← 返回博客
Ai预计阅读 8 分钟

120 个应用,一个应用一个文件夹,还有没人公布的 GPU 数字

发布于 2026年11月13日
120 个应用,一个应用一个文件夹,还有没人公布的 GPU 数字

Freefield 用一句话介绍自己:跑在 ComfyUI 上的开源 Higgsfield,每个应用是一个文件夹,每个模型都是开放权重。

这句话承担了不少分量,而仓库用最不体面的方式把它兜住了。里面有一张 120 个应用的表格。每个应用是一个目录,带一份 `app.json` 清单。网页界面、运行器、模型下载、显存映射表和测试,全部由这些清单生成。改清单,浏览器里的表单跟着改。

盒子里到底装了什么

菜单照着商业产品的排版来做,这本来就是这套练习的目的。图像、视频、特效、音频四个工作室,光视频菜单就有 46 个应用,分在 Create、Edit、Motion control、Templates 四组。

120 个应用里,119 个标记为就绪。39 个跑自己的 workflow。5 个是 IC-LoRA 应用,覆盖 Genjutsu 风格换角、重构图、SDR 转 HDR、混合素材和配音。1 个是变形应用。72 个是模板应用,固定的 prompt 跑在已有流水线上,由脚本生成而不是手写。2 个是无模型的冒烟测试应用,给 CI 用。还有一个 `moss-image` 仍是草稿。

这份拆分比标题数字更重要。一个仓库说有 120 个应用,实际意思是 72 个 prompt 预设,它对预设是什么这件事是诚实的。

这一段会改变你看其他项目的方式

网页界面里的每个示例都是一次真实的 GPU 运行,仓库把运行日志也公开了。10 月 20 日到 26 日之间,在 Modal 上跑了 48 次实验,硬件是 L40S 和 H100。733 个用例里,710 个返回 ok。

也就是 96.9%,没跑通的 23 个被列了出来,没有被删掉。

端到端耗时同样公开。10 月 23 日,从浏览器经网页界面、服务端、Modal 上的网关到 H100 上的 ComfyUI 这条链路:`morph` 应用从按下按钮到视频成片用了 160.8 秒,其中 128.7 秒在 GPU 上。`mixed-media` 用了 149 秒。`dub` 用了 72 秒。一天之后,`face-swap` 在 GPU 上花了 25.2 秒。

每个应用都列了显存峰值,并注明跑在哪张卡上。`cinema-video` 在 L40S 上要 44.3 GB。`h3-video` 光文本编码器就要 27.1 GB。`reshoot` 用 MiniMax H3 加 MoGe 和 CrossView 从新角度重渲一段素材,在 48 GB 卡上峰值 44.2 GB。

试过照 README 估算 GPU 租用成本的人,都知道这有多罕见。多数项目只告诉你模型。很少有人告诉你模型外面那套流水线的显存峰值,而这个数字才真正决定你手上的卡够不够。

深色石材上摆着十二块材质样本砖,旁边是一只表盘空白的秒表

可以先看的几个应用

`cinema-video` 在一张图里串起两个模型:FLUX 3 Image Klein 生成的一张静帧变成 LTX-2.5 图生视频的首帧,镜头运动最多选三个,从 33 个里挑,顺序按你选的写。实验记录里有一条值得抄走的发现:单个镜头运动会稳住,两个运动叠在一起顺序就崩。这种细节只能靠真跑一遍拿到。

`h3-video` 和 `h3-photo` 用 Comfy 的模板跑 int8 的 MiniMax H3,从文本或照片到带人声、音效和音乐的片段,20 步,不用 turbo LoRA。`extend-video` 接住已有片段的最后一帧,带着它自己的音频继续往下生成。`reshoot` 改已拍好镜头的机位,并补上重投影留下的空洞。

图像这边摆着当下开放模型的一整排:带升采样和不带升采样的 FLUX 3 Klein、Z-Image Turbo、Krea 2 Turbo、MOSS-Image。仓库把同样的六个 prompt 在每个模型上跑一遍,每帧下面印着 GPU 秒数和显存峰值,还附了一句:在 Modal 每小时 $1.95 的基础价上,单张图大约 $0.007。

安装

两条路径,都写了文档。

用 Modal:Node 22.6+、Python 3.10+,一个 Modal 账号。先跑 `python tools/doctor.py`,它会报告缺什么、Modal 是否已登录、密钥是否存在、哪些受限的 Hugging Face 许可你还没接受。然后 `python tools/setup_token.py` 生成网关 token,`modal secret create huggingface HF_TOKEN=...`,`python tools/catalog.py packs` 构建下载包,`modal run infra/modal_app.py::download --pack image` 拉权重,`modal deploy infra/modal_app.py` 部署,`npm install && npm run serve` 在 3000 端口起界面。

不用 Modal:`python tools/local_backend.py setup ~/freefield-comfy` 会在一个固定 commit 上装好 ComfyUI 和固定版本的自定义节点,附带一个 Comfy API 代理和 token 网关。然后本地下载包、跑后端、启动同一个网页应用。应用表里有一列专门写什么能塞进 24 GB 的卡。

也可以不开浏览器,从终端直接驱动应用,用一句像 `a red bicycle against a white wall` 的 prompt 调 create-image。

缝合处

任何重活都真的离不开 Modal。好几个应用在显存数字旁边写着「needs Modal」,这是委婉说法,意思是这套流水线塞不进消费级显卡。如果你的计划是本地那张 4090,下载权重之前先把 24 GB 那一列看仔细。

网关 token 和按应用卸载的行为都有原因:在两个基础模型不同的应用之间切换时,网关会调 ComfyUI 的释放端点,让上一个应用的东西不留在显存里。这是拿胶带糊住一个真实问题的做法,代价是冷启动成了体验的一部分。

模板应用是目录里最弱的一块。72 条固定 prompt 套在已有流水线上,对任何打开文件夹期待看到代码的人来说,都像在凑数。真正有工程含量的地方在那 39 个自带 workflow 的应用里。

还有一个许可证问题,仓库提出来了但没完全回答。一个人物 LoRA 会把 GPU 占住几十分钟,账单落在某个人的 Modal 账号上,而真人脸部的 LoRA 得按用户存储、还得有同意。README 把这条列成未决问题。直觉是对的,问题还悬着。

为什么值得花一个下午

AI 工作室这个品类里,挤满了藏起内部实现的产品,和只给你一个 demo 加一份跑不起来的安装脚本的开源克隆。Freefield 站在第三个位置:它把管道露出来,公布失败率,把账单印在输出旁边。

这个组合让它即使你从不运行也有用。光那张显存映射表就是自建媒体流水线的参考文档,而每个应用的耗时和内存数字,正是多数厂商捂着不给的数据,因为公开了会让营销显得难看。

实验室自己的说法是一个可以拿去别处套用的测试:每个示例都是一次真实运行。如果一个项目说不出这句话,那就问它的示例到底是什么。

相关文章