120 app, una cartella ciascuna, e i numeri GPU che nessuno pubblica

Freefield si descrive in una riga: Higgsfield open source su ComfyUI, dove ogni app è una cartella e ogni modello ha pesi aperti.
Quella frase si sobbarca parecchio, e il repository la sostiene nel modo meno appariscente possibile. C'è una tabella di 120 app. Ogni app è una directory con un manifest `app.json`. L'interfaccia web, il runner, i download dei modelli, la mappa della VRAM e i test sono tutti generati da quei manifest. Cambi il manifest e il modulo nel browser cambia con lui.
Cosa c'è davvero nella scatola
I menu ricalcano la disposizione di un prodotto commerciale, ed è proprio il punto dell'esercizio. Studi per immagine, video, VFX e audio, con il solo menu video che contiene 46 app raggruppate in Create, Edit, Motion control e Templates.
Delle 120 app, 119 sono segnate come pronte. Trentanove eseguono un workflow proprio. Cinque sono app IC-LoRA e coprono scambio di personaggio in stile Genjutsu, reinquadratura, da SDR a HDR, media misti e doppiaggio. Una è un'app di morphing. Settantadue sono app template, dove un prompt fisso viene eseguito su una pipeline esistente, generate da script invece che costruite a mano. Due sono app di smoke test senza modello, per la CI. Una, `moss-image`, è ancora una bozza.
Questa ripartizione conta più del numero in titolo. Un repository che dice 120 app e intende 72 preset di prompt è onesto su cosa sia un preset.
La parte che cambia il modo in cui leggi ogni altro progetto
Ogni esempio nell'interfaccia web è una vera esecuzione su GPU, e il repository pubblica il registro delle esecuzioni. Quarantotto run di laboratorio su Modal tra il 20 e il 26 ottobre, su hardware L40S e H100. Su 733 casi, 710 sono tornati ok.
Cioè il 96.9%, e i 23 che non hanno funzionato sono elencati invece che cancellati.
I tempi end-to-end sono pubblicati allo stesso modo. Il 23 ottobre, partendo dal browser attraverso l'interfaccia web, il server, un gateway su Modal e ComfyUI su una H100: l'app `morph` ha impiegato 160.8 secondi dal clic al video finito, di cui 128.7 secondi sulla GPU. `mixed-media` ha impiegato 149 secondi. `dub` ne ha impiegati 72. Un giorno dopo, `face-swap` ha passato 25.2 secondi sulla GPU.
Il picco di VRAM è indicato per app, insieme alla GPU su cui è girata. `cinema-video` richiede 44.3 GB su una L40S. `h3-video` richiede 27.1 GB solo per il text encoder. `reshoot`, che ri-renderizza una clip da un'angolazione nuova con MiniMax H3 più MoGe e CrossView, arriva a 44.2 GB su una scheda da 48 GB.
Chi ha provato a dimensionare un noleggio GPU leggendo un README sa perché questo è insolito. Quasi tutti i progetti ti dicono il modello. Pochissimi ti dicono il picco di memoria della pipeline attorno al modello, ed è quel numero a decidere davvero se la tua scheda regge.

Le app da guardare per prime
`cinema-video` incatena due modelli in un solo grafo: un fotogramma fermo prodotto da FLUX 3 Image Klein diventa il primo frame dell'image-to-video di LTX-2.5, con fino a tre movimenti di camera scelti da una lista di 33 e scritti nell'ordine in cui li scegli. Le note di laboratorio registrano un risultato che vale la pena copiare: un singolo movimento di camera tiene, mentre l'ordine di due movimenti si sfascia. Questo tipo di dettaglio esce solo facendo girare la cosa.
`h3-video` e `h3-photo` eseguono MiniMax H3 in int8 dai template di Comfy, da testo o foto a una clip con parlato, effetti e musica, 20 step, senza turbo LoRA. `extend-video` prende l'ultimo frame di una clip esistente e la continua con il suo audio. `reshoot` cambia l'angolazione di camera su un'inquadratura già girata e riempie i buchi lasciati dalla riproiezione.
Sul lato immagine c'è uno scaffale dei modelli aperti del momento: FLUX 3 Klein con e senza upsampler, Z-Image Turbo, Krea 2 Turbo, MOSS-Image. Il repository mostra sei prompt identici passati in ognuno, con i secondi GPU e il picco di VRAM stampati sotto ogni frame, più una nota: una singola immagine costa circa $0.007 alla tariffa base di Modal, $1.95 l'ora.
Installazione
Due strade, entrambe documentate.
Con Modal: Node 22.6+, Python 3.10+ e un account Modal. Lancia prima `python tools/doctor.py`, che segnala cosa manca, se Modal è loggato, se esistono i secret e quali licenze Hugging Face soggette a restrizioni non hai ancora accettato. Poi `python tools/setup_token.py` per generare il token del gateway, `modal secret create huggingface HF_TOKEN=...`, `python tools/catalog.py packs` per costruire i pacchetti di download, `modal run infra/modal_app.py::download --pack image` per scaricare i pesi, `modal deploy infra/modal_app.py` per il deploy e `npm install && npm run serve` per alzare l'interfaccia sulla porta 3000.
Senza Modal: `python tools/local_backend.py setup ~/freefield-comfy` installa ComfyUI su un commit fissato con nodi custom fissati, più un proxy per l'API di Comfy e il gateway dei token. Poi scarichi i pacchetti in locale, avvii il backend e lanci la stessa web app. La tabella delle app ha una colonna per ciò che entra in una scheda da 24 GB.
Puoi anche pilotare un'app dal terminale senza browser, chiamando l'app create-image con un prompt come `a red bicycle against a white wall`.
Dove si vedono le cuciture
La dipendenza da Modal è reale per tutto ciò che è pesante. Diverse app scrivono "needs Modal" accanto al numero di VRAM, che è un modo gentile per dire che la pipeline non entra in una scheda consumer. Se il piano è una 4090 locale, leggi con attenzione la colonna dei 24 GB prima di iniziare a scaricare pesi.
Il token del gateway e il comportamento di scaricamento per app esistono per un motivo: tra due app con modelli base diversi, il gateway chiama l'endpoint di liberazione di ComfyUI così nulla dell'app precedente resta in memoria. È una soluzione tenuta insieme con nastro adesivo a un problema vero, e significa che i cold start fanno parte dell'esperienza.
Le app template sono la parte più debole del catalogo. Settantadue voci che sono un prompt fisso su una pipeline esistente sembreranno riempitivo a chiunque apra la cartella aspettandosi codice. L'ingegneria vive nelle 39 app con un workflow proprio.
C'è anche una questione di licenze che il repository solleva senza rispondere del tutto. Un LoRA di personaggio tiene occupata una GPU per decine di minuti, la bolletta arriva sull'account Modal di qualcuno, e un LoRA del volto di una persona va conservato per utente e con consenso. Il README lo segnala come questione aperta. L'istinto è giusto, e resta irrisolta.
Perché questo merita il tuo pomeriggio
La categoria degli studi AI è affollata di prodotti che nascondono le loro interiora e di cloni open source che ti mostrano una demo e uno script di installazione rotto. Freefield sta in un terzo posto: espone le tubature, pubblica il tasso di errore e stampa la bolletta accanto all'output.
Questa combinazione lo rende utile anche se non lo eseguirai mai. Solo la mappa della VRAM è un documento di riferimento per chi progetta una pipeline media self-hosted, e i tempi e la memoria per app sono esattamente i dati che la maggior parte dei fornitori tiene privati perché fanno sembrare peggiore il loro marketing.
L'inquadratura del laboratorio stesso è un buon test da applicare altrove. Ogni esempio è una vera esecuzione. Se un progetto non può dirlo, chiedi cosa siano allora gli esempi.
Articoli correlati
Un server, una streamer IA: dentro il codice che manda avanti una diretta notturna
open-yoki è il codice di produzione di una host IA che va in diretta ogni sera su Binance Square, con persona, voce e funzioni legate al denaro rimosse. headless Chrome disegna il frame, ffmpeg spinge RTMP, una cartella di Markdown decide umore e post.
Pinky lascia che un agent guidi il tuo telefono e tiene premuto Invia finché non tocchi Consenti
Pinky collega qualsiasi agent MCP a un iPhone o Android vero e impone l'approvazione nel proprio gateway invece che in un prompt. Le app bancarie sono invisibili, i campi password sono off limits e su Android 13 l'agent riceve un secondo schermo nascosto.
AnyModelBot mette un piccolo team di bot IA sulla tua macchina, chiavi comprese
AnyModelBot è un'app desktop che fa girare più bot insieme, ognuno con la sua persona, il suo modello, la sua cartella di lavoro e la sua memoria. Ci parli dentro l'app oppure da WeChat, Feishu, Telegram, Slack e Discord, e file, cronologia e chiavi API restano sul tuo disco.
SeedRealtime di ByteDance prende due frame al secondo e decide quando parlare
Doubao-Seed-Realtime-1.0 mette frame di camera, frame di schermo e voce in un'unica sessione full duplex, a non più di due frame al secondo. Le decisioni interessanti sono la frequenza dei frame, il parlato proattivo e la risposta di audit attiva di serie.