RAM Again, now with LTX2.5

快速结论：这个 Issue 讨论的是 ComfyUI 更新后本地内存占用反复退化的问题，典型场景是同一台机器、同一套模型和工作流，在升级 ComfyUI 后开始出现 RAM 飙高、SSD swap、甚至 OOM，标题中的 “RAM Again, now with LTX2.5” 指向量化 LTX2.5 也被推入系统 swap。优先排查近期 ComfyUI 更新、dynamic VRAM / 显存内存管理改动以及量化模型加载方式。

适用环境：Issue 中提到的工具为 ComfyUI；涉及模型包括 QwenImage、AceStep 1.5XL、量化 LTX2.5；用户提到使用 GGUF 量化模型、NVIDIA 显卡，并提到曾出现 BSOD 与 comfy-aimdo 相关内存管理问题。Issue 未给出经过确认的 Python、CUDA、PyTorch、显卡驱动或具体 ComfyUI commit 版本信息。

最快修复方案：暂无确认的一步修复方案。Issue 中没有给出被验证有效的命令、配置项或回滚版本；可优先尝试的方向是回退到出现内存退化之前的 ComfyUI 版本，并关注 dynamic VRAM 相关改动的后续修复。

注意事项：回退版本属于可优先尝试的规避手段，并非 Issue 中已验证的官方修复；不同量化格式、模型大小和显卡显存下的行为可能不同。Issue 中关于 comfy-aimdo、GGUF 和 json 模块的讨论多为用户推测与争论，不能当作已确认的根因或修复结论。

问题场景

用户在本地运行 ComfyUI，使用相同 GPU、相同 RAM、相同模型、相同量化与相同工作流，原本可以正常出图或生成视频；在 ComfyUI 更新后，内存占用明显上升，开始频繁读写系统 SSD swap，严重时直接 OOM。发帖者列举了三个使用场景：QwenImage 在更新后 RAM 使用量无故跳升，并且每次改 prompt 都会重新从磁盘读取权重；AceStep 1.5XL 从能放进内存变成接近 OOM，用户引用 Issue #12541 称其占用从 8–10GB 上升到最高 20GB；量化 LTX2.5 本是为适配显存而量化，但 ComfyUI 仍将其推入系统 SSD swap，用户认为这是一次回归。

评论中也有用户表示自己在低配硬件上运行 ComfyUI，并主张用户应自行了解内存上限；发帖者反驳说问题不在硬件能力，而在于原本可用的配置在更新后失效。另有评论建议不要使用 GGUF，发帖者则回应称此前是 ComfyUI 自身在加载 Qwen Image Edit 时出现 BSOD，才被迫转向 GGUF。

报错原文

RAM Again, now with LTX2.5

Issue 正文没有贴出完整的 Python traceback 或 OOM 日志，核心症状描述为 RAM 使用跳升、SSD swap、OOM 以及 LTX2.5 被推入系统 swap。

原因分析

根据 Issue 讨论，最可能的原因是 ComfyUI 某次更新中的内存管理或 dynamic VRAM 相关改动导致显存与系统内存之间的卸载行为发生变化，使原本可以驻留显存或高效缓存的权重被反复换入换出。具体表现为：模型加载后 RAM 占用比旧版更高；prompt 变化时重新从磁盘读取权重；量化模型没有按预期减少系统内存压力，反而进入 SSD swap。

发帖者将 QwenImage 的 RAM 跳升、AceStep 1.5XL 的占用上升和量化 LTX2.5 的 swap 问题都归因于 ComfyUI 代码回归，并明确要求修复内存管理或回退 dynamic VRAM 改动。评论中提到的 comfy-aimdo、GGUF 与 json 模块性能问题属于用户推测，Issue 中没有提供可复现的 profiling、内存快照或开发者确认，因此只能作为可能原因，不能视为已确认根因。

环境排查

确认当前 ComfyUI 版本或 commit，并确认是否在某个更新后开始出现 RAM 跳升、swap 或 OOM。
确认 Python 版本、PyTorch 版本、CUDA 版本、显卡型号与显存大小、系统内存大小；Issue 未提供这些信息，需要自行记录以便对比。
确认模型格式：QwenImage、AceStep 1.5XL、LTX2.5 分别使用的是 safetensors、GGUF 还是其他量化格式，以及具体量化等级。
确认工作流是否与旧版完全一致，包括分辨率、视频长度、batch size、节点组合和缓存设置。
观察系统层面是否真的发生 SSD swap：Windows 可查看任务管理器性能页的提交内存与磁盘活动，Linux 可查看 swap 使用和 I/O。
如果使用 GGUF 节点或自定义节点，确认其版本是否与当前 ComfyUI 匹配；Issue 中没有给出具体节点名称和版本。

解决步骤

先固定变量：记录当前 ComfyUI 版本、模型文件、量化格式、工作流参数和系统内存占用，确保后续对比时除 ComfyUI 版本外没有其他变化。
回退到内存表现正常的旧版 ComfyUI，作为可优先尝试的规避方案；Issue 中没有给出具体应回退到哪个版本，需要根据自身更新历史选择。
在旧版与新版下分别运行同一工作流，重点记录峰值 RAM、显存占用、是否触发 swap，以及修改 prompt 后是否重新读取权重。
如果问题集中在量化模型加载，尝试切换到非 GGUF 的 safetensors 版本做对照测试；Issue 中关于 GGUF 的争论没有形成可验证结论，因此这一步只是用于定位问题范围。
如果无法回退，降低工作流内存压力：缩短视频长度、降低分辨率、减少并发或 batch，观察是否仍会进入 swap；这只能缓解，不能证明根因已修复。
关注 ComfyUI 后续版本中关于 dynamic VRAM 和内存管理的修复说明，并用同一工作流复测。Issue 关闭时间为 2026-10-15，但讨论中没有给出明确的修复 commit 或验证结果。

验证方法

在相同硬件、相同模型、相同量化格式和相同工作流下，升级或回退后重新运行：如果修改 prompt 不再触发权重重新从磁盘读取，峰值 RAM 回到旧版水平，任务过程中不再进入 SSD swap，并且 LTX2.5 量化模型可以正常完成生成而不 OOM，则可认为问题已缓解或解决。由于 Issue 中没有提供权威的修复版本，验证时应以自己机器上的前后对比为准，而不是仅凭版本号判断。