ComfyUI MOSS 双模型融合：预设选择、连线与强度调节

作者：@AIwood爱屋研究室



MOSS 的 Base 与 SFT 版本各有取舍。AIwood 在这次演示中的感受是：Base 的观感更自然，但细节相对少；SFT 的细节更丰富，却可能显得更有“AI 味”。这属于作者对所展示样例的判断，不代表所有提示词和场景都会如此。

本教程整理作者的 MOSS Base+SFT Merge Preset 节点用法：把两个模型接入同一个融合节点，通过预设与强度调节风格倾向，再接回已有生成流程。重点是简化操作，不是保证两个模型的优点可以无损叠加。

一、先区分两种思路

作者提到过一种分段采样方式：先用 Base 跑前面的步骤，再交给 SFT 继续。这里演示的不是那种先后接力，而是在模型进入后续采样链之前，使用融合节点输出一个模型连接。

作者称，这个预设节点是在既有 MOSS 分层融合节点的基础上整理而来，把大量层参数归纳为几个入口。本次没有独立核验上游实现或源码，因此不把“官方支持范围”“融合公式”作为已经证实的事实，也不据此推断它会导出一个新的模型权重文件。

二、准备模型与节点

演示前提是已经有能运行的 ComfyUI MOSS 工作流，并准备好 Base、SFT 两个版本的模型加载节点。作者公开的项目资源是：

https://github.com/slmonker/ComfyUI-MOSS-Merge-Presets

视频要求先安装该节点，但未在本次可核验内容中完整展示安装命令、依赖版本和排错过程。因此本文不补造安装路径或命令；请依据项目实际说明核对环境。该链接仅作为作者提供的资源引用，本次未独立验证仓库源码、许可、依赖安全性或资源持续可用性。

两个输入保持同一精度版本。 作者明确提醒：用 BF16 时，两边都用 BF16；使用作者提到的 INT8 类版本（字幕作 INT8C）时，也应两边一致，不要混搭。画面实际展示的是两个 BF16 模型加载项。这里的 INT8 用法是作者说明，不是对任意量化格式、加载器或模型版本的兼容保证。

三、按接口接线

在工作流中找到 MOSS Base+SFT Merge Preset，按下面的关系接入：

1. Base 模型加载器的模型输出，连接到 base_model。
2. SFT 模型加载器的模型输出，连接到 sft_model。
3. 将融合节点右侧的模型输出接回原有模型处理链。作者演示中继续连接跳过层引导及 K 采样器。
4. 保留现有工作流的提示词、文本编码、潜空间等其余路径，不要把“一个融合节点”误解成整个出图流程只需一个节点。

这一步改变的是模型路径。若只是想直接用纯 SFT 做参照，作者的做法是绕过融合输出，把 SFT 模型直接接到后续模型路径，而不是一味提高融合强度。

四、先选倾向，再调强度

视频介绍了四种入口：

- Base-preserve：偏向保留 Base 的表现。
- Balanced：作为两者之间的均衡取向。
- SFT-detail：偏向 SFT 的细节表现。
- 自定义：展开分层参数，逐项手动调整；不熟悉各层作用时，不必从这里开始。

这些名称表示预设取向，不能直接换算成“Base 占几成、SFT 占几成”。作者没有在演示中给出足以复现全部内部计算的公式。

strength 控制的是预设作用程度，而不是一个可以随意当作模型百分比的数值。按作者演示，可这样理解：

- 先从 1 开始：这是作者建议的起点，再比较不同预设的结果。
- 降到 0：作者说明，此时按 Base 原模型运行。
- Base-preserve 下减小强度：作者以约 0.3 举例，说明可以进一步偏向 Base；后半段也演示了逐步降低强度的调整思路。
- 最高演示值 1.25：用于加强所选预设的作用。即使选了 SFT-detail 并调到 1.25，作者也明确说它不会变成纯 SFT。

不要把“更高强度”理解为“必然更好”。如果希望画面保留更多 Base 的观感，作者给出的方向是选择 Base-preserve，再逐步减小强度，直到结果符合需求；希望探索另一种倾向，则先换预设，再判断是否继续调强度。

五、怎样看待演示中的对比

视频展示了不同预设的样例，其中可见带人物与文字排版的画面。它们能说明作者如何观察风格差异，但本次资料不足以证明所有样例都控制了相同随机种子和其他生成条件，因此不能把它当成严格的模型质量排名。

作为实际使用建议，可以先固定自己的提示词、种子、尺寸和采样设置，只改变预设或强度中的一项；保留 Base、SFT 直连结果作为参照，再观察细节、质感和文字表现。这是为了便于自行比较的整理建议，不是声称作者已完成了同条件基准测试。

作者还提到单次生成需要几十秒，但没有提供足以形成统一性能结论的硬件、版本和完整计时条件。本文不把这个时间当作你的设备耗时承诺，也不声称该节点能降低显存占用或加速生成。

小结

这套用法最值得记住的是：两路同精度模型分别接对输入，先选预设，再用强度微调；纯 SFT 对照应直接接 SFT，而不是把融合强度拉满。 自定义分层参数保留给有明确调参目标的情况，不需要为使用预设而逐层试遍。

来源作者：AIwood爱屋研究室。源视频发布时间：2026-10-26 15:54:24（Asia/Shanghai）。

来源视频：https://www.bilibili.com/video/BV1iDnd6MEYW/

整理依据：覆盖视频 00:00–06:30 的完整可用官方中文字幕与所见画面，包含回放补漏；比较展示段存在较长字幕空白，不据此推断没有语音，也未补写未知口播。本篇不是 ASR 或完整语音转写；自动字幕中的明显模型、节点名称误写，按可见界面统一为对应名称。