← Voltar ao blog
Aicerca de 7 min de leitura

120 apps, uma pasta para cada, e os números de GPU que ninguém publica

Publicado 13 de nov. de 2026
120 apps, uma pasta para cada, e os números de GPU que ninguém publica

Freefield se descreve em uma linha: Higgsfield open source no ComfyUI, onde cada app é uma pasta e cada modelo tem pesos abertos.

Essa frase carrega bastante peso, e o repositório a sustenta do jeito menos vistoso possível. Existe uma tabela de 120 apps. Cada app é um diretório com um manifesto `app.json`. A interface web, o runner, o download dos modelos, o mapa de VRAM e os testes são todos gerados a partir desses manifestos. Mude o manifesto e o formulário no navegador muda junto.

O que realmente tem na caixa

Os menus espelham o layout de um produto comercial, e esse é justamente o ponto do exercício. Estúdios de imagem, vídeo, VFX e áudio, com o menu de vídeo sozinho segurando 46 apps agrupadas em Create, Edit, Motion control e Templates.

Das 120 apps, 119 estão marcadas como prontas. Trinta e nove rodam um workflow próprio. Cinco são apps IC-LoRA, cobrindo troca de personagem no estilo Genjutsu, reenquadramento, SDR para HDR, mídia misturada e dublagem. Uma é uma app de morphing. Setenta e duas são apps de template, em que um prompt fixo roda sobre um pipeline existente, geradas por script em vez de construídas à mão. Duas são apps de smoke test sem modelo, para CI. Uma, `moss-image`, ainda é rascunho.

Essa divisão importa mais do que o número da manchete. Um repositório que diz 120 apps e quer dizer 72 presets de prompt está sendo honesto sobre o que é um preset.

A parte que muda como você lê todos os outros projetos

Todo exemplo na interface web é uma execução real de GPU, e o repositório publica o log. Quarenta e oito execuções de laboratório no Modal entre 20 e 26 de outubro, em hardware L40S e H100. De 733 casos, 710 voltaram ok.

Isso dá 96.9%, e os 23 que não funcionaram aparecem listados em vez de apagados.

Os tempos de ponta a ponta são publicados do mesmo jeito. Em 23 de outubro, saindo do navegador pela interface web, pelo servidor, por um gateway no Modal e pelo ComfyUI numa H100: o app `morph` levou 160.8 segundos do clique até o vídeo pronto, com 128.7 segundos disso na GPU. `mixed-media` levou 149 segundos. `dub` levou 72 segundos. Um dia depois, `face-swap` passou 25.2 segundos na GPU.

O pico de VRAM aparece por app, junto com a GPU em que rodou. `cinema-video` precisa de 44.3 GB numa L40S. `h3-video` precisa de 27.1 GB só para o codificador de texto. `reshoot`, que re-renderiza um clipe de outro ângulo com MiniMax H3 mais MoGe e CrossView, chega a 44.2 GB numa placa de 48 GB.

Quem já tentou dimensionar um aluguel de GPU a partir de um README sabe por que isso é incomum. Quase todo projeto te diz o modelo. Pouquíssimos dizem o pico de memória do pipeline em volta do modelo, e é esse número que decide se a sua placa aguenta.

doze pastilhas de amostras de materiais sobre pedra escura ao lado de um cronômetro de mostrador em branco

Os apps que valem uma primeira olhada

`cinema-video` encadeia dois modelos num único grafo: um still gerado pelo FLUX 3 Image Klein vira o primeiro frame do image-to-video do LTX-2.5, com até três movimentos de câmera escolhidos de uma lista de 33 e escritos na ordem em que você os seleciona. As notas do laboratório registram um achado que vale a pena copiar: um movimento de câmera isolado segura, enquanto a ordem de dois movimentos quebra. Esse tipo de detalhe só sai rodando a coisa.

`h3-video` e `h3-photo` rodam o MiniMax H3 em int8 a partir dos templates do Comfy, de texto ou foto para um clipe com fala, efeitos e música, 20 passos, sem turbo LoRA. `extend-video` pega o último frame de um clipe existente e continua dali com o áudio próprio. `reshoot` muda o ângulo de câmera de um plano já rodado e preenche os buracos deixados pela reprojeção.

No lado da imagem há uma prateleira dos modelos abertos do momento: FLUX 3 Klein com e sem o upsampler, Z-Image Turbo, Krea 2 Turbo, MOSS-Image. O repositório mostra seis prompts idênticos passando por cada um, com segundos de GPU e pico de VRAM impressos embaixo de cada frame, mais uma nota: uma única imagem custa cerca de $0.007 na tarifa base do Modal, $1.95 por hora.

Instalação

Dois caminhos, os dois documentados.

Com Modal: Node 22.6+, Python 3.10+ e uma conta Modal. Rode primeiro `python tools/doctor.py`, que informa o que falta, se o Modal está logado, se os segredos existem e quais licenças restritas do Hugging Face você ainda não aceitou. Depois `python tools/setup_token.py` para gerar o token do gateway, `modal secret create huggingface HF_TOKEN=...`, `python tools/catalog.py packs` para montar os pacotes de download, `modal run infra/modal_app.py::download --pack image` para puxar os pesos, `modal deploy infra/modal_app.py` para fazer o deploy e `npm install && npm run serve` para subir a interface na porta 3000.

Sem Modal: `python tools/local_backend.py setup ~/freefield-comfy` instala o ComfyUI num commit fixo com nós customizados também fixos, mais um proxy da API do Comfy e o gateway de token. Depois você baixa os pacotes localmente, sobe o backend e inicia o mesmo app web. A tabela de apps tem uma coluna para o que cabe numa placa de 24 GB.

Dá também para controlar um app pelo terminal sem navegador, chamando o app create-image com um prompt como `a red bicycle against a white wall`.

Onde as costuras aparecem

A dependência do Modal é real para tudo que é pesado. Vários apps escrevem "needs Modal" ao lado do número de VRAM, o que é um jeito educado de dizer que o pipeline não cabe numa placa de consumidor. Se o seu plano é uma 4090 local, leia com atenção a coluna de 24 GB antes de começar a baixar pesos.

O token do gateway e o comportamento de descarregamento por app existem por um motivo: entre dois apps com modelos base diferentes, o gateway chama o endpoint de liberação do ComfyUI para que nada do app anterior fique na memória. É uma solução de fita adesiva para um problema real, e significa que cold starts fazem parte da experiência.

Os apps de template são a parte mais fraca do catálogo. Setenta e duas entradas que são um prompt fixo sobre um pipeline existente vão parecer enchimento para quem abrir a pasta esperando código. A engenharia vive nos 39 apps com workflow próprio.

Há também uma questão de licenciamento que o repositório levanta e não responde por completo. Um LoRA de personagem ocupa uma GPU por dezenas de minutos, a fatura cai na conta Modal de alguém, e um LoRA do rosto de uma pessoa precisa ser guardado por usuário e com consentimento. O README marca isso como questão aberta. O instinto está certo, e segue sem solução.

Por que este merece a sua tarde

A categoria de estúdio de IA está cheia de produtos que escondem as tripas e de clones open source que mostram uma demo e um script de instalação quebrado. O Freefield fica num terceiro lugar: expõe o encanamento, publica a taxa de falha e imprime a fatura ao lado da saída.

Essa combinação o torna útil mesmo se você nunca rodar. Só o mapa de VRAM já é um documento de referência para quem planeja um pipeline de mídia auto-hospedado, e os tempos e a memória por app são exatamente os dados que a maioria dos fornecedores mantém privados porque fazem o marketing deles parecer pior.

O enquadramento do próprio laboratório é um bom teste para aplicar em outros lugares. Todo exemplo é uma execução real. Se um projeto não consegue dizer isso, pergunte o que são os exemplos.

Artigos relacionados