MoT-SFT-T8.safetensors | ComfyUI/models/diffusion_models/ | U1.5 SFT 单文件底模，约 35 GB | | SenseNova-U1.5-8B-MoT-LoRA-8step-ComfyUI.safetensors | ComfyUI/models/loras/ | 官方 8-step LoRA 的 ComfyUI 原生键名版本，约 815 MB | | SenseNova-U1.5-8B-MoT-Q2_K.gguf | ComfyUI/models/gguf/ | Final Q2_K，约 9.26 GB | | SenseNova-U1.5-8B-MoT-Q3_K_M.gguf | ComfyUI/models/gguf/ | Final Q3_K_M，约 10.92 GB，低显存建议起点 | | SenseNova-U1.5-8B-MoT-Q5_K_M.gguf | ComfyUI/models/gguf/ | Final Q5_K_M，约 15.11 GB | | SenseNova-U1.5-8B-MoT-Q6_K.gguf | ComfyUI/models/gguf/ | Final Q6_K，约 17.24 GB | | SenseNova-U1.5-8B-MoT-Q8_0.gguf | ComfyUI/models/gguf/ | Final Q8_0，约 21.17 GB，量化质量优先 |

底模路径：

ComfyUI/models/diffusion_models/

LoRA 路径：

ComfyUI/models/loras/

GGUF 路径：

ComfyUI/models/gguf/

Manager 只安装节点，不会自动下载模型。

Final 和 SFT 都是 SenseNova U1.5，本节点都支持 50 步文生图和图像编辑。新版 BF16 Final 是官方在相同 Final 模型上进行的全 BF16 转换和重新分片；节点同时严格支持新版 35 GB Final 和旧版 50 GB Final。SFT 是不同训练阶段的独立权重，不要混为同一个文件。

注意：官方 8-step LoRA 必须搭配 Final，不能搭配 SFT 或 Preview。专用的 SenseNova U1.5 8-Step LoRA 节点会检查底模，接错时直接给出说明。

| 文件/组合 | 本节点支持 | 说明 | |---|---:|---| | U1.5 Final BF16，50 步生成/编辑 | ✅ | 当前推荐模型，约 35 GB | | U1.5 Final 旧版混合精度，50 步生成/编辑 | ✅ | 兼容已有下载，约 50 GB | | U1.5 Final + -ComfyUI 8-step LoRA | ✅ | 仅用于 8 步文生图 | | U1.5 Final GGUF，50 步生成/编辑 | ✅ | 五种经过文件大小、SHA256、tensor 名称与 shape 严格校验的量化文件 | | U1.5 Final GGUF + -ComfyUI 8-step LoRA | ✅ | 原生 ModelPatcher 路径；仍建议先用 50 步验证环境 | | U1.5 SFT，50 步生成/编辑 | ✅ | 独立单文件底模，不叠加 8-step LoRA | | U1.5 Preview | ❌ | 旧预览权重 | | 官方未转换的 raw LoRA | ❌ | 先使用仓库转换工具，或直接下载 -ComfyUI 文件 |

直接使用工作流

下面都是 ComfyUI 画布工作流，下载 JSON 后可以直接拖进 ComfyUI。没有 API 工作流。编辑工作流打开后，先在 Load Image 中选择自己的图片。

• 文生图工作流
• thinking 文生图工作流
• 文本/图片交错生成工作流
• GGUF 文生图工作流
• GGUF 图像编辑工作流
• GGUF 实机验证记录
• 批量文生图工作流（默认一次 2 张）
• 8-step LoRA 文生图工作流
• 普通编辑工作流（img_cfg=1）
• 稳定多参考编辑工作流（人物换装案例）
• SFT 文生图工作流
• SFT 图像编辑工作流

ComfyUI core 原生工作流

下面两个工作流用于已包含 SenseNova U1.5 core 支持的 ComfyUI，不依赖本仓库的自定义 Loader：

• core 原生文生图工作流
• core 原生图像编辑工作流

core 工作流使用 ComfyUI 自带的 CheckpointLoaderSimple，因此底模要放到 ComfyUI/models/checkpoints/。8-step LoRA 可直接使用自带的 LoraLoaderModelOnly，LoRA 文件仍放在 ComfyUI/models/loras/。 合并后的 core 实现复用 EmptyHiDreamO1LatentImage 和 HiDreamO1ReferenceImages，因此请使用包含 ComfyUI PR #15922 的版本。

本仓库的 thinking 和 interleave 节点已适配 ComfyUI core PR #16032 的实现，并直接使用本仓库 Loader 输出的 MODEL / CLIP / VAE。当前 #16032 尚未合并，因此使用这里的两个新工作流时不需要修改或切换本地 ComfyUI core；将来 core 合并后，两种实现的提示词协议和生成逻辑保持一致。

GGUF 工作流使用本仓库的 SenseNova U1.5 GGUF Loader (Final)。Loader 会按需解量化权重，但 MODEL、CLIP、VAE、采样器、调度器、LoRA 和显存卸载仍使用 ComfyUI 原生接口；不要求另外安装 ComfyUI-GGUF 自定义节点。Q4 文件目前没有在上述模型仓库实际发布，因此不会显示为受验证的下载选项。

推荐先保持这些参数：

steps: 50
CFG: 4
img_cfg: 1
shift: 3
sampler: euler
scheduler: normal
denoise: 1

Thinking 与交错生成

普通文生图要启用 thinking，请用 SenseNova 1.x Text Encode 代替 CLIP Text Encode，选择 mode=image 并开启 thinking。max_think_tokens 是推理上限，建议先用 512；负面提示保持 thinking=false。把同一份正面 conditioning 和 KSampler 的 samples 接到 SenseNova Thinking Preview，可以在采样完成后查看模型实际生成的思考文本。由于会先做自回归推理，首张图开始采样前会比普通文生图多花一些时间和 KV 显存。

交错生成时，正面和负面提示都选择 mode=interleave，再连接到 SenseNova 1.x Interleave。节点使用标准 KSamplerSelect、BasicScheduler 和 pixel latent；每次模型产生图片事件，节点会采样图片并重新写入正/负 KV 前缀，然后继续生成后续文本或图片。max_images 限制单次最多生成的图片数；输出经 VAE Decode 后连到 SenseNova Interleave Preview，即可按原始顺序查看。

Empty SenseNova Pixel Latent 还提供官方建议的分辨率预设；选择 Custom 时继续使用节点上的 width 和 height：

| 比例 | 分辨率 | |---|---:| | 1:1 | 2048 × 2048 | | 16:9 | 2720 × 1536 | | 9:16 | 1536 × 2720 | | 2:3 | 1664 × 2496 | | 3:2 | 2496 × 1664 |

复杂编辑建议在 SenseNova Edit Guider 中先用：

CFG: 4
img_cfg: 1
cfg_norm: global
cfg_interval: 0 → 1

global 会把过强的引导幅度拉回正向条件的范围，通常能减轻高饱和、过度锐化和主体漂移；如果结果变得太保守，再切回 none。channel 按 32×32 生成 token 分别归一化，适合局部区域容易过冲的场景。

cfg_interval 使用 ComfyUI 的归一化去噪进度，0 是第一步、1 是最后一步，起止点都包含在区间内。这里有意让 start 和 end 始终都生效，避免官方参考代码在 start=0 时忽略 end 的边界问题；保持 0 → 1 就是官方默认的全程 CFG。

8-step LoRA 请用官方参数：

LoRA strength: 1
steps: 8
CFG: 1
cfg_norm: none（CFG=1 时不做额外 CFG norm）
shift: 3
sampler: euler
scheduler: normal
denoise: 1

文生图

连接顺序很简单：

Loader → Sampling Options → KSampler → VAE Decode → Save Image

MODEL 必须先经过 SenseNova Sampling Options，shift 保持 3。

批量生成

把 Empty SenseNova Pixel Latent 的 batch_size 改成 2～16，同一个提示词会产生多张不同结果，Save Image 会逐张保存。批量编辑也走同一接口，所有结果共用同一组参考图；目前完整实测范围是 512×512、batch_size=2，更大的编辑批量需要根据参考图数量和显存逐步增加。

显存开销会随批量增加。示例工作流默认用 768×768、batch_size=2；不要直接用 2048×2048、batch_size=16。24 GB 显存建议从 512/768、batch_size=2 开始。

双参考换装的 512×512、batch_size=2、50 步 完整编辑实测用时约 495 秒，两张结果不同且都遵守换装要求；任务期间整张显卡显存采样峰值为 22,986 MiB。

8-step LoRA 文生图

8-step 工作流使用本项目的保护节点，内部仍走 ComfyUI 原生 LoRA 映射和 ModelPatcher：

SenseNova Loader (Final) → SenseNova U1.5 8-Step LoRA → Sampling Options → KSampler

LoRA 强度保持 1。这个 LoRA 是官方发布的快速文生图适配器；图像编辑仍建议使用不加 LoRA 的 50 步编辑工作流。

普通图像编辑

参考图要接到 SenseNova Reference Image，不要把参考图当作 latent。img_cfg=1 时，可以继续用普通 KSampler；把节点输出的 image_condition 接到 KSampler 的 negative。

如果参考图是刚由 SenseNova 文生图生成的，编辑时请把 KSampler 的 seed 改成与原图生成时不同的值。上游已确认复用相同 seed 可能造成分布偏移并出现画面崩坏；更换 seed 后仍异常时，再尝试最接近的官方分辨率预设。参见上游说明。

多参考图和自定义引导

普通的 SenseNova Reference Image 节点只显示 Image-1 和可选的 Image-2，不会再多出一个容易误接的空白第三插槽。需要 3～10 张图时，改用 SenseNova Reference Images (1-10) 节点。图像顺序就是提示词中的 Image-1、Image-2。人物换装时，Image-1 放人物主图，Image-2 放服装图。旧版工作流中的 images.image 名称会在导入时自动迁移；旧工作流使用 3 张以上参考图时，也会自动切换到 1～10 张版本。

复杂任务不要只写“让她穿上这件衣服”。可以使用 SenseNova Structured Edit Prompt 节点，把要求拆成四项：主要修改、每张参考图的职责、必须保持的内容、禁止出现的内容；也可以直接照下面的格式写进 CLIP Text Encode：

【主要修改】让 Image-1 的人物穿上 Image-2 的服装。
【参考图职责】Image-1 只提供人物；Image-2 只提供服装，不复制人台和背景。
【必须保持】保持 Image-1 的脸、姿势、光线、背景和画幅不变。
【禁止出现】不要增加第二个人，不要改变未指定区域。

当 img_cfg 不是 1 时，要使用 SenseNova Edit Guider 和 ComfyUI 自带的 SamplerCustomAdvanced。最重要的一点：Sampling Options 输出的同一个 MODEL，要同时连接 Edit Guider 和 BasicScheduler。

SenseNova Sampling Options (MODEL)
├── SenseNova Edit Guider ───────────┐
└── BasicScheduler ──────────────────┤
RandomNoise + KSamplerSelect + Latent├──→ SamplerCustomAdvanced
                                     ┘

节点会按官方规则给多张图插入 Image-1、Image-2 等标签，并分别处理尺寸，不会把多张图片简单拼接。稳定工作流已经使用 CFG 4、img_cfg 1、global CFG Norm；它优先保留人物身份和原始构图，不会为了“改得更多”盲目把 img_cfg 拉高。

实际结果

下面图片都由本节点生成，参数不是后期调色结果。

Q6_K GGUF：512×512、50 步文生图

查看原始 512×512 PNG

参数：Q6_K GGUF、512×512、50 步、CFG 4、shift 3、Euler/normal、seed 424242。RTX 5090 Laptop 24 GB、PyTorch 2.7.0 + CUDA 12.8 上，量化算子预热后的核心采样为 288 秒，稳定约 5.7 秒/步；峰值设备占用接近 24 GB。首次运行还会有明显的量化算子冷启动开销，Q3/Q6 的速度和质量差异都很大，不应只按文件大小选择。

Q6_K GGUF + 官方 LoRA：512×512、8 步文生图

查看原始 512×512 PNG

参数：Q6_K GGUF、官方 -ComfyUI 8-step LoRA、512×512、8 步、CFG 1、shift 3、Euler/normal、seed 424242。294 个 LoRA patch 全部通过原生 ModelPatcher 应用，核心采样为 19.9 秒。完整的 Q3/Q6/Q8 对照数据和测试边界见 GGUF 实机验证记录。

2048×2048 双参考人物换装

查看原始 2048×2048 PNG

参数：Final 单文件底模、2048×2048、50 步、CFG 4、img_cfg 1、global CFG Norm、shift 3、Euler/normal、seed 31082026。Image-1 提供人物、脸、姿势和背景，Image-2 只提供黑白裙装；输出保留了托腮手势与室内构图，并迁移了白色围裙、荷叶边、蝴蝶结和袖口。没有后期修图，RTX 5090 Laptop 24 GB 上任务约 506 秒完成。

U1.5 SFT：2048×2048、50 步文字密集文生图

查看原始 2048×2048 PNG

参数：SFT 单文件底模、2048×2048、50 步、CFG 4、shift 3、Euler/normal、seed 42。标题、材料数量、3 个步骤和 170°C 提示直接由模型生成，没有后期修字。RTX 5090 Laptop 24 GB 上任务约 297 秒完成。

2048×2048、8 步文字密集文生图

查看原始 2048×2048 PNG

参数：2048×2048、8 步、CFG 1、shift 3、LoRA strength 1、Euler/normal、seed 42。标题、副标题、5 项材料、3 个步骤和温度提示均直接由模型生成，没有后期修字。RTX 5090 Laptop 24 GB 上任务约 86 秒完成。

2048×2048 文生图

查看原始 2048×2048 PNG

参数：2048×2048、50 步、CFG 4、shift 3、Euler/normal、seed 42。24 GB 显存实测完成。

2048×2048 双参考图编辑

查看原始 2048×2048 PNG

参数：2048×2048、50 步、CFG 4、img_cfg 1、shift 3、Euler/normal、seed 42。第一张图提供手账版式和文字密度，第二张图提供炸鸡主体；提示词明确要求标题、材料、三步做法和小贴士。大标题、材料和主要步骤可读，局部小字仍有错字和重叠，本图没有后期修字。24 GB 显存实测完成。

KV cache 做了什么

SenseNova 的文字和参考图 prefix 在每一步都相同。SenseNova Sampling Options 会在一次采样任务内缓存它们，后续 step 直接复用，避免重复计算参考图。批量生成时，文字和参考图 prefix 也只按每个引导分支计算一份，再把每层较小的 KV 扩展到各个结果，不会把整套参考图编码重复 batch_size 次。

缓存只存在于当前任务中；任务完成、报错或取消时都会清空，不会跨任务保存，也不会偷偷占用长期显存。缓存与无缓存的三路编辑 A/B 测试结果逐元素一致。

颜色太艳怎么办

先检查提示词里有没有 bright、vivid、neon、highly saturated。这些词会明显提高饱和度。建议：

• CFG 先用 4，不满意再试 3～3.5
• img_cfg 先保持 1
• 复杂编辑或画面过冲时把 cfg_norm 改成 global
• 提示词加入 natural colors、restrained color grading

运行要求

当前实机和 CI 验证范围：

• 实机 ComfyUI v0.33.x
• CI：最低支持的 ComfyUI 0.31，以及当前稳定版 v0.34.0
• Python 3.10、3.12、3.13、3.14
• NVIDIA CUDA + BF16
• RTX 5090 Laptop 24 GB
• 64 GB 系统内存
• 真实 Q3_K_M / Q6_K / Q8_0 GGUF 文件的 SHA256、1116 tensor 契约、完整模型加载、T2I、Q6 图像编辑与官方 8-step LoRA 路径

2048×2048、50 步文生图和双参考图编辑，以及 512×512、batch_size=2 的完整模型批量执行，都能在 24 GB 显存下完成。模型加载和卸载还会占用较多系统内存，建议准备 64 GB RAM 和足够的虚拟内存。

当前限制

• 只验证了 NVIDIA CUDA + BF16
• 不支持运行时自动下载模型
• bbox/marker 控制暂未开放
• 复杂主体替换、多区域或多约束编辑可能出现内容漂移
• 斜排、竖排的小字在编辑中可能损坏，这是上游已确认会继续改进的模型限制
• 用 SenseNova 文生图结果继续编辑时，复用相同 seed 可能因分布偏移导致画面崩坏；请按上游确认的处理办法更换 seed，仍异常时再尝试最接近的官方分辨率预设
• Q8_0 在 24 GB 实测机上接近显存上限；Q2_K / Q5_K_M 已纳入严格文件与 tensor 校验，但尚未进入本次实机采样矩阵
• FP16、ROCm、MPS、DirectML、XPU、NPU 暂未验证

模型校验

Final BF16（推荐）：

文件：SenseNova-U1.5-8B-MoT-BF16-T8.safetensors
大小：35,065,860,328 bytes
SHA256：a32b117f40ad4575c6709b3ad6efb1c6b743ef1c1c3d75360f14090b997f1d29
官方 revision：19bc874ef6ffc97fda9837b40fc1d1301806158a
tensor：1116（全部 BF16）

Final 旧版混合精度（继续兼容）：

文件：SenseNova-U1.5-8B-MoT-T8.safetensors
大小：50,222,155,152 bytes
SHA256：2e5c4451969a8af9d7bcbf9d00a0fe463b15ed44149d8d79f31409e671587615
tensor：1116
revision：1f6ec60423d29939dde4202fd82ae340b144e280

SFT：

大小：35,065,860,320 bytes
SHA256：9c105bb4baaf244bbd99f814c36f190228c5878f8889295e3dba285441442f2f
tensor：1116（全部 BF16）
revision：661834c5b5aee0f89958353511d6ac0ccaacb646

Final GGUF（来源 revision bc2e8f83688489e6b465daa833e9b318ea45c9d9）：

| 文件 | 精确大小（bytes） | SHA256 | |---|---:|---| | SenseNova-U1.5-8B-MoT-Q2_K.gguf | 9,264,536,960 | 98f947928474f45e4c0c149f1af6009f15f99abd524b4dd36e2324d29303f2e5 | | SenseNova-U1.5-8B-MoT-Q3_K_M.gguf | 10,920,713,600 | 82ccb1ee4cfd24d605ecaa97c99f799eef7bb78577185b0c1662d3d83c399636 | | SenseNova-U1.5-8B-MoT-Q5_K_M.gguf | 15,107,169,664 | 1c496256eb114a5ff8fef278a63b39a75bd0c36e76f4280e89a06bb6ecb76ade | | SenseNova-U1.5-8B-MoT-Q6_K.gguf | 17,240,972,672 | ded187014c0e34e13d20702d426a1741e9ec2aa698f3466df95ca0116d0e5ea2 | | SenseNova-U1.5-8B-MoT-Q8_0.gguf | 21,174,689,152 | 61b227f036b7e8094cceab888c23b17a3fffc32d6182b039836d7cb31d688fe2 |

节点会区分新版 Final、旧版 Final、SFT 和五种 GGUF，并检查 metadata、精确大小、SHA256、全部 tensor 名称、shape 以及允许的存储/量化类型。如果下载不完整或版本不对，会直接报错，不会静默加载错误权重。

出现 checkpoint key mismatch 怎么办

先把节点更新到 1.3.5 或更高版本，然后彻底关闭并重启 ComfyUI。不要通过修改 loader、关闭动态加载或删除报错键来绕过校验，这可能让模型虽然能运行，但输出模糊、偏色或不遵循提示词。

如果更新后仍报错：

• 检查 ComfyUI/custom_nodes/ 下是否装了两份本节点，旧目录也会被 ComfyUI 导入。
• 对照上面的大小和 SHA256，确认底模是本项目发布的 Final 或 SFT 单文件。
• 保留完整报错；新版错误会同时显示实际 model= 和 loader= 路径，可直接看出 ComfyUI 加载的是哪一份文件。

8-step LoRA 校验：

官方来源：sensenova/SenseNova-U1.5-8B-MoT-LoRAs
revision：e909f4636d119d65fe4cba8770c19daff2ac102e
官方文件 SHA256：3ef32180cdf1e30a870a83f4f136e897ea50b7ee467f863d75633464ebb25708
ComfyUI 文件 SHA256：dd5320f06986688dd41b0a4a2cb6ebd0036308f8a8a2d0c349ca22875a805aa1
module：294
tensor：882

转换只给键名添加 diffusion_model. 前缀，LoRA 张量数据逐字节不变。普通用户直接下载转换好的文件即可；从 GitHub 克隆源码的高级用户也可以运行 tools/convert_lora_to_comfy.py。

需要手动检查下载文件时：

Get-FileHash .\SenseNova-U1.5-8B-MoT-BF16-T8.safetensors -Algorithm SHA256
Get-FileHash .\SenseNova-U1.5-8B-MoT-T8.safetensors -Algorithm SHA256
Get-FileHash .\SenseNova-U1.5-8B-MoT-SFT-T8.safetensors -Algorithm SHA256
Get-FileHash .\SenseNova-U1.5-8B-MoT-LoRA-8step-ComfyUI.safetensors -Algorithm SHA256

其他链接

• B站
• YouTube
• AI API
• 在线 AI 应用
• ComfyUI 整合包
• 模型网盘
• Hugging Face 主页

来源与许可

SenseNova-U1.5 模型和参考实现来自 OpenSenseNova/SenseNova-U1，原项目使用 Apache License 2.0。

• 官方 U1.5 Final
• 官方 U1.5 SFT
• 官方 U1.5 LoRAs

本仓库只提供 ComfyUI 本地推理适配，不包含模型权重。详细归因见 NOTICE。