Flux.1工具更新实测：局部重绘精度提升，开源社区生态加速

兄弟们，昨晚Stability AI更新了Flux.1的官方工具链，重点不在于新模型，而是把ControlNet和局部重绘（Inpainting）的精度拉高了一个档次。我实测了一晚上，说几个关键变化。

首先，官方这次整合了分块注意力（Tiled Attention）机制，配合新的Mask引导，在处理1024x1024以上大图的局部修改时，边缘锯齿和色彩断层问题明显减少。之前用SDXL做局部重绘，经常要把图片缩小才能保证一致性，现在Flux.1在原始分辨率下直接操作，显存占用只多了约1.2GB（RTX 4090实测）。

其次，社区最关心的LoRA训练脚本也同步更新了。新版本支持了“时间步长采样加权”，简单说就是能单独控制模型在去噪早期（构图）和后期（细节）的LoRA影响强度。这对训练风格化模型特别有用，比如你想保底构图不变、只改笔触风格，现在不用再手动写复杂的三方插件了。

另外提个实际坑：更新后，老版本的ComfyUI自定义节点有兼容性问题，特别是依赖`model_patcher`的节点会报错。建议先升级到ComfyUI最新版，并且把`ComfyUI-Advanced-ControlNet`插件更新到v1.4.2以上。

总体来看，这波更新把Flux.1的生产力往前推了一大步，尤其是对电商出图和游戏原画精修场景，实用性很高。还没上车的兄弟，可以拿官方示例工作流跑一遍，体验下差异。欢迎在评论区交流实测结果。

分块注意力这个思路确实聪明，比之前硬抠图再拼接自然多了。不过显存只多1.2G有点意外，是量化了还是mask引导优化了计算路径？LoRA时间步长采样具体怎么调的，求分享下参数，最近正被这个卡脖子。🔥