NVIDIA GeForce GTX 1660这一天我盯着ComfyUI的下载页面看了很久。名字很长ComfyUI_windows_portable_nvidia_cu126。后缀里的“nvidia”和“_cu126”不是装饰它决定了这张卡能不能在你机器上跑起来、跑到什么程度、瓶颈卡在哪。作为手头一直用着6GB显存老卡的玩家我太清楚这种名字里藏的门道了——很多人下错分支、驱动不对启动器一闪而过连报错都没看清。这篇文章就围绕这个包展开。我会从选型逻辑、CUDA版本与驱动的匹配关系、便携版目录结构、6GB显存的实际调度方法、我实测过的三类工作流以及最后那段完整的踩坑排查链路把这台GTX 1660在Windows 11下的ComfyUI部署过程说透。适合同样拿着中低端N卡、想跑ComfyUI又怕折腾的人。1. 为什么 GTX 1660 至今仍值得点开这个 cu126 打包的启动器1.1 图灵架构的中等生身份没有Tensor Core但不是不能打GTX 1660用的是图灵架构的TU116核心严格说它是去掉光追和Tensor Core的图灵。很多教程一上来就说AI绘画必须N卡、显存越大越好这话没错但把1660贬得一无是处也不客观。它有1280个CUDA核心6GB GDDR5显存192bit位宽。放在2026年看它确实不是跑大模型的料但Stable Diffusion 1.5系列、Realistic Vision之类的写实模型在ComfyUI里照样能稳定出图速度谈不上快却能让你的低成本硬件进入AI绘画的门。Tensor Core是什么相当于显卡里专门为深度学习矩阵运算准备的加速单元。没有它CUDA核心只能硬着头皮自己算。1660每张图要多花点时间但ComfyUI的底层推理框架PyTorch对图灵架构的普通CUDA核心支持很完善只要你别去挑战SDXL大图、别开太高分辨率日常出图完全够用。我试过用它在SD1.5底模下出512x768的人像一张图大约8到12秒放到几年前这个速度并不寒碜。1.2 nvidia分支和cu126后缀的真实含义ComfyUI官方GitHub的Release页面会同时放出好几个包cpu版、nvidia版、amd版还有针对不同CUDA版本的细分。名字里的nvidia分支指内置推理环境为NVIDIA GPU优化cu126指这个包内置的PyTorch是基于CUDA 12.6编译的。为什么会有cu121和cu126的区别因为PyTorch官方对不同CUDA版本发布对应的预编译wheelnp称之为cu121、cu126、cu128这些里程碑版本。cu126完成于2025年初对应的官方PyTorch构建是2.7/2.8系列。你选哪个版本的包其实就是在选内置PyTorch绑定的是哪一代CUDA运行时。它和你的显卡驱动版本必须匹配否则启动器能打开但一跑图就报错错误信息通常是一大串英文什么Expected all tensors to be on the same device啊、什么CUDA error: no kernel image is available啊——这些都是CUDA不匹配的典型症状。对1660用户来说cu126是当前最稳妥的选择。CUDA 12.6对图灵架构的支持很成熟配套驱动门槛也不高不需要为了跑ComfyUI去追最新驱动。系统要求里写着NVIDIA驱动版本至少需要560系列但实际我建议装一个相对新的稳定版驱动比如570或580系列都行。1.3 Windows 11 下的系统环境要注意什么Windows 11系统本身对ComfyUI没有任何特殊的阻碍但有几个前置项需要检查。我踩过的坑是家庭版系统默认没有完整的安全防护选项解压便携包时Windows Defender会对里面的exe、bat文件做扫描有些杀毒软件会把启动器误报成风险程序。遇到这种情况先别急着删去杀毒软件隔离区看一眼确认文件是ComfyUI的启动脚本恢复并加白名单即可。另外Windows 11的图形设置里有个自动DLSS/超分辨率选项如果开着ComfyUI的UI界面可能被缩放搞得怪怪的。建议在系统设置里把这个功能关掉否则你在浏览器里操作时节点面板会发虚。这个细节网上的教程很少提但实际碰到的人不少。2. cu126 标记背后的三角关系显卡驱动、CUDA运行时与PyTorch2.1 驱动版本和CUDA版本不是一回事但必须能对话很多人一听CUDA 12.6就以为要去NVIDIA官网单独装一个CUDA Toolkit。其实对ComfyUI便携包来说你不需要手动安装完整的CUDA开发套件。便携包里的Python环境和PyTorch自带了运行时所需的CUDA库它们直接通过驱动和显卡通信。你真正需要关心的是显卡驱动的最低版本号是否支持CUDA 12.6。驱动的CUDA兼容性是个向后的关系新驱动包含的新版CUDA运行时支持旧应用旧驱动不支持新版应用。CUDA 12.6大概对应驱动560.x以上的正式版。我的GTX 1660当时装的是572.16一切正常。如果你的驱动还是五六十版本时代的旧驱动比如535那建议更新一下。否则启动器加载模型时会出现CUDA driver version is insufficient之类的提示。2.2 便携包里的PyTorch是如何被绑定的ComfyUI的windows_portable压缩包里有一个名为python_embeded的目录里面是Python 3.11和预装好的PyTorch。打开这个目录的site-packages你会看到torch和torchvision。cu126版本的包里这些库是用CUDA 12.6编译的。这意味着你不用自己装Python、不用pip install torch启动器已经把所有环境都处理好了。这对很多用1660的入门玩家来说是最友好的路径你只需要解压、双击启动脚本、等它下载缺失的依赖整个过程对命令行不熟的人也很友好。但也是因为这种预集成一旦某个节点要求额外的Python包你需要使用便携包内自带的python.exe去pip install。这里有个经验有些插件安装失败是因为默认镜像源连不上用国内镜像加-i参数能解决有些插件需要编译C编译环境缺失就装不上。后者我在第6章会再提到。2.3 1660 对应哪个分支的启动脚本run_nvidia_gpu.bat 的启动日志解压后你会看到几个bat文件其中run_nvidia_gpu.bat是N卡用户要双击的那个。启动日志里有一行关键信息Torch version: 2.8.0cu126 CUDA version: 12.6 Total VRAM 6144 MB看到Total VRAM 6144 MB就说明显卡被正确识别了。如果这行显示的是CPU或显示为0那你得检查驱动是否正常工作Windows 11的设备管理器里显示适配器下应该能看到GTX 1660右键属性里设备状态必须是此设备工作正常。启动完成后浏览器会自动打开127.0.0.1:8188这是ComfyUI的本地Web UI端口。如果端口被占用启动器会自动换下一个端口日志里会显示。我不建议改默认行为让它自己分配就行。3. 便携包首次上手指南目录结构、模型路径与启动参数3.1 解压到哪、怎么解压路径里不能有中文和空格便携包解压时再三提醒一句路径最好保持全英文不要有空格。如果你解压到C:\Users\小明\我的图片\ComfyUI_windows_portable启动时大概率会出现路径编码问题轻则UI加载不出节点重则Python解释器直接报错。我的做法是放到D盘根目录比如D:\ComfyUI_windows_portable。解压后会发现里面包含四个主要目录ComfyUI主程序与自定义节点、python_embeded内嵌Python环境、utils部分辅助脚本、update内含更新脚本。解压时间取决于硬盘速度压缩包大约2.6GB解压后接近5GB。耐心等完别关窗口。有些杀毒软件会对解压后的大量exe做实时扫描导致卡在99%这不是死机等它扫完就行。3.2 模型应该放进哪个目录models这一级目录的名堂ComfyUI的模型目录不同于WebUI不同模型类型对应models下不同子目录。第一次打开ComfyUI时默认界面有个文生图的示例工作流你直接点击运行大概率会报错因为它引用的v1-5-pruned-emaonly.safetensors你还没下载。这个模型应该放在ComfyUI/models/checkpoints/下。同理LoRA放models/lorasVAE放models/vaeControlNet放models/controlnetUNet设为主要路径的模型则放models/unet。很多人会问可不可以用启动器里的模型下载器直接拉取那个功能依赖官方镜像网络条件好的时候确实能自动拉但1660用户多半不在这种网络环境。我的做法是找一个可靠的模型托管站手动下载对应的safetensors文件再拖进目录。注意v1-5-pruned-emaonly.safetensors这个文件解压后大约4GB下载完放到checkpoints下命名保持英文不要改成我的人物模型。中文文件名在ComfyUI的模型列表里虽然能显示但部分节点的路径解析会有问题这是个老毛病。3.3 启动参数里值得加的--lowvram 和 --novram 的取舍双击bat直接启动也能用但6GB显存跑某些工作流容易爆。此时可以在启动脚本的命令行末尾追加参数。用记事本打开run_nvidia_gpu.bat在最后一行找到python main.py起始的命令后面加上--lowvram或--medvram。这三个模式的区别参数效果适用场景默认不添加模型常驻显存速度快8GB以上显存--medvram减少显存占用轻微影响速度6GB跑SDXL或控制网络--lowvram大幅降低显存占用速度下降较多6GB跑大模型或串联多个模块我在GTX 1660上默认使用--medvram跑SD1.5系列时速度影响不大跑视频帧序列时比默认稳很多。但如果你的工作流同时加载了ControlNet、IPAdapter和AnimateDiff光靠--medvram可能还不够需要配合低精度VAE和采样参数来压显存。具体做法下面章节会说。3.4 更新实操update文件夹和 git pull 的区别便携包里有个update/update_comfyui.bat双击它就能从GitHub拉取ComfyUI主程序的最新代码。这个更新动作确实能带来新节点和性能优化但1660用户要注意更新到最新版本有时会让已有的自定义节点不兼容。我了两次教训后养成了习惯更新前先备份ComfyUI/custom_nodes目录。如果你依赖某几个特定节点做生产工作流别急着追新版本等一两周让社区把兼容问题消化掉再更。4. 6GB 显存的调度之道精度、分辨率、采样器与显存实测4.1 fp16与fp321660的半精度能力与显存账目GTX 1660的图灵架构支持FP16半精度计算但它没有独立Tensor Core所以FP16的加速效果和RTX系列没法比。不过在ComfyUI里模型默认以fp16加载显存占用量大约比fp32减半。6GB显存跑SD1.5原版模型约2GB文件大小完全没问题模型加载后显存占比大约在3GB到4GB剩下的空间留给图像张量计算。这里有个容易误区把VAE在设置里调成fp32也许能改善画质但对出图结果几乎无感反而让预览速度变慢。我的建议是保持默认fp16不折腾。真正该调的是Batch size批量大小和分辨率。6GB显存下SD1.5批量出图建议一次只出1张分辨率控制在1024x1024以内。如果一批出4张显存峰值可能会突破6GB系统只能去调用共享GPU内存速度会断崖式下降。4.2 分辨率与Latent尺寸的换算逻辑很多人不理解为什么512x512叫低分辨率。在SD模型里图像先被VAE编码为Latent潜空间张量尺寸大约是像素尺寸的1/8。512x512的图像对应64x64的Latent而768x768对应96x96显存增长的比率是平方级。1660跑512或576边长都比较轻松768边长就会明显吃力显存峰值接近5GB。我的实操建议是文生图跑576x896或512x768这类竖构图配合高分修复Hires Fix到768x1152。直接在原尺寸冲高分辨率反而容易爆显存。在ComfyUI里用Upscale Image节点做两步走先用低分辨率采样再放大显存压力小出图质量也更好。1660用户不要强行用Ultra放大模型碰一次爆一次。4.3 采样器对速度没什么影响但步数和调度器有讲究有些教程夸大了采样器的作用。实际上DPM 2M、Euler、UniPC在1660上的速度差很小真正影响速度和质量的往往是步数和调度器。SD1.5我用DPM 2M Karras步数20到28之间。步数超过32后1660的速度会明显变慢画质提升却微乎其微。如果你追求出图速度20步足够如果你要精细度28步到头了。调度器里Karras适合写实Normal适合二次元SGM Uniform在部分新模型里效果不错。这不是显存层面的问题但它决定你是否需要二次重跑如果一张图因为调度器选错要多跑两三遍那才是最大的时间浪费。4.4 值得装的显存优化插件Tiled VAE与风格化模型1660用户建议装两个常用的自定义节点ComfyUI-TiledVAE和ComfyUI_ControlNet-Tile。TiledVAE能把VAE解码切块大幅降低放大图片时的显存峰值。以前768x1152的高分修复直接崩溃装了它之后稳定过线。ControlNet的Tile预处理器可以配合TiledVAE做局部放大重绘是6GB显存玩高分辨率的主要路径。装自定义节点也不难把对应仓库clone到ComfyUI/custom_nodes/目录再重启启动器。如果依赖不全启动日志会提示Import failed这时候用便携包的pip装对应包就行。安装的命令可以写在bat里或者直接打开一个cmd窗口切到ComfyUI目录下的python_embeded目录执行python.exe -m pip install xxx。5. 三类经典工作流的实测记录从文生图到视频5.1 SD1.5写实文生图1660的舒适区我日常出图的主力工作流很简单加载checkpoints里的写实模型比如Realistic Vision风格接KSampler再接VAE解码输出图像。采样步数设25CFG设7分辨率576x864。1660跑这张图大概9到12秒。这里面有个节点连接顺序的坑很多教程在模型后直接接CLIP Text Encode但如果你只用一个提示词输入节点记得把正负提示词都接好漏接负提示词会导致出图内容不可控。在这个工作流里显存峰值大约4.2GB剩余空间并不充裕。如果你想在Latent层面预览更多步骤建议把预览频率设低一点每5步预览一次就够。1660的计算力有限预览本身也会占用一点显存次数过多会偶发卡顿。5.2 图生图与局部重绘ControlNet加持下的6GB战况图生图的核心是原图先用VAE编码到Latent再在采样器里掺入噪声比例Denoising strength。1660跑图生图时显存消耗甚至比文生图略高因为多了原图的Latent缓存。我的经验是把Denoising控制在0.4到0.6既能改构图又不会产生大量噪点。局部重绘Inpaint是6GB显存能发挥长处的地方。在ComfyUI中加载一张图用遮罩Mask框选区域重绘区域小显存压力就小。我甚至用1660配合ControlNet的Canny模型做手部修复——因为手指区域的Latent尺寸只有几十像素就算模型生成崩了重绘也只花3到4秒一次。这个用法对老卡非常友好比整体重出图省太多时间。ControlNet模型加载时也要吃显存如果你用的是control_v11p_sd15_canny这一级别文件约1.4GB加载后显存剩余会降到2GB左右。此时建议把工作流的Batch size保持1控制分辨率不超过640否则很容易报CUDA Out of Memory。我试过512x768加Canny全程稳定速度感人但能跑完。5.3 视频与动画AnimateDiff在1660上的边界测试想要用ComfyUI跑视频生成AnimateDiff是绕不开的节点。坦白说1660跑AnimateDiff是比较吃力的。AnimateDiff模型本身就是个巨大的时间序列模块帧数越多显存消耗越大。我实测过用SD1.5底模加AnimateDiff生成8帧每帧512x768显存峰值直接逼近6GB有时会爆。我的调优方案是帧数降到6帧分辨率降到512x512启用--medvram采样步数控制在20。这种情况下一秒钟的短视频能跑出来但整个过程需要几分钟。这就是老卡的边界。如果视频是你的主要需求建议不要在这张卡上强求可以考虑用CPU跑小尺寸或者换一张8GB以上的卡。话说回来ComfyUI里有个Frame Interpolation节点可以把6帧插值成12帧插值过程不怎么吃显存CPU也能干算是1660用户的一个曲线救国方案。5.4 显存监控工具任务管理器只能看大头真正的瓶颈看这里跑工作流时我开着Windows任务管理器的性能面板但它只能看整卡显存使用率看不清是哪个算子吃的显存。更有效的监控方式是看ComfyUI控制台日志里面有详细的加载、采样、解码时间。如果某一步耗时突然从1秒跳到8秒大概率是显存不够触发内存交换了。Windows 11的共享GPU内存会让这种情况变得隐晦——任务管理器显示显存明明还有但速度就是上不去因为部分显存被挪到系统内存了。分享一个我的土办法出图过程中盯着控制台正常加载是连续输出进度条百分比如果出现明显停顿或者进度条倒退就是显存瓶颈在作祟。这时候减少分辨率、关闭预览、降低批次数逐项排查。6. 踩坑记录与完整排查链路从启动器闪退到模型不显示6.1 启动器闪退的根因别急着重装先看日志文件双击run_nvidia_gpu.bat后窗口一闪而过很多人第一反应是重新下载。其实这时候需要先看日志在ComfyUI目录下找到comfyui.log没有的话就用cmd窗口手动运行启动命令这样报错信息不会一闪而过。我遇到过的闪退原因按频率排列一是杀毒软件拦截了python.exe创建的子进程解决方法是加白名单二是系统用户名里带中文导致路径编码错误解决方法是换一个全英文路径解压三是显卡驱动太老CUDA 12.6运行库加载失败解决方法是更新驱动。这三个问题都能通过日志判断看到ModuleNotFoundError是插件缺失CUDA error是驱动或运行时问题Access is denied多半是权限问题。6.2 爆显存时的报错信息逐字解读CUDA Out of Memory这个报错真出现时ComfyUI会显示一大段traceback其中最关键的是最后几行。常见两种情况一是torch.cuda.OutOfMemoryError: CUDA out of memory这就是显存不足二是std::bad_alloc这其实是系统内存不够常见于加载大模型时。1660用户看到OOM不要慌。第一步是把分辨率降一半比如768x1152改成576x864第二步是把Batch size改成1第三步是给启动器加上--medvram参数第四步是关掉所有其他占用显存的程序我有时开着视频播放器都会挤占几百兆显存。做过这四步还爆那只能换更轻量的模型或者减小ControlNet权重。6.3 模型在列表里不显示三种原因一次说清模型文件放进checkpoints目录后前端下拉列表刷新不出来。大部分原因是文件名编码问题改成全英文后重新点刷新就能出现。还有两种情况一是模型本身损坏safetensors的头部信息不完整ComfyUI加载时直接跳过二是你放错了目录比如把LoRA模型误放到checkpoints下前端只会在对应分类里显示。最后一个很隐蔽启动器运行时的当前工作目录不对比如你在cmd里用绝对路径启动python.exe main.py而前端渲染的模型路径以相对路径为基础把bat文件放在ComfyUI根目录再运行便可避免。6.4 便携包版与项目源码版的区别要不要换源码版很多教程推荐用git clone源码版加venv安装理由是更新方便、能精确控制依赖。但对GTX 1660用户来说便携包更省心。它把Python、CUDA运行时、PyTorch、ComfyUI全部打包解压即用源码版则需要你自己配置Python环境、安装CUDA相关依赖任何一个环节错了都要排查半天。便携包的劣势是体积大、更新整包不方便。不过更新可以用它自带的update_comfyui.bat不至于每次都要重新下载2.6GB。如果你玩到后期想深度学习节点开发再切换到源码版更合适。前期就用便携包把核心工作流跑通这是我最推荐的路线。最后分享一点个人体会GTX 1660不会是AI绘画圈里跑得最快的那张卡但它有自己清晰的定位用最低的投入验证这套工具链、跑通完整的出图流程、学会节点工作流的概念。我在1660上把文生图、图生图、局部重绘、ControlNet、AnimateDiff都试过一轮之后换到更高阶显卡时几乎零成本上手——因为ComfyUI的核心是工作流逻辑和显存大小无关。如果你现在正拿这张卡纠结要不要入坑我给的建议是直接动手。下载cu126分支的便携包按第3章的路径装好先用默认的SD1.5模型把流程跑通再逐渐叠加ControlNet和Tiled VAE。卡顿和爆显存都会是常态但每一次报错后面的排查都会让你更熟悉这套系统的脾气。我自己的感觉是等你能闭着眼写出一个不爆显存的工作流时你对ComfyUI的理解就已经超过大多数只会抄作业的人了。