ComfyUI 原生 Wan2.2 工作流搭建：双专家节点怎么接
为什么选 ComfyUI
ComfyUI 用可视化节点的方式搭推理流程，相比命令行的优势：
- 所见即所得：每个节点的输入输出可以可视化验证
- 迭代方便：prompt 改一改重新跑，不用重敲命令
- 社区生态：Lightning LoRA、FastVideo 加速、Kijai 封装节点等
- 无需命令行参数记忆
Wan2.2 在 2025 年 7 月发布后不久就被 ComfyUI 原生支持，这意味着你不需要装任何自定义插件就能用（前提是 ComfyUI 版本足够新）。
MoE 双专家加载
A14B MoE 系列（T2V-A14B、I2V-A14B）在 ComfyUI 里需要分别加载两个专家模型——这是和普通模型最大的区别：
| 节点 | 加载的模型文件 |
|---|---|
| 第一个 Load Diffusion Model | wan2.2_t2v_high_noise_14B_fp8_scaled.safetensors |
| 第二个 Load Diffusion Model | wan2.2_t2v_low_noise_14B_fp8_scaled.safetensors |
加载好之后，在 VideoDiffusion 节点上同时连接两个模型——高噪模型接 high_noise 输入，低噪模型接 low_noise 输入。
其他必须加载的节点
除了两个专家模型，完整工作流还需要：
| 节点 | 模型文件 | 作用 |
|---|---|---|
| Load CLIP | 对应的 CLIP 模型 | 文本编码（prompt） |
| Load VAE | wan2.2_vae.safetensors | 隐空间 → 像素解码 |
| (可选) Load Image | 你的参考图 | 图生视频时用 |
分辨率和尺寸约束
TI2V-5B 的 720P 分辨率是 1280×704（不是 720），A14B 系列可以用标准的 1280×720。在 ComfyUI 的 VideoSize 节点里按实际模型填，不然 VAE 解码会出错。
推荐的社区增强
官方工作流能用，但以下社区项目能大幅提升体验：
- Kijai/ComfyUI-WanVideoWrapper：专门针对 Wan 系列的封装节点，更新快、功能全
- Lightning LoRA（Lightricks）：4 步即可完成推理（默认 50 步），速度提升约 10 倍
- FastVideo：基于蒸馏和稀疏注意力的加速模型
- Cache-dit：对 Wan2.2 MoE 的 Fully Cache Acceleration 支持
FP8 量化模型名
HuggingFace 上有 FP8 量化的模型，文件名统一带 fp8_scaled：
wan2.2_t2v_high_noise_14B_fp8_scaled.safetensorswan2.2_t2v_low_noise_14B_fp8_scaled.safetensorswan2.2_i2v_high_noise_14B_fp8_scaled.safetensorswan2.2_i2v_low_noise_14B_fp8_scaled.safetensors
FP8 模型显存减半，适合 40GB 的 A40 等显卡跑 A14B 系列（需要两个专家一起加载）。