文章定位：深度部署與風險整理｜影片來源：Bilibili：ComfyUI 免費雲端部署

影片介紹的是把 ComfyUI 放到騰訊 CNB（Cloud Native Build）雲端開發環境運行，並聲稱可在有網絡的裝置上使用、可取得月度 GPU 額度。這類方案的吸引力很大：不需要先買顯卡、手機或舊電腦也能開 ComfyUI、環境可保存在雲端。但「免費」和「永久可用」是兩回事，雲端 GPU 的額度、機型、排隊、地區、帳戶資格和收費規則都可能改變。

一、影片實際使用的是甚麼平台？

影片頁面的標籤和描述指向 騰訊 CNB，並提及「每月 160 核時 H20 顯卡免費用」。CNB 是 Cloud Native Build 的開發者平台，提供代碼倉庫、雲端開發環境、容器／構建及雲端應用能力；它不是專為 ComfyUI 設計的 AI 生成網站。影片的思路是把 ComfyUI 當成一個 Web service，在具備 GPU 的雲端開發環境啟動，再透過瀏覽器公開 URL 操作。

截至本文查閱時，CNB 平台頁面仍提供雲端能力，但前端設定亦顯示 cloud charging 相關能力已啟用。因此影片中的月度額度應被理解為發布當時的活動或帳戶方案資訊，不是任何時間都對所有人保證的免費資源。

二、雲端 ComfyUI 的基本架構

一個典型流程會包含：

  1. 建立或 fork 一個含啟動腳本的 repository。
  2. 建立雲端開發環境，選擇 GPU、CPU、RAM、磁碟和容器映像。
  3. 安裝 ComfyUI、Custom Nodes、Python dependencies 和模型管理工具。
  4. 把 checkpoint、VAE、LoRA、ControlNet、文字編碼器等模型下載到雲端 volume 或快取。
  5. 以 python main.py --listen 或等效命令啟動 Web server。
  6. 由平台產生一個公開／受保護的 Web URL，瀏覽器進入 ComfyUI。
  7. 輸出檔存到雲端磁碟、artifact、物件儲存或下載回本地。

真正消耗時間和流量的往往不是啟動 ComfyUI，而是下載大量模型、同步工作流、輸出影片及處理 volume 持久化。

三、免費額度不等於免費工作站

即使帳戶有 GPU 額度，也要看以下限制：

  • 額度單位：「核時」「GPU 時」或積分的計算方式不一定相同；一張 H20、不同容器配置和不同並發可能消耗不同。
  • 有效期：免費額度可能按月重置、需要任務／邀請／認證，或隨活動調整。
  • 排隊與可用性：熱門 GPU 未必即時有空位，長時間工作可能被排隊、中止或限時。
  • 儲存：GPU 免費不代表模型快取、volume、網絡流量、artifact 或公開服務永久免費。
  • 空閒停止：雲端環境通常會因空閒而關閉；未保存的模型快取或輸出可能遺失。
  • 計費風險：平台若有付費能力，部署前要確認預算上限、是否自動續費，以及停止實例後是否仍收磁碟費。

最健康的使用方式是：把免費雲端額度視為學習、測試和短期爆發工作量的資源，不把它當成唯一的生產環境。

四、為甚麼 H20 很吸引？

H20 是面向 AI 推理／訓練場景的 NVIDIA GPU。對 ComfyUI 而言，高 VRAM 和較強的 AI 加速能力可讓較大的模型、影片生成、較高解析度或較多節點有更大操作空間。這不代表任何 workflow 都會很快：Wan、Hunyuan、MiniMax H3 等影片工作流仍受模型架構、步數、幀數、VAE 解碼、CPU／磁碟吞吐及 queue 影響。

應在雲端用 GPU 的原因通常是「短時間需要比本機更高的顯存或速度」，而不是只因為 GPU 名稱很強。若你已有 RTX 3090 Ti 24GB，本機已可跑大量圖像和中等影片工作流；雲端 H20 更適合用來做本機 OOM 的實驗、批量生成或比較不同模型。

五、ComfyUI 雲端部署的安全重點

公開 URL 不等於私人工作區

很多教學用 --listen 配合反向代理或平台 URL 暴露 ComfyUI。若 URL 沒有登入、密碼、IP allowlist 或平台層保護，任何取得連結的人都可能開啟介面、提交工作流、耗盡 GPU 額度、讀取輸出或改動 queue。

建議至少做到：使用平台帳戶驗證或 private URL、不要公開分享 URL、每次完成工作後停止服務、檢查是否有未知 queue，以及不要讓管理端點無認證暴露到互聯網。

不要把密鑰放進 workflow 或 repository

API key、雲端 token、Hugging Face access token、Webhook URL、第三方模型下載憑證都不應直接寫入 workflow JSON、啟動腳本、公開 repository 或截圖。使用平台 secrets／環境變數，並在分享 workflow 前清理敏感欄位。

輸入與輸出資料要當作上傳雲端

人像、身份文件、客戶素材、未公開影片、錄音和商業項目一旦傳到雲端，就不再只受本機控制。應確認平台地區、保存期、使用條款、團隊權限及刪除方式；敏感素材優先在本機處理或先做去識別化。

六、模型與 Custom Node 的供應鏈風險

雲端教學最常見的風險不是 ComfyUI 主程式，而是「一鍵安裝」指令、未知 custom node、第三方 checkpoint 或 fork 的 Docker image。它們可以在雲端讀取環境變數、下載不明檔案、消耗 GPU 配額或留下持久化腳本。

較安全做法：

  • 優先使用 ComfyUI、模型作者或可信組織的官方 repository。
  • 先讀 README、requirements、install script 和最近 issues。
  • 鎖定 commit／release 版本，不盲目追蹤 latest。
  • 把 custom nodes 分批加入，每次記錄改動和可回退版本。
  • 下載大模型時核對來源、檔名、checksum（若提供）和授權。

七、雲端與本機 3090 Ti 如何分工？

工作較適合位置原因
學習 ComfyUI、測試 workflow雲端額度或本機雲端可免安裝硬件門檻；本機可避免額度和連線中斷。
敏感人像、私人影片、客戶素材本機 3090 Ti資料不離開自己控制的儲存和網絡。
本機 OOM 的大模型或高規格短期任務雲端高 VRAM GPU以額度換取顯存與速度，不需長期買硬件。
長時間批量生成看電費、額度和中斷風險本機可長跑；雲端需先算額度、儲存和可能的計費。
日常 I2V、T2V、小型工作流本機 3090 Ti24GB VRAM 已能處理不少量化或中設定流程，沒有 URL／排隊問題。

八、適合新手的實際流程

  1. 先建立一個只含官方 ComfyUI 的乾淨環境，確認 GPU、Python 與公開 URL 正常。
  2. 只下載一個小模型和一條官方 workflow，先跑出一張圖。
  3. 設定 volume／artifact 保存，並測試重啟後模型與輸出是否還存在。
  4. 加入一個可信 custom node，再測試；不要一次安裝整包未知 nodes。
  5. 為公開 URL 加上帳戶保護或最少限時使用，完成後關閉。
  6. 建立預算、額度與磁碟監控習慣，先確認停止實例和刪除 volume 的步驟。
  7. 需要影片模型時，先短片、低解析度、少步數測試，再逐步提高設定。

九、結論

CNB 類雲端開發環境可把 ComfyUI 變成「只要有瀏覽器就可用」的工具，對沒有強顯卡、想試 H20 級 GPU、或臨時需要更多 VRAM 的人很有價值。影片提到的月度免費額度可作為探索入口，但不能當成永久、無限制、無成本的承諾。

真正能讓雲端 ComfyUI 長期可用的，是控制模型與磁碟成本、保護公開 URL、管理 secrets、核對 custom node 來源，以及把敏感創作保留在本機。對已有 RTX 3090 Ti 的使用者，最穩策略是本機作日常和私密工作，雲端用於短期高顯存實驗與批量任務。

來源與核實

查閱日期：2026-08-06