Si vous avez entraîné une LoRA avec Ostris AI Toolkit et que vous avez vu des problèmes du type :
- « La LoRA AI Toolkit est différente dans ComfyUI »
- « Preview AI Toolkit vs inférence ComfyUI : ça ne matche pas »
- « Pourquoi mes samples d’entraînement sont meilleurs que ComfyUI ? »
- « La LoRA entraînée dans AI Toolkit ne marche pas dans ComfyUI »
…ce guide est fait pour vous.
Ici, on parle spécifiquement de l’exécution de LoRAs entraînées avec AI Toolkit dans ComfyUI, en gardant des résultats cohérents avec les Samples/Previews d’entraînement AI Toolkit.
Vous cherchez une inférence sans ComfyUI (Playground / API) ?
Voir : AI Toolkit Inference: Get Results That Match Your Training Samples (Playground/API)
La vraie raison : les samples AI Toolkit ne matchent pas ComfyUI
Votre graphe ComfyUI n’est pas le même pipeline d’inférence que celui utilisé par AI Toolkit pour générer les samples d’entraînement.
Et comme le décalage est au niveau pipeline, copier seulement les paramètres visibles (prompt, seed, steps, CFG/guidance, résolution) ne suffit généralement pas.
Concrètement, un “pipeline mismatch” veut souvent dire :
- Sémantique sampler / scheduler différente
Beaucoup de cibles AI Toolkit reposent sur du sampling type flow‑matching et des comportements de scheduler spécifiques. Un sampler “similaire” dans ComfyUI n’est souvent pas équivalent.
- Réglages cachés par famille qui ne sont pas des “steps/CFG”
Exemple : patches de sampling / paramètres de shift.
- Application de LoRA différente
“Load LoRA” peut vouloir dire des choses différentes selon l’architecture (adapter vs poids patchés ; où l’injection se fait).
- Mismatch de clés / noms de modules
La LoRA “charge”, mais ne se bind pas aux modules attendus → effet faible ou absent.
- Drift du modèle de base / variante
Même de petites différences (dev vs turbo, 4B vs 14B, de‑turbo vs turbo, quantization) peuvent changer fortement le rendu.
Conclusion : pour matcher les previews AI Toolkit, il faut matcher le pipeline complet, pas seulement les réglages visibles.
Ce que RunComfy a fait (pour les utilisateurs ComfyUI)
RunComfy a repris le pipeline utilisé pour les samples AI Toolkit et l’a aligné avec l’inférence ComfyUI — modèle de base par modèle de base.
Puis on a packagé cette logique dans :
- des nodes ComfyUI (le comportement “preview AI Toolkit” disponible dans un graphe)
- des workflows Training Preview‑Match (généralement un workflow par modèle de base, prêts à lancer)
Résultat :
- Un modèle de base = un workflow ComfyUI
- Vous ajoutez votre LoRA entraînée avec AI Toolkit (
.safetensors) - Et vous obtenez des images/vidéos qui matchent beaucoup plus souvent les Samples/Previews que du tuning au hasard
Bibliothèque de workflows Training Preview‑Match (un modèle de base = un workflow)
Choisissez le workflow qui correspond au modèle de base sur lequel vous avez entraîné.
La première version couvre les modèles ci‑dessous. D’autres workflows seront ajoutés jusqu’à couvrir tous les modèles de base AI Toolkit.
Dépannage (LoRA AI Toolkit dans ComfyUI)
Problèmes “AI Toolkit → ComfyUI” les plus fréquents et fix le plus rapide.
« Mes samples AI Toolkit sont super, mais ComfyUI est pire/différent. »
Cause : vous n’utilisez pas le pipeline preview d’AI Toolkit dans ComfyUI.
Fix : utilisez le workflow Training Preview‑Match correspondant à votre modèle de base.
Voir : Bibliothèque Training Preview‑Match
« J’ai matché prompt/seed/steps/CFG, mais ça ne matche toujours pas. »
Cause : copier des paramètres ne suffit pas si la logique sampler/scheduler + pipeline est différente.
Fix : n’essayez pas de “tuner jusqu’à matcher”. Utilisez le workflow preview‑match du modèle de base.
Voir : Bibliothèque Training Preview‑Match
« Ma LoRA charge dans ComfyUI, mais elle change à peine le résultat. »
Cause : le plus souvent :
- mauvais workflow (architecture/variante différente)
- mismatch de mapping clés/modules (la LoRA n’est pas appliquée là où vous pensez)
- poids/scale LoRA trop faible
Fix : utilisez le workflow preview‑match du bon modèle de base, puis testez à 0.9–1.0.
Voir : Bibliothèque Training Preview‑Match
« Les previews Flux/FlowMatch sont incroyables dans AI Toolkit, mais ComfyUI perd la likeness avec Euler/DPM. »
Cause : les previews AI Toolkit pour FLUX reposent souvent sur du sampling flow‑matching. Changer de sampler peut modifier structure/likeness.
Fix : utilisez le workflow FLUX preview‑match conçu pour reproduire le pipeline AI Toolkit.
Lien :
« Le preview Z‑Image Turbo matche dans AI Toolkit, mais ComfyUI est dégradé. »
Cause : Z‑Image est sensible à des patches/paramètres spécifiques (faciles à manquer dans un graphe custom).
Fix : utilisez le workflow Z‑Image preview‑match (Turbo vs De‑Turbo compte).
Liens :
- ComfyUI Workflow: Z‑Image Turbo LoRA Inference (AI Toolkit Preview‑Match)
- ComfyUI Workflow: Z‑Image De‑Turbo LoRA Inference (AI Toolkit Preview‑Match)
Guide lié : matcher sans ComfyUI (Playground/API)
Si vous n’avez pas besoin de ComfyUI et que vous voulez le chemin le plus rapide vers une inférence “preview‑matching” (ou une intégration app), utilisez :
- AI Toolkit Inference: Get Results That Match Your Training Samples (Playground/API) → link
Prêt à commencer l'entraînement ?