1. 为什么要在 ComfyUI 里同时跑 Kolors、GLM3 和 SD3如果你最近在折腾本地文生图大概率会遇到一个很现实的问题想对比国产可图大模型 Kolors 和 StabilityAI 的 SD3得来回切环境、换权重、改路径光是把模型塞进models目录就能耗掉一晚上。更麻烦的是Kolors 依赖 ChatGLM3 做文本编码SD3 又走自己的 T5CLIP 路线两套工作流混在一起时节点冲突、显存爆掉、提示词理解错位几乎是家常便饭。这篇内容就是解决这个场景的在 ComfyUI 里把 Kolors GLM3 和 SD3 放在同一套工作流骨架下用 TaoToken 统一 Key 接入 API 通道做模型切换、参数校验和出图对比。适合已经装好 ComfyUI、想快速复现国产可图大模型评测流程的人也适合想把 GLM3 加持下的中文提示词能力用起来的创作者。核心检索词先摆出来可图大模型 Kolors 是快手开源的文生图模型基于潜在扩散架构在十亿级图文对上训练中文文字渲染和复杂语义理解是它的强项GLM3 在这里扮演文本编码器的角色把中文提示词转成模型能吃的 embeddingComfyUI 是节点式工作流工具SD3 是 StabilityAI 的 Medium 版本英文提示词理解更稳。TaoToken 在这里的作用是提供统一的 API Key 和通道让你不用在多个平台之间反复注册和切换。我试过把 Kolors 和 SD3 的工作流拆成两个独立 group共用一套 TaoToken 配置切换时只改模型加载节点出图对比效率提升很明显。下面按步骤拆开讲。2. TaoToken 前置统一 Key 与 API 通道准备在开始配 ComfyUI 之前先把 TaoToken 的 Key 和通道准备好。这一步不复杂但顺序别搞反先拿 Key再配环境变量最后写进 ComfyUI 的配置文件。2.1 获取 API Key打开 TaoToken 控制台进入 API Keys 页面创建一个新 Key。建议按用途命名比如comfyui-kolors-sd3方便后面在多个工作流里区分。创建后复制 Key注意只显示一次丢了就重新生成。控制台入口https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewriteAPI Keys 页面https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite2.2 确认 API 通道地址TaoToken 的 API 通道地址是https://taotoken.net/api这个地址不加 UTM 参数直接用于程序调用。ComfyUI 里如果用到自定义节点走 HTTP 请求或者你用外部脚本做批量出图都填这个。注意不要把官网首页地址填进 API 配置里官网带 UTM 参数是给浏览器访问用的程序调用只认https://taotoken.net/api。2.3 环境变量与配置文件位置ComfyUI 的自定义节点配置一般放在ComfyUI/custom_nodes下对应插件的目录里。如果你用的是 ComfyUI-KwaiKolorsWrapper它的配置读取路径通常是插件根目录下的config.toml而 ComfyUI 主程序的设置走ComfyUI/user/default/settings.json。两个文件分工不同settings.json管界面和全局行为config.toml管插件级别的 API 通道和模型路径。先把 Key 写进环境变量避免硬编码export TAOTOKEN_API_KEYsk-你的Key export TAOTOKEN_BASE_URLhttps://taotoken.net/apiWindows 下用 PowerShell$env:TAOTOKEN_API_KEYsk-你的Key $env:TAOTOKEN_BASE_URLhttps://taotoken.net/api环境变量设好后重启终端和 ComfyUI让进程能读到。3. 可复制配置settings.json 与 config.toml 示例这一节给可直接复制的配置骨架。注意路径按你自己的 ComfyUI 安装位置调整别直接照搬。3.1 settings.json 示例ComfyUI/user/default/settings.json里主要加两段一是 API 通道二是模型搜索路径方便 Kolors 和 SD3 的权重都能被扫到。{ taotoken: { api_key_env: TAOTOKEN_API_KEY, base_url: https://taotoken.net/api, timeout: 120, retry: 3 }, comfy: { model_paths: { diffusers: [ models/diffusers/Kolors, models/diffusers/SD3 ], llm_checkpoints: [ models/LLM/checkpoints ] } } }这里diffusers数组里同时放了 Kolors 和 SD3 的目录ComfyUI 启动时会扫描这两个路径。llm_checkpoints指向 GLM3 的量化权重目录。3.2 config.toml 示例ComfyUI/custom_nodes/ComfyUI-KwaiKolorsWrapper/config.toml里配置插件级别的通道和模型选择[api] provider taotoken base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEY timeout 120 [model] kolors_path models/diffusers/Kolors sd3_path models/diffusers/SD3 glm3_checkpoint models/LLM/checkpoints/chatglm3-4bit.safetensors default_engine kolors [generation] steps 28 cfg 7.0 width 1024 height 1024 sampler euler scheduler normaldefault_engine设成kolors切换 SD3 时改这一行就行。glm3_checkpoint指向 4bit 量化版本小显存机器优先用这个。3.3 模型目录结构确认配完后确认目录结构对得上ComfyUI/models/ ├── LLM/checkpoints/ │ └── chatglm3-4bit.safetensors ├── diffusers/ │ ├── Kolors/ │ │ ├── model_index.json │ │ ├── scheduler/ │ │ ├── text_encoder/ │ │ └── unet/ │ └── SD3/ │ ├── model_index.json │ └── ...Kolors 的text_encoder目录里是 ChatGLM3 的权重分片SD3 走自己的文本编码器。两个模型共用diffusers父目录但子目录分开避免加载时串。4. 验证请求与成功结果模型切换、参数校验、出图对比配置写完接下来做验证。验证分三步先确认 API 通道通再确认模型能加载最后跑一组对比出图。4.1 验证 API 通道用 curl 测一下 TaoToken 通道是否可达curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: glm-3, messages: [{role: user, content: 用一句话描述中国古风少女}], max_tokens: 64 }返回里有choices字段就说明通道正常。这一步只是验证 Key 和通道不涉及出图。4.2 验证 GLM3 文本编码在 ComfyUI 里加载 Kolors 工作流把提示词节点接上 GLM3 编码器输入中文提示词1个中国女孩手举木牌木牌上写着文字“我爱你中华”身穿淡黄色中国古风旗袍18岁年轻美貌点执行观察控制台日志。如果看到ChatGLM3 loaded和text_encoder ready说明 GLM3 加持生效。出图后检查木牌上的文字是否可读这是 Kolors 中文渲染的强项。4.3 切换 SD3 做对比把config.toml里default_engine改成sd3重启 ComfyUI加载 SD3 工作流。用同一段中文提示词跑一次再换成英文提示词跑一次A Chinese girl holds up a wooden sign with the chinese words 我爱你中华 written on it. Dressed in ancient Chinese style cheongsam, light yellow cheongsam.对比结果记录在表格里维度Kolors GLM3SD3 Medium中文提示词理解直接支持语义准确需转英文易丢细节中文文字渲染木牌文字可读文字常缺失或乱码人物写实贴近现实光影自然艺术感强色彩多变复杂语义GLM3 加持理解稳英文长句更稳手部问题较易隐藏偶有变形4.4 参数校验清单每次切换模型后检查这几个参数stepsKolors 建议 28SD3 建议 30cfgKolors 7.0SD3 5.5 到 7.0 之间sampler两者都可用 eulerSD3 可试 dpmpp_2mwidth/height1024x1024 起步显存不够降到 768参数不对时出图会糊或者过曝。校验完再跑批量对比。5. 本篇常见错排查配这套流程时下面几个错我踩过列出来帮你省时间。5.1 GLM3 权重加载失败报错ChatGLM3 checkpoint not found先确认chatglm3-4bit.safetensors是否在models/LLM/checkpoints下文件名别改。如果显存小于 8G用 4bit 版本8G 到 12G 可试 8bit16G 以上再上 fp16。5.2 Kolors 首次运行卡住Kolors 的 diffusers 权重较大首次加载会慢。如果卡在Loading pipeline超过 5 分钟检查models/diffusers/Kolors下model_index.json是否存在以及unet目录里的 safetensors 是否完整。缺文件就重新下载对应分片。5.3 API 通道返回 401401 Unauthorized一般是 Key 没读到。检查环境变量名是否和settings.json里api_key_env一致重启终端后echo $TAOTOKEN_API_KEY看有没有值。Windows 下注意 PowerShell 和 CMD 的环境变量不互通。5.4 模型切换后出图不变改了default_engine但出图还是旧模型多半是 ComfyUI 缓存没清。重启 ComfyUI或者在设置里清一下节点缓存。另外确认工作流里加载的模型节点路径是否跟着config.toml走有些工作流是硬编码路径。5.5 中文提示词出图乱码Kolors 走 GLM3 编码如果 GLM3 没加载成功中文提示词会被当普通 token 处理出图就乱。回看 4.2 的日志确认ChatGLM3 loaded出现。SD3 本身不直接吃中文中文提示词要先转英文别指望它原生理解。6. 语义一致 CTA按场景选入口这套流程跑通后你可以按自己的需求选下一步入口。如果你在排障或接入阶段卡住优先看 API Keys 和接入文档把 Key 和通道确认清楚API Keyshttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite如果你想先验证模型对话能力比如用 GLM3 做提示词优化可以直接进模型对话页面试模型对话https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite如果你打算长期做编码或 Agent 类任务把 Kolors 和 SD3 的出图流程接进自动化管线Coding Plan 更合适Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite最后补一个实操细节对比出图时把两组图的 seed 固定成同一个值这样差异只来自模型本身而不是随机噪声。我一般在工作流里加一个KSampler的 seed 输入节点手动填同一个数字跑完再换提示词。这样对比结果更可信也方便你复现。