备受期待的 Kontext 开源模型终于正式发布，这对于 AI 图像处理领域来说无疑是一个重大利好。
事实上，该模型的 API 早已上线，市场反馈相当热烈。因其卓越的效果，一度令外界认为开源遥遥无期。然而惊喜不期而至——开源版本现已直接开放下载。这应该是近期最值得体验的智能图像编辑模型之一。
先快速梳理一下 Flux Kontext 的核心特性：
从亮点来看，这款模型的定位非常明确——专注智能 P 图场景。
下面快速预览其效果与典型应用：
风格转换：
提示词：Transform to 1960s pop art style with bright colors, bold graphics, and commercial aesthetics
添加文本：
提示词： Add ASCII style text only the single word “In” no additional letters to the display
移除对象：
风格参考：
视角切换：
提示词：Rotate the camera 180 degrees to view directly from behind the dog, showing its back and tail while maintaining the same 3D style
多轮编辑：
多图合成：
改变光照：
模型功能已介绍完毕，接下来重点讲解本地部署流程。
准备工作
首先，您需要一台配备高显存 NVIDIA 显卡的电脑。硬件是硬性门槛，其余步骤相对简单。
我分别在 5060 Ti 16G 和 3090 24G 两款显卡上完成了安装与运行。首次测试在 5060 上验证可行，后续操作主要在 3090 上执行，以下截图也基于 3090 环境。
安装软件
全新安装
Flux 提供多种安装方式：
- 桌面程序：一键式傻瓜安装，理论上最适合初学者。
- Windows 便携包：解压即用，所有内容打包在一个压缩文件中。
- 手动安装：全流程自主控制，难度相对较高。
桌面应用虽然便捷，但会在线加载依赖库，网络问题容易引发各种报错，且后续排查与干预较为困难。因此我更推荐第二种方式——直接下载 7z 压缩包。
下载到本地后直接解压。推荐使用 7-zip 这一免费无广告的压缩工具。若不希望额外安装，Windows 自带解压功能也能胜任。
在压缩包上右键，选择“全部解压缩”，指定路径后点击“提取”即可。不过自带解压工具在操作时可能占用较多系统资源，甚至出现假死状态，请确保 C 盘有充足剩余空间。
解压完成后进入 ComfyUI_windows_portable 文件夹，双击 run_nvidia_gpu.bat 启动软件。这是一个完整发行包，无需额外配置。
启动日志如下：
需要确认 PyTorch 版本。只有 2.7 + cu128 版本才支持 RTX 50 系列显卡。最新版压缩包已默认支持 50 系列。当出现 “http…” 字样时表示启动成功，程序会自动调用本地浏览器打开对应地址。
老版本升级
如果电脑上已安装过 ComfyUI，不想重新下载，可以就地升级。
找到 ComfyUI 解压目录，进入 update 文件夹，双击 update_comfyui_stable.bat，等待运行完毕即可。
通常情况下这样就能完成升级。但 RTX 5060 等 50 系列显卡对应的 CUDA 版本已升级，因此也需要同步更新 PyTorch 版本以适配。
具体操作为：打开 python_embeded 文件夹。该目录内含独立的 Python 环境，需要更新其中的 PyTorch 依赖包。
在文件资源管理器的地址栏输入 CMD 并回车，即可打开命令行并自动定位到该文件夹。然后输入以下命令：
python.exe -m pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
命令执行后需在线下载数 GB 文件，下载完成后自动安装。安装完毕，ComfyUI 最新版即可正常运行，新版已默认支持 Flux Kontext 图像编辑功能。
打开工作流
ComfyUI 的所有操作均基于工作流。Flux Kontext 这款 P 图模型也自带专属工作流，官方软件中已内置。
在网页中找到“工作流”菜单，打开并选择“浏览模板”，点击进入。找到 Flux，点击第一个“小兔子”工作流。此处包含两个 Kontext 相关的工作流，先使用第一个。
载入后，工作流界面如下：
接着选择参考图片，输入修改提示词，点击运行即可。
下载模型
首次使用该模板时，本地没有相应模型，打开工作流会自动弹出下载提示。主要涉及四个模型，可直接点击下载按钮开始下载。下载完成后放入对应文件夹。
具体路径：在解压的软件目录下找到 ComfyUI，其下有 models 文件夹，内含众多子文件夹，所有模型按类别存放。
设置工作流
模型放置完成后，需要对工作流进行一些配置。
首先刷新节点定义。点击“编辑”菜单，选择“刷新自定义节点”。刷新后工作流才能识别新添加的模型。
然后选择模型。由于我们按照工作流预设的模型名称下载，只要路径正确，刷新节点后通常无需额外修改即可直接使用。如需更换模型，可在上方下拉菜单中切换。
上传参考图片
既然是 P 图，自然需要原始图片，此处也称为参考图片。点击“选择文件”，上传一张预先准备好的图片。我选择了一张展开翅膀的 Model X 照片。
设置提示词
有了图片，接下来描述 P 图内容。例如将这辆车的颜色改为红色。
模型、图片、提示词全部设置完毕，工作流配置即告完成。
运行工作流
一切就绪后，点击运行。系统会依次加载图片、模型、提示词，然后生成原图预览图与最终结果。
结果如下：
效果令人惊艳。我特意选择了一张背景纯白的图片，模型成功识别车辆并完成颜色替换，修改目标区域的同时其他部分纹丝不动。这种一致性正是 P 图的核心关键。如果使用 GPT-4o 处理，主体往往会产生变形。
运行过程中的日志可在队列中查看。显存占用情况：3090 的 24G 显存占用约 18.7G，5060 Ti 的 16G 显存占用约 14.8G。两者均未使用共享 GPU 内存，因此可以合理推断，5060 Ti 的 16G 显存运行 FP8 模型完全够用，并未退而求其次调用 CPU。
生成时间方面：3090 首次运行耗时 86 秒，其中图像生成 63 秒。5060 Ti 首次运行耗时 131 秒，图像生成 93 秒。
P 一张图片大约一分多钟，效果远胜于手动修图，时间更短，且无需付费调用第三方 API，完全本地运行。性价比极高。
按照上述教程，大多数用户应能轻松完成部署。如此便在本地拥有一套完全离线的 AI P 图工具。工作流配置完毕后，只需拖入图片、描述操作即可快速完成批图。
