Tutorial: Instalando ComfyUI – rodando IAs de ponta em seu PC (2026)

ComfyUI está longe de ser simples, amigável e de fácil aprendizado, mas se você quer usar o que há de melhor e mais moderno em termos de IA generativa open source, é ele ou nada, mas não se desespere, o bicho não é nem de longe tão assustador quanto aparenta.

Dr.

StrangeMusk ou: Como Aprendi a Parar de Me Preocupar e Amar a IA IA, Vibe Coding e uma crônica de um desastre anunciado Um dia normal de um usuário do ComfyUI (Crédito: Gemini) ComfyUI – Breve História Lá no longínquo ano de 2021, mais precisamente em julho, um sujeito chamado Boris Dayma criou um modelo e interface para IA generativa bem primitivo chamado DALL·E Mini, baseado no DALL·E da OpenAI.

Ele foi publicado em um site bem nichado, um tal de Hugginface , que basicamente agregava modelos de Machine Learning e Natural Language Processing.

Quando comecei a escrever este texto, o Hugginface estava avaliado em US$500 milhões.

Dois dias depois (nem foi tanto tempo assim) sai a notícia de que a Nvidia comprou o site por US$12,9 bilhões, mas na época era totalmente desconhecido, tanto que o DALL·E Mini só foi descoberto pelo grande público em junho do ano seguinte.

Todo mundo estava entusiasmado com a perspectiva de IA Generativa, que estava saindo dos Papers , das universidades e computadores de pesquisadores, e começava a chegar ao mundo Open Source.

Mais precisamente em agosto de 2022 a Stability AI liberou o Stable Diffusion 1.4 como Open Source, e subitamente você não precisava de um mainframe nem de matar pandinhas de sede para criar imagens de IA.

Tudo se resolvia com uma GPU doméstica, igual a que todo gamer tinha.

A facilidade veio da decisão de Jensen Huang, CEO da Nvidia, que colocou o kuàizi na mesa e investiu 20 anos na tecnologia CUDA, que fornece uma API para matemática avançada usando recursos de aceleração da GPU.

CUDA foi uma maravilha para pesquisadores, que não precisavam mais depender de supercomputadores, uma GPU Gamer já permitia bilhões de operações por segundo.

Daí lançaram as GPUs profissionais e o ecossistema só cresceu.

Nosso Japa* favorito e sua máquina de fazer dinheiro (Crédito: NVidia) *EU SEI! Até hoje o processo é o mesmo: Os pesquisadores criam modelos que rodam em GPUs com dezenas, às vezes centenas de gigabytes de VRAM, e em dois dias amadores entusiastas otimizam para rodar em qualquer plaquinha baunilha.

O Stable Diffusion 1.4 rodava fácil na minha GeForce 1050ti com 4GB, mas para isso precisava de uma interface para executar os scripts Python que implementavam o Stable Diffusion.