Freefield 将 120 个 Higgsfield 风格应用作为 ComfyUI 工作流运行

Freefield 是一个 MIT 许可的工作室，在 ComfyUI 之上重建 Higgsfield 的创意应用。它是对 Comfy Org 的 #OpenSourceHiggsfield 挑战的投稿，于 2026 年 10 月 27 日公开，包含 120 个应用文件夹，不使用 API 或合作节点，并在 YouTube 上发布了一段 2 分钟的演示视频。

大多数 AI 视频和照片网站都以不同的名字售卖同一种东西：一条固定管线，上面加一个表单。Freefield 的作者把这份目录拆开，将每个条目重建为 API 格式的 ComfyUI 工作流，然后从工作流清单生成整个网页 UI，而不是为每个应用编写代码。

应用示例中的十二个。每个都来自一次固定种子的运行，应用会在结果旁边显示其实际耗时和峰值 VRAM。

每个应用都是一个文件夹

Freefield 中的一个应用是 apps/ 下的一个目录，包含 app.json 清单和一个 API 格式的 ComfyUI 工作流。菜单、表单、模型下载、VRAM 映射和测试都从这些清单派生而来，因此添加一个应用只需添加一个文件夹加一个工作流。仓库目前包含 120 个应用文件夹，其中 119 个标记为就绪；作者的发布帖称已覆盖 Higgsfield 列出的 129 个工具和应用中的 95 个。

请求路径很短，且始终停留在 ComfyUI API 内：

browser ──▶ web/ + server/ (Node, Comfy SDK) ──▶ gateway :8000 ──▶ comfy-api-proxy :8189 ──▶ ComfyUI :8188
             forms drawn from apps/*/app.json      unloads the GPU   Comfy API v2        your GPU
                                                   when the app changes

当两个应用使用不同的基础模型时，网关会调用 ComfyUI 的 POST /free，因此上一个应用的内容不会驻留在 VRAM 中。

Explore 标签页：以视频卡片呈现的特色应用、图像、视频和音频工作室，以及 AI Influencer 角色类型

Explore 标签页。特色应用以视频卡片呈现，工作室按媒介划分目录。

每个应用背后的开放权重

Freefield 遵循一条刻意收窄的规则：每个模型都是可以下载的文件，在应用清单中列出其 Hugging Face 仓库、大小和许可证。正因如此，Lightricks LTX 示例中的云端文本编码器分支被移除。基础模型集如下：

FLUX 3 图像 Klein（int8），用于创建图像和各条编辑管线，并以 Black Forest Labs 的 9B 提示词上采样器作为可选开关
Z-Image Turbo（int8），用于快速草稿和实验室的参考照片
MOSS-Image SFT（int8），作为布局提示词的草稿
LTX-2.5，用于生成带自身音频的图像转视频，另有五个 IC-LoRA 应用（genjutsu、reframe、sdr-hdr、mixed-media、dub）
MiniMax H3（int8），用于将文本或照片生成为带语音和声音的片段，以及从新角度重拍片段
Qwen-Image-Edit-2509 配合 Multiple Angles 和 next-scene LoRA，以及 Wan 2.1 / 2.2 配合特效 LoRA
SeedVR2、Stable Audio 3 和 MiniMax 音乐 3，用于图像放大和音频

视频菜单：创建、编辑、运动控制和模板中的 46 个应用，并以一列列出它们背后的开放模型

视频菜单列出了 46 个应用，并在旁边列出每个应用运行的开放模型。

工作流由第一方来源组装而成：ComfyUI 自带模板、Lightricks 的 ComfyUI-LTXVideo 示例和 Comfy-Org 的 comfy-reshoot，仓库固定了其验证时使用的版本（ComfyUI e3bee7f、0.42.0 构建，以及 ComfyUI-LTXVideo 44c8a36 和 ComfyUI-CrossViewWarp fbb1e93）。Higgsfield 的 Soul ID 会根据一个人的照片训练其模型；Freefield 完全不做训练。它的角色应用在每次运行时都从一张或三张参考图像复制人物，在实验室中消耗 13.0 秒的 L40S 时间，而真正角色 LoRA 的 TrainLoraNode 路径则留作未来工作。

实验室运行测得了什么

仓库自带测量工具。10 月 20 日至 26 日期间，48 次运行被送往 Modal 的 L40S 和 H100 显卡，733 个案例中有 710 个返回 ok。网页应用中展示的每个示例都是这些运行之一，附带其实际耗时和峰值 VRAM，每次运行的日志位于 docs/lab-runs.md。

项目公布的端到端数字来自三次浏览器运行：morph 从点击按钮到出视频耗时 160.8 秒（其中 128.7 秒在 GPU 上），mixed-media 为 149 秒，dub 在 H100 上为 72 秒，face-swap 通过托管演示测得 25.2 秒的 GPU 时间。项目还维护一份 VRAM 映射：create-image 以 17.8 GB 完整装进 24 GB 显卡，z-image 为 12.2 GB，而 cinema-video 需要 Modal 运行，峰值达 44.3 GB，H3 系列应用仅文本编码器就需要 27.1 GB。

Dub 的“工作原理”标签页：管线、每个模型的大小和许可证，以及各阶段的 VRAM

每个应用都带有一个“工作原理”标签页，列明模型、其许可证以及每个阶段所需的 VRAM。

选择图像模型

创建图像一直运行在 Z-Image Turbo 上，直到 10 月 24 日。切换到 FLUX 3 图像 Klein 源于两项输入：Artificial Analysis 2026 年 10 月的文生图竞技场，其中 Klein 以 1043 Elo 领跑开放权重模型（Qwen-Image-2.1 1042、Fibo 2.0 1039、Z-Image Turbo 936）；以及实验室使用共享种子在五个模型上进行的六提示词对比。在该测试中，Klein 保持了元素数量（三个苹果、五个柠檬），补上了 Krea 2 留空的标签，保持了 Krea 遗漏的俯视图，并把 JSON 提示词理解为一个场景，而 Z-Image 把键名打印在了招牌上。

在 Z-Image Turbo、带与不带上采样器的 FLUX 3 Klein、Krea 2 Turbo 和 MOSS-Image 上运行的六个提示词

六提示词对比，每个结果下方标注 GPU 秒数和峰值 VRAM。

使用你自己的工作流

tools/import_workflow.py 可以从你已有的任意 ComfyUI 工作流草拟一个新应用：它会写出清单并把工作流放进文件夹，随后该应用便继承与内置应用相同的运行器、模型下载和 VRAM 核算。模板应用则相反：其中 72 个是对现有管线的固定提示词，由 tools/template_apps.py 从表格生成，而非手写。

运行方式

Freefield 需要 Node 22.6+ 和 Python 3.10+，既可以运行在 Modal 上，也可以运行在你自己的 GPU 上。本地路径是 tools/local_backend.py setup，它会在固定提交上安装 ComfyUI 及固定版本的自定义节点，并在前面加上 comfy-api-proxy 和令牌网关；随后 tools/local_backend.py download 会拉取应用所需的模型包，并在下载前报告缺失项及其大小。部分模型在 Hugging Face 上受限，因此需要 HF 令牌并接受许可证，tools/doctor.py 会在一切开始之前检查这两项。

仓库尚无带标签的发布版本：它创建于 2026 年 10 月 20 日，有 112 颗星和 26 个复刻，最后一次推送在 10 月 27 日。