云端部署图像生成模型实战教程

原文链接：X 原文原文标题（zh）：Google Colab 部署 ComfyUI + MOSS-Image 完整实战教程作者：渣渣渣渣渣（@huang18825）发布时间：2026-11-06 | 赞 127 / 转 17

摘要
#

核心问题：如何在云端零基础快速部署复旦大学与 OpenMOSS 团队开源的 5B 单流 DiT 架构图像生成模型 MOSS-Image，并通过图形化节点界面 ComfyUI 完成公网访问与文生图推理？
关键论点：
1. 云端算力选型：选用 Google Colab 的 NVIDIA L4 GPU（24GB 显存），足以在显存中同时常驻 MOSS-Image 扩散主干模型与 Qwen 文本编码器量化权重。
2. 网络穿透方案：注册免费 ngrok 账号并获取 Authtoken，在 Colab 脚本中通过 pyngrok 建立高速 HTTP/2 公网隧道，绕过本地无公网 IP 限制直达 ComfyUI Web 界面。
3. 一键整合脚本拉起环境：通过作者整理的 GitHub Gist 脚本自动安装依赖、克隆 ComfyUI 与 ComfyUI-Manager、拉取全套量化模型权重并启动公网访问服务。
4. 三件套模型权重核对：在 ComfyUI 官方预设的 MOSS-Image 工作流模板中，需重点核对扩散主干（moss_image_sft_int8_convrot.safetensors）、文本编码器（qwen3.5_9b_w4a8_gptq.safetensors）与解码器（flux2-vae_small.safetensors）三项权重路径。
5. 标准化推理参数：支持中英文自然语言提示词；推荐采用 euler 采样器、simple 调度器、30 步（Steps）、CFG 3.0 以及宽高均为 16 倍数的尺寸（如 1024x1024），单图推理耗时约 10～20 秒。
关键人物 / 机构 / 标的：复旦大学与 OpenMOSS 团队（MOSS-Image 研发方）、Comfy-Org / ComfyUI、Google Colab（NVIDIA L4 GPU）、ngrok、Qwen3.5-9B（W4A8 GPTQ 文本编码器）、Flux2-VAE。
风险与不确定性：Google Colab 免费版无法直接调用 L4 GPU（通常需 Google AI 订阅或 Colab 计算单元额度）；ngrok 免费隧道存在会话时长与带宽配额限制，且公网暴露的无鉴权 ComfyUI 链接需避免泄露。
Takeaway：借助 Google Colab 的 24GB L4 GPU 配合 INT8/W4A8 量化权重与一键部署脚本，无需本地高端显卡即可在数分钟内跑通 5B 参数量的 MOSS-Image + Qwen3.5-9B 完整文生图工作流。

原文（zh）
#

原文标题（zh）：Google Colab 部署 ComfyUI + MOSS-Image 完整实战教程

本教程介绍如何在 Google Colab 的 NVIDIA L4 GPU 环境上，从零搭建 ComfyUI，部署复旦与 OpenMOSS 团队开源的 5B 单流 DiT 架构图像生成模型 MOSS-Image，并通过 ngrok 建立高速 HTTP/2 穿透到公网流畅生图。

准备工作
#

Google 账号：拥有 Colab 访问权限（推荐使用包含 GPU 计算单元的账号，如 Google AI 方案赠送的 Colab 额度）。
ngrok 免费账号：
- 注册并登录 ngrok.com。
- 在左侧菜单点击 Your Authtoken，复制属于你的 Token 字符串备用。

图1：获取 ngrok Authtoken

第一步：新建笔记本并配置 GPU 环境
#

打开 Google Colab 官网，点击 新建笔记本。
点击顶部菜单栏的 修改（Edit） -> 笔记本设置（Notebook settings）：
- 硬件加速器：选择 L4 GPU（L4 配备 24GB 显存，能轻松常驻 MOSS-Image 与 Qwen 编码器权重）。
- 点击保存。
点击页面右上角的 连接（Connect） 按钮分配云端虚拟机。

图2：在 Colab 中选择 L4 GPU 硬件加速器

第二步：粘贴整合脚本、填入 ngrok Key 并执行
#

在 Colab 第一个代码单元格中完整粘贴以下脚本，把最上方的 NGROK_AUTH_TOKEN 替换为你的真实 Token。
脚本地址：GitHub Gist 整合脚本
点击单元格左侧的 运行（播放键）。

图3：在 Colab 单元格中填入 Token 并点击运行

第三步：访问 Web 界面与直达
#

点击终端输出的 https://xxxx.ngrok-free.dev 访问链接。
浏览器会打开 ngrok 官方的安全拦截保护页（You are about to visit…）。
直接点击左侧蓝色的 Visit Site 按钮即可跳转进入 ComfyUI。

第四步：载入工作流并配置模型节点
#

加载官方模板：
- 在 ComfyUI 顶部工具栏点击 Workflow -> Templates。
- 选择 MOSS-Image 预设工作流。
核对节点模型下拉项：
- unet_model / Diffusion Model：选择 moss_image_sft_int8_convrot.safetensors
- clip_model：选择 qwen3.5_9b_w4a8_gptq.safetensors
- vae_model：选择 flux2-vae_small.safetensors
如果下拉项没有即时加载出来，点击右侧浮动面板中的 Refresh（刷新） 重新读取模型列表。

图4：在 ComfyUI 模板库中选择 MOSS-Image 工作流

图5：核对 MOSS-Image 节点中的三项模型权重配置

第五步：输入 Prompt 并出图
#

在文本框输入正向提示词（支持中英文自然语言，例如：赛博朋克风格的雨夜街头，霓虹灯光倒映在积水路面上，高度逼真，8k 超高清，电影质感）。
保持默认或调整推荐参数：
- Sampler：euler
- Scheduler：simple
- Steps（步数）：30
- CFG：3.0
- 尺寸：1024x1024（保证宽和高均为 16 的倍数）
点击右侧的 Queue Prompt（加入生成队列）。
等待 10~20 秒推理完成，即可在画布中查看生成的图片。