120 個應用,一個應用一個資料夾,還有沒人公布的 GPU 數字

Freefield 用一句話介紹自己:跑在 ComfyUI 上的開源 Higgsfield,每個應用是一個資料夾,每個模型都是開放權重。
這句話承擔了不少分量,而倉庫用最不體面的方式把它兜住了。裡面有一張 120 個應用的表格。每個應用是一個目錄,帶一份 `app.json` 清單。網頁介面、執行器、模型下載、顯存映射表和測試,全部由這些清單生成。改清單,瀏覽器裡的表單跟著改。
盒子裡到底裝了什麼
選單照著商業產品的排版來做,這本來就是這套練習的目的。圖像、影片、特效、音訊四個工作室,光影片選單就有 46 個應用,分在 Create、Edit、Motion control、Templates 四組。
120 個應用裡,119 個標記為就緒。39 個跑自己的 workflow。5 個是 IC-LoRA 應用,覆蓋 Genjutsu 風格換角、重構圖、SDR 轉 HDR、混合素材和配音。1 個是變形應用。72 個是模板應用,固定的 prompt 跑在既有的管線上,由腳本生成而不是手寫。2 個是無模型的冒煙測試應用,給 CI 用。還有一個 `moss-image` 仍是草稿。
這份拆分比標題數字更重要。一個倉庫說有 120 個應用,實際意思是 72 個 prompt 預設,它對預設是什麼這件事是誠實的。
這一段會改變你看其他專案的方式
網頁介面裡的每個範例都是一次真實的 GPU 執行,倉庫把執行日誌也公開了。10 月 20 日到 26 日之間,在 Modal 上跑了 48 次實驗,硬體是 L40S 和 H100。733 個用例裡,710 個回報 ok。
也就是 96.9%,沒跑通的 23 個被列了出來,沒有被刪掉。
端到端耗時同樣公開。10 月 23 日,從瀏覽器經網頁介面、伺服器、Modal 上的閘道到 H100 上的 ComfyUI 這條鏈路:`morph` 應用從按下按鈕到影片成片用了 160.8 秒,其中 128.7 秒在 GPU 上。`mixed-media` 用了 149 秒。`dub` 用了 72 秒。一天之後,`face-swap` 在 GPU 上花了 25.2 秒。
每個應用都列了顯存峰值,並註明跑在哪張卡上。`cinema-video` 在 L40S 上要 44.3 GB。`h3-video` 光文字編碼器就要 27.1 GB。`reshoot` 用 MiniMax H3 加 MoGe 和 CrossView 從新角度重渲一段素材,在 48 GB 卡上峰值 44.2 GB。
試過照 README 估算 GPU 租用成本的人,都知道這有多罕見。多數專案只告訴你模型。很少有人告訴你模型外面那套管線的顯存峰值,而這個數字才真正決定你手上的卡夠不夠。

可以先看的幾個應用
`cinema-video` 在一張圖裡串起兩個模型:FLUX 3 Image Klein 生成的一張靜幀變成 LTX-2.5 圖生影片的首幀,鏡頭運動最多選三個,從 33 個裡挑,順序照你選的寫。實驗記錄裡有一條值得抄走的發現:單一鏡頭運動會穩住,兩個運動疊在一起順序就崩。這種細節只能靠真跑一遍拿到。
`h3-video` 和 `h3-photo` 用 Comfy 的模板跑 int8 的 MiniMax H3,從文字或照片到帶人聲、音效和音樂的片段,20 步,不用 turbo LoRA。`extend-video` 接住既有片段的最後一格,帶著它自己的音訊繼續往下生成。`reshoot` 改已拍好鏡頭的機位,並補上重投影留下的空洞。
圖像這邊擺著當下開放模型的一整排:帶升採樣和不帶升採樣的 FLUX 3 Klein、Z-Image Turbo、Krea 2 Turbo、MOSS-Image。倉庫把同樣的六個 prompt 在每個模型上跑一遍,每格下面印著 GPU 秒數和顯存峰值,還附了一句:在 Modal 每小時 $1.95 的基礎價上,單張圖大約 $0.007。
安裝
兩條路徑,都寫了文件。
用 Modal:Node 22.6+、Python 3.10+,一個 Modal 帳號。先跑 `python tools/doctor.py`,它會報告缺什麼、Modal 是否已登入、密鑰是否存在、哪些受限的 Hugging Face 授權你還沒接受。然後 `python tools/setup_token.py` 生成閘道 token,`modal secret create huggingface HF_TOKEN=...`,`python tools/catalog.py packs` 建置下載包,`modal run infra/modal_app.py::download --pack image` 拉權重,`modal deploy infra/modal_app.py` 部署,`npm install && npm run serve` 在 3000 埠起介面。
不用 Modal:`python tools/local_backend.py setup ~/freefield-comfy` 會在一個固定的 commit 上裝好 ComfyUI 和固定版本的自訂節點,附帶一個 Comfy API 代理和 token 閘道。然後本地下載包、跑後端、啟動同一個網頁應用。應用表裡有一欄專門寫什麼能塞進 24 GB 的卡。
也可以不開瀏覽器,從終端機直接驅動應用,用一句像 `a red bicycle against a white wall` 的 prompt 呼叫 create-image。
縫合處
任何重活都真的離不開 Modal。好幾個應用在顯存數字旁邊寫著「needs Modal」,這是委婉說法,意思是這套管線塞不進消費級顯卡。如果你的計畫是本地那張 4090,下載權重之前先把 24 GB 那一欄看仔細。
閘道 token 和按應用卸載的行為都有原因:在兩個基礎模型不同的應用之間切換時,閘道會呼叫 ComfyUI 的釋放端點,讓上一個應用的東西不留在顯存裡。這是拿膠帶糊住一個真實問題的做法,代價是冷啟動成了體驗的一部分。
模板應用是目錄裡最弱的一塊。72 條固定 prompt 套在既有管線上,對任何打開資料夾期待看到程式碼的人來說,都像在湊數。真正有工程含量的地方在那 39 個自帶 workflow 的應用裡。
還有一個授權問題,倉庫提出來了但沒完全回答。一個人物 LoRA 會把 GPU 佔住幾十分鐘,帳單落在某個人的 Modal 帳號上,而真人臉部的 LoRA 得按使用者儲存、還得有意願書。README 把這條列成未決問題。直覺是對的,問題還懸著。
為什麼值得花一個下午
AI 工作室這個品類裡,擠滿了藏起內部實作的產品,和只給你一個 demo 加一份跑不起來的安裝腳本的開源複製。Freefield 站在第三個位置:它把管線露出來,公布失敗率,把帳單印在輸出旁邊。
這個組合讓它即使你從不執行也有用。光那張顯存映射表就是自建媒體管線的參考文件,而每個應用的耗時和記憶體數字,正是多數廠商捂著不給的資料,因為公開了會讓行銷顯得難看。
實驗室自己的說法是一個可以拿去別處套用的測試:每個範例都是一次真實執行。如果一個專案說不出這句話,那就問它的範例到底是什麼。
相關文章
ByteDance 的 SeedRealtime 每秒只取兩張影格,再自己決定什麼時候開口
豆包 Seed-Realtime-1.0 把攝影機畫面、螢幕畫面和語音合成一個全雙工工作階段,每秒最多推兩張影格。有意思的決定是影格率、主動說話,以及預設就開著的審核回覆。
一台 server、一個 AI 主播:夜間直播背後的程式碼
open-yoki 是一個每晚在 Binance Square 直播的 AI 主播的生產程式碼,人格、聲音和跟錢有關的功能都拿掉了。headless Chrome 畫幀,ffmpeg 推 RTMP,一個 Markdown 資料夾決定她的情緒和要發的東西。
Pinky 讓 agent 開你的手機,並且一直按著傳送鍵,直到你按下允許
Pinky 把任何 MCP agent 接到真的 iPhone 或 Android 手機上,審批在自己的閘道裡執行,不寫成 prompt。銀行類 App 對 agent 不可見,密碼欄位碰不到,在 Android 13 上 agent 還能拿到一塊隱藏的第二螢幕。
有人把全世界的法律放進了 git,於是你可以 blame 一條法條
global-law 把每個國家的法令存成一個 git 儲存庫,每次 commit 就是一部在某個已知日期生效的法律。你可以對一條法規跑 log、blame、show 和 diff,查某一天各國在施行什麼法,並透過 MCP 把整份語料交給助理。