ComfyUI v0.12.2 发布——新增 4B ACE Step 1.5 模型支持，修复多项稳定性问题！

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

2026 年 2 月 4 日，ComfyUI 正式推出了 v0.12.2 版本。本次更新为“Immutable Release”，仅支持修改版本标题和说明。虽然版本序号看似小幅提升，但更新内容十分扎实，重点围绕新模型支持与显存管理优化展开，进一步提升了系统的模型兼容性与运行稳定性。

💡 版本概览

• • 版本号： v0.12.2
• • 发布日期： 2026 年 2 月 4 日
• • 版本性质： Immutable release（不可更改代码，仅可修改标题与说明）

此次更新共有 4 次提交（4 commits），8 个文件修改，由 3 位贡献者协同完成，主要更新集中在模型支持、显存管理以及兼容性修复等方面。

⚙️ 更新亮点一：新增 4B ACE Step 1.5 模型支持

v0.12.2 中最重磅的更新是支持了 ACE Step 1.5 的 4B LM 模型。 在此前版本中，ComfyUI 已支持 Qwen3_2B 系列相关模型。本次更新在 comfy/text_encoders/ace15.py 与 comfy/text_encoders/llama.py 文件中，正式扩展了对更大参数量模型 —— Qwen3_4B_ACE15_lm 的支持。

新增内容包括：

• • 新增模型类：Qwen3_4B_ACE15_lm
• • 新增配置类：Qwen3_4B_ACE15_lm_Config
• • 更新 ACE15TEModel 逻辑，可根据参数 lm_model 自动加载 2B 或 4B 模型。
• • 在切换不同 LM 模型时，内部常数与显存估算逻辑自动调整。

此外，comfy/sd.py 和 comfy/supported_models.py 亦同步适配，能够自动检测并加载 Qwen3_2B 或 Qwen3_4B 模型，从而实现双版本自动识别与切换支持。

🚀 简而言之，v0.12.2 让 ACE Step 1.5 用户能够灵活选择更大、更高精度的 4B 模型，显著提升了生成效果和扩展性。

🧠 更新亮点二：显存管理优化，修复 Dynamic VRAM 内存泄漏

在 comfy/model_management.py 中，移除了空缓存时对 Aimdo 的豁免处理逻辑，修复了可能的显存泄漏问题。

torch.cuda.synchronize()
torch.cuda.empty_cache()
torch.cuda.ipc_collect()

以往版本中，如果 Aimdo allocator 为空，会导致 empty_cache() 无法正确释放显存，从而引发长时间运行后的显存泄漏。 v0.12.2 现已修复此问题，为长时间推理场景带来了更稳定的运行保障。

⚡ 更新亮点三：Dynamic VRAM 逻辑增强，优化版本兼容提示

main.py 中的 Dynamic VRAM 初始化逻辑得到改进：

• • 新增 Pytorch 版本检测机制：当 Pytorch 版本低于 2.8 时，将自动禁用 DynamicVRAM，并提示用户降级至传统内存管理模式。
• • 优化日志等级，将部分信息从 “info” 调整为 “warning”，提高日志可读性。

这意味着，ComfyUI 现在能更智能地识别当前执行环境，避免由于版本不兼容造成的推理崩溃或显存估算异常。

🔧 其他优化与修复

• • 修复 ACE Step 1.5 相关崩溃问题：在核心逻辑文件中修复了模型加载出错问题。
• • 更新版本号文件：comfyui_version.py 与 pyproject.toml 均已同步更新至 v0.12.2。
• • 改进推理逻辑：部分 sample_manual_loop_no_classes 代码块现在加入了音频 token 范围控制，提升音频处理稳定性。
• • logit 计算逻辑：在 llama 模型结构中加入了 BaseQwen3 类统一 logits 计算，进一步增强模型通用性。

🧩 技术细节概览

🧭 版本总结

代码地址：github.com/Comfy-Org/ComfyUI

ComfyUI v0.12.2 是一次针对 模型支持与内存管理机制 的重要优化版本：

• • ✅ 新增 4B ACE Step 1.5 模型支持
• • ✅ 修复显存泄漏问题
• • ✅ 优化 Dynamic VRAM 初始化与版本兼容逻辑
• • ✅ 提升模型推理的稳定性与兼容性

此版本虽然结构变化不大，但为未来的 大模型扩展与长时推理环境 打下了坚实基础。

结语： ComfyUI 团队通过 v0.12.2 的更新，再次展现出其对稳定性和扩展性的极致追求。如果你正在使用 ACE Step 模型或需要更高显存利用效率，这是一次值得立即升级的版本。