ComfyUI 内置 + 常用第三方还有 5 大核心 Checkpoint 加载器,覆盖标准文生图、unCLIP 图像编辑、高级模型混搭、SDXL 专用、视频 / 时序专用等场景。下面按内置官方 → 常用第三方 → 特殊场景详细讲解,附输出、适用模型、JSON 示例与选型对比。


一、内置官方 Checkpoint 加载器(必掌握)

1. CheckpointLoaderSimple(最常用,标准文生图)

核心定位

ComfyUI 默认 / 最通用的大模型加载器,用于加载 SD 1.x/2.x/SDXL 等标准文生图模型,输出完整三组件:MODEL (UNet) + CLIP (文本编码器) + VAE

API 与输出

python

运行

INPUT_TYPES = {"required": {"ckpt_name": (["模型列表"], )}}
RETURN_TYPES = ("MODEL", "CLIP", "VAE")  # 索引0/1/2
适用模型
  • SD 1.5/2.1、RealisticVision、MeinaMix、Anything、SDXL 1.0/1.0-refiner 等所有标准文生图模型
最简 JSON

json

{
  "1": {
    "inputs": {"ckpt_name": "v1-5-pruned-emaonly.safetensors"},
    "class_type": "CheckpointLoaderSimple"
  }
}
连接要点
  • CLIPCLIPTextEncode(提示词编码)
  • MODELKSampler
  • VAEVAEDecode/VAEEncode

2. unCLIPCheckpointLoader(图像变体 / 编辑专用)

核心定位

专门加载 unCLIP 架构模型(如 SD 2.1 unCLIP),支持图像 + 文本双条件生成,用于图像变体、风格迁移、图像编辑

API 与输出(多一个 CLIP_VISION)

python

运行

INPUT_TYPES = {"required": {"ckpt_name": (["模型列表"], )}}
RETURN_TYPES = ("MODEL", "CLIP", "VAE", "CLIP_VISION")  # 索引0/1/2/3
适用模型
  • SD 2.1 unCLIP、Stable Diffusion unCLIP 系列、DALL-E 2 类架构模型。
最简 JSON

json

{
  "1": {
    "inputs": {"ckpt_name": "sd21-unclip.safetensors"},
    "class_type": "unCLIPCheckpointLoader"
  }
}
连接要点
  • CLIP_VISION(索引 3)接 CLIPVisionEncode(处理参考图)
  • 配合 unCLIPConditioning 节点融合文本 + 图像条件

3. CheckpointLoader(高级版,可分离加载)

核心定位

官方高级加载器,相比 Simple 版支持独立指定模型 / CLIP/VAE 配置,适合模型组件混搭(如 A 模型的 UNet + B 模型的 CLIP + C 模型的 VAE)。

API 与输入(可自定义 config)

python

运行

INPUT_TYPES = {
    "required": {
        "ckpt_name": (["模型列表"], ),
        "config_name": (["配置文件列表"], {"default": "default"})
    }
}
RETURN_TYPES = ("MODEL", "CLIP", "VAE")
适用场景
  • 高级实验:混搭不同模型的 UNet/CLIP/VAE
  • 自定义模型架构、非标准 SD 模型
最简 JSON

json

{
  "1": {
    "inputs": {
      "ckpt_name": "sdxl_base.safetensors",
      "config_name": "sd_xl_base.yaml"
    },
    "class_type": "CheckpointLoader"
  }
}

二、常用第三方 Checkpoint 加载器(进阶必备)

4. CheckpointLoader|pysssss(增强型,带预览 + 预设)

核心定位

comfyui-pysssss 插件提供的增强版加载器,解决官方加载器无预览、难管理、不能独立选组件的痛点,是专业用户首选

核心优势(对比 Simple)
  • ✅ 模型预览图(需在模型目录放同名图片)
  • ✅ 独立选择 MODEL/CLIP/VAE(自由混搭)
  • ✅ 保存 / 调用预设(一键切换常用组合)
  • ✅ 自动校验模型完整性、显存优化
  • ✅ 支持 examples 加载提示词模板
输入输出

python

运行

# 输入:ckpt_name + 可选 model/clip/vae 独立路径
RETURN_TYPES = ("MODEL", "CLIP", "VAE")
适用场景
  • 多风格快速切换、模型组件实验、长流程管理

5. SDXLCheckpointLoader(SDXL 专用,简化双 CLIP)

核心定位

专门加载 SDXL 模型,自动处理 SDXL 特有的 双 CLIP(CLIP-G + CLIP-L),无需手动配置,简化 SDXL 工作流。

输出(含双 CLIP)

python

运行

RETURN_TYPES = ("MODEL", "CLIP", "CLIP2", "VAE")
# 索引0:MODEL, 1:CLIP-G, 2:CLIP-L, 3:VAE
适用模型
  • SDXL 1.0 base/refiner、SDXL 衍生模型(如 PonyDiffusion、Juggernaut XL)
连接要点
  • 两个 CLIP 分别接 CLIPTextEncodeSDXL 节点

6. TemporalCheckpointLoader(时序 / 视频专用,除 ImageOnly 外)

核心定位

加载 时序 / 视频扩散模型(如 VideoCrafter、AnimateDiff 大模型),输出含时序注意力的模型组件,配合 AnimateDiff 生成连贯视频。

输出(含时序相关)

python

运行

RETURN_TYPES = ("MODEL", "CLIP", "VAE", "MOTION_MODULE")
适用模型
  • AnimateDiff 大模型、VideoCrafter、Stable Video 时序模型

三、特殊场景加载器(补充)

  • CheckpointLoaderModelOnly:仅加载 MODEL(UNet),不加载 CLIP/VAE,适合仅替换 UNet的场景。
  • CheckpointLoaderCLIPOnly:仅加载 CLIP,用于单独测试文本编码器
  • CheckpointLoaderVAEOnly:仅加载 VAE,用于单独测试 / 替换解码器

四、六大加载器核心对比表(选型速查)

表格

加载器名称 class_type 核心输出 适用模型 / 场景 最大特点
CheckpointLoaderSimple CheckpointLoaderSimple MODEL、CLIP、VAE SD1.x/2.x/SDXL 标准文生图 简单无脑,新手首选
unCLIPCheckpointLoader unCLIPCheckpointLoader MODEL、CLIP、VAE、CLIP_VISION SD2.1 unCLIP、图像变体 支持图像 + 文本双条件
CheckpointLoader CheckpointLoader MODEL、CLIP、VAE 自定义架构、组件混搭 可指定 config,高级实验
CheckpointLoader pysssss CheckpointLoader pysssss MODEL、CLIP、VAE 多风格、专业流程 预览 + 预设 + 独立选组件
SDXLCheckpointLoader SDXLCheckpointLoader MODEL、CLIP、CLIP2、VAE SDXL 系列 自动处理双 CLIP,简化 SDXL
ImageOnlyCheckpointLoader ImageOnlyCheckpointLoader MODEL、CLIP_VISION、VAE SVD/SVD-XT、图生视频 无文本 CLIP,纯图像驱动
TemporalCheckpointLoader TemporalCheckpointLoader MODEL、CLIP、VAE、MOTION AnimateDiff、时序视频 含运动模块,连贯视频

五、选型建议(按场景直接选)

  1. 新手 / 标准文生图CheckpointLoaderSimple(无脑用)
  2. 图像变体 / 编辑unCLIPCheckpointLoader
  3. SDXL 专用SDXLCheckpointLoader
  4. 图生视频(SVD)ImageOnlyCheckpointLoader
  5. 时序视频(AnimateDiff)TemporalCheckpointLoader
  6. 专业 / 多风格混搭CheckpointLoader|pysssss
  7. 高级实验 / 组件分离CheckpointLoader

Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐