ComfyUI 多卡机器上的设备参数：`--cuda-device` 与 `--default-device` 到底差在哪

2026-08-09

买第二张卡的人，装完驱动第一件事都是问同一个问题：ComfyUI 怎么让它用 1 号卡，而不是死盯着 0 号？

这个问题在 ComfyUI 里其实只对应四个命令行参数，数量少得有点出乎意料。但其中两个参数长得很像、名字都带 device，语义却是相反的方向——而这个差别只写在 help 文本的半句话里，不看源码基本不会注意到。本文只讲这四个参数，依据是 ComfyUI v0.31.0（2026-08-08）时点 comfy/cli_args.py 里的 help 原文。参数会随版本变动，请以你本机 python main.py --help 的实际输出为准。

一、核心差别：一个让别的卡消失，一个只是换个默认

先把两条 help 原意摆出来，这是全文的地基：

参数	取值	help 原意
`--cuda-device DEVICE_ID`	逗号分隔，如 `0` 或 `0,1`	指定使用的设备，其它设备将不可见
`--default-device DEFAULT_DEVICE_ID`	int，单个 id	设置默认设备 id，其它设备仍然可见

差别就在最后那半句。--cuda-device 是做「隔离」：没被点名的卡，对这个 ComfyUI 进程来说等于不存在。--default-device 是做「排序」：它只改变默认落到哪张卡上，其余的卡仍然在进程视野里。

这条差别反直觉的地方在于命名。按字面直觉，--cuda-device 1 像是「用 1 号卡」，--default-device 1 像是「默认用 1 号卡，必要时还能用别的」——但只有后半句是 help 明说的，前半句里「其它设备不可见」这个副作用，字面上完全看不出来。它带来的实际后果是：一旦你用了 --cuda-device，任何试图访问未点名设备的代码路径都不再有机会拿到那张卡。这既是它的价值（干净、彻底、适合多实例分卡），也是它的代价（想在同一个进程里灵活调度多张卡时，你自己把门关上了）。

另一处容易写错的细节：--cuda-device 的 help 明确写了逗号分隔，示例是 0 或 0,1；--default-device 在源码里是 int 类型，只接受单个 id。所以 --default-device 0,1 这种写法不是「效果差一点」，而是类型就不对。写多卡启动脚本时，逗号只属于 --cuda-device。

二、非 NVIDIA 的两个入口

comfy/cli_args.py 的设备选择这一组里，除了上面两个，另有两个是给非 CUDA 路线准备的（同组还有 --cuda-malloc / --disable-cuda-malloc，那是分配器开关，和「用哪张卡」不是一回事，本文不展开）：

--oneapi-device-selector SELECTOR_STRING：设置本实例使用的 oneAPI 设备。注意它接受的是一个 selector 字符串，不是设备序号。
--directml [DEVICE]：使用 torch-directml，不带参数时值为 -1。

这两个参数 help 给出的信息就这么多。selector 字符串的具体语法、DirectML 下设备编号与物理卡的对应关系，cli_args.py 里都没写——那属于 oneAPI 与 torch-directml 各自的文档范畴，本文不替它们推断。

三、命令怎么写：一卡一实例是最省心的形态

多卡机器上最常见、也最容易验收的用法，是每张卡起一个独立的 ComfyUI 进程，各自占一个端口。Linux / macOS 下这样写：

# 0 号卡，8188 端口
python main.py --cuda-device 0 --port 8188 \
  --base-directory /srv/comfy/gpu0 \
  --output-directory /srv/comfy/gpu0/output

# 1 号卡，8189 端口
python main.py --cuda-device 1 --port 8189 \
  --base-directory /srv/comfy/gpu1 \
  --output-directory /srv/comfy/gpu1/output

Windows 下同样两条，只是路径与换行符不同：

python main.py --cuda-device 0 --port 8188 --base-directory D:\comfy\gpu0
python main.py --cuda-device 1 --port 8189 --base-directory D:\comfy\gpu1

逐个说明每个选项为什么在这里：

--cuda-device：按 help 里「其它设备将不可见」这条语义把两个进程分开，未被点名的卡不会出现在该进程的视野里。
--port：cli_args.py 里端口默认是 8188，两个实例不改端口必然撞车。
--base-directory：help 的说明是一次性设置 models、custom_nodes、input、output、temp、user 六类目录的基准目录。两个实例共用一套 user 目录容易互相覆盖设置，分开更干净。
--output-directory：这个参数的 help 里写明 Overrides --base-directory。也就是说上面第一条命令里两者同时给，最终产出目录以 --output-directory 为准。--temp-directory、--input-directory、--user-directory、--models-directory 都是同一个「单项覆盖一把抓」的关系。如果你只是想让两个实例共享同一份模型库、只分开输出，那就是给一个共同的 --models-directory、再各给各的 --output-directory。

以上为按官方参数语义组合的示例，未逐项实测，以官方文档与 --help 输出为准。

四、产出物长什么样

这套命令跑起来之后，你能看到的「产出物」有两类，都不需要等到出图。

第一类是目录：两个实例各自有一套 gpu0 / gpu1 的六类目录，出图落点在各自的 --output-directory 下（因为它覆盖基准目录）。至于会生成哪些子目录名、里面的文件怎么命名，cli_args.py 没写，本文也不替它编——按上面的参数起一次，看目录自己长成什么样，比读任何文章都准。这里唯一要核的是：两个实例的输出路径确实不同，没有一个悄悄写到了另一个的目录里。

第二类是启动日志。ComfyUI 源码里有这么两行日志格式串，是我们有依据可以拿来对照的：

日志文案（格式串）	含义
`Total VRAM {:0.0f} MB, total RAM {:0.0f} MB`	启动时报告显存与内存总量
`Set vram state to: {vram_state.name}`	当前 VRAM 状态机取值

五、怎么验收：三步，都在启动阶段

看 Total VRAM 那一行。 两张卡显存规格不一样时，这行报出来的总量本身就是身份标识——它报的容量对不上你点名的那张卡，说明参数没生效或者 id 指错了。
两张卡型号、显存完全相同时，这一行分辨不出来。 别在日志里硬看，去系统侧的显卡监控里确认哪张卡上挂着这个进程更可靠。这不是 ComfyUI 的功能，只是绕开歧义的常规做法。
顺带扫一眼 Set vram state to: 那行，确认状态机取值符合预期。这一行反映的是显存策略，和设备选择是两码事，但它在同一屏日志里，一起看不费事；两个实例这一行不一致时，说明你给它们的显存类参数不同，而不是设备选错了。

顺序上有个前置条件：端口那一关得先过。第二个实例如果漏了 --port，它和第一个抢的是同一个默认端口，进程都没起来，谈设备验收没有意义。

最容易出错的一步是把 id 认错。 设备 id 由驱动与运行时决定，未必等于你插槽的物理顺序，也未必和某个监控工具里的编号一致。先确认编号，再写参数，比反复改命令快。其次就是第一节说过的那个类型陷阱：逗号只属于 --cuda-device。

六、官方没给的部分：多卡并行推理

必须把话说明白：comfy/cli_args.py 的这四个参数，解决的都是「这个进程用哪张（哪些）卡」，而不是「一次生成如何拆到多张卡上并行跑」。后者涉及的策略——模型分片、文本编码器与 UNet 分卡放置、跨卡张量搬运——在这张参数表里没有对应的开关，help 文本里也没有任何说明。所以本文不猜，也建议你不要拿 --cuda-device 0,1 去反推「传两个 id 就等于两卡并行」：help 只写了「其它设备不可见」，写了什么就是什么。

跨厂商多卡这条路上，官方仓库 issue #4170 反映了「Cross-Vendor Multi-GPU Support via Vulkan Backend」这一诉求，该 issue 创建于 2024-08-02，标签为 User Support，截至 2026-08-09 仍为 open。这里只陈述编号、标题、创建日期与状态——我们没有读过这条 issue 的正文与评论，不清楚里面讨论了什么、有没有替代做法，也不打算据此判断官方的规划。issue 处于 open，既不代表功能不存在，也不代表官方已经确认要做。

七、什么情况别这么干

想让单次生成变快，多卡帮不上忙。 上面那套一卡一实例，提升的是同时能跑几条队列，不是单条队列的速度。如果你的诉求是单张图/单段视频更快出来，设备参数这一层给不了答案。
显存不够想靠第二张卡凑。 --cuda-device、--default-device 都没有「把一个模型摊到两张卡上」的语义。显存吃紧属于另一套参数（缓存与 VRAM 策略那一组）的范畴，别在设备参数里找解法。
两个实例共享一套 user 目录。 尤其在 Windows 上手动开两个窗口时最容易忘。共用会不会出问题，官方文档没有明说，但把它们分开的成本几乎为零，没必要赌。
自动化脚本里省掉 id 确认。 设备编号在换卡、换驱动、加装第三张卡之后都可能变。写进 systemd / 计划任务的启动命令，重装驱动后应当重新核一遍启动日志，而不是默认它还对。
非 NVIDIA 设备照抄 --cuda-device。 DirectML 走 --directml，oneAPI 走 --oneapi-device-selector，取值形态各不相同，不能互相套用。

多卡这件事，ComfyUI 给的抓手确实朴素：隔离用 --cuda-device，换默认用 --default-device，其余靠端口和目录参数把实例分干净。搞清楚「不可见」和「仍可见」这半句差别，多卡机器上八成的困惑就散了。

延伸阅读

本文依据 ComfyUI 官方仓库（github.com/Comfy-Org/ComfyUI）的 README、comfy/cli_args.py、 release notes 与官方安全公告整理，核对日 2026-08-09，对应版本 v0.31.0；文中引用的 issue 状态为该日期的快照。本文内容为官方文档与源码口径，非本机实测。参数、默认值与功能随版本变动，请以官方文档与 python main.py --help 的实际输出为准。