yjitiu/ComfyUI-Binyuan-Sampler

🛡️ ComfyUI Binyuan · Ultimate Sampler V5.5

An all-in-one sampler custom node for ComfyUI. Load a whole checkpoint or a split stack (diffusion model + dual CLIP + VAE), pick from many architectures (Flux / SD3 / Wan / Qwen-Image / Krea2 / Z-Image / LTXV / Hunyuan / Lumina2 …), set weight precision (default / fp8 / nvfp4 / bf16 …), wire LoRAs, feed upstream images for img2img — all from a single node.

一个节点搞定"加载模型 → 编码条件 → 采样 → 解码出图"全流程，支持整包 Checkpoint 与分离式（扩散模型+CLIP+VAE）两种加载模式，通吃主流架构。

---

中文说明

这是什么

节点 🛡️ Binyuan采样器 V5.5，分类 Binyuan。 一体化采样器：自带模型/CLIP/VAE 加载、提示词、尺寸预设、采样参数、LoRA 列表、上游图像处理，并把图像、模型、CLIP、VAE、Latent、正负条件全部作为端口输出，方便串联下游。

怎么用

1. 放到 ComfyUI/custom_nodes/binyuan_sampler_plugin_v5.5/，重启 ComfyUI。
2. 右键 → Binyuan → 🛡️ Binyuan采样器 V5.5。
3. 选 加载模式：
   • 整包Checkpoint：在 Checkpoint 下拉选一个 .safetensors 整包模型。
   • 分离式(Flux/SD3/扩散)：分别选 扩散模型、CLIP_1/CLIP_2、VAE，并在 CLIP_类型 选对应架构（flux/sd3/wan/qwen_image/krea2…）。
4. 填正/负面提示词，选尺寸预设或自定义宽高，设步数/CFG/采样算法/调度器。
5. （可选）LORA_LIST 选 LoRA，或在 lora_json 里手写 JSON 列表。
6. （可选图生图）把上游图像接到 上游图像_1，按需设 重绘强度、上游图像处理、Latent输入源。
7. 图像 端口接 SaveImage 出图。

主要输入

参数	说明
加载模式	整包Checkpoint / 分离式
Checkpoint / 扩散模型 / CLIP_1 / CLIP_2 / VAE	模型文件下拉（自

动扫描对应文件夹） | | CLIP_类型 | ACE/boogu/chroma/flux/flux2/hidream/hunyuan_image/ideogram4/krea2/lens/LTXV/lumina2/omnigen2/ovis/pid/PixArt/qwen_image/sd3/wan 等 | | 权重精度 | default / fp8_e4m3fn / fp8_e4m3fn_fast / fp8_e5m2 / nvfp4 / pid / pixl / bf16 / fp16 | | 串联模式 | 使用自身模型 / 继承上游模型 / 自动检测 | | 上游图像处理 | 重新VAE编码 / 直接作为Latent / 自动选择 | | Latent输入源 | 空Latent / 外部Latent优先 / 上游图像优先 / 上游图像拼接 | | 尺寸助手 / 宽度 / 高度 | 预设或自定义（步长 8） | | 步数 / CFG / Flux引导 / 采样算法 / 调度器 / 重绘强度 | 标准采样参数 | | LORA_LIST / lora_json | 列表选 LoRA 或 JSON 写多个 | | 自动清理显存 | 生成后清理显存 |

可选端口（外部直连，绕过下拉）

外部模型、外部CLIP、外部VAE、外部Latent、外部正面条件、外部负面条件、上游图像_1/2/3。

输出

图像(IMAGE)、模型(MODEL)、CLIP、VAE、Latent(LATENT)、正面条件、负面条件(CONDITIONING)。

注意

• CLIP_类型 必须与实际模型架构匹配，否则加载/编码会报错。
• 权重精度 选 fp8/nvfp4 等需对应运行环境支持。
• trending_raw.json 是节点内"热门模型"列表的本地缓存数据，可保留或删除，不影响功能。

---

English

What it is

Node 🛡️ Binyuan采样器 V5.5 under category Binyuan. An all-in-one sampler: loads model/CLIP/VAE, encodes prompts, runs sampling, decodes to image — and also exposes model/CLIP/VAE/Latent/conditioning as output ports for chaining downstream nodes.

How to use

1. Drop into ComfyUI/custom_nodes/binyuan_sampler_plugin_v5.5/, restart ComfyUI.
2. Right-click → Binyuan → add the node.
3. Pick 加载模式 (load mode):
   • 整包Checkpoint: choose one .safetensors checkpoint.
   • 分离式: pick diffusion model + CLIP_1/CLIP_2 + VAE separately, and set CLIP_类型 to the matching architecture (flux/sd3/wan/qwen_image/krea2…).
4. Fill prompt/negative, choose a size preset or custom W/H, set steps/CFG/ sampler/scheduler.
5. (Optional) pick a LoRA from LORA_LIST or write a JSON list in lora_json.
6. (Optional img2img) connect upstream images to 上游图像_1, tune 重绘强度, 上游图像处理, Latent输入源.
7. Connect 图像 to SaveImage.

Outputs

图像(IMAGE), 模型(MODEL), CLIP, VAE, Latent(LATENT), 正面条件/负面条件(CONDITIONING).

Notes

• CLIP_类型 must match the real model architecture or loading/encoding fails.
• fp8/nvfp4 weight precision requires a compatible runtime.
• trending_raw.json is local cache data for the in-node "trending models" list — safe to keep or delete.

Files

• __init__.py — node BinyuanUltimateSamplerV9 (BinyuanUltimateSampler)
• js/chicun.js — frontend size-preset helper
• trending_raw.json — trending-models cache data
• README.md / LICENSE (MIT)

Install

• ComfyUI Manager: search Binyuan Sampler.
• Manual: git clone https://github.com/yjitiu/ComfyUI-Binyuan-Sampler.git binyuan_sampler_plugin_v5.5