Локальная установка ComfyUI не делает каждый узел локальным. В графе может быть Partner Node — обращение к внешней модели. А в Comfy Cloud оплачивается ещё и работа облачной GPU. Поэтому перед пополнением баланса стоит выяснить, что именно запускается и на каком сервере.
За что просят кредиты
Partner Nodes — необязательные узлы для внешних сервисов. Они могут соседствовать с локальными вычислениями в одном графе. При таком вызове запрос и используемые входные данные уходят провайдеру. Сам ComfyUI остаётся бесплатным для локального выполнения.
| Сценарий | Где выполняется модель | Что оплачивается |
|---|---|---|
| Локальный граф на вашем сервере ComfyUI | В вашем окружении, с подготовленными файлами модели | Кредиты Comfy за локальный расчёт не нужны |
| Граф с Partner Node | Внешний сервис для этого узла | Вызов модели; условия зависят от узла |
| Граф на Comfy Cloud | Облачная GPU Comfy | Активное время GPU; Partner Nodes — отдельная часть расхода |
В справке о кредитах перечислены две причины расхода: Partner Nodes и GPU runtime Comfy Cloud. Точная стоимость зависит от модели и параметров. Не считайте остаток баланса гарантированным пределом цены запуска: разработчик предупреждает о возможном временном перерасходе из-за задержек учёта.
Первый граф: результат сохраняется у вас, расчёт — снаружи
Взяли официальный api_bfl_flux_pro_t2i.json и разобрали его без Run. В нём активен FluxProUltraImageNode, соединённый с SaveImage. В исходном коде ComfyUI этот класс помечен как API-узел и отправляет параметры генерации внешнему сервису. Сохранение полученной картинки не означает, что модель работала на вашей видеокарте.
В шаблоне есть и отключённый LoadImage. Если включить его для входной картинки, код API-узла умеет передавать её вместе с запросом. Мы этот граф не запускали и изображения ему не отправляли.
Условие: нужен расчёт без внешней модели, ComfyUI уже стоит на ПК. Вывод по этому файлу: граф цели не соответствует. Более мощная видеокарта не превратит такой API-вызов в локальную модель. Следующий шаг — выбрать другой граф, а не пополнять баланс по привычке.

Второй граф: сначала нужен файл модели
В официальном image_sdxl_simple.json восемь узлов, включая заметку. CheckpointLoaderSimple выбран для файла sd_xl_base_1.0.safetensors. Дальше работают кодирование текста, KSampler, VAEDecode и SaveImage. Загрузчик в исходном коде ищет checkpoint среди файлов сервера ComfyUI.
Вывод по структуре: это подходящий кандидат для локального расчёта на своём сервере. Но готовность к запуску ещё не доказана: нужны сам файл, совместимое окружение и подходящие ресурсы. Отсутствующий checkpoint не появится после покупки кредитов. Сначала проверьте, есть ли выбранная модель в загрузчике.
Оба JSON зафиксированы из официального репозитория на 3 ноября 2026 года. Узлы SDXL-шаблона содержат версию core 0.33.0; у API-шаблона такая версия не записана, поэтому его класс дополнительно сверили с текущим исходным кодом. Это законченный разбор файлов и зависимостей, а не тест скорости или успешная генерация.

Почему слово API ещё не означает оплату
У сервера ComfyUI есть собственный HTTP API: например, /prompt принимает граф в очередь этого сервера. Если сервер ваш, такой запрос сам по себе не превращает расчёт в платную облачную модель. Но уже внутри отправленного графа может находиться внешний узел. Проверять нужно обе вещи: адрес сервера и состав графа.
Что сделать перед следующим запуском
- Назовите цель: допустим ли внешний сервис или нужен расчёт в своём окружении.
- Найдите узел, который вызывает модель. Сверьте его тип и назначение с документацией; непонятный узел пока не запускайте.
- Для локального графа проверьте файлы модели и окружение. Для Partner Node — передачу входных данных и условия оплаты. Для Cloud — ещё и расход на GPU.
При ручной установке из каталога ComfyUI, в подготовленном Python-окружении, Partner Nodes можно отключить командой python main.py --disable-partner-nodes. Это флаг запуска, а не кнопка превращения API-модели в локальную. --offline дополнительно ограничивает интернет-связь фронтенда; он не доказывает полную сетевую изоляцию произвольных custom nodes.
Если после выбора локальной модели нужно разобраться с ресурсами ПК, начните с разницы CPU, GPU и NPU. А отдельный пример первой локальной языковой модели решает другую задачу — запуск чата. Его требования и результаты нельзя автоматически переносить на SDXL.
Не знаете, какой ПК взять?
Ответьте на несколько вопросов — получите готовую сборку с ценой.


