快速结论:使用 ComfyUI 原生单文件流程加载 MOSS-Image 时,生成的图像全是随机噪点。问题出在采样模型设置的节点:只要用 ModelSamplingSD3 调整 shift 就会出现,换成 ModelSamplingAuraFlow 或 ModelSamplingFlux 即可恢复。
适用环境:ComfyUI v0.41.0(master 5cc4b87,2026-10-16),Windows,RTX 4090 24GB;权重为 moss_image_sft_int8_convrot.safetensors + qwen3.5_9b_int8_convrot.safetensors(CLIPLoader 类型 moss_image)+ flux2-vae.safetensors。
最快修复方案:把工作流里的 ModelSamplingSD3 节点替换为 ModelSamplingAuraFlow(Issue 评论中已确认可解决),或替换为 ModelSamplingFlux,再调整 shift。
注意事项:该结论来自 Issue 评论中的确认,只适用于模型采样设置这一处;不能据此改动模型代码。Issue 正文虽然提出了 RoPE 约定与 timestep 缩放的改动方案,但维护者的结论是问题由节点选择引起,不要贸然修改 comfy/ldm/moss_image/model.py。
问题场景
用户在 ComfyUI 中用原生单文件路径加载 MOSS-Image:经由 UNETLoader、CLIPLoader(类型 moss_image)和 VAELoader 加载 Comfy-Org 的量化权重。标准 t2i 工作流为 UNETLoader → ModelSamplingSD3(shift 5) → SkipLayerGuidanceDiTSimple(single_layers=“22”) → KSampler(50 steps、cfg 3、euler、sgm_uniform、denoise 1),配合 EmptyFlux2LatentImage 1024×1024 和空负向提示词。结果每次生成、每个随机种子都输出纯色块的随机 RGB 噪点。
报错原文
MOSS-Image native single-file path outputs pure noise: RoPE convention + timestep scaling mismatch vs training
原因分析
Issue 正文最初分析认为,核心实现与训练参考之间存在两处差异:一是 RoPE 的通道配对方式不同,原生代码采用相邻通道配对,而训练参考采用 half-split 旋转;二是 timestep 在进入正弦嵌入时多乘了一次 1000。但这个分析的方向在后续讨论中被否定。维护者的结论是,这个问题只由 ModelSamplingSD3 引起。也就是说,真正影响结果的是采样模型设置节点对 shift 和 sigma 的处理方式与 MOSS-Image 不匹配,并非模型代码本身有误。官方示例工作流之所以正常,是因为它使用的是插件自带、且与训练配置一致的实现。
环境排查
- 确认工作流中存在
ModelSamplingSD3节点,并把它作为主要怀疑对象。 - 确认 ComfyUI 版本为 v0.41.0(master
5cc4b87,2026-10-16),以排除旧版本带来的干扰。 - 确认权重组合:
moss_image_sft_int8_convrot.safetensors、qwen3.5_9b_int8_convrot.safetensors、flux2-vae.safetensors,以及 CLIPLoader 类型是否为moss_image。 - 如果仍出现噪点,需要记录显卡、是否启用自定义 CUDA 后端、是否使用
--disable-dynamic-vram,以便进一步对照排查。
解决步骤
- 打开出现噪点的 t2i 工作流,定位
ModelSamplingSD3节点。 - 删除或断开该节点,改接
ModelSamplingAuraFlow节点(Issue 评论中已确认可修复)。 - 如果仍不正常,可改试
ModelSamplingFlux调整 shift。Issue 中只提到这一选项,未做确认。 - 其余参数保持不变,重新执行一次生成。
验证方法
用同一提示词、同一随机种子和相同采样参数重新生成:如果输出不再是随机 RGB 噪点,而是与提示词语义相符、并且包含中文文本的正常图像,就说明问题已解决。Issue 报告者在修复后确认,1024×1024 输出中的中文渲染与提示词一致。
参考来源
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
这个方案解决了吗?
可以继续搜索完整报错,或查看同一工具的其他排查指南。


