ComfyUIでFP8/GGUF版のFLUX.2 devを試す（VRAM 16GB以上）
Last update 11-29-2025
※ 確認が不十分な箇所等があるため、改めて更新する予定です。問題や誤り等があればお知らせください。
※ VRAM 12～16GBの場合はFP8版を推奨します。RTX 5060 Ti（16GB）と比較して、RTX 3060（12GB）では2倍近くの時間がかかります。
※ 関連記事は、ComfyUIの記事一覧にまとめてあります。
■ 0. 概要
▼ 0-0. 事前情報
本記事ではWindows PC上でFLUX.2を利用する方法を説明しますが、使用リソース量が多めの上、時間もかかります。
お試し程度であれば、fal等の生成AIプラットフォームにて安価で高速なのでおすすめです。料金はリンク先にてご確認ください。
flux-2 (dev)
https://fal.ai/models/fal-ai/flux-2
flux-2/edit (dev)
https://fal.ai/models/fal-ai/flux-2/editflux-2-flex
https://fal.ai/models/fal-ai/flux-2-flex
flux-2-flex/edit
https://fal.ai/models/fal-ai/flux-2-flex/editflux-2-pro
https://fal.ai/models/fal-ai/flux-2-pro
flux-2-pro/edit
https://fal.ai/models/fal-ai/flux-2-pro/edit
▼ 0-1. はじめに
本記事では、Windows上のComfyUIでFLUX.2で画像を生成、編集する手順を説明します。編集と言っても、実際には入力画像をリファレンスに利用するものですが、その機能が十分高度であるため編集と表現します。
それぞれの説明は下記の項目にあります。
0. 概要
1. 留意事項と使用リソース量
2. モデルの設置
3. 画像の生成（t2i）
4. 画像の編集（i2i）
ComfyUIのインストール方法については、下記の記事を参照してください。
▼ 0-2. FLUX.2について
FLUX.2は、FLUX.1の後継となるアーキテクチャです。11-26-2025の未明（日本時間）に発表され、生成AIのプレイグラウンドやComfyUI向けにゼロデイで公開されました。
FLUX.2の概要は下記の記事に譲ります。FLUX.2にはpro、flexのほか、オープンモデルのdev（本記事に掲載）、klein（公開準備中）があります。
特徴として、複数の画像を参照できる機能があります。その他、Mistral-Small-3.2-24B-Instruct-2506や独自のVAEを採用しています。
▼ 0-3. 参考リンク
FLUX.2: Frontier Visual Intelligence
https://bfl.ai/blog/flux-2
FLUX.2 Overview
https://docs.bfl.ai/flux_2/flux2_overview
FLUX.2 Text to Image
https://docs.bfl.ai/flux_2/flux2_text_to_image
FLUX.2 Image Editing
https://docs.bfl.ai/flux_2/flux2_image_editing
ComfyUIに関連するFLUX.2の情報です。
FLUX.2 Image Generation Models Now Released, Optimized for NVIDIA RTX GPUs
https://blogs.nvidia.com/blog/rtx-ai-garage-flux-2-comfyui/
FLUX.2 Day-0 Support in ComfyUI: Frontier Visual Intelligence
https://blog.comfy.org/p/flux2-state-of-the-art-visual-intelligence
ComfyUI_examples > Flux 2
https://comfyanonymous.github.io/ComfyUI_examples/flux2/
▼ 0-4. 参考リンク2
FLUX.2のモデルです。
black-forest-labs/FLUX.2-dev
https://huggingface.co/black-forest-labs/FLUX.2-dev
Comfy-Org/flux2-dev
https://huggingface.co/Comfy-Org/flux2-dev
city96/FLUX.2-dev-gguf
https://huggingface.co/city96/FLUX.2-dev-gguf
chatpig/flux2-dev-gguf
https://huggingface.co/chatpig/flux2-dev-gguf
GGUF版の場合、下記のいずれかの拡張機能が必要です。後者はすべてのモデルがGGUF版となっています。
city96/ComfyUI-GGUF
https://github.com/city96/ComfyUI-GGUF
calcuis/gguf
https://github.com/calcuis/gguf
■ 1. 留意事項と使用リソース量
▼ 1-1. 留意事項
FLUX.2は基本的に、最低でもメインRAM 32GB、VRAM 16GBが必要とお考え下さい。VRAM 12GBでも動作しましたが、だいぶ時間がかかります。
ComfyUIを更新していないと、必要なノードが存在しない場合があります。バグフィックスを含むこともあるので、なるべく最新版にしてください。
次回の生成を高速化するため、VRAMに読み込んだモデルが自動的にメインRAMへ待避（オフロード）されることがあります。そのため、メインRAMはなるべく多い方が望ましいです。
▼ 1-2. 必要なリソースと生成時間（t2i）
画像を入力していない場合、FP8版での生成時にGPUメモリを合計36～37GB程度使用しました。VRAM（占有GPUメモリ）が16GBであれば、共有GPUメモリは22GB程度を使用します。
筆者の環境（GeForce RTX 5060Ti 16GB）での生成時間は下記のとおりです。生成画像の大きさは1MP（1024x1024等）としました。ディスクからのモデルの読み込みや、プロンプトの処理の時間は含まれていません。GGUF形式はModelのサイズ（量子化タイプ）によって多少変化します。
FP8 t2i
142秒程度（20Steps）GGUF Q4_0 t2i
180秒程度（20Steps）
GGUF版はFP8版のような最適化がなされていないとみられ、共有GPUメモリにはみ出すことでパフォーマンスが低下します。Q4_K_Mの場合、VRAM 16GBには収まらず、Q3_K_Mでもギリギリでした。画面の表示を別のGPUに割り当てているのでなければおすすめしません。
▼ 1-3. 必要なリソースと生成時間（i2i）
FP8版で画像を入力した場合、していない場合と比べてGPUメモリの割り当て方が大きく異なるようです。
筆者の環境（GeForce RTX 5060Ti 16GB）では、画像を1枚だけ入力するとVRAM（占有GPUメモリ）の使用量が大きく減って余裕ができました。ただし、入力画像の枚数が増えるとVRAMの使用量も増えるようです。
生成時間を含めて確認中のため、詳細は後日に掲載（差し替え）します。それなりに長い時間がかかるとお考えください。
■ 2. モデルの設置
▼ 2-1. はじめに
FP8版を利用する場合は2-2.を、GGUF版の場合は2-3.以降を参照してください。
FP8版 → 2-2.
GGUF版1（Text EncoderとVAEはFP8版と共通） → 2-3.
GGUF版2（Text EncoderとVAEもGGUF形式） → 2-4.
▼ 2-2. FP8版
FP8版（推論のコードを含む）は、FLUX.2の開発元のBlack Forest Labsと、NVidia、ComfyUI開発元のComfy Orgが連携して制作しました。
筆者は種類ごとにディレクトリを分けているのでそのように記述しますが、お好みで決めていただいて構いません。
下記のURLに掲載されたそれぞれのファイルをダウンロードして、適切なフォルダへ移動します。設置済みの場合はスキップしてください。
Comfy-Org/flux2-dev
https://huggingface.co/Comfy-Org/flux2-devsplit_files/diffusion_models/
flux2_dev_fp8mixed.safetensors (33.0GB)
→ models\diffusion_models\flux2\split_files/text_encoders/
mistral_3_small_flux2_fp8.safetensors (16.7GB)
→ models\text_encoders\flux2\split_files/vae/
flux2-vae.safetensors (320MB)
→ models\vae\flux2\
▼ 2-3. GGUF版1
拡張機能としてGGUF（city96/ComfyUI-GGUF）を利用する場合です。
筆者は種類ごとにディレクトリを分けているのでそのように記述しますが、お好みで決めていただいて構いません。
Text EncoderとVAEは前項のFP8版と共通なので、記載を省略します。VRAMの使用量や品質をみながら、異なる量子化タイプのModelを選択することもできます。
VRAMが16GBの場合、Q4_K_MがVRAMに収まらないため速度が低下します。これを回避するには、画面表示に別のGPUを使用するか、品質を犠牲にしてQ3_K_M等を利用する必要があります。VRAM 12GBではQ2_Kにて動作を確認しましたが、FP8版の利用をおすすめします。
city96/FLUX.2-dev-gguf
https://huggingface.co/city96/FLUX.2-dev-ggufsplit_files/diffusion_models/
flux2-dev-Q2_K.gguf (11.9GB)
flux2-dev-Q3_K_M.gguf (14.8GB)
flux2-dev-Q4_K_M.gguf (18.7GB)
（上記等のいずれかを選択）
→ models\diffusion_models\flux2\
▼ 2-4. GGUF版2
次に、拡張機能としてgguf（calcuis/gguf）を利用する場合です。Model、Text Encoder、VAEのいずれもGGUF形式になっています。
筆者は種類ごとにディレクトリを分けているのでそのように記述しますが、お好みで決めていただいて構いません。
VRAMの使用量や品質をみながら、異なる量子化タイプのModelを選択することもできます。Text EncoderとVAEが別の場所に移動する可能性があるので、リンク先の説明を確認してください。
VRAMが16GBの場合、q4_0がVRAMに収まらないため速度が低下します。これを回避するには、画面表示に別のGPUを使用するか、品質を犠牲にしてq3_k_m等を利用する必要があります。VRAM 12GBでは動作しませんでした。
chatpig/flux2-dev-gguf
https://huggingface.co/chatpig/flux2-dev-ggufflux2-dev-q2_k.gguf (11.5GB)
flux2-dev-q3_k_m.gguf (14.7GB)
flux2-dev-q4_0.gguf (18.4GB)
（上記等のいずれかを選択）
→ models\diffusion_models\flux2\cow-mistral3-small-q2_k.gguf (7.20GB)
cow-mistral3-small-q2_k.gguf (10.8GB)
（上記等のいずれかを選択）
→ models\text_encoders\flux2\pig_flux2_vae_fp32-f16.gguf (160MB)
→ models\vae\flux2\
■ 3. 画像の生成
▼ 3-1. はじめに
FP8版やGGUF版のワークフローを用いて画像を生成します。FP8版の場合は3-3.へ進んでください。参照画像を入力したい場合は4.を参照してください。
必要な拡張機能について（GGUF版のみ） → 3-2.
ワークフロー → 3-3.
実行例 → 3-4.
画像の編集 → 4.
▼ 3-2. 必要な拡張機能について（GGUF版のみ）
本記事に掲載したGGUF版のワークフローを読み込んだとき、拡張機能が不足していると「Some Nodes Are Missing」の表示が出ます。その場合は、ComfyUI Managerの機能を利用してインストールすることができます。
拡張機能をインストールする方法は、下記の記事の「自動インストールの手順 」または「手動インストールの手順」を参照してください。
本記事のワークフローでは下記のいずれかの拡張機能を利用します。
▼ 3-3. ワークフロー（画像の生成）
生成用のワークフローを提供しますので、改造、再公開を含め自由にご利用ください。基本的にはオフィシャルのワークフローと等価です。
FP8版、GGUF版1（ModelのみGGUF）、GGUF版2（TEとVAEもGGUF）の3種類があります。
（Last update 11-27-2025）
ワークフローの全体は下記のようになっています。モデルのローダー部分が異なる以外はすべて共通です。
画像を生成する部分はサブグラフを用いています。値は外側から設定できるので、中身を意識する必要はありません。
▼ 3-4. 実行例（画像の生成）
設置したモデル（Model、Text Encoder、VAE）に合わせて設定を行い、解像度（初期値は1024x1024）を好みで書き換えて、プロンプトを入力して「Run」をクリックすると生成が始まります。
■ 4. 画像の編集
▼ 4-1. はじめに
FP8版やGGUF版のワークフローを用いて画像を生成します。3.との違いは画像（複数枚が可能）が入力できる点です。
GGUF版を利用する場合は拡張機能が必要ですので、3-2.を確認してください。
必要な拡張機能について（GGUF版のみ） → 3-2.
ワークフロー → 4-2.
実行例 → 4-3.
▼ 4-2. ワークフロー（画像の編集）
生成用のワークフローを提供しますので、改造、再公開を含め自由にご利用ください。基本的にオフィシャルのワークフローと等価ですが、画像の入力枚数を2枚から3枚に増やしてあります。
FP8版、GGUF版1（ModelのみGGUF）、GGUF版2（TEとVAEもGGUF）の3種類があります。
（Last update 11-27-2025）
ワークフローの全体は下記のようになっています。モデルのローダー部分が異なる以外はすべて共通です。サブグラフを用いた都合上、入力ファイルのドラッグ＆ドロップができないので、予めご了承ください。
画像を生成する部分はサブグラフを用いています（画像生成のワークフローと共通）。値は外側から設定できるので、中身を意識する必要はありません。
画像を入力する部分もサブグラフを用いています。
デフォルトでは画像が1枚入力できるようになっています。枚数を増やしたい場合は、表示が薄くなっているノードを選択して「Ctrl + B」を押してバイパスを解除してください。全てをバイパスにすると画像の生成のみが行えます（3.のワークフローと等価）。
入力できる枚数をさらに増やしたい場合は、右側に「Input reference image」を追加して、同じように接続してください。仕様上は最大10枚とのことです。
▼ 4-3. 実行例（画像の編集）
設置したモデル（Model、Text Encoder、VAE）に合わせて設定を行い、解像度（初期値は1024x1024）を好みで書き換えて、画像ファイルとプロンプトを入力して「Run」をクリックすると生成が始まります。
入力画像の内容を参照する際は、目で見て明らかなオブジェクトであればその名前を記述するだけで構いません。入力画像そのものを指したい場合は「image 1」のように記述します。
プロンプトの記述方法は、公式のドキュメントが参考になると思います。
FLUX.2 Image Editing
https://docs.bfl.ai/flux_2/flux2_image_editing
本項で使用した画像は、記事「ComfyUIでQwen-Image-Edit-2509を試す手順（FP8/GGUF/Nunchaku、Lightning使用）」にあります。
The girl from image 1 is sitting on the bench.
The girl from image 2 is standing near the bench.
The two girls are facing each other, holding hands and smiling.
The background is a beautiful summer park around lakeside.
■ 5. その他
私が書いた他の記事は、メニューよりたどってください。
ComfyUIに限定した記事の一覧もあります。
記事に関することで何かありましたら、Xの@riddi0908までお願いします。