一句话定义
补丁节点(ModelSamplingFlux/SD3/Discrete、RescaleCFG、FreeU、PerturbedAttention 等)串在 MODEL 链上,运行时改写模型的噪声调度或注意力行为——不换模型就能获得"这模型为高分辨率优化过""过曝修好了"的效果。
为什么重要
它们是"不动模型改行为"的万能插座:新模型官方工作流常自带一个补丁节点(如 Flux 的 ModelSamplingFlux),不懂它的语义,你对工作流的理解就缺一块;调优时它也是低成本的"试错旋钮"。
前置知识
KSampler 全参数解剖:seed/steps/cfg/denoise(采样循环)、CFG 与负面引导:引导强度的数学(cfg)。
核心概念
| 补丁节点 | 改什么 | 何时用 |
|---|---|---|
| ModelSamplingFlux | 噪声调度 shift 值 | Flux 官方流程;大分辨率(>1MP)时调大 shift 提升细节分配 |
| ModelSamplingSD3 | shift(同上思路) | SD3/类家族 |
| ModelSamplingDiscrete | 离散化调度参数 | 特定蒸馏/少步模型 |
| RescaleCFG | 压缩 cfg 引导的离群幅度 | 过曝/高饱和修复(CFG 与负面引导:引导强度的数学 续) |
| FreeU(v1/v2) | 放大主干前后通道/骨干系数 | 锐度与纹理增强(社区参数包) |
| PerturbedAttentionGuidance | 向注意力注入受控扰动 | 无负条件家族(Flux)的"软负面"替代 |
| PatchModelAddDownscale(Kohya HighFix 类) | 中途下采样再上采样 | 修复"大图重复纹理" |
接线规律:补丁一律插在"模型加载器 → KSampler"之间,输入输出都是 MODEL,可串联多个(顺序影响结果,一般先调度类后增强类)。
原理与机制
模型在 ComfyUI 中不是"死权重",而是可被包装的调用对象:补丁节点返回一个包了一层的 MODEL,在每次前向时插入钩子——改 σ 序列(shift 类)、缩放残差(FreeU)、扰动注意力(PAG)。理解了"MODEL 端口可以层层包装",你就明白为什么加载器后面可以挂任意长度的补丁链,这也是 LoRA(LoRA:轻量插件的加载与叠加)同一机制的不同包装。
直观类比
补丁像给乐器加配件:shift 是给钢琴调"击键力度曲线"(噪声日程重分配),RescaleCFG 是给话筒加"防爆音限制器",FreeU 是给琴弦换张力(纹理增强),PAG 是"故意留一点即兴空间"。乐器(MODEL)没换,演奏行为被配件改写。
实例与案例
- Flux 大图糊:分辨率上 1536+ 后,把 ModelSamplingFlux 的 shift 从 1.15 提到 2-3(官方文档建议随分辨率上调),细节密度显著改善。
- SD 系过曝急救:cfg 8→6 之外,补 RescaleCFG(multiplier 0.7)常一步到位。
- 无负条件的"负面感":Flux 加 PerturbedAttentionGuidance(strength 2-4),实现类似负面的"剔除感"。
- 放大后纹理重复(高清放大(Upscaling):两条路线与取舍):PatchModelAddDownscale 低强度介入,打断重复模式。
常见误区
- 补丁当特效滤镜乱叠:每个补丁都在改变模型行为,叠加过多不可预期;一次一个,记录参数(队列、种子与可复现性)。
- Flux 不挂 ModelSamplingFlux:部分老模板/自建流程遗漏,导致大分辨率细节差;官方模板自带,别手删。
- RescaleCFG 治根因:它压症状,引导过头的根源仍是 cfg/权重(CFG 与负面引导:引导强度的数学)。
- FreeU 参数乱抄:不同家族参数不通用,先跑社区对应模型的推荐组。
自测题
- 补丁节点的接线规律与可串联性?
- ModelSamplingFlux 的 shift 与分辨率的关系?
- PAG 解决什么问题?原理一句话?
- 为什么"补丁 + LoRA"本质是同一机制?
参考答案
- 都插在模型加载器→KSampler 之间,MODEL 进 MODEL 出,可串联(注意顺序)。
- 分辨率越大,shift 越大(如 1MP≈1.15、2MP+ 提到 2-3),把噪声日程向高噪声端重新分配以保留细节。
- 给无负条件家族提供"负向剔除感";原理:向自注意力注入受控扰动,构造伪负方向。
- 都是"包装 MODEL 对象 + 前向钩子",LoRA 改权重,补丁改行为,机制同源。
与其他知识点的关系
- Flux 架构与工作流:cfg=1 的新物种 的 Flux 工作流内置本页节点。
- CFG 与负面引导:引导强度的数学 的过曝问题是 RescaleCFG 的用武之地。
- LoRA:轻量插件的加载与叠加 与本页共享"MODEL 包装"机制。
延伸阅读
- ComfyUI 源码
comfy_extras/下的 nodes_model_*.py(实现最权威) - FreeU 论文与社区参数表
前置知识
KSampler 全参数解剖:seed/steps/cfg/denoiseCFG 与负面引导:引导强度的数学