왜 ComfyUI인가 — WebUI와 무엇이 다른가
로컬 이미지 생성 도구는 크게 두 갈래다. 프롬프트 입력창과 버튼으로 구성된 WebUI 계열(AUTOMATIC1111, Forge 등)과, 노드를 선으로 이어 파이프라인을 직접 조립하는 ComfyUI. 입문 장벽은 WebUI가 낮지만, 2026년 현재 생태계의 무게중심은 완전히 ComfyUI로 넘어왔다.
이유는 단순하다. 새 모델이 나오면 ComfyUI가 가장 먼저, 때로는 유일하게 지원하기 때문이다. 이미지뿐 아니라 영상·3D·오디오 모델까지 같은 노드 방식으로 돌아가고, 잘 만든 워크플로는 JSON 파일 하나로 공유된다. 남이 만든 워크플로 파일을 끌어다 놓기만 하면 그 사람의 전체 파이프라인이 내 화면에 그대로 재현된다 — 이 "레시피 공유" 문화가 ComfyUI를 표준으로 만들었다.
| 구분 | WebUI 계열 (A1111 등) | ComfyUI |
|---|---|---|
| 조작 방식 | 입력창 + 버튼 | 노드 그래프 (드래그로 연결) |
| 입문 장벽 | 낮음 | 중간 (첫 화면이 위압적) |
| 신모델 지원 | 느리거나 안 됨 | 가장 빠름 (사실상 표준) |
| 파이프라인 공유 | 설정값 수동 복제 | 워크플로 JSON/이미지 한 장으로 끝 |
| 메모리 효율 | 보통 | 좋음 (필요한 단계만 로드) |
| 확장성 | 확장 스크립트 | 커스텀 노드 (수천 종) |
Stable Diffusion이 처음이라면 먼저 스테이블 디퓨전 설치 완전 가이드에서 모델·프롬프트의 기본 개념을 잡고 오는 것을 권한다. 이 글은 그 다음 단계, "도구를 ComfyUI로 갈아타는 법"에 집중한다.
컴퓨터 사양 — 내 PC로 어디까지 되는가
ComfyUI 자체는 가벼운 프로그램이다. 무거운 건 그 위에서 돌리는 모델이고, 사실상 VRAM 하나가 할 수 있는 일의 범위를 결정한다. RAM이나 CPU는 어지간하면 병목이 아니다. 그래서 "내 PC로 되나요"라는 질문은 대부분 "내 그래픽카드 VRAM이 몇 GB인가"로 바꿔 물으면 답이 나온다.
기본 요구사항
| 항목 | 최소 | 권장 |
|---|---|---|
| GPU (NVIDIA) | VRAM 4GB (SD 1.5 512px 기준) | VRAM 12~16GB (SDXL·최신 모델까지 여유) |
| RAM | 16GB | 32GB (모델 로딩 중 스와핑 방지) |
| 저장공간 | SSD 여유 30GB | NVMe SSD 100GB+ (모델 몇 개만 받아도 수십 GB) |
| OS | Windows, macOS(Apple Silicon), Linux | |
| Python | 3.13 권장 / 3.12 대체 가능 (데스크톱 앱은 자동 처리) | |
※ 공식 문서는 VRAM·RAM 최소치를 명시하지 않는다. 위 수치는 모델별 실측 보고를 종합한 실사용 기준이다. 브라우저는 최신 크롬 계열을 권장한다.
VRAM 구간별 — 실제로 뭘 돌릴 수 있나
같은 ComfyUI라도 VRAM에 따라 열리는 문이 완전히 다르다. 아래가 이 글에서 가장 실용적인 표다.
| VRAM | 돌아가는 것 | 안 되는 것 / 조건 | 대표 카드 |
|---|---|---|---|
| 4~6GB | SD 1.5(512px), 경량 GGUF 양자화 모델 | SDXL은 느리게라도 되지만 실용성 낮음. 최신판은 DynamicVRAM 기본이라 --lowvram을 붙여도 달라지지 않음 |
GTX 1660, RTX 3050 |
| 8GB | SDXL(1024px) 실사용, Z-Image Turbo FP8, 경량 영상 모델(GGUF) | FLUX 계열은 양자화판만. 해상도 올리면 금방 막힘 | RTX 5060 Ti, RTX 4060 |
| 12GB | SDXL 여유, FLUX.2 Klein 4B, 영상 720p(fp8 양자화) | 대형 FLUX·장편 영상은 버거움 | RTX 5070, RTX 3060 12GB |
| 16GB ← 2026 표준 | Klein 9B, Z-Image Turbo BF16, 영상 14B급 | FLUX.2 [dev]는 공식 안내상 RTX 4090·5090(24~32GB)에서도 4비트 양자화 조건 | RTX 5080, RTX 5070 Ti |
| 24GB+ | 대부분의 모델을 양자화 없이, 영상 1080p, 배치 생성 | 사실상 제약 없음 | RTX 5090(32GB), RTX 4090(24GB) |
2026년의 실질적 기준선은 16GB다. 이미지 생성만 할 거라면 12GB로도 충분히 즐겁지만, 새로 나오는 모델의 요구치가 계속 올라가고 있어서 지금 GPU를 새로 산다면 지금 필요한 것보다 한 단계 위 VRAM을 사두는 편이 2년쯤 뒤에 후회가 없다. 참고로 RTX 50 시리즈 VRAM은 5060 Ti 8GB · 5070 12GB · 5070 Ti 16GB · 5080 16GB · 5090 32GB 구성이다.
모델을 낮은 정밀도로 압축한 버전을 쓰면 VRAM 요구치가 크게 떨어진다. 예를 들어 FLUX.2 [dev]는 원본 정밀도로는 수십 GB가 필요하지만 GGUF Q4로는 20GB 안쪽까지 내려오고, Z-Image Turbo도 BF16은 14~16GB지만 FP8은 8GB, GGUF는 6GB대까지 떨어진다. 영상 모델도 마찬가지여서, 원본으로는 40GB를 넘던 것이 양자화판으로는 6~8GB에서 돌아가는 경우가 있다.
대가는 품질과 속도다. 다만 입문 단계에서 체감할 만큼 큰 차이는 아니니, VRAM이 부족하면 모델을 포기하지 말고 양자화판부터 찾아보자. Civitai나 Hugging Face에서 모델명 뒤에 GGUF·fp8이 붙은 파일이 그것이다.
내 VRAM은 몇 GB인가 — 30초 확인법
- Windows:
작업 관리자 → 성능 → GPU에서 "전용 GPU 메모리" 숫자를 본다. 공유 메모리는 시스템 RAM을 빌려 쓰는 것이라 계산에 넣으면 안 된다. - 더 정확하게:
Win+R→dxdiag→ 디스플레이 탭. NVIDIA 카드라면 명령 프롬프트에서nvidia-smi를 치는 게 가장 확실하다. - 맥: Apple Silicon은 VRAM이 따로 없고 통합 메모리를 공유한다. 16GB 모델이면 대략 그 절반 안쪽을 이미지 생성에 쓸 수 있다고 보면 된다.
NVIDIA가 아니어도 되나
된다. 다만 난이도와 속도가 다르다.
- Apple Silicon(M1 이후) — Metal 가속으로 별도 GPU 없이 돌아간다. NVIDIA 대비 느리지만 입문·학습용으로는 충분하고, 설치가 간단한 편이다.
- AMD — Linux에서 ROCm으로 지원된다. Windows는 RDNA 3 이후 실험적 지원 단계라 커스텀 노드 호환 문제를 각오해야 한다.
- Intel Arc — 지원 대상이다. 다만 자료가 적어 문제 발생 시 해결에 시간이 더 든다.
- CPU만 — 동작은 한다. 이미지 한 장에 수 분~수십 분이 걸려 실용적이지 않다. 감을 잡는 용도로만.
GPU가 아예 없거나 VRAM이 부족해도 포기할 필요는 없다 — 뒤에서 설명할 클라우드 실행 옵션이 있다. 사양이 애매하다면 카드를 지르기 전에 클라우드로 며칠 돌려보고 판단하는 편이 훨씬 싸게 먹힌다.
설치 — 2026년 기준 가장 쉬운 3가지 경로
과거에는 git clone과 Python 가상환경 설정이 필수라 여기서 절반이 이탈했다. 지금은 공식 데스크톱 앱(Comfy Desktop)이 그 과정을 전부 대신한다. 상황별로 세 가지 경로만 알면 된다.
경로 1 — Comfy Desktop (대부분의 사람에게 정답)
Comfy Desktop(ComfyUI를 내 PC에 깔고 관리하는 공식 앱)은 comfy.org에서 설치 파일을 받아 실행하는 방식이다. Python·PyTorch(그림 계산에 쓰는 프로그램 묶음) 설치를 앱이 대신하므로 개발 환경 지식이 없어도 된다. 2026-11-19 공식 설치 문서 기준 요구 사항은 Windows 10 이상, x64 또는 ARM64, 설치마다 저장공간 4.85GB 이상이다. 지금 판은 첫 설정에서 Comfy Cloud로 쓸지, 이 PC에 설치할지부터 묻는다.
- 설치 파일 받기: 아래 주소에서 받는다. 내 운영체제를 알아서 골라 준다. 받은
.exe를 실행하고 안내대로 진행한다.
잘 됐으면: 시작 메뉴나 바탕화면에 Comfy Desktop 바로가기가 생긴다.https://comfy.org/download - 첫 설정에서 Local 고르기: Cloud와 Local 두 카드 중 하나를 골라야 Continue 버튼이 켜진다. 내 그래픽카드가 약하다고 판단되면 Cloud 카드에 «Recommended for your hardware» 표시가 붙는다. 약관 동의는 필수이고, 익명 사용 정보 보내기와 베타 참여는 고를 수 있다(기본은 켜짐).
잘 됐으면: Local 쪽에 Express Install(권장 설정으로 바로 설치) 선택 칸이 보인다. - 설치 방식 정하기: Express Install을 켜면 감지한 하드웨어 이름을 보여 주고 권장 설정으로 설치한다. 하드웨어 이름이 틀렸으면 이 칸을 끄면 된다. 끄면 ComfyUI 버전, 설치 위치, 시작 옵션을 직접 정하는 마법사가 나온다. 모델이 커지므로 설치 위치는 여유 있는 드라이브가 좋다.
잘 됐으면: 진행 막대가 끝나고 대시보드(설치본 목록 화면)에 새 설치본이 하나 생긴다.
예전 Comfy Desktop이 깔려 있으면 «Migrate existing instance» 칸이 기본으로 체크돼 나온다. 워크플로·모델·설정을 그대로 가져오는 칸이니, 처음부터 새로 하고 싶을 때만 끄면 된다. 데스크톱 앱과 포터블의 용량·설치 경로 차이는 ComfyUI 데스크톱 vs 포터블 비교 글에 따로 정리해 두었다.
Continue 버튼이 회색일 때 — Cloud와 Local 중 아무것도 고르지 않은 상태다. 공식 문서상 두 카드 모두 미리 선택돼 있지 않다.
설치하지 않고 넘어가 버렸을 때 — 앱 메뉴의 «Skip Onboarding»은 아무것도 설치하지 않고 대시보드만 연다. 이 경우 대시보드에서 새 설치본을 다시 만들면 된다.
경로 2 — 포터블 버전 (Windows, USB처럼 쓰고 싶다면)
설치 없이 압축만 풀어 쓰는 포터블 빌드도 공식 제공된다. 여러 버전을 병행 테스트할 때 유용하다. 공식 문서는 그래픽카드 종류에 맞는 꾸러미를 고르라고 한다. NVIDIA는 RTX 시리즈용(CUDA 13.0 · Python 3.13)과 10 시리즈 이하용(CUDA 12.6 · Python 3.12)이 나뉘고, AMD·Intel용 꾸러미도 따로 있다. 7-Zip으로 압축을 푼 뒤 NVIDIA라면 run_nvidia_gpu.bat를 두 번 누르면 브라우저에서 열린다.
https://github.com/Comfy-Org/ComfyUI/releases/latest/download/ComfyUI_windows_portable_nvidia.7z
경로 3 — Comfy Cloud (GPU가 없다면)
GPU가 없는 노트북 사용자라면 클라우드 실행이 현실적이다. 브라우저로 주소만 열면 설치 없이 쓸 수 있고, Comfy Desktop 첫 설정에서 Cloud를 골라도 된다. 2026-11-19 요금 페이지 기준 새 사용자는 실제 GPU 실행 5회가 무료이고, 유료는 Standard 월 $20부터다. 예전 판에 적었던 «무료 월 400크레딧»은 지금 요금 페이지에 없는 예전 정보라 뺐다. 감을 잡는 용도로 몇 번 돌려 보고, 본격적으로 쓸 때 로컬 GPU 투자 여부를 판단하면 된다.
모델 폴더는 금방 수십 GB가 된다. 설치할 때 C드라이브가 아니라 여유 있는 드라이브를 지정하자. 이미 WebUI(A1111)를 쓰고 있었다면 기존 모델 폴더를 연결해 모델을 중복 다운로드하지 않도록 하자. 공식 문서 기준으로 포터블·수동 설치는 ComfyUI/extra_model_paths.yaml, Comfy Desktop은 캡슐 메뉴의 Storage 탭(또는 extra_models_config.yaml)에서 정한다. 고친 뒤에는 ComfyUI를 다시 켜야 적용된다.
ComfyUI 사용법 — 첫 이미지 만드는 4단계
설치가 끝났으면 이론 공부보다 먼저 이미지 한 장을 뽑아보는 게 좋다. 성공 경험이 있어야 노드 공부가 재미있어진다. 아래 순서는 2026-11-19 공식 문서(템플릿 · 첫 생성 안내)의 메뉴 이름 그대로다.
템플릿 하나 열기 → 빠진 모델 받기 → 위쪽 프롬프트 칸만 바꾸기 → Run. 처음엔 이 네 동작만 해 보면 된다.
- 템플릿 열기: 왼쪽 사이드바의 Templates 아이콘을 누르거나, 메뉴에서 «Workflow → Browse Workflow Templates»로 연다. 텍스트로 그림을 만드는 기본 템플릿을 고른다. 처음부터 빈 캔버스에서 시작하지 않는 편이 낫다.
잘 됐으면: 캔버스에 노드 여러 개가 선으로 이어진 워크플로가 뜬다. - 빠진 모델 받기: 템플릿이 쓰는 모델 파일이 없으면 따로 창이 뜨지 않는다. 그 노드가 빨갛게 표시되고 «N errors found» 띠와 «View details»가 나온다. View details를 누르면 오른쪽 패널의 Missing Models 목록에서 한 개씩 또는 한꺼번에 받을 수 있다.
잘 됐으면: Comfy Desktop은 받은 파일을 알맞은models폴더에 알아서 넣고, 빨간 표시가 사라진다. - 프롬프트 바꾸기:
CLIP Text Encode (Prompt)노드 두 개 중 위쪽(Positive)에 원하는 장면을, 아래쪽(Negative)에 빼고 싶은 요소를 영어로 적는다. 공식 문서의 예시 문장은 이렇다.beautiful scenery nature glass bottle landscape, purple galaxy bottle
잘 됐으면: 노드 칸 안에 적은 문장이 그대로 남아 있다.text, watermark - 실행: Run 버튼을 누르거나 아래 단축키를 쓴다(맥은 Cmd+Enter).
잘 됐으면: 노드들이 차례로 진행되고, 마지막 Save Image 노드에 그림이 뜬다. 사이드바 Assets → Generated 탭에서도 볼 수 있다.Ctrl+Enter
모델을 받았는데 계속 빨갛다면 — 포터블·수동 설치는 파일이 브라우저 다운로드 폴더로 받아진다. 직접 models/checkpoints 같은 폴더로 옮긴 뒤 Refresh를 누르거나 R 키를 누른다.
Download 버튼이 없는 줄이라면 — 링크 아이콘에서 주소나 파일 이름을 복사해 직접 받아야 한다.
여기까지 됐다면 ComfyUI의 절반은 배운 것이다. 결과물은 ComfyUI_00001_.png 같은 이름으로 output 폴더에 저장되는데(포터블·수동 설치는 ComfyUI/output), 중요한 포인트가 하나 있다 — ComfyUI가 생성한 PNG에는 워크플로 전체가 메타데이터로 박혀 있다. 즉, 예전에 만든 이미지를 캔버스에 끌어다 놓으면 그때의 파이프라인이 그대로 복원된다. 잘 나온 세팅을 따로 기록할 필요가 없다는 뜻이다.
PNG에서 워크플로가 되살아나는 원리는 ComfyUI 워크플로 불러오기 글, 같은 그림을 다시 뽑고 한 칸만 바꾸는 법은 시드 고정과 CFG 글, 여러 장을 한 번에 뽑는 법은 batch_size와 대기열 글에 이어 두었다.
노드 사용법 — 기본 워크플로 6개 노드 해부
노드가 수천 종이라는 말에 겁먹을 필요 없다. 기본 텍스트→이미지 워크플로는 딱 6종류의 노드로 구성되고, 이 6개가 모든 응용의 뼈대다.
| 노드 | 역할 | 비유하자면 |
|---|---|---|
| Load Checkpoint | 모델(체크포인트) 로드. MODEL·CLIP·VAE 세 출력을 내보낸다 | 주방에 요리사 배치 |
| CLIP Text Encode ×2 | 프롬프트를 모델이 이해하는 벡터로 변환 (Positive/Negative 각 1개) | 주문서 번역 |
| Empty Latent Image | 생성할 이미지의 크기·배치(장수) 결정 | 빈 캔버스 준비 |
| KSampler | 실제 생성이 일어나는 심장부. 시드·스텝·CFG·샘플러 설정 | 조리 과정 |
| VAE Decode | 잠재공간(latent) 데이터를 사람이 보는 픽셀 이미지로 변환 | 접시에 플레이팅 |
| Save Image | 결과 저장 | 서빙 |
흐름을 문장으로 읽으면 이렇다. "모델을 싣고(Load Checkpoint) → 주문을 번역해서(CLIP Text Encode) → 빈 캔버스에(Empty Latent) → 그림을 그린 뒤(KSampler) → 사람 눈에 보이게 변환해(VAE Decode) → 저장한다(Save Image)." 선의 색이 곧 데이터 타입이라, 같은 색 포트끼리만 연결된다는 것만 기억하면 잘못 이을 수가 없다.
KSampler에서 실제로 만지게 되는 값
- seed: 난수 시드. 고정하면 같은 구도가 재현되고, randomize면 매번 다른 그림이 나온다. 마음에 든 그림의 시드를 고정하고 프롬프트만 미세 조정하는 게 기본 전술.
- steps: 디노이즈 반복 횟수. 20~30이면 충분하고, 높인다고 무조건 좋아지지 않는다.
- cfg: 프롬프트를 얼마나 충실히 따를지. 5~8 사이가 무난하고, 너무 높이면 그림이 타버린 듯 과포화된다.
- sampler/scheduler: 일단 기본값(euler 계열)으로 시작. 차이를 몸으로 느낀 뒤에 바꿔도 늦지 않다.
처음부터 인터넷의 화려한 대형 워크플로(노드 수십 개짜리)를 불러오는 것. 빨간 노드(미설치 커스텀 노드) 폭탄을 맞고 의욕이 꺾인다. 기본 6노드 워크플로를 손으로 한 번 지었다 부수는 것이 어떤 강의보다 빠른 학습법이다.
모델 구하는 법 — 체크포인트와 LoRA
ComfyUI는 그릇이고, 그림 실력은 모델에서 나온다. 입문자가 알아야 할 모델은 두 종류다.
체크포인트 (Checkpoint) — 본체
수 GB짜리 기반 모델이다. SD 1.5(가볍고 생태계 넓음), SDXL(1024px 기본, 품질 우수), 그리고 최신 고품질 모델들(FLUX 계열 등)이 대표적이다. 커뮤니티가 특정 화풍으로 튜닝한 파생 체크포인트는 Civitai에서, 공식 원본 모델은 Hugging Face에서 받는 게 일반적이다. 받은 파일은 models/checkpoints 폴더에 넣으면 Load Checkpoint 노드에서 바로 잡힌다.
LoRA — 본체에 끼우는 화풍 카트리지
수십~수백 MB의 소형 추가 모델로, 특정 화풍·캐릭터·의상 같은 좁은 개념을 체크포인트에 "얹는" 역할을 한다. 워크플로에는 Load Checkpoint와 KSampler 사이에 Load LoRA 노드를 끼워 넣기만 하면 된다 — 노드 방식의 장점이 처음으로 체감되는 순간이다. strength 값(보통 0.6~1.0)으로 적용 강도를 조절한다.
①체크포인트와 LoRA는 기반 모델 버전이 맞아야 한다(SD1.5용 LoRA를 SDXL 체크포인트에 끼우면 결과가 깨진다. 모델 페이지의 Base Model 표기를 확인). ②모델 파일은 반드시 .safetensors 형식을 받을 것 — 구형 .ckpt는 악성코드 삽입이 가능한 형식이다. ③라이선스 표기(상업적 이용 가능 여부)는 모델마다 다르니 작업물 용도에 따라 확인.
ComfyUI Manager — 사실상 필수 확장
커뮤니티 워크플로를 쓰다 보면 반드시 "내겐 없는 커스텀 노드"를 만난다. 이때 노드를 하나하나 git으로 설치하는 건 옛날 방식이고, 지금은 ComfyUI Manager(커스텀 노드를 찾고 설치하는 관리 도구)가 표준이다. 2026-11-19 공식 문서 기준 Comfy Desktop은 설치할 때마다 Manager를 함께 깔고 --enable-manager 옵션으로 켜 두므로 따로 할 일이 없다. 포터블은 Manager가 ComfyUI 본체에 들어 있지만 직접 켜야 한다. 포터블 폴더에서 아래 명령으로 필요한 꾸러미를 깔고, 실행할 때 --enable-manager를 붙이면 된다.
.\python_embeded\python.exe -m pip install -r ComfyUI\manager_requirements.txt
- 빠진 노드 찾아 설치: 불러온 워크플로에서 빨간 노드(누락)를 자동으로 찾아 설치한다(공식 문서 표현 «Automatically detect and install missing nodes from workflows»). Manager의 존재 이유다.
- 커스텀 노드 검색·설치·업데이트: 수천 종의 노드 팩을 앱 안에서 검색해 설치하고 일괄 업데이트.
- 모델 다운로드: 자주 쓰는 모델을 Manager 안에서 바로 받아 올바른 폴더에 배치.
입문 단계에서 Manager 외에 추가로 설치할 만한 것은 많지 않다. 굳이 꼽자면 이미지 확대용 업스케일 노드 팩 정도인데, 이것도 필요해지는 시점에 Manager로 검색해 설치하면 된다. "미리 깔아두는" 습관보다 "필요할 때 찾는" 습관이 환경을 깨끗하게 유지한다.
트러블슈팅 — VRAM 부족과 빨간 노드
입문자가 만나는 문제의 90%는 세 가지로 수렴한다.
1. "CUDA out of memory" — VRAM 부족
- 가장 먼저: 이미지 크기를 줄인다. SD1.5는 512×512, SDXL은 1024×1024가 기준 해상도다. 처음부터 2048px를 그리려는 게 대부분의 원인. 큰 그림은 "기준 해상도로 생성 → 업스케일" 2단계가 정석이다.
- 배치 사이즈(한 번에 생성하는 장수)를 1로.
- 최신 ComfyUI는 DynamicVRAM이 기본으로 켜진다. 이때
--lowvram은 아무 일도 하지 않고, DynamicVRAM이 꺼져 있을 때만 텍스트 인코더를 CPU에서 돌린다. 켜졌는지는 시작 로그의DynamicVRAM support detected and enabled줄로 확인한다. - 그래도 안 되면 더 작은 모델(SD1.5 계열)로 내려가거나 클라우드 실행으로 전환.
2. 빨간 노드 — 커스텀 노드 누락
워크플로를 불러왔는데 일부 노드가 빨갛게 뜨면 그 노드 팩이 미설치라는 뜻이다. Manager에서 빠진 노드를 설치하고 ComfyUI를 다시 켜면 대부분 해결된다. 재시작 후에도 빨갛다면 해당 노드 팩이 내 ComfyUI 버전과 안 맞는 경우이니, 워크플로 배포 페이지의 요구 버전을 확인한다.
3. 모델이 목록에 안 보임
파일을 넣은 폴더가 틀렸을 확률이 높다. 체크포인트는 models/checkpoints, LoRA는 models/loras, VAE는 models/vae. 폴더에 넣은 뒤에는 Refresh를 누르거나 R 키를 눌러 모델 폴더를 다시 읽게 해야 목록에 잡힌다.
ComfyUI는 오류가 나면 어느 노드에서 멈췄는지 캔버스에 그대로 표시되고, 콘솔 로그에 원인이 남는다. "어디서 죽었는지 보인다"는 것 자체가 WebUI 대비 큰 장점이니, 오류 메시지를 그대로 검색하는 습관을 들이면 대부분의 문제는 이미 누군가 겪고 해결해 둔 것을 발견하게 된다.
한 장 요약과 다음 단계
① 2026년 로컬 이미지 생성의 표준은 ComfyUI — 신모델 지원이 가장 빠르고, 워크플로가 파일 하나로 공유된다.
② 설치는 Comfy Desktop이 정답 — Python·PyTorch 세팅을 앱이 대신한다. GPU 없으면 Comfy Cloud(새 사용자 GPU 실행 5회 무료 · 2026-11-19 기준).
③ 기본 워크플로는 노드 6종(Checkpoint → Text Encode ×2 → Empty Latent → KSampler → VAE Decode → Save)이 전부다.
④ 모델은 Civitai·Hugging Face에서 .safetensors만, 체크포인트와 LoRA의 기반 버전 일치 확인.
⑤ 커스텀 노드는 Manager로 — 빨간 노드는 빠진 노드 설치 뒤 다시 켜기.
⑥ VRAM 부족은 해상도부터 낮추기 — "기준 해상도 생성 → 업스케일"이 정석.
마지막 한마디
ComfyUI의 학습 곡선은 첫 일주일이 전부다. 노드 6개짜리 기본 워크플로를 직접 지어본 순간부터는, 인터넷의 어떤 화려한 워크플로를 만나도 "아, 뼈대는 같고 중간에 뭘 끼운 거구나"가 보이기 시작한다. 그때부터 이 도구는 공부 대상이 아니라 내 아이디어를 조립하는 레고가 된다.
기초가 손에 붙었다면 다음 단계는 심화편이다 — ControlNet 조건부 생성, LoRA 체이닝, 업스케일 파이프라인, FLUX·Qwen 등 2026년 모델 선택과 FP8/GGUF 양자화까지는 ComfyUI 워크플로우 심화 가이드에서 이어진다.
PNG 한 장에 레시피가 통째로 담기는 도구는 흔치 않다. 오늘 만든 첫 이미지를 잘 보관해 두자 — 몇 달 뒤의 내가 그 파일을 끌어다 놓는 것만으로 오늘의 작업환경을 통째로 복원하게 될 테니.
공식 문서와 소스 코드로 하나씩 확인한 ComfyUI 기능별 글이다.
로컬 AI 이미지 처음 시작 — 6단계 길잡이 — 사양 확인부터 프로그램 고르기 · 설치 · 첫 그림 · 오류 해결까지 어느 글을 어떤 순서로 읽을지 한 쪽에 모았다. 내 PC가 되는지는 사양 계산기에 그래픽카드와 램만 넣어 보면 된다.
ComfyUI 인페인팅 — 그림 한 부분만 다시 그리는 법 — 마스크 그리는 법, VAE Encode (for Inpainting)와 Set Latent Noise Mask의 차이, 아웃페인팅까지.
ComfyUI 업스케일 — 작은 그림을 크게 뽑는 두 가지 방법 — 업스케일 모델(ESRGAN 계열)로 키우는 법과 잠재 공간에서 늘린 뒤 다시 그리는 2단계.
ComfyUI img2img — 있는 그림으로 다시 그리기와 denoise의 정체 — txt2img에서 바뀌는 두 칸, denoise가 노이즈 일정을 자르는 방식, steps와의 관계.
ComfyUI에서 LoRA 적용하기 — 강도 두 칸과 여러 개 겹치기 — 노드 두 종류의 이름, strength_model · strength_clip이 곱해지는 자리, 여러 개를 사슬로 잇는 법.
ComfyUI 워크플로 불러오기 — PNG 한 장에 노드가 되살아나는 이유 — PNG에 들어가는 prompt · workflow 두 JSON, 불러올 때 읽는 순서, JSON 저장과 API 형식.
ComfyUI 오류 Prompt outputs failed validation 뜻 — 실행 전에 걸리는 검증 오류와 실행 중에 멈추는 예외를 가르고, Value not in list 한 줄을 입력 이름 · 받은 값 · 목록 세 칸으로 나눠 읽는 법.
ComfyUI 시드 고정과 CFG — 같은 그림 다시 뽑고 한 칸만 바꾸기 — control after generate 네 가지 값, 실행 뒤 바뀌는 시드 칸, 배치 n번째 그림 다시 뽑기, 시드를 묶고 CFG만 움직이는 순서.
ComfyUI 업데이트 뒤 안 켜질 때 — 되돌리기와 커스텀 노드 가르기 — 명령 창 문구로 원인을 세 갈래로 가르고, 커스텀 노드를 뺀 채 켜 보고, 데스크톱 · 포터블 · 수동 설치별로 되돌리는 순서.
ComfyUI 여러 장 뽑기 — batch_size와 배치 수, 대기열 — Empty Latent Image의 batch_size와 실행 버튼 옆 배치 수의 차이를 메모리 · 시드 · 파일 이름으로 가르는 법.
ComfyUI ControlNet 입문 — 포즈·윤곽을 따라 그리게 하기 — 모델 파일 고르기, 노드 연결, Canny · OpenPose 밑그림, 강도 · 시작 · 종료 퍼센트 순서.
ComfyUI IP-Adapter 사용법 — 참고 그림 한 장으로 화풍 옮기기 — LoRA · ControlNet과의 차이, IPAdapter plus 확장의 파일 이름과 프리셋, weight 조절.
Flux를 내 PC에서 — ComfyUI 파일 구성과 VRAM에 맞춘 조합 — 받을 파일 4개와 폴더 3곳, 로더 노드 칸, fp8 한 파일판과 나눠 받기의 차이.
Flux Kontext 사용법 — 마스크 없이 글로 그림 고치기 (ComfyUI) — 글 지시로 그림을 고치는 원리와 공식 워크플로 연결, 영어 지시문 요령.
ComfyUI API 파이썬으로 쓰기 — 워크플로 보내 자동 생성 — API 형식 JSON, /prompt 응답과 검증 오류, 웹소켓 · /history로 끝 기다리기.
Comfy.org 공식 문서(설치·데스크톱 앱·시스템 요구사항), ComfyUI GitHub(Comfy-Org), ComfyUI Manager 문서, 모델별 VRAM 실측 자료. 설치 파일·요구 사양·클라우드 크레딧 정책은 변동될 수 있으니 최신 정보는 comfy.org 공식 페이지에서 확인할 것.
2026-11-19 다시 확인한 문서: docs.comfy.org «Windows Desktop 설치»(요구 사항·다운로드) · «Comfy Desktop 개요 — First Launch»(Cloud/Local · Express Install · Migrate) · «Windows 포터블 설치»(꾸러미·Python 버전·extra_model_paths) · «Workflow Templates»(메뉴 이름·빠진 모델) · «첫 이미지 생성»(Run · Ctrl+Enter · output) · «ComfyUI-Manager 설치»(Desktop 기본 포함 · 포터블 켜는 법) · comfy.org Cloud 요금 페이지(무료 실행 5회 · Standard 월 $20). 사양 표와 VRAM 구간 문장은 이번에 고치지 않았다.
자주 묻는 질문 — 사양 편
ComfyUI 최소 사양은 어떻게 되나요?
NVIDIA 기준 VRAM 4GB면 SD 1.5(512px)는 돌아갑니다. 다만 SDXL 이상은 실용성이 떨어집니다. 최신 ComfyUI는 NVIDIA 카드에서 DynamicVRAM이 기본으로 켜지고, 이때 --lowvram 옵션은 아무 일도 하지 않습니다. 즐겁게 쓰려면 12~16GB를 권합니다. 시스템 RAM은 최소 16GB, 저장공간은 SSD 30GB 이상(모델을 몇 개 받으면 금방 100GB를 넘습니다).
VRAM 8GB로 ComfyUI를 쓸 수 있나요?
됩니다. SDXL(1024px) 실사용이 가능하고, Z-Image Turbo FP8이나 경량 GGUF 영상 모델까지 손댈 수 있습니다. 다만 FLUX 계열은 양자화판으로만 가능하고, 해상도를 올리거나 배치를 늘리면 금방 막힙니다. 8GB는 "입문에 부족하지 않지만 최신 모델에는 아쉬운" 구간입니다.
지금 GPU를 산다면 몇 GB짜리를 사야 하나요?
16GB가 2026년의 실질적 기준선입니다. 이미지 생성만 할 거라면 12GB로도 충분하지만, 새 모델의 요구치가 계속 올라가고 있어 지금 필요한 것보다 한 단계 위를 사두는 편이 2년 뒤에 후회가 없습니다. RTX 50 시리즈 기준으로 5070 Ti·5080이 16GB, 5090이 32GB입니다.
VRAM이 모자라면 그 모델은 아예 못 쓰나요?
대부분 쓸 수 있습니다. 양자화(GGUF·FP8) 버전을 찾으면 요구치가 크게 떨어집니다. Z-Image Turbo는 BF16이 14~16GB지만 FP8은 8GB, GGUF는 6GB대이고, 영상 모델도 원본 40GB급이 양자화판으로는 6~8GB에서 도는 경우가 있습니다. 품질과 속도를 조금 내주는 대신 문이 열립니다.
맥이나 AMD 그래픽카드로도 되나요?
됩니다. Apple Silicon(M1 이후)은 Metal 가속으로 동작하며 통합 메모리를 씁니다. AMD는 Linux ROCm이 정식, Windows는 RDNA 3 이후 실험적 지원입니다. Intel Arc도 지원 대상입니다. 다만 NVIDIA 외 환경은 커스텀 노드 호환 문제를 만날 확률이 높다는 점은 감안하세요.
GPU가 없는 노트북인데 방법이 있나요?
Comfy Cloud를 쓰면 됩니다. 브라우저로 바로 열거나 Comfy Desktop 첫 설정에서 Cloud를 고르면 되고, 2026-11-19 요금 페이지 기준 새 사용자는 실제 GPU 실행 5회를 무료로 써 볼 수 있습니다. 사양이 애매해 GPU 구매를 고민 중이라면, 카드를 지르기 전에 클라우드로 며칠 돌려보고 판단하는 편이 훨씬 저렴합니다.