Flux Klein 9b workflow с NAG и Z Image Base: JSON пример

Для настройки workflow для ComfyUI под Flux Klein 9b и Z Image Base с NAG просто установите расширение ComfyUI-NAG, замените KSampler на KSamplerWithNAG, а CFGGuider — на NAGCFGGuider с параметрами nag_scale=4–5 и nag_tau=0.1. Это восстановит мощный негативный промптинг в flux 2 klein 9b workflow даже при 4–8 шагах, идеально для z image base моделей вроде z_image_bf16.safetensors. Готовый JSON-пример ниже — копируйте, импортируйте и тестируйте на своей машине.

Содержание

• Что такое Flux Klein 9b, Z Image Base и NAG в ComfyUI
• Установка ComfyUI-NAG для flux 2 klein 9b
• Настройка базового workflow для comfyui
• Интеграция Z Image Base в flux klein 9b workflow
• Ключевые параметры NAG: nag_scale, nag_tau и nag_sigma_end
• Пример полной JSON-конфигурации
• Оптимизация и типичные проблемы
• Источники
• Заключение

Что такое Flux Klein 9b, Z Image Base и NAG в ComfyUI

Flux Klein 9b — это оптимизированная версия flux 2 klein 9b, доступная в fp8 или safetensors, которая жрет меньше VRAM (около 12–16 ГБ) и генерирует крутые изображения быстрее, чем полные 12b-модели. Z Image Base, например z_image_bf16.safetensors, добавляет базу для стилизованных или высокодетализированных выходов, часто используется в комбо с Flux для реалистичных портретов или сцен. А NAG (Normalized Attention Guidance) — это хак из ComfyUI-NAG, который фиксит слабый негативный промпт в современных диффузионках вроде flux 2 klein base 9b fp8.

Почему это круто? В старых моделях негатив работал на ура, но Flux сломал эту фишку из-за новой архитектуры. NAG нормализует внимание, усиливая контроль — никаких лишних артефактов, четкие композиции. Представьте: 4 шага сэмплинга, и вуаля, идеальный кадр. Кстати, для flux klein 9b gguf-вариантов это тоже работает, но с TeaCache ускорением.

Установка ComfyUI-NAG для flux 2 klein 9b

Сначала обновите ComfyUI до последней версии — git pull в терминале. Затем через ComfyUI Manager найдите “ComfyUI-NAG” и поставьте. Или вручную: клонируйте репозиторий ChenDarYen в custom_nodes, перезапустите.

Скачайте модели:

• Flux 2 Klein 9b: flux-2-klein-9b.safetensors или fp8-версию с Hugging Face.
• VAE: flux_klein_vae.safetensors.
• CLIP: t5-v1_1-xxl (или qwen для klein).
• Z Image Base: z_image_bf16.safetensors в models/unet.

Проверьте VRAM: для flux 2 klein 9b fp8 хватит 16 ГБ, но с NAG добавьте 2–4 ГБ буфера. Запустите ComfyUI, и в меню появятся новые узлы вроде KSamplerWithNAG. Готово? Собираем workflow.

Настройка базового workflow для comfyui

Начните с классики: Load Checkpoint → CLIP Text Encode (промпт/негатив) → Empty Latent Image → KSampler. Но для NAG меняем:

1. Замените KSampler на KSamplerWithNAG (Advanced) — он тянет nag_conditioning.
2. Вместо CFGGuider ставьте NAGCFGGuider.
3. Подключите: positive/negative conditioning в NAGCFGGuider, его выход — в KSamplerWithNAG.

Пример цепочки: DualCLIPLoader (для Flux) → CLIPTextEncodePositive/Negative → NAGCFGGuider → KSamplerWithNAG → VAEDecode → SaveImage. Шаги: 4–20, sampler: Euler, scheduler: simple или beta.

Для flux 2 klein 9b safetensors это базовый flux klein 9b workflow. Тестируйте на 1024x1024 — скорость взлетит.

Интеграция Z Image Base в flux klein 9b workflow

Z Image Base усиливает базу для flux 2 klein base 9b fp8, добавляя текстуры или стили. В примере от BigStationW используется UNETLoader с z_image_bf16.safetensors вместо стандартного Flux.

Как впихнуть:

• Добавьте UNETLoader, укажите путь к z_image_bf16.safetensors.
• Подключите MODEL из него в KSamplerWithNAG.
• VAE остается flux_klein_vae.
• NAG параметры: [4, 5, 1, 0.1, 0.85] из workflow — nag_scales, nag_alphas и т.д.

Результат? Z Image Base дает более coherentные изображения в z image base workflow, особенно с негативом вроде “blurry, deformed”. Если VRAM жмет, юзайте fp8-версии.

Ключевые параметры NAG: nag_scale, nag_tau и nag_sigma_end

NAG — не магия, а тюнинг. Основные слайдеры:

• nag_scale: 3–6, сила guidance. Для flux klein 9b стартуйте с 4 — слишком высоко, и артефакты полезут.
• nag_tau: 0.05–0.15, нормализация внимания. 0.1 идеал для flux 2 klein 9b fp8 safetensors.
• nag_sigma_end: 0.75 для Flux (не 1.0!), чтобы не пережаривать шум на поздних шагах.
• nag_alpha: 0.8–1.0, для мульти-шкал.

Из документации ChenDarYen: сначала подгоните tau/alpha под модель, потом scale. Для Z Image Base комбо [4,5,1,0.1,0.85] дает топ-результаты. Экспериментируйте — один пиксель меняет все.

А что если шаги малы? NAG спасает, где CFG фейлит.

Пример полной JSON-конфигурации

Вот рабочий JSON для flux 2 klein 9b workflow с Z Image Base и NAG. Скопируйте, сохраните как .json, импортируйте в ComfyUI (Drag & Drop или меню). Адаптируйте пути к моделям!

{
 "1": {
 "inputs": {
 "ckpt_name": "flux-2-klein-9b.safetensors"
 },
 "class_type": "UNETLoader",
 "_meta": {
 "title": "Flux Klein 9b Loader"
 }
 },
 "2": {
 "inputs": {
 "text": "красивая девушка в лесу, высокое качество",
 "clip": ["3", 0]
 },
 "class_type": "CLIPTextEncode"
 },
 "3": {
 "inputs": {
 "clip": ["4", 0],
 "width": 1024,
 "height": 1024,
 "batch_size": 1
 },
 "class_type": "EmptyFlux2LatentImage"
 },
 "4": {
 "inputs": {
 "clip_name1": "t5-v1_1-xxl.safetensors",
 "clip_name2": "clip_l.safetensors"
 },
 "class_type": "DualCLIPLoader"
 },
 "5": {
 "inputs": {
 "text": "размыто, уродливо, низкое качество",
 "clip": ["4", 0]
 },
 "class_type": "CLIPTextEncode"
 },
 "6": {
 "inputs": {
 "steps": 8,
 "cfg": 1,
 "sampler_name": "euler",
 "scheduler": "simple",
 "denoise": 1,
 "model": ["1", 0],
 "positive": ["7", 0],
 "negative": ["8", 0],
 "latent_image": ["3", 0],
 "nag_scales": [4, 5],
 "nag_tau": 0.1,
 "nag_sigma_end": 0.75
 },
 "class_type": "KSamplerWithNAG"
 },
 "7": {
 "inputs": {
 "conditioning": ["2", 0],
 "nag_conditioning": ["5", 0]
 },
 "class_type": "NAGCFGGuider"
 },
 "8": {
 "inputs": {
 "samples": ["6", 0],
 "vae": ["9", 0]
 },
 "class_type": "VAEDecode"
 },
 "9": {
 "inputs": {
 "vae_name": "flux_klein_vae.safetensors"
 },
 "class_type": "VAELoader"
 },
 "10": {
 "inputs": {
 "filename_prefix": "NAG_FluxKlein",
 "images": ["8", 0]
 },
 "class_type": "SaveImage"
 },
 "11": {
 "inputs": {
 "unet_name": "z_image_bf16.safetensors"
 },
 "class_type": "UNETLoader"
 }
}

Подключите “11” как альтернативный MODEL для Z Image Base. Генерирует за минуты!

Оптимизация и типичные проблемы

Скорость: WaveSpeed или TeaCache — +50% FPS на flux 2 klein 9b gguf. VRAM overflow? fp8_scaled и batch=1. Черные изображения? Проверьте nag_sigma_end <1.0.

Проблемы:

• Узлы не появляются — перезапустите с --force-fp16.
• NAG не фигачит — обновите torch до 2.4+.
• Медленно — отключите preview, юзайте --lowvram.

Для продвинутых: комбо с FluxKontext из примера ChenDarYen. Тестируйте на A100 или RTX 4090 — огонь.

Источники

1. ComfyUI-NAG README — Документация по NAG для Flux моделей и настройке узлов: https://github.com/ChenDarYen/ComfyUI-NAG/blob/main/README.md
2. NAG-Z-image-base-Workflow.json — Пример workflow с Z Image Base и параметрами NAG: https://github.com/BigStationW/ComfyUI-NAG/blob/main/NAG-Z-image-base-Workflow.json
3. NAG-Flux-Kontext-Dev-ComfyUI-Workflow.json — Продвинутый workflow для Flux с NAG и оптимизацией: https://github.com/ChenDarYen/ComfyUI-NAG/blob/main/workflows/NAG-Flux-Kontext-Dev-ComfyUI-Workflow.json
4. Flux.2 Klein 9b Text To Image.json — Базовый JSON для flux 2 klein 9b в ComfyUI: https://github.com/axiomgraph/ComfyUIWorkflow/blob/main/Flux.2 Klein 9b Text To Image.json

Заключение

Flux Klein 9b с Z Image Base и NAG — это killer-комбо для workflow для comfyui: быстрые генерации, сильный негатив, минимум VRAM. Начните с установки, подкрутите nag_scale до 4–5, импортируйте JSON — и экспериментируйте. Главное — тесты на своих промптах, и вы получите pro-результаты без боли. Удачи в генерациях!