ComfyUI 双显卡频繁 OOM 完整排障方案

先明白核心坑（90% 人踩这里）

原生 Comfy 不会自动合并两张卡显存！不是 16G+16G=32G

默认行为：全部模型优先加载到 GPU0（主卡），副卡 GPU1 闲置；主卡先爆显存 OOM。

两种并行模式完全不同：

1. 任务并行（最稳、推荐，不容易 OOM）：开 2 个独立 Comfy 进程，每张卡单独跑任务
2. 模型并行（单张图拆分到双卡，难度高，极易 OOM）：单工作流把 UNet 分层放两张卡，依赖插件，PCIe 带宽不足还会卡死

一、立刻生效：启动参数 + 环境变量（优先尝试）

Windows 启动脚本开头添加；Linux 写在python main.py前面

bat

:: Windows CMD
set PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
:: 解决显存碎片导致明明有空余却报OOM（最重要一条）

:: 显存策略三选一
python main.py --medvram
:: 显存紧张优先用：--lowvram
:: 显存充足：--highvram（不推荐双卡默认使用）

Linux

bash

export PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
python main.py --medvram

重要参数说明

• --lowvram：模型分片，计算时来回卸载模型，牺牲速度换取显存
• --medvram：平衡模式，日常首选
• 不要同时加 --cuda-device 0,1 直接单进程双卡跑图（极易主卡塞满 OOM）

二、方案 A【最稳定，强烈推荐：双进程任务并行】

适用场景：批量出图、同时跑多个工作流，基本杜绝莫名 OOM

原理：两个独立 Comfy 进程，各自独占一张显卡，互不抢占显存

Windows 示例启动脚本

进程 1（GPU0，端口 8188） run_0.bat

bat

set CUDA_VISIBLE_DEVICES=0
set PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
python main.py --port 8188 --medvram

进程 2（GPU1，端口 8189） run_1.bat

bat

set CUDA_VISIBLE_DEVICES=1
set PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
python main.py --port 8189 --medvram

打开两个网页：127.0.0.1:8188 / 127.0.0.1:8189，分别调度两张显卡。

✅ 优点：无显存争抢、兼容性最强、不会莫名 OOM

❌ 局限：单一张图无法同时利用两张卡加速

三、方案 B【单工作流双卡跑一张图：模型并行】

如果你想要一张图同时占用两张卡（FLUX/SD3 大模型刚需），必须插件，原生不支持。

插件选择

1. ComfyUI-MultiGPU（最流行）
   • 安装：custom_nodes 克隆 git clone https://github.com/cozycat93/ComfyUI-MultiGPU
   • 使用节点：UNETLoaderDisTorch2MultiGPU
   • 参数：compute_device=cuda:0，donor_device=cuda:1；设置virtual_vram_gb分配副卡承载的模型显存
   • ⚠️ 警告：两张显卡显存规格尽量一致；大小差距很大极易失衡 OOM
2. 新版 Comfy 内置 MultiGPU WorkUnits 适合 SDXL、视频模型；仅支持同规格显卡，CFG 拆分并行，不适合超大 UNet。

风险：双卡之间频繁传输张量，PCIe 带宽低时速度暴跌；分配不合理直接主卡 OOM。

四、快速降显存压力通用优化（无论哪种方案都要做）

1. 模型量化 FLUX/SD3 使用 FP8 / GGUF 量化 UNet，显存直接降低 30%~50%
2. 工作流设置
   • 关闭不必要 ControlNet、多 LoRA；不要一次性加载多个大模型常驻显存
   • VAE 使用 FP16；启用 xformers / SageAttention（Forge 版本优先）
3. Forge 用户重点优化 plaintext--use-sage-attention 大幅降低扩散过程中间张量显存占用，解决高分辨率 OOM
4. 清理模型缓存 设置 --model-cache-capacity 3，限制常驻模型数量，防止越跑显存越高

五、常见 OOM 原因排查清单

1. ❌ 错误用法：单进程设置CUDA_VISIBLE_DEVICES=0,1直接跑标准工作流 → 现象：GPU0 爆满，GPU1 空闲，然后 OOM；原生不会自动分摊 UNet
2. ❌ 显存碎片：nvidia-smi 看还有空余显存，仍然报错 OOM → 修复：务必开启 PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
3. ❌ 同时运行其他 AI 程序（LLM、语音模型占用 GPU0），显存抢占
4. ❌ 双卡型号不一致（如 8G+16G）使用 MultiGPU 模型并行，负载失衡
5. ❌ 连续生成大量图片，模型缓存不释放，显存持续上涨 → 重启 Comfy，或者降低缓存上限

六、建议优先级排序

1. 优先尝试【方案 A：双进程隔离显卡】，稳定性最高
2. 如果需要单张图双卡加速 → 使用 ComfyUI-MultiGPU 模型并行，配合 FP8 量化
3. 全部启动脚本加上 expandable_segments 环境变量 + --medvram