ComfyUI は今、ローカル画像生成シーンで最も注目されているオープンソースプロジェクトです。従来の UI の代わりにノードをつないで使う、Stable Diffusion 用のノードベース・ワークフロー・フロントエンドです。モデル自体は同梱せず、「段取り」だけを担当します。モデルの読み込み、プロンプトのエンコード、サンプリング、デコード、保存を可視ノードに分解し、自由につないで組み合わせます。この記事では、人気の理由、導入コスト、4つのリアルな落とし穴をまとめて解説します。
ComfyUI は何をするものか
従来の SD インターフェース（AUTOMATIC1111 など）はフォーム形式で、モデルを選んでプロンプトを入力し、生成ボタンを押します。ComfyUI では各工程がノードになります。Load Checkpoint がモデルを読み込み、CLIP Text Encode がプロンプトをエンコードし、KSampler がサンプリング、VAE Decode が画像にデコードします。ノード間は線でデータの流れをつなぎ、完成したフローは再利用可能なワークフローファイルとして保存できます。他人のワークフロー JSON を手に入れれば、同じ生成パイプラインをワンクリックで再現できます。このノードワークフローが「一度覚えたら戻れない」と言われる理由については、こちらの ComfyUI ノードワークフロー体験の解説も参考になります。
なぜこれほど人気なのか
第1に、ワークフローが再利用できること。SDXL や Flux などの新モデルが出ると、公式やコミュニティの ComfyUI サンプルワークフローがほぼ即座に公開されます。配線どおりにたどれば動くため、従来型 UI の対応を待つよりずっと速いのです。
第2に、VRAM 管理が堅実なこと。ComfyUI はノードの順序に沿ってモデルを読み込み・解放するため、同種のフロントエンドより VRAM 使用量が一段低く抑えられます。低 VRAM のグラフィックボードでも分割読み込みで大きなモデルを動かせます。6GB・8GB クラスのユーザーに評判が良いのはこのためです。
第3に、カスタムノードのエコシステム。ComfyUI-Manager プラグインを使えば、スマホのアプリを入れる感覚でコミュニティ製ノードを導入できます。動画生成、アップスケール、顔修復などをカバーする数千のサードパーティ製ノードが存在し、本体は軽量なまま、機能はエコシステムで拡張される構造です。
向いている人・向いていない人
向いているのは3タイプです。生成フローを細かく制御したい上級ユーザー、コミュニティのワークフローを流用して素早く成果を出したいデザイナー、そして ComfyUI をバックエンド API として使う開発者です。API 呼び出しに標準対応しており、多くの AI 作画サービスの裏側で動いています。
向いていないのは2タイプです。「開いてすぐ描きたい」だけの完全初心者。ノードの概念には学習コストがあり、初回起動時の画面いっぱいのノードに圧倒されがちです。もう1つは NVIDIA 製 GPU を持たないユーザー。AMD や Intel 内蔵 GPU 向けの実験的サポートはありますが、エコシステムも安定性も一段落ち、調整コストが高くつきます。
導入コスト：2つのインストール方法と VRAM の目安
方法1は Windows ポータブル版です。公式 Releases ページから ComfyUI_windows_portable_nvidia.7z をダウンロードし、7-Zip で解凍して run_nvidia_gpu.bat をダブルクリック。ブラウザで 127.0.0.1:8188 を開けば使えます。Python 3.13 と CUDA 版 PyTorch を同梱しているため環境構築は不要で、初心者に最も確実な選択肢です。AMD 版や 10 シリーズ以前の旧カード向け cu126 版のポータブルも公式提供されています。
方法2はソースからの手動インストールです。リポジトリを git clone し、Python 仮想環境を作って CUDA に対応する PyTorch を入れ、pip install -r requirements.txt の後に python main.py を実行します。Linux ユーザーや最新コードを追いたい開発者向けですが、PyTorch と CUDA のバージョン合わせは自己解決が必要です。
VRAM の目安はモデル別に分かれます。6GB で SD 1.5、8GB が SDXL の快適ライン、Flux や SD3 といった大型モデルは 12GB から、ControlNet の重ねがけや動画モデルは 16GB 以上が現実的です。システムメモリは 16GB 推奨、ディスクは最低 30GB、Flux を扱うなら 60GB 以上の空きが必要です。
見落としがちなコストがモデルの重みです。SDXL は1ファイル約 6.5GB、Flux 系は1モデルで数十 GB に達します。ソフトもモデルも無料ですが、本当の出費は一度きりの GPU 投資です。SDXL を動かせる RTX 3060 クラスのカードで約 300〜600 ドル、あとは電気代だけです。
GPU がなくても無理は禁物です。クラウドなら GPU を時間単位で借りられます。公開情報では RunDiffusion のようなサービスが約 0.50 ドル/時〜で、GPU のグレードにより上がります。たまに使う程度ならカード購入より安く、ヘビーユーザーはローカル運用が有利です。クラウドでのワンクリック起動については、こちらの RunDiffusion クラウド Stable Diffusion ワンクリック起動サービスの解説も参考になります。
4つのリアルな落とし穴
落とし穴1：カスタムノード不足のエラー。他人のワークフローを動かす際、最も多いエラーは赤字の「ノード不足」表示です。ワークフローが未導入のカスタムノードを使っているのが原因です。先に ComfyUI-Manager を入れれば、不足ノードをスキャンして一括補完できるので、手動で探し回る必要はありません。
落とし穴2：VRAM 不足。プロンプトが長い、高解像度といった条件で「Out of Memory」が発生します。特に 8GB カードで SDXL の高解像度修復を回すと起きがちです。まず解像度とバッチ数を下げ、それでも足りなければ --lowvram などの起動オプションを。根本解決は大容量 VRAM のカードへの交換で、近道はありません。
落とし穴3：プラグインのバージョン衝突。カスタムノードはそれぞれ異なるバージョンの Python ライブラリに依存するため、入れすぎると衝突します。症状は起動時の ImportError や、ある日突然ノードが動かなくなる現象です。必要なノードだけ入れ、問題が出たら Manager の無効化機能で二分探索するのが定石です。
落とし穴4：モデルの置き場所間違い。ダウンロードしたモデルをルートディレクトリに放り込んでも動きません。大規模モデルの checkpoint は models/checkpoints、VAE は models/vae、LoRA は models/loras に置くのが決まりです。場所を間違えるとフロントエンドのドロップダウンにモデルが一切表示されません。「モデルが表示されない」相談の9割はこの原因です。
公式リポジトリ情報
プラットフォーム：GitHub、組織：comfyanonymous、プロジェクト名：ComfyUI。リポジトリのアドレスは github.com/comfyanonymous/ComfyUI（リンクではなくプレーンテキスト）で、Releases ページから各ポータブル版を入手できます。この組織名を必ず確認してください。同名の fork や類似リポジトリが多数あり、誤ったパッケージを掴むと、軽ければ旧バージョン、重ければマルウェア混入の恐れがあります。
