ComfyUI Out of Memory: 修复 CUDA OOM、Python MemoryError 和 VRAM 峰值

如果 ComfyUI 因为 out of memory 失败，先不要从重装包开始。第一步应该是确认：到底是哪一类内存池被打满了。

ComfyUI 可能耗尽的是：

• GPU 显存（CUDA out of memory、torch.cuda.OutOfMemoryError）
• 系统内存（MemoryError、DefaultCPUAllocator: not enough memory）
• Apple 统一内存（MPS backend out of memory）
• 明明监控上看起来还有空闲，但因为分配器碎片或连续块不足，依然分不到足够内存

不同池子，修法完全不同。

快速诊断

来自真实 ComfyUI 问题的数据证据

这篇页面被优先写出来，不是因为它理论上可能发生，而是因为内存失败本来就是一个真实的支持高频。

在 2026 年 3 月 19 日 收集的本地 ComfyUI GitHub Issues 数据集中，OutOfMemoryError | out of memory 这个簇共有 203 个 issue，其中 99 个仍然是 open，最近一次出现日期也是 2026-03-19。同一份数据里，还能看到 allocation would exceed allowed memory、cuda out of memory 和 MPS backend out of memory 等相关簇。

我们的本地遥测 join 里，CUDA out of memory 和 Python MemoryError 也排进了最强的一批服务机会。把这些信号当成需求证据，然后再用下面的检查把修法分对。

第 1 步：先看 GPU 显存

在 Windows 上，ComfyUI 运行时打开命令行：

nvidia-smi

重点看：

• 有没有别的 AI 应用也在吃显存
• 浏览器或游戏进程是不是也占着 GPU 内存
• ComfyUI 是否在失败前就把显存几乎吃满
• 有没有第二个 ComfyUI 实例还在后台跑

如果你有多张 NVIDIA 显卡，先确认 ComfyUI 用的是你真正想用的那张。换卡之前先看 ComfyUI Multi GPU。

第 2 步：检查当前启动 ComfyUI 的 Python 环境

在 真正启动 ComfyUI 的那个 Python 环境 里执行：

python -c "import torch; print('cuda', torch.cuda.is_available()); print(torch.cuda.mem_get_info() if torch.cuda.is_available() else 'no cuda')"

如果 CUDA 可用，这条会打印出 PyTorch 视角下的空闲和总显存。想看得更细一点，可以继续：

python -c "import torch; print(torch.cuda.memory_summary() if torch.cuda.is_available() else 'no cuda')"

如果你用的是 Windows 便携包，就要用 embedded Python：

.\python_embeded\python.exe -s -c "import torch; print('cuda', torch.cuda.is_available()); print(torch.cuda.mem_get_info() if torch.cuda.is_available() else 'no cuda')"

如果 CUDA 根本不可用，那这不是 OOM 问题，先看 Torch Not Compiled With CUDA Enabled。

第 3 步：降低峰值分配

大多数 ComfyUI OOM，不是一路慢慢耗尽，而是在某个峰值瞬间爆掉：模型加载、VAE decode、upscale、视频采样，或者某个 custom node 一口气造了一个超大 tensor。

按这个顺序试：

1. 降低输出分辨率
2. 把 batch size 设成 1
3. 视频场景先减帧数，再减其他质量设置
4. 换更小的 checkpoint，或者用量化 / GGUF 模型
5. 两条大分支如果能拆阶段，就别强行塞在同一张图里一起跑
6. 先保存中间图片或 latent，再在第二个工作流里继续

如果你跑的是 Flux、Wan、HunyuanVideo、LTX 这类大模型，光模型选择本身就可能超出硬件上限。别在这里乱装包，先看 GPU Compatibility 和 Model Types Explained。

第 4 步：谨慎使用启动参数

手动安装：

python main.py --lowvram

Windows 便携包，就在 .bat 文件里把参数加到 main.py 后面：

.\python_embeded\python.exe -s ComfyUI\main.py --lowvram

如果操作系统或其他应用也需要更多显存余量，可以预留：

python main.py --lowvram --reserve-vram 1.0

常用参数：

不要一口气把所有内存相关参数都开上。一次只改一项，重启 ComfyUI，用同一个工作流回测。

第 5 步：把显存问题和系统内存问题分开

CUDA out of memory 通常说的是 GPU 显存。MemoryError 和 DefaultCPUAllocator 通常说的是系统 RAM。

如果是系统内存压力：

• 关掉浏览器、视频编辑器、游戏和其他 AI 工具
• 如果机器一直在换页，就增大 Windows 页面文件
• 不要在一个工作流里同时加载好几个大模型
• 长视频工作流尽量拆成短片段
• 除非模型真的需要，不要塞超大输入图

如果某个 custom node 装完之后 RAM 才一路涨，先禁掉那个节点再回测。对应看 Installed Custom Nodes and Broke ComfyUI。

不要这样做

• 不要因为报的是 OOM，就直接重装 PyTorch。
• 不要以为 torch.cuda.empty_cache() 能修复一个本质上需要更高峰值内存的工作流。
• 不要在低显存机器上开 --highvram；它会把模型常驻在 GPU 内存里。
• 不要在基础工作流都还没跑通时，就去装各种“显存优化” custom node。
• 不要在紧急 OOM 排障里顺手更新全部 custom node。

如果是更新之后才开始 OOM

如果同一个工作流昨天还能跑，今天更新后开始 OOM：

1. 先保存当前工作流 JSON
2. 确认是 ComfyUI、本体前端，还是 custom node 发生了变化
3. 尽可能用“禁用 custom node”的方式回测同一个工作流
4. 可以临时用更小模型 / 更低分辨率来确认失败类型，但别把它当最终修法
5. 如果生产工作被卡住，就在单独目录里恢复备份或回退版本

在回滚唯一可用环境之前，先看 ComfyUI Won't Update or Need to Downgrade。

Wonderful Launcher 在这里能帮什么

一旦用户记不清到底是哪一个工作流、哪一个模型、哪一个 custom node、哪一个 ComfyUI 版本把内存峰值打爆，out-of-memory 就会迅速变得很贵。

Wonderful Launcher 的价值在于：它能把环境隔离开，保住启动路径，也让你在崩溃后更容易回看日志。如果机器已经陷入反复 OOM、依赖漂移或更新失败，expert help 往往比你自己试半天随机参数更快。

相关指南

• ComfyUI GPU Compatibility
• ComfyUI Multi GPU
• Torch Not Compiled With CUDA Enabled
• ComfyUI 依赖冲突
• ComfyUI Won't Update or Need to Downgrade

资料来源

• ComfyUI 系统要求
• ComfyUI 命令行参数源码
• PyTorch CUDA 语义与内存管理
• PyTorch CUDA memory summary
• PyTorch empty_cache 文档
• ComfyUI issue 示例：LTX 工作流触发 OOM killer
• ComfyUI issue 示例：明明还有空闲显存却仍然 CUDA OOM