開源 AI 影像堆疊正被重建，一次一個工作流程

本月的模型發布背後，有一個較安靜的故事正在發生，地點在 Hugging Face。驅動本地 AI 影像生成的開源工具正在被重建，而做這件事的人不是大型實驗室，而是公開協作的社群。

最明顯的例子發生在 2026 年 9 月 11 日，Hugging Face 發布了 Workflow1111，這個專案使用 gr.Workflow 重現了 AUTOMATIC1111 大部分的功能。如果這句話對你來說毫無意義，簡短版本是：最受歡迎的 Stable Diffusion 本地介面——那個讓一整代人能在自己的 GPU 上執行影像模型的工具——正以更現代、更易維護的形式重新實作。

AUTOMATIC1111 是什麼，以及為什麼重要

要理解為什麼這次重建值得關注，你需要了解一點歷史。

多年來，如果你想在本機執行 Stable Diffusion，你會使用 AUTOMATIC1111 的網頁介面，大家都稱它為 A1111。它是預設選擇，處理文字生成影像、影像生成影像、修補（inpainting）、放大（upscaling），以及龐大的擴充生態系統。大多數教學、大多數 LoRA 訓練腳本，以及社群大多數的肌肉記憶，都透過它運作。

問題是 A1111 已經老舊。程式碼庫累積了多年的修補，擴充系統變得脆弱，它所建構的底層 Gradio 版本也已過時。與此同時，基於節點的替代方案 ComfyUI 以更乾淨、更具組合性的設計，接管了進階使用者市場。A1111 並未消失，但動能停滯了。

Workflow1111 試圖在 gr.Workflow 之上重建 A1111 的體驗，gr.Workflow 是建構 Gradio 應用程式更新、更有結構的方式。它不是分支（fork），而是公開進行的重新實作。

這次重建涵蓋了什麼

以社群專案而言，這個範圍令人印象深刻。Workflow1111 在 11 條媒體管線中重建了 73 個節點，涵蓋了讓 A1111 成為預設選擇的大部分功能。

清單包括文字生成影像、影像生成影像和高解析度修復這三項核心工作。它還包含提示詞矩陣（prompt matrix），讓你能以網格測試提示詞與參數的組合；以及 VLM 反向提示詞功能，讀取影像並從中建議提示詞。此外還有修補遮罩生成、用於以邊緣和姿勢資訊引導模型的 ControlNet 風格預處理器、背景移除、PNG 中繼資料處理，甚至還有影像生成影片。

最後一項是訊號。原本的 A1111 是靜態影像工具，重建版本卻包含影片，顯示這個專案不只是重現過去，而是為了領域的未來走向、而非過去位置來重建堆疊。

為什麼社群要自己做這件事

有一個值得注意的模式：封閉的實驗室發布模型，開源社群則發布模型周圍的基礎管線。

模型搶佔頭條，但基礎管線才決定模型是否真的可用。一個優秀的模型若沒有像樣的介面，只是研究產物；一個好模型配上出色介面，就能成為愛好者可以在筆電上執行的東西。

社群重建這些基礎管線，是因為封閉公司對它不感興趣。像 OpenAI 這樣公司沒有動機維護本地 Stable Diffusion 介面。讓本地工具存續的動機來自使用者，而他們做這件事的原因和任何開源維護者一樣：他們需要這個工具，所以自己打造。

ComfyUI 與雙軌生態系

本地生態系現在以雙軌運作。

ComfyUI 是進階工具。它以節點為基礎，意味著你從個別操作自行串接管線。它較難學習，但靈活得多，已成為想要精確控制者的標準。它持續更新，最新版本在九月中旬才剛推出，進一步拓展相同領域。

Workflow1111 及其同類屬於易用性軌道。它們為不想學習節點圖的人重現熟悉、線性的 A1111 體驗。兩條軌道服務不同的人，因為使用情境不同而共存。

Workflow1111 重建的意義在於，易用性軌道不再被棄置。很長一段時間，選擇似乎只有老化的 A1111 和需要真正技術能力的 ComfyUI。這次重建為人們提供了中間地帶一個受維護、現代的選項。

你究竟該不該使用本地工具

對多數人來說，誠實的答案是：一開始不用。

雲端工具在大多數工作上更好。它們啟動更快、不需要高階 GPU，也不要求你維護任何東西。如果你只是想製作一張影像，打開網頁應用程式做就是了。

本地工具因三個具體原因而有其地位。第一是規模成本：如果你要生成數千張影像，自己硬體的單張成本勝過任何 API。第二是控制權：本地工具讓你能調整每個參數、替換自訂模型和 LoRA，並建立雲端工具永遠不會公開的管線。第三是隱私：如果你的影像或提示詞敏感，在本機執行意味著它們永遠不會離開你的機器。

代價是學習曲線。本地工具期望你對模型、硬體和工具本身有一些了解。那是真實的障礙，也正是 Workflow1111 這類專案試圖透過帶回熟悉、線性介面來降低的障礙。

務實的路徑是先從雲端開始，遇到瓶頸時再轉向本地。當你真的遇到瓶頸，開源堆疊正被積極重建的事實，意味著那道牆比過去更低，而且還在持續降低。

如果你不在本機執行模型，這代表什麼

大多數閱讀這篇文章的人永遠不會在本機執行模型，這沒關係。雲端工具在多數工作上更好，而且愈來愈便宜。

但開源堆疊的健康仍然對每個人很重要，原因有兩個。第一，便宜和免費的選項來自這裡。開放模型及其周邊工具，是防止市場價格下限上升的力量。第二，下一代想法往往最先在這裡出現。本地工具是人們實驗奇怪工作流程的地方，而這些流程最終會被大公司產品化。

從大局來看，Workflow1111 是個小專案，只是重新實作了一個多數人永遠不會使用的介面。但它是個訊號：開源 AI 影像生態系不只是在封閉模型的洪流中存活，而是由在乎的人積極重建，為一個變化速度仍快過任何人能跟上的領域努力。