Ostris AI Toolkit で LoRA を学習して、こんなことで困っていませんか？
- 「AI Toolkit で良かったのに ComfyUI だと別物」
- 「AI Toolkit のプレビューと ComfyUI 推論が一致しない」
- 「学習サンプルの方が ComfyUI より良いのはなぜ？」
- 「AI Toolkit で作った LoRA が ComfyUI で効かない」
…このガイドが役に立ちます。
このガイドは、AI Toolkit で学習した LoRA を ComfyUI で使いながら、AI Toolkit の Training Samples / Previews と結果をできるだけ一致させることにフォーカスします。
ComfyUI 以外（Playground / API）での推論が目的ですか？
こちら： AI Toolkit Inference: Get Results That Match Your Training Samples (Playground/API)
なぜ AI Toolkit のサンプルが ComfyUI と一致しないのか（本当の理由）
ComfyUI のグラフは、AI Toolkit が学習サンプルを生成する推論パイプラインと同一ではありません。
しかもズレは パイプラインレベル なので、見えている設定（prompt/seed/steps/CFG/解像度）をコピーしても、普通は同じ見た目になりません。
「pipeline mismatch」が実際に意味すること：
- Sampler / Scheduler の意味が違う
AI Toolkit の新しいターゲットは flow‑matching 系の sampling とモデル固有の scheduler 挙動に依存することが多く、ComfyUI の「似た sampler」は同等ではないことが多いです。
- “steps/CFG” に出てこない隠れパラメータ
例：新しいアーキテクチャにある sampling patches / shift 参数。
- LoRA の適用方法が違う
“Load LoRA” はアーキテクチャによって意味が違います（adapter か weight‑patch か、どこに注入するか）。
- キー／モジュール名の不一致
“読み込めた”ように見えても、想定モジュールに bind できず効果が弱い/ない場合があります。
- ベースモデル / 変種のズレ
dev vs turbo、4B vs 14B、de‑turbo vs turbo、量子化の違いなどで結果は大きく変わります。
結論： AI Toolkit のプレビューに合わせたいなら、見える設定だけでなく 推論パイプライン全体 を合わせる必要があります。
RunComfy がやったこと（ComfyUI 向け）
RunComfy は、AI Toolkit の学習 Samples/Preview を生成する推論パイプラインをベースモデルごとに取り出し、ComfyUI 推論に合わせて整合 させました。
そして、そのロジックを：
- ComfyUI ノード（“AI Toolkit preview pipeline” の挙動をグラフ内で使える）
- Training Preview‑Match ワークフロー（ベースモデルごとに用意した実行用グラフ）
として提供します。
結果：
- ベースモデル1つ＝ComfyUI ワークフロー1つ
- AI Toolkit で学習した LoRA (
.safetensors) を差し替える - 手作業でグラフを調整するより、学習サンプル/プレビューに近い結果 を安定して得られます
Training Preview‑Match ワークフロー一覧（ベースモデル1つ＝ワークフロー1つ）
学習に使ったベースモデルに一致するワークフローを選んでください。
初期リリースでは以下のモデルをサポート。順次追加し、最終的に AI Toolkit の全ベースモデル をカバーします。
トラブルシューティング（AI Toolkit LoRA in ComfyUI）
よくある「AI Toolkit → ComfyUI」問題と最短の直し方。
「AI Toolkit の学習サンプルは最高なのに、ComfyUI 推論は悪い/違う」
原因： ComfyUI で AI Toolkit の preview パイプラインを使っていません。
対策： ベースモデルに対応する Training Preview‑Match ワークフロー を使ってください。
→ Training Preview‑Match ワークフロー一覧
「prompt/seed/steps/CFG を合わせても一致しない」
原因： sampler/scheduler + pipeline ロジック が違うと、パラメータ合わせだけでは足りません。
対策： “合わせ込み” をやめて、ベースモデルの preview‑match ワークフローを使います。
→ Training Preview‑Match ワークフロー一覧
「LoRA は読み込めるが、ほとんど効かない」
原因： よくあるのは次のいずれか：
- ベースモデルのワークフローが違う（アーキテクチャ/変種の不一致）
- キー/モジュールのマッピング不一致（想定の層に当たっていない）
- LoRA スケールが低すぎる
対策： 正しいワークフローで 0.9–1.0 を再テスト。
→ Training Preview‑Match ワークフロー一覧
「FLUX/FlowMatch は AI Toolkit で良いのに、ComfyUI だと Euler/DPM で likeness が落ちる」
原因： FLUX 系の AI Toolkit preview は flow‑matching の sampling 挙動に依存しがち。sampler を変えると構造/likeness が変わります。
対策： AI Toolkit の sampling パイプラインに合わせた FLUX preview‑match ワークフローを使用。
→
「Z‑Image Turbo は AI Toolkit では合うのに、ComfyUI だと劣化する」
原因： Z‑Image 推論はモデル固有のパッチ/パラメータに敏感で、カスタムグラフだと抜けやすい。
対策： Z‑Image の preview‑match ワークフローを使用（Turbo / De‑Turbo の違いは重要）。
→
- ComfyUI Workflow: Z‑Image Turbo LoRA Inference (AI Toolkit Preview‑Match)
- ComfyUI Workflow: Z‑Image De‑Turbo LoRA Inference (AI Toolkit Preview‑Match)
関連：ComfyUI なしで一致させたい（Playground/API）
ComfyUI が不要で、最短で学習プレビューに合わせたい（またはアプリに組み込みたい）場合は：
- AI Toolkit Inference: Get Results That Match Your Training Samples（Playground/API）→ link
トレーニングを開始する準備はできましたか？