搜"LongCat ComfyUI"，出来的大多是 LongCat-Video 的教程——那是美团另一个模型。如果你照着做发现对不上，这篇就是纠错指南：只讲 LongCat-Image（文生图 + 图像编辑模型），所有数字取自官方仓库而非以讹传讹。
太长不看 — LongCat-Image 自 2026 年 3 月起被 ComfyUI 官方原生支持。bf16 扩散模型是 12.5 GB 单文件；官方 README 标注开 CPU offload 时文生图约需 17 GB（Edit 版约 18 GB）。社区 GGUF 当前最低列到 2.1 GB，但文件体积不等于运行显存。
先搞清楚你要下载什么
"6B 参数"这个说法容易让人低估体积：6B 指的只是 DiT 主干，HuggingFace 完整 pipeline 约 29.3 GB：
| 组件 | 大小 |
|---|---|
| 文本编码器（Qwen 系 VLM，5 个分片） | 16.58 GB |
| 扩散 Transformer | 12.54 GB |
| VAE | 0.17 GB |
LongCat-Image-Edit 结构与大小完全相同。两个仓库均为 Apache-2.0 协议，且官方仓库内没有任何额外的输出使用限制条款——生成图片商用不受协议限制。
路径一：ComfyUI 官方原生支持（推荐）
ComfyUI 官方 changelog记录原生实现于 2026-03-05 加入；LongCat 项目方在 2026-03-22 公告接入。当前版本原生支持 LongCat-Image、LongCat-Image-Edit 和 Edit-Turbo，无需自定义节点。（老教程里的 sooxt98/comfyui_longcat_image 属于原生支持前的时代。）
- 更新 ComfyUI 到包含 2026 年 3 月原生实现的当前版本。
- 下载官方重打包权重 Comfy-Org/LongCat-Image——
split_files/diffusion_models/下三个 bf16 文件（各 12.54 GB）：longcat_image— 文生图longcat_image_edit— 指令式编辑longcat_image_edit_turbo— 蒸馏加速编辑版（2026-02-03 发布）
- 放入
ComfyUI/models/diffusion_models/，按 comfy.org 模型页配齐文本编码器和 VAE，加载模板工作流即可。
注意 Comfy-Org 重打包只有 bf16，没有官方 fp8。要更小的体积走下面的 GGUF 路径。
显存需求（官方数字）
官方 README 的快速开始默认开启 enable_model_cpu_offload()，标注：
- 文生图：约需 17 GB
- 编辑：约需 18 GB
两句实话。第一，这是 CPU offload 模式的数字——文本编码器会在显存和系统内存间换入换出，所以系统内存建议 32 GB+，速度会有折损；显存充裕的卡可以整个 pipeline 常驻（pipe.to("cuda")）换更快的生成。第二，量化版没有任何官方显存数字——网上给 GGUF 报精确显存的都是按文件大小估的。
实用对照：
| 你的显卡 | 现实路线 |
|---|---|
| 24 GB+（4090/5090） | bf16，全量或部分 offload |
| 16 GB | bf16 + CPU offload，按官方数字文生图可跑但很紧 |
| 8–12 GB | GGUF Q8_0 / Q4_K_M |
| 8 GB 以下 | GGUF Q3/Q4，或直接用云端 |
路径二：低显存用 GGUF 量化
社区量化版（非官方）来自 vantagewithai/LongCat-Image-GGUF（含 ComfyUI 就绪文件）和 stduhpf/LongCat-Image-gguf，Edit 和 Edit-Turbo 也有对应量化：
| 量化档 | 文件大小 | 质量取舍 |
|---|---|---|
| Q2_K | 2.1 GB | 当前最小列出版本，质量损失严重，只适合试验 |
| Q3_K_S | 2.76 GB | 明显劣化，出草稿够用 |
| Q4_K_M | 3.66 GB | 8–12 GB 卡的平衡之选 |
| Q8_0 | 6.71 GB | 接近 bf16 质量 |
| BF16 | 12.54 GB | 基准 |
文字渲染是 LongCat-Image 的招牌能力——在覆盖 8105 个规范汉字的 benchmark 上准确率 90.7%，对比 Seedream 4.0 的 58.5%、Qwen-Image 的 56.6%（技术报告）——但它通常也是激进量化最先伤到的能力。如果你选这个模型就是为了图内文字，请停留在 Q8_0 及以上。
路径三：纯 Python（diffusers）
官方 diffusers pipeline：LongCatImagePipeline 和 LongCatImageEditPipeline（文档）：
import torch
from diffusers import LongCatImagePipeline
pipe = LongCatImagePipeline.from_pretrained(
"meituan-longcat/LongCat-Image", torch_dtype=torch.bfloat16
)
pipe.enable_model_cpu_offload() # 官方 README：约需 17 GB
image = pipe(
'霓虹灯招牌，写着"深夜食堂 Midnight Diner"，雨夜街道，照片级写实',
num_inference_steps=50,
).images[0]
image.save("out.png")什么时候本地部署不划算
本地适合大批量、隐私敏感或想玩 LoRA 的场景。其余情况先算账：
- fal.ai API：文生图 $0.13/百万像素，编辑 $0.15/MP——1 美元约出 7–8 张 1MP 图，零配置。
- longcat-image.org：浏览器里直接用同款模型，注册送免费额度——在下载 29 GB 权重之前，先花几分钟验证 LongCat-Image 的文字渲染是否符合你的需求。在线使用教程见这篇。
常见问题
这和 LongCat-Video / LongCat-Flash 是一回事吗？ 不是。美团 LongCat 家族横跨对话、视频、图像多个模型。本文只讲 LongCat-Image（权重 2025-12-05 开源）——网上大部分错误信息都源于把家族成员搞混。
生成结果能商用吗？ Apache-2.0 协议，官方仓库无额外输出限制条款。
Edit 支持多张参考图吗？ 单次编辑只接受一张参考图。
想对比量化版和全精度云端模型的效果？在线用 LongCat-Image 生成 →
