네거티브 프롬프트는 «빈 프롬프트» 자리에 들어간다
네거티브 프롬프트를 처음 WebUI에 넣은 AUTOMATIC1111 위키의 설명은 짧다. 샘플링을 할 때 조건 없는 예측(unconditional_conditioning) 자리에 빈 문자열 대신 사용자가 적은 글을 쓰는 것이 네거티브 프롬프트의 작동 방식이라고 적었다. 원래 스테이블 디퓨전은 단계마다 그림을 두 번 예측한다. 한 번은 프롬프트를 넣고, 한 번은 아무것도 넣지 않은 빈 프롬프트로 예측한 뒤, 두 예측의 차이를 써서 그림을 프롬프트 쪽으로 민다. 네거티브 프롬프트는 이 «빈 프롬프트» 자리를 «피하고 싶은 것»으로 바꿔 끼우는 장치다.
이 빈 프롬프트 예측이 어디서 왔는지도 공식 기록에 남아 있다. 분류기 없는 가이던스(classifier-free guidance)를 제안한 논문은 조건이 있는 모델과 조건이 없는 모델을 함께 학습하고, 두 예측을 섞어 품질과 다양성 사이를 조절한다고 설명했다. Stable Diffusion v1-5 모델 카드도 512x512 해상도에서 595k 스텝을 더 학습하면서 분류기 없는 가이던스 샘플링을 좋게 하려고 텍스트 조건을 10% 떨어뜨렸다고 적었다. 학습 때 글 없이 그림만 보는 경우를 일부러 섞어 두었기 때문에, 모델은 «아무 말도 없을 때의 그림»을 예측할 수 있고, 네거티브 프롬프트는 바로 그 자리를 빌려 쓴다.
75토큰을 쓰지 않는 또 하나의 프롬프트
위키가 장점으로 든 것은 두 가지다. 원하지 않는 것을 적을 수 있다는 점, 그리고 그 일을 프롬프트의 75토큰 한도를 하나도 쓰지 않고 할 수 있다는 점이다. 긍정 프롬프트에 «안개 없이»라고 적으면 «안개»라는 낱말이 오히려 그림에 들어갈 수 있고 토큰 자리도 차지하지만, 네거티브 칸은 별도 계산이라 이런 부담이 없다. 위키는 샘플러가 프롬프트 쪽으로 다듬은 그림과 네거티브 쪽으로 다듬은 그림의 차이를 보고, 결과를 앞쪽으로 가깝게 · 뒤쪽에서 멀게 옮긴다고 정리했다.
ComfyUI 소스 코드에서는 이 계산이 한 줄로 보인다. comfy/samplers.py의 cfg_function은 uncond_pred + (cond_pred - uncond_pred) * cond_scale로 결과를 만든다. 여기서 cond_pred가 긍정 프롬프트 예측, uncond_pred가 네거티브(비어 있으면 빈 프롬프트) 예측, cond_scale이 KSampler의 CFG 값이다. 식을 보면 네거티브는 «빼는 낱말 목록»이라기보다 «출발점»이라는 것이 드러난다. 네거티브 예측에서 출발해, 긍정 예측과의 차이를 CFG 배만큼 늘려 나아가는 구조다.
같은 파일의 sampling_function에는 조건이 하나 붙어 있다. CFG 값이 1.0과 같으면, 따로 끄는 옵션(disable_cfg1_optimization)을 켜지 않은 한 uncond를 None으로 두고 계산하지 않는다. 식에 1을 넣으면 uncond_pred가 지워지고 긍정 예측만 남기 때문에, 계산을 아끼려고 아예 건너뛰는 것이다. 네거티브 칸에 무엇을 적든 CFG가 1.0이면 결과는 같다는 뜻이다. 반대로 ComfyUI KSampler의 cfg 칸 기본값은 8.0이라, 새 워크플로를 그대로 쓰는 SD 1.5 · SDXL에서는 네거티브가 계산에 들어간다.
모델마다 다른 이유 — 모델 카드의 가이던스 값
네거티브 프롬프트가 모델마다 다르게 듣는 첫째 이유는 모델이 쓰는 가이던스 값이 다르기 때문이다. 위의 식은 CFG가 1보다 클 때만 네거티브에 일을 시킨다. 그래서 모델 카드에서 먼저 볼 칸은 권장 네거티브 문구가 아니라 공식 예제의 가이던스 값이다.
diffusers 라이브러리의 Stable Diffusion 파이프라인은 이 조건을 코드로 못 박았다. 분류기 없는 가이던스를 쓰는지 정하는 속성은 guidance_scale이 1보다 클 때만 참이고, negative_prompt 설명에는 «가이던스를 쓰지 않을 때는 무시된다»고 적혀 있다. SD 3.5용 파이프라인도 같은 조건과 같은 설명을 쓴다.
공식 예제가 가이던스를 끈 모델들
2026년 10월 22일에 모델 카드를 다시 열어 보니, 적은 단계로 빠르게 그리는 증류(distillation) 모델들은 공식 예제에서 가이던스를 아예 끄고 있었다. SDXL-Turbo 모델 카드는 Adversarial Diffusion Distillation으로 학습해 1~4단계로 그린다고 소개하고, 예제 위에 «SDXL-Turbo는 guidance_scale이나 negative_prompt를 쓰지 않으며, guidance_scale=0.0으로 끈다»고 적었다. SD 3.5 Large Turbo의 예제도 4단계에 guidance_scale=0.0이고, FLUX.1 [schnell]도 4단계 예제에 guidance_scale=0.0을 넣었다. diffusers 기준으로 셋 다 네거티브 칸이 계산에 들어가지 않는 설정이다.
증류하지 않은 쪽은 다르다. SD 3.5 Large 카드의 예제는 28단계에 guidance_scale=3.5를 쓴다. 1보다 큰 값이라 네거티브가 계산에 들어간다. FLUX.1 [dev]는 이름은 같은 guidance_scale=3.5인데 뜻이 다르다. 카드는 이 모델을 «가이던스 증류로 학습했다»고 적었고, diffusers의 Flux 파이프라인에서 guidance_scale은 모델 안에 넣는 값일 뿐 진짜 CFG는 true_cfg_scale이라는 별도 칸이 맡는다. 이 칸의 기본값은 1.0이고, 1보다 크게 올리고 negative_prompt를 함께 줄 때만 진짜 CFG가 켜진다. 기본값 그대로라면 FLUX.1 dev에 적은 네거티브도 무시된다.
인용 — Stability AI. SDXL-Turbo 모델 카드«SDXL-Turbo does not make use of guidance_scale or negative_prompt, we disable it with guidance_scale=0.0.» — SDXL-Turbo는 guidance_scale이나 negative_prompt를 쓰지 않으므로, guidance_scale=0.0으로 끈다.
모델을 만든 곳이 직접 «이 모델에는 네거티브 칸이 없다»고 적어 둔 문장이다. 네거티브 목록을 붙여 넣기 전에 모델 카드의 예제 한 줄을 먼저 보라는 근거가 된다.
넣을 것과 뺄 것 — 목록보다 결과에서 출발하기
가이던스 값이 1보다 큰 모델이라면, 이제 무엇을 넣을지가 남는다. 결론부터 적으면, 공식 모델 카드에는 «이 네거티브를 넣어라»는 목록이 없다. 2026년 10월 22일에 Stable Diffusion v1-5와 SDXL base 1.0 모델 카드 원문을 받아 negative라는 낱말을 찾아보니 두 카드 모두 0번이었다. 같은 방법으로 찾은 SDXL-Turbo 카드에서는 앞의 «쓰지 않는다» 문장 한 번뿐이었다. 흔히 도는 추천 목록은 모델을 만든 곳의 안내가 아니라는 뜻이다.
모델 카드가 대신 적어 둔 것은 «한계» 목록이다. SD v1-5 카드는 사진 같은 사실감에 온전히 이르지 못하고, 읽을 수 있는 글자를 그리지 못하며, «파란 공 위의 빨간 정육면체»처럼 구성이 어려운 장면에 약하고, 얼굴과 사람이 제대로 그려지지 않을 수 있다고 적었다. SDXL base 1.0 카드도 거의 같은 항목을 둔다. 네거티브 칸에 «text, bad face»를 넣는 습관은 이 한계에서 나왔겠지만, 카드는 한계를 적었을 뿐 네거티브로 고쳐진다고 말하지 않는다. 한계는 모델의 성질이고, 네거티브는 그 성질 안에서 방향을 조금 트는 칸이다.
위키 예시가 보여 주는 순서 — 시드를 묶고 하나씩
A1111 위키의 네거티브 예시는 이 순서를 그대로 보여 준다. 숲 속 성 그림 하나를 Steps 20 · Euler a · CFG 7 · Seed 749109862로 고정해 두고, 네거티브를 비운 판, fog, grainy, fog와 grainy, 거기에 purple까지 더한 판을 차례로 놓았다. 프롬프트와 시드, 설정은 그대로 두고 네거티브 낱말만 하나씩 늘렸기 때문에, 바뀐 부분이 어느 낱말 때문인지 가를 수 있다.
같은 방법을 내 그림에 옮기면 이렇다. 먼저 시드를 한 값에 묶고 네거티브를 비운 채 한 장을 뽑는다. 결과에서 실제로 보인 문제만 적는다. 글자가 섞였다면 text, 화면이 뿌옇다면 fog나 blurry처럼 보인 것을 그대로 쓴다. 낱말 하나를 더할 때마다 한 장을 다시 뽑아 앞 장과 견주고, 바뀌지 않거나 다른 곳이 망가지면 그 낱말은 뺀다. 시드를 묶는 방법은 시드 · CFG 편에 정리해 두었다.
네거티브에 넣지 말 것
뺄 것도 공식 문서에 몇 가지가 보인다. 첫째, LoRA다. A1111 위키 Features 문서는 LoRA를 <lora:파일이름:배수> 문법으로 프롬프트에 넣는다고 설명한 바로 뒤에 «LoRA는 네거티브 프롬프트에 넣을 수 없다»고 적었다. 원하지 않는 화풍을 LoRA로 빼려는 시도는 이 칸에서는 되지 않는다. LoRA 세기는 LoRA 불러오기 · 세기 편에서 따로 다룬다.
둘째, 긍정 프롬프트에 이미 적은 낱말이다. 앞의 식으로 보면 결과를 미는 힘은 «긍정 예측 − 네거티브 예측»의 차이에서 나온다. 같은 낱말을 양쪽에 적으면 두 예측의 재료가 겹쳐, 그 낱말 쪽으로 미는 차이를 스스로 줄이는 꼴이 된다. 셋째, 원인이 다른 칸에 있는 문제다. 해상도 · 스텝 · CFG가 모델 기준과 어긋난 채로는 네거티브 낱말을 바꿔도 무엇이 원인인지 가려지지 않는다. 숫자 칸부터 맞추는 순서는 첫 그림 점검 글에 단계별로 있다.
네거티브 임베딩 — Textual Inversion 파일을 부르는 법
네거티브 칸에 «EasyNegative» 같은 낯선 낱말이 들어 있는 워크플로를 본 적이 있다면, 그것은 보통 낱말이 아니라 임베딩 파일 이름이다. 임베딩을 만드는 Textual Inversion은 2022년 논문에서 나온 방법으로, 사용자가 준 개념 그림 3~5장만으로 고정된 텍스트-이미지 모델의 임베딩 공간에 새 «낱말»을 배운다. 모델 본체는 그대로 두고, 프롬프트에서 부를 수 있는 낱말 하나를 더하는 셈이다.
A1111 위키는 이 낱말이 실제로 있는 사물일 필요가 없다고 설명하면서 바로 EasyNegative를 예로 든다. 네거티브 프롬프트에 자주 보이는 EasyNegative는 누군가 질이 낮다고 생각한 그림들로 학습한 인공 개념이라는 설명이다. 다시 말해 네거티브 임베딩은 «피하고 싶은 그림 묶음»을 낱말 하나로 압축해 네거티브 칸에 넣는 방법이다. 학습에 쓴 그림이 무엇이었는지는 만든 사람마다 다르므로, 내 그림에 맞는지는 앞 절의 «하나씩 견주기»로 확인해야 한다.
ComfyUI와 WebUI에서 부르는 문법
부르는 법은 프로그램마다 다르다. A1111 WebUI는 임베딩 파일을 embeddings 폴더에 넣고 프롬프트에 파일 이름을 그대로 쓰면 되며, 프로그램을 다시 켤 필요도 없다고 위키에 적혀 있다. 학습 결과 파일은 원 저자 형식인 .pt나 diffusers 형식인 .bin이다.
ComfyUI는 접두어가 필요하다. 공식 예제는 파일을 models/embeddings 폴더에 넣고 프롬프트에 embedding:SDA768.pt처럼 쓰되, 확장자는 빼도 같다고 안내한다. 일반 낱말처럼 (embedding:SDA768:1.2)로 세기를 줄 수 있고, 임베딩은 «사실상 사용자 낱말»이라 프롬프트 안 위치가 결과에 영향을 준다. ComfyUI 문서의 CLIPTextEncode 설명은 .safetensors · .pt · .bin 세 형식을 받는다고 적고, 네거티브 예로 worst quality, embedding:EasyNegative, bad quality를 들었다. 소스 코드 comfy/sd1_clip.py도 이름 뒤에 확장자가 없으면 .safetensors · .pt · .bin 순서로 붙여 가며 파일을 찾는다.
쉼표 뒤 띄어쓰기 하나로 갈리는 것
ComfyUI 소스에서 눈여겨볼 줄이 하나 있다. 프롬프트를 낱말로 나누는 tokenize_with_weights는 «embedding:»을 찾을 때 앞에 공백이 있는 자리에서만 나누는 정규식 (?<=\s)를 쓴다. 2026년 10월 22일 서버의 Python 3.14.8로 이 정규식을 그대로 돌려 보니, worst quality, embedding:EasyNegative처럼 쉼표 뒤에 한 칸을 띄우면 임베딩 조각이 따로 떨어졌고, worst quality,embedding:EasyNegative처럼 붙여 쓰면 한 덩어리로 남아 임베딩으로 읽히지 않았다. 칸 맨 앞에 embedding:으로 시작하면 공백이 없어도 임베딩으로 읽혔다. 붙여 쓴 쪽은 오류 없이 그냥 글자로 처리되므로, 결과가 이상하다고 느끼기 전까지는 알아채기 어렵다.
이름을 틀렸을 때는 그나마 흔적이 남는다. 파일을 찾지 못하면 명령 창에 «warning, embedding:이름 does not exist, ignoring» 경고를 남기고 그 낱말을 건너뛴다. 그림은 아무 일 없다는 듯 나오므로, 네거티브 임베딩을 넣었는데 효과가 없어 보이면 명령 창부터 본다.
임베딩은 계열을 맞춰야 한다
마지막은 호환성이다. A1111 위키는 임베딩이 학습에 쓴 모델에서는 잘 되지만 다른 모델에서는 그만 못하다며, 어떤 모델과 함께 쓰는지 «아주 조심하라»고 적었다. ComfyUI 문서는 더 구체적으로, SD1.5용으로 만든 임베딩은 SDXL 모델에서 제대로 작동하지 않는다고 못 박았다. ComfyUI 소스는 임베딩 벡터 크기가 텍스트 인코더와 맞지 않으면 «shape mismatch … embedding will be ignored» 경고를 남기고 그 임베딩을 무시한다.
토큰 자리도 생각해야 한다. 네거티브 프롬프트 자체는 긍정 프롬프트의 75토큰을 쓰지 않지만, 임베딩은 들어간 칸 안에서 벡터 수만큼 자리를 차지한다. 위키는 벡터 16개짜리 임베딩을 쓰면 75 - 16 = 59 자리가 남는다고 계산해 보였다. 그리고 앞 절의 가이던스 조건은 임베딩에도 그대로다. CFG가 1.0인 설정이나 가이던스를 끈 증류 모델에서는 네거티브 칸에 넣은 임베딩도 계산에 들어가지 않는다.
자주 묻는 것
네거티브 프롬프트를 넣었는데 그림이 하나도 안 바뀌어요.
먼저 CFG 값을 본다. ComfyUI는 CFG가 1.0이면 네거티브 계산을 건너뛰고, diffusers도 가이던스를 쓰지 않는 설정에서는 negative_prompt를 무시한다. SDXL Turbo · SD 3.5 Large Turbo · FLUX.1 schnell처럼 공식 예제가 가이던스를 0.0으로 둔 증류 모델이라면 네거티브 칸은 처음부터 일을 하지 않는다. CFG가 1보다 큰데도 같다면 시드가 바뀌고 있지 않은지, 임베딩 이름 경고가 명령 창에 뜨지 않았는지 확인한다.
네거티브 프롬프트 추천 목록을 그대로 붙여 넣어도 되나요?
공식 모델 카드에는 그런 목록이 없다. SD v1-5와 SDXL base 1.0 카드 원문에는 negative라는 낱말 자체가 나오지 않는다. 긴 목록은 무엇이 효과를 냈는지 가를 수 없게 만들므로, 시드를 묶고 네거티브를 비운 한 장에서 출발해 실제로 보인 문제를 한 낱말씩 더하는 편이 원인을 찾기 쉽다.
FLUX.1 dev에서 네거티브를 쓰는 방법이 있나요?
diffusers의 Flux 파이프라인에는 true_cfg_scale이라는 칸이 있고, 이 값을 1보다 크게 두고 negative_prompt를 함께 줄 때만 진짜 CFG가 켜진다. 기본값은 1.0이라 그대로 두면 네거티브는 무시된다. FLUX.1 dev는 가이던스 증류로 학습한 모델이고 공식 예제의 guidance_scale 3.5는 모델 안에 넣는 값이다. diffusers 코드는 진짜 CFG가 켜지면 단계마다 네거티브용 예측을 한 번 더 돌리므로, 그만큼 시간이 더 든다는 점도 함께 생각한다.
EasyNegative 같은 네거티브 임베딩은 SDXL에서도 쓸 수 있나요?
그 임베딩을 어떤 모델로 학습했는지에 달렸다. ComfyUI 문서는 SD1.5용 임베딩이 SDXL 모델에서 제대로 작동하지 않는다고 적었고, ComfyUI 소스는 벡터 크기가 맞지 않으면 경고를 남기고 임베딩을 무시한다. 받은 곳의 설명에서 기반 모델을 확인하고, 쓰는 체크포인트와 같은 계열의 임베딩만 넣는다.
ComfyUI에서 임베딩이 먹는지 어떻게 확인하나요?
명령 창을 본다. 파일 이름을 찾지 못하면 «does not exist, ignoring» 경고가, 계열이 맞지 않으면 «shape mismatch» 경고가 뜬다. 경고가 없는데도 효과가 없다면 쉼표 바로 뒤에 붙여 쓰지 않았는지 본다. ComfyUI는 공백 뒤나 칸 맨 앞에 쓴 embedding:만 임베딩으로 읽는다.
정리 — 네거티브 칸을 쓰기 전에 볼 세 가지
네거티브 프롬프트는 빈 프롬프트 자리를 대신하는 또 하나의 프롬프트다. 그래서 일을 하느냐는 가이던스 값이 정한다. CFG가 1.0이거나 공식 예제가 가이던스를 끈 증류 모델이라면, 어떤 낱말이나 임베딩을 넣어도 계산에 들어가지 않는다. 모델 카드에서 먼저 볼 것은 권장 네거티브가 아니라 예제의 guidance_scale 한 줄이다.
가이던스가 살아 있는 모델이라면, 목록을 붙여 넣는 대신 시드를 묶고 네거티브를 비운 한 장에서 출발해 결과에 보인 문제만 한 낱말씩 더한다. LoRA는 네거티브에 넣을 수 없고, 해상도처럼 다른 칸이 원인인 문제는 그 칸에서 고친다. 네거티브 임베딩을 쓸 때는 폴더 · 문법 · 쉼표 뒤 띄어쓰기 · 모델 계열 네 칸을 맞추고, 효과가 없으면 명령 창의 경고부터 읽는다.
참고 자료
- AUTOMATIC1111. stable-diffusion-webui 위키 — Negative prompt — 빈 문자열 대신 사용자 글을 unconditional_conditioning에 쓰는 방식, 75토큰 한도를 쓰지 않음, 프롬프트 쪽으로 다가가고 네거티브 쪽에서 멀어짐, fog · grainy · purple을 하나씩 더한 예시(Steps 20 · Euler a · CFG 7 · Seed 749109862)(2026-10-22 확인). github.com
- AUTOMATIC1111. stable-diffusion-webui 위키 — Features — Negative prompt 절(빈 문자열 대신 unconditional conditioning에 사용), LoRA는 네거티브 프롬프트에 넣을 수 없음(2026-10-22 확인). github.com
- Ho, Salimans. Classifier-Free Diffusion Guidance (arXiv:2207.12598) — 조건이 있는 · 조건이 없는 확산 모델을 함께 학습하고 두 점수 추정을 섞어 품질과 다양성을 맞바꿈(2022-07-26 제출 · 2026-10-22 확인). arxiv.org
- Stable Diffusion v1-5 모델 카드 — 512x512에서 595k 스텝 · 분류기 없는 가이던스 샘플링을 위해 텍스트 조건 10% 떨어뜨림, 한계(사실감 한계 · 읽을 수 있는 글자 못 그림 · 구성 어려움 · 얼굴과 사람), 카드 원문에 negative 낱말 0회(2026-10-22 확인). huggingface.co
- Stability AI. SDXL base 1.0 모델 카드 — 한계 목록(글자 · 얼굴과 사람 · 구성 · 손실 있는 오토인코더), 카드 원문에 negative 낱말 0회(2026-10-22 확인). huggingface.co
- Stability AI. SDXL-Turbo 모델 카드 — Adversarial Diffusion Distillation, 1~4단계, «guidance_scale이나 negative_prompt를 쓰지 않아 guidance_scale=0.0으로 끈다», 512x512(2026-10-22 확인). huggingface.co
- Stability AI. Stable Diffusion 3.5 Large 모델 카드 — diffusers 예제 num_inference_steps=28 · guidance_scale=3.5, 텍스트 인코더 OpenCLIP-ViT/G · CLIP-ViT/L · T5-xxl(2026-10-22 확인). huggingface.co
- Stability AI. Stable Diffusion 3.5 Large Turbo 모델 카드 — ADD 증류, 4단계, diffusers 예제 guidance_scale=0.0(2026-10-22 확인). huggingface.co
- Black Forest Labs. FLUX.1 [dev] 모델 카드 — 가이던스 증류로 학습, diffusers 예제 guidance_scale=3.5 · num_inference_steps=50 · 1024×1024(2026-10-22 확인). huggingface.co
- Black Forest Labs. FLUX.1 [schnell] 모델 카드 — 잠재 적대적 확산 증류, 1~4단계, diffusers 예제 guidance_scale=0.0 · num_inference_steps=4, apache-2.0(2026-10-22 확인). huggingface.co
- Comfy-Org. ComfyUI comfy/samplers.py — cfg_function의 uncond_pred + (cond_pred - uncond_pred) * cond_scale, sampling_function에서 cond_scale이 1.0이면 uncond를 None으로 둠(disable_cfg1_optimization 예외)(2026-10-22 master 확인). github.com
- Hugging Face. diffusers pipeline_stable_diffusion.py · pipeline_stable_diffusion_3.py — negative_prompt «가이던스를 쓰지 않으면 무시», do_classifier_free_guidance = guidance_scale > 1(SD · SD3 두 파이프라인 같음)(2026-10-22 main 확인). github.com
- Hugging Face. diffusers pipeline_flux.py — true_cfg_scale 기본값 1.0, true_cfg_scale이 1보다 크고 negative_prompt가 있을 때만 진짜 CFG, 그 밖에는 negative_prompt 무시(2026-10-22 main 확인). github.com
- Gal 외. An Image is Worth One Word — Textual Inversion (arXiv:2208.01618) — 개념 그림 3~5장으로 고정된 모델의 임베딩 공간에 새 «낱말»을 배움, 낱말 임베딩 하나로도 개념을 담음(2022-08-02 제출 · 2026-10-22 확인). arxiv.org
- AUTOMATIC1111. stable-diffusion-webui 위키 — Textual Inversion — embeddings 폴더 · 파일 이름으로 부름 · 재시작 불필요, .pt · .bin, EasyNegative = 질 낮다고 본 그림으로 학습한 인공 개념, 학습한 모델에서 잘 되고 다른 모델에선 덜 됨, 벡터 16개면 75 - 16 = 59(2026-10-22 확인). github.com
- ComfyUI Examples. Textual Inversion Embeddings — models/embeddings 폴더, embedding:이름 · 확장자 생략 가능, (embedding:이름:1.2) 세기, 넣는 자리가 중요(2026-10-22 확인). comfyanonymous.github.io
- ComfyUI Docs. CLIPTextEncode — 임베딩 형식 .safetensors · .pt · .bin, ComfyUI/models/embeddings, EasyNegative 예시, SD1.5용 임베딩은 SDXL에서 제대로 작동하지 않음, 괄호 기본 1.1배(2026-10-22 확인). docs.comfy.org
- Comfy-Org. ComfyUI comfy/sd1_clip.py — embedding_identifier «embedding:», 공백 뒤에서만 나누는 정규식 (?<=\s), 확장자 .safetensors · .pt · .bin 순서로 찾음, 없으면 «does not exist, ignoring» 경고, 크기가 다르면 «shape mismatch … embedding will be ignored» 경고(2026-10-22 master 확인). github.com
- Comfy-Org. ComfyUI nodes.py — KSampler cfg 기본값 8.0 · 최소 0.0 · 최대 100.0, 임베딩 폴더를 체크포인트 · CLIP 로더에 넘김(2026-10-22 master 확인). github.com
