Nanosaur2-670M

Nanosaur2-670M

用一个 670M 参数的小型扩散模型，根据文字提示生成插画，在 ComfyUI 中运行。这是一个低预算的研究模型，适合想试用或训练自己 LoRA 的人。

由 well9472 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Nanosaur2-670M 是一个用于插画的文生图模型，有 670M 参数，采用扩散 Transformer 结构。这个包加入了 ComfyUI 支持，你可以把它作为自定义节点和现成工作流加载。作者训练它的总成本是 $600，目的是看看小算力预算下能做到什么。

适合谁：如果你是 ComfyUI 用户或研究者，想要一个小型插画模型来试用、研究，或用自己的图片来调整，它就适合你。

行业 | 谁在用 | 怎么用 | 例子
研究 | 机器学习研究者 | 研究一个低预算训练出来的小型图像模型 | 读它的训练配方，并和更大的模型对比
插画 | 数字艺术家 | 在 ComfyUI 里用标签或自然语言生成插画 | 描述一个场景，再加上模型卡建议的质量标签
开源模型 | LoRA 训练者 | 用一个带说明文字的图片文件夹训练 LoRA | 对一个图片文件夹运行自带的训练脚本

需要精细细节或丰富角色知识的人可以跳过，因为作者说不要对这个模型抱有这样的期待。

用在哪里：模型在 ComfyUI 里运行，下载步骤在装有 Python 的地方都能用。

• ComfyUI，通过 nanosaur2_support 自定义节点文件夹
• Windows、macOS 和 Linux，下载时需要 Python

用途 | 适合谁 | 得到什么
文生图插画 | 艺术家和爱好者 | 根据标签列表或自然语言提示生成的图片
LoRA 训练 | 模型爱好者 | 一个 safetensors 格式的 LoRA 文件，可以加载回 ComfyUI

如何设置：你需要先装好 ComfyUI，再用带 pip 的 Python 来获取文件。

1. 用 hf 命令下载仓库里的文件。
2. 把 nanosaur2_support 文件夹复制到 ComfyUI 的 custom_nodes 文件夹里。
3. 按下面的表格，把三个模型文件放进 ComfyUI 的模型文件夹。
4. 启动 ComfyUI，把 nanosaur2_workflow.json 文件拖到它上面。

pip install -U huggingface_hub
hf download well9472/Nanosaur2-670M

Title: 每个模型文件放在哪里
文件 | 文件夹
nanosaur2_diffusion_model.safetensors | models/diffusion_models
nanosaur2_text_encoder.safetensors | models/text_encoders
nanosaur2_vae.safetensors | models/vae

如何使用：在 ComfyUI 里打开工作流，用标签或普通句子写提示词。模型卡给出的采样设置是 Euler simple，50 步，CFG 4。Shift 3 已经内置。

在正向提示词里加上标签 newest 和 masterpiece，在反向提示词里加上 oldest 和 low quality。部分画师标签也有效，你可能需要提高它们的权重。要训练 LoRA，就对一个图片文件夹运行下面的脚本，每张图片都要有一个同名的文本文件。

uv run python custom_nodes/nanosaur2_support/train_lora.py /path/to/images

工具 | 作用
nanosaur2_support | 把模型的自定义节点加入 ComfyUI
nanosaur2_workflow.json | 拖到 ComfyUI 上就加载现成的工作流
train_lora.py | 训练 LoRA 并保存到 models/loras 文件夹
LoraLoaderModelOnly | 把训练好的 LoRA 加载回工作流

示例：描述一个场景，比如阳光森林里的一个耳廓狐女孩，也就是模型卡示例图的主题，然后运行工作流。你会得到一张完成的插画。示例 PNG 里还带着它的 ComfyUI 工作流，把它拖到 ComfyUI 上就能加载那些设置。

新手与专家：如果你刚接触，先装好 ComfyUI，再照着四个安装步骤，用一句简短的提示词试一下工作流。请记住这是研究模型，不是打磨完善的成品。

如果你熟悉这个领域，这个模型是 670M 的扩散 Transformer，使用 adaLN-single 条件、2D RoPE、SwiGLU、QK-norm 和稀疏中间块。它搭配冻结的 gemma-3-270m 文本编码器，以及基于 DINOv2 的 129M 参数 VAE。采样时交替使用 CFG 和路径丢弃引导。

你写下标签或普通句子
冻结的 gemma-3-270m 编码器读取提示词
扩散 Transformer 对图片去噪
基于 DINOv2 的 VAE 解码出最终图像

注意事项：作者正在寻找算力资助，以便继续训练它，并做一个 2B 版本。

• License: MIT
• Cost to run: 没有提到
• Data it reaches: ComfyUI 文件夹里的模型文件，以及训练 LoRA 时你指定的图片和说明文字文件夹
• Not for: 与完整训练的模型相比，因为模型卡称这是研究模型
• Other versions: 记录显示其他人做了 0 个量化版本和 5 个微调版本

Title: 按图片尺寸划分的基础训练天数
256x256: 3 天
512x512: 3 天
1024x1024: 5 天

Hugging Face 上的数据（2026年11月13日）

• Formats: Safetensors
• 最近 30 天下载：0
• 点赞：112
• 许可证：mit
• Fine-tunes: 5
• 标签：safetensors

链接

• 模型：https://huggingface.co/well9472/Nanosaur2-670M
• 文件：https://huggingface.co/well9472/Nanosaur2-670M/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download well9472/Nanosaur2-670M

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。