ComfyUI คืออะไร และทำไมต้องคิดแบบ “Node”
เข้าใจ “วิธีคิด” ของ ComfyUI ให้ได้ก่อน — เพราะถ้าเข้าใจตรงนี้ บทอื่นจะง่ายหมด
1.1
ComfyUI คืออะไร
โปรแกรม open-source (ฟรี) สำหรับสร้างภาพ/วิดีโอด้วย AI แบบ node-based — แทนที่จะมีฟอร์มเต็มไปด้วยปุ่ม เราจะ “ต่อกล่อง (node) เข้าด้วยกันด้วยเส้น” เพื่อประกอบเป็น workflow
🔓 ทำไมหลายองค์กรเลือกใช้ AI แบบ open-source
จากคลาส ComfyUI Fundamental โดย SalmonRK
🔍 แล้วหน้าตาของ “1 node” เป็นแบบนี้:
- 1
หัว Node
ชื่อ node — สีหัวในบทเรียนนี้ใช้แยกหมวดให้จำง่าย (ของจริง ComfyUI ไม่ได้บังคับสีหัว node)
- 2
ช่องเสียบเข้า (input)
อยู่ทางซ้าย — รับข้อมูลเข้ามาประมวลผล
- 3
ช่องส่งออก (output)
อยู่ทางขวา — ส่งผลลัพธ์ออกไปให้ node อื่น
- 4
เส้น (wire)
ท่อส่งข้อมูล ลากจาก output → input · สีบอกชนิดข้อมูล
📊 ไม่ใช่ของเล่นเฉพาะกลุ่ม — ตัวเลขล่าสุด (มิ.ย. 2026):
116k+
GitHub stars
open-source อันดับต้นของวงการ
4M+
ผู้ใช้ทั่วโลก
ศิลปิน นักพัฒนา สตูดิโอ
$500M
มูลค่าบริษัท
Series B เม.ย. 2026 (TechCrunch)
800+
ผู้พัฒนา custom node
บน Comfy Registry ทางการ
แหล่งอ้างอิง: blog.comfy.org · comfy.org/about · GitHub · TechCrunch (เม.ย. 2026)
1.2
ประวัติความเป็นมา — 3 ปีครึ่ง จากงานอดิเรกสู่มาตรฐานวงการ
เริ่มจากโปรเจกต์ส่วนตัวของ comfyanonymous ปลายปี 2022 วันนี้ทีมผู้สร้างนิยามเป้าหมายว่า “the OS of creative AI” — ระบบปฏิบัติการของงานสร้างสรรค์ยุค AI
- ปลายปี 2022
จุดเริ่มต้น
comfyanonymous (Yanick จาก Quebec) เจอ Stable Diffusion แล้วเริ่มเขียน ComfyUI เป็นโปรเจกต์ส่วนตัว (ช่วงเวลาแน่ชัดไม่มีบันทึกสาธารณะ)
- ม.ค. 2023
เปิดซอร์สบน GitHub
release สาธารณะครั้งแรก (หลักฐานแรกที่บันทึกไว้จริง) — เป้าหมาย: ต่อโมเดล AI เป็น workflow ที่ทำซ้ำได้ ซึ่งเครื่องมือค่ายอื่นทำไม่ได้
- มิ.ย. 2024
ก่อตั้ง Comfy Org
รวมทีมผู้พัฒนาหลักของ ecosystem (ผู้สร้าง ComfyUI-Manager, SwarmUI ฯลฯ) มาทำเต็มเวลา
- ส.ค. 2024
Day-0 ครั้งแรก: FLUX
รองรับ FLUX ตั้งแต่วันเปิดตัว — จุดเริ่มธรรมเนียม “โมเดล open ใหม่มา ใช้ใน ComfyUI ได้ทันที”
- ต.ค. 2024
ComfyUI V1 + Desktop
แอป Desktop ติดตั้งคลิกเดียว Windows / macOS / Linux พร้อมอัปเดตอัตโนมัติ
- พ.ค. 2025
API Nodes
เรียกโมเดลปิด (Veo, GPT-Image, Kling, Flux Pro…) จากในกราฟเดียวกับโมเดล open — จ่ายตามใช้จริง
- พ.ย. 2025
Comfy Cloud
ใช้ ComfyUI ผ่านเบราว์เซอร์ ไม่ต้องติดตั้ง ไม่ต้องมี GPU
- เม.ย. 2026
Series B $30M
มูลค่าบริษัทแตะ $500M — จากโปรเจกต์งานอดิเรก สู่มาตรฐานของอุตสาหกรรมใน 3 ปีครึ่ง
รากเหง้าของโมเดลที่ ComfyUI รัน
เชื้อสาย Stable Diffusion → FLUX — 2 ปีที่เปลี่ยนวงการ
ComfyUI เกิดมาเพื่อรันโมเดลตระกูลนี้ — เข้าใจลำดับรุ่นแล้วจะรู้ทันทีว่าทำไม checkpoint/LoRA ต้อง “ตรงตระกูล” กัน (เรื่องนี้จะเจอเต็ม ๆ ในบทโหลดโมเดล)
Release timeline · กดดูทีละรุ่น
SD 1.5รุ่นยอดนิยมตลอดกาล — เบา (905M) รันได้แทบทุกเครื่อง ecosystem ของ LoRA/ControlNet โตจากรุ่นนี้
| สเปก | SD 1.5 | SDXL | FLUX.1 |
|---|---|---|---|
| Training resolution | 512×512 | 1024×1024 | 1024×1024 |
| Text encoder | CLIP ViT-L/14 | OpenCLIP-ViT/G + CLIP-ViT/L | CLIP-L + T5-XXL |
| Parameters | 905M | 3.5B | 12B |
| Release | ต.ค. 2022 | ก.ค. 2023 | ส.ค. 2024 |
Prompt เดียวกัน · 1024×1024
“japanese woman, white hair, medium hair, green eyes, school uniform, red jacket, ribbon, plaid skirt, black socks, green shoes, sleepy expression, soaking wet, rain”
SD 1.5 · 2022
SDXL · 2023
FLUX-Dev · 2024
ความทรงจำปี 2022
“A Pikachu fine dining with a view to the Eiffel Tower”
ภาพตัวอย่างยุค Stable Diffusion แรก ๆ ที่เคยทำให้ทั้งโลก “ว้าว” — Pikachu เบี้ยว ๆ ซ้อนกันสองตัวบนจาน 😅 ผ่านมาแค่ไม่กี่ปี โมเดล open ก็เรนเดอร์ภาพสมจริงระดับช่างภาพได้แล้ว (ดูแกลเลอรีข้างบน)
เนื้อหาและภาพประกอบส่วนนี้จากคลาส ComfyUI Fundamental โดย SalmonRK (สไลด์ 10–23)
1.3
ใช้ทำงานอะไรได้บ้าง
กราฟเดียว ครอบทุก modality — และผสมข้ามกันได้ เช่น สร้างภาพนิ่งแล้วส่งต่อให้โมเดลวิดีโอทันที
ภาพนิ่ง
FLUX.2 · Qwen-Image · Z-Image · Ideogram 4.0 · SDXL
แก้ไขภาพ
Qwen-Image-Edit · FLUX Kontext · Inpaint · ControlNet
วิดีโอ
Wan 2.2 · LTX-2 · Hunyuan Video
เสียง / ดนตรี
Stable Audio · ACE Step
3D
Hunyuan3D · TripoSplat · TRELLIS
API สู่โมเดลปิด
Veo · GPT-Image · Kling · Flux Pro (จ่ายตามใช้)
1.4 · ของจริง
ตัวอย่างผลงานจากโมเดลยุคปัจจุบัน
รวมโพสต์ผลงานจริงจาก X.com ของแต่ละโมเดลที่รันใน ComfyUI ได้ — คลิกชิป 𝕏 เพื่อดูต้นทาง
ภาพนิ่ง
4 โมเดลแถวหน้า — รันแบบ native ทั้งหมด
FLUX.2
Black Forest Labs
ภาพสมจริงระดับ 4MP — แสง ผิว ผ้า คมแบบช่างภาพมือโปร
- ·ใช้ภาพ reference ได้พร้อมกันถึง 10 ภาพ คุมคาแรกเตอร์คงที่
- ·เรนเดอร์ตัวหนังสือในภาพได้แม่น
NativeQwen-Image / Edit
Alibaba Qwen
แชมป์ “ตัวหนังสือในภาพ” + แก้ภาพแบบเข้าใจความหมาย
- ·Edit-2511: สลับวัตถุ แก้ข้อความ เปลี่ยนฉาก คนหลายคนไม่เพี้ยน
- ·Qwen-Image-Layered แยกภาพเป็นเลเยอร์ RGBA ได้
Z-Image Turbo
Alibaba Tongyi
6B ตัวเล็ก เร็ว ~6 วินาที ได้ภาพสมจริงระดับ 2K
- ·เบาพอสำหรับ GPU บ้าน ๆ — โมเดลแรกที่เราจะโหลดในบทที่ 2 นั่นเอง
- ·เหมาะเป็น “โมเดลแรก” ของผู้เริ่มต้นที่สุดตอนนี้
Ideogram 4.0
Ideogram
ราชาตัวหนังสือในภาพ — จาก API-only สู่ open-weight 9.3B ที่รันเองได้
- ·สั่งวางตำแหน่งข้อความ/โลโก้ด้วย bounding box ได้ (เทรนด้วย caption แบบ JSON)
- ·โปสเตอร์ ป้าย ฉลาก — งานที่โมเดลอื่นสะกดผิด Ideogram ทำได้เป๊ะ
วิดีโอ
สาย open ที่แรงที่สุดสองตระกูล
LTX-2 / 2.3
Lightricks
วิดีโอ + เสียงซิงก์ในตัว ระดับ 4K — open weights (ม.ค. 2026)
- ·ตระกูล LTXV คือโมเดลวิดีโอ open แบบ real-time ตัวแรกของโลก (5 วิ เรนเดอร์ ~4 วิ)
- ·มี custom node ทางการจาก Lightricks (keyframe, V2V) — รุ่นล่าสุด 2.3 (22B) ดูวิธีใช้ในบท 5
Wan 2.2 / 2.5
Alibaba
วิดีโอ open สายภาพยนตร์ — คุมแสง เลนส์ อารมณ์แบบผู้กำกับ
- ·2.2 (Apache 2.0) สถาปัตยกรรม MoE — Day-0 ใน ComfyUI, รัน local ได้
- ·2.5 เพิ่มเสียงซิงก์ + 1080p 10 วิ ผ่าน API Nodes · นิยมจับคู่ Z-Image → Wan
3D
ภาพเดียว → โมเดล 3D ใช้ต่อในเกม/แอนิเมชัน
Tripo 3D
VAST AI
ภาพ/ข้อความ → โมเดล 3D พร้อม texture และ rig ใช้งานต่อได้เลย
- ·API Nodes ทางการ: text-to-3D, image-to-3D, multi-image, auto-rig
- ·TripoSplat (open-source) ได้ Day-0 native — 3D Gaussian Splat จากภาพเดียว
TRELLIS 2
Microsoft Research
image-to-3D open-source ระดับ SOTA — mesh คุณภาพสูงจากภาพเดียว
- ·เทรนจากวัตถุ 3D กว่า 500K ชิ้น — ชุมชนยกให้เป็น “ก้าวกระโดดของ image-to-3D”
- ·ใช้ผ่าน custom node (IF-Trellis, ComfyUI-3D-Pack) — ติดตั้งผ่าน Manager
📝 ระวังเรียกชื่อผิด: Tripo (ไม่ใช่ “Trio3D”) และ TRELLIS (ไม่ใช่ “Trello” — อันนั้นแอปจัดการงาน)
1.5
สร้างภาพ AI = สายการผลิตในโรงงาน
การสร้างภาพ 1 ใบมีขั้นตอนเหมือนสายพาน — ในเครื่องมืออื่นขั้นตอนพวกนี้ “ซ่อน” หลังปุ่ม Generate ปุ่มเดียว แต่ใน ComfyUI แต่ละขั้น = 1 node ที่เราเห็นและแก้ได้
โหลดโมเดล
เปิดไฟล์โมเดล แตกออกเป็นสมอง + ล่าม + นักแปลภาพ
แปลง prompt
เปลี่ยนข้อความที่เราพิมพ์ ให้เป็นภาษาที่ AI เข้าใจ
สุ่ม noise
เตรียม 'ผ้าใบเปล่า' ที่เต็มไปด้วยจุดสัญญาณรบกวน
ค่อย ๆ ลบ noise
Sampling — เคาะ noise ออกทีละนิดจนกลายเป็นภาพ ตาม prompt
แปลงเป็นภาพจริง
VAE Decode — เปลี่ยนภาพร่าง (latent) ให้เป็น pixel จริง
บันทึก
เซฟไฟล์ออกมา — พร้อม workflow ฝังอยู่ในภาพ
🪄 ขั้น “ค่อย ๆ ลบ noise” หน้าตาเป็นยังไง — ลากดูได้:
diffusion เริ่มจาก จุด noise สุ่มทั้งจอ (ขาว-ดำ-สี ที่ยังไม่เป็นภาพ) แล้ว KSampler ค่อย ๆ จัดระเบียบมันทีละรอบ (steps) ตาม prompt จนกลายเป็นภาพ · รายละเอียดอยู่ใน บทที่ 4
1.6
ทำไมต้องเป็น ComfyUI
ข้อดีที่ทำให้ power user ย้ายมาใช้ — และความท้าทายที่ต้องรับมือ
1.7
เทียบกับเครื่องมือที่ทีมอาจเคยใช้
Midjourney เหมาะกับหาไอเดียเร็ว ๆ — ฝั่ง open-source เองก็มีหลายสไตล์ (Fooocus ง่ายแบบ MJ · A1111/Forge ฟอร์มคลาสสิก · Krita วาดในแคนวาส) แต่พอต้องทำงานซ้ำ ๆ จำนวนมาก คุมผลให้คงที่ หรือเชื่อมเข้าระบบ ComfyUI คือคำตอบ (กดสลับแท็บเพื่อเทียบ)
ComfyUI
ต่อ node เป็นกราฟลองเล่น
ต่อ Node ด้วยตัวเอง
นี่คือโครง text-to-image มาตรฐาน ลากเส้นจากช่องส่งออก (ขวา) ไปช่องเข้า (ซ้าย) ให้สีตรงกัน — ถ้าต่อครบจะได้ workflow ที่สร้างภาพได้จริง
ช่องแต่ละช่องมี “ชนิดข้อมูล” (สี) — ต่อได้เฉพาะ สีเดียวกัน เหมือนปลั๊กที่เสียบได้เฉพาะรูที่ตรงกัน ถ้าชนิดไม่ตรง ComfyUI จะไม่ให้ต่อ · จำกฎนี้ได้ = เข้าใจ ComfyUI ไป 80%
ลากจากจุดสี ขวา ไป ซ้าย — ต่อได้เฉพาะ สีตรงกัน เท่านั้น
หัวใจ
วิธีคิดแบบ Node — 3 แนวคิดที่ต้องจำ
ถ้าจำได้ว่า “ต่อสีให้ตรงกัน = ส่งข้อมูลถูกชนิด” คุณเข้าใจ 80% ของ ComfyUI แล้ว
สีของช่องเสียบ = ชนิดข้อมูล (ต่อได้เฉพาะสีเดียวกัน)
1.8
App Mode (ของใหม่ปี 2025–2026)
เปลี่ยน workflow ซับซ้อนให้กลายเป็นหน้าจอง่าย ๆ ที่มีเฉพาะช่องกรอกที่จำเป็น แล้วแชร์เป็นลิงก์ให้คนอื่นใช้
✅ สรุปบทที่ 1
- • ComfyUI = เครื่องมือสร้างภาพ/วิดีโอ AI แบบ ต่อ node เป็นกราฟ
- • จุดเด่น: ควบคุมลึก · workflow เป็น JSON แชร์ง่าย · เป็น API ได้ · รองรับโมเดลใหม่เร็ว · ฟรี+รันในเครื่อง
- • หัวใจคือ mental model: สร้างภาพ = สายการผลิต แต่ละขั้น = node, ต่อเส้นให้ชนิดข้อมูล (สี) ตรงกัน