知仓学习社知仓学习社
反复出图后内存/显存不释放，越跑越慢最后崩溃，只能重启 / 全站资源搜索
搜索 更新 2026-10-02
报错 021 显存与内存不足（OOM） 有来源可查

反复出图后内存/显存不释放，越跑越慢最后崩溃，只能重启

报错原文（原样） 
The process is killed.
(issue reporter: 'The memory doesn't get dispose.'; another user: 'It's happening to me when I'm not even loading models - this happens on a basic load image -> resize -> save image workflow. Memory gets allocated, then only partially released, then it fills the whole 128GB to full and starts swapping, then eventually crashing. Only a restart fixes it.')
（注：以上为转述文本，非逐字原文。）
检索关键词 Memory is not release after each generation、The process is killed、memory leak、越跑越慢、只能重启、cache-none
先看这一句 单张出图正常，连续出图 10 张以后越来越慢，系统内存/显存被吃满、开始使用交换文件，最终 ComfyUI 进程被系统杀掉。重启 ComfyUI 后恢复。
适用版本 全版本通用；issue #10475 仍为 open，维护者 rattus128 请用户提供可复现工作流，说明截至该 issue 时尚未完全定位。 · 核实日期 2026-09-26 · 状态 已核实
适用环境：Windows 便携版、秋叶/绘世整合包、ComfyUI Desktop、Linux + 云 GPU、Docker/服务器

现象与触发场景

常见触发场景：

  • 长时间批量出图（尤其是视频与放大工作流）
  • 反复加载/卸载多个不同模型
  • Wan2.2 GGUF（Q4/Q8）等量化视频模型多次运行

根因

  • ComfyUI 的节点结果缓存会保留中间张量，长队列下累积占用内存/显存。
  • issue #10475 中用户实测确认：RSS 增长而 current_loaded_models 为 0、CPU 张量仅约 59MB、GPU 约 3MB，说明占用来自 glibc 堆/匿名页的分配器保留（内存映射中 [anon] 约 18.8GB、[heap] 约 5.8GB），而非活跃张量；手动 malloc_trim(0) 后 RSS 立刻从约 25GB 降到约 3.6GB。
  • comfy 的 soft_empty_cache 只调用设备侧 empty_cache 系列，不裁剪 CPU 侧分配，所以这种“泄漏”不会自动回收。

解决步骤

已按「最可能有效」排序。请从上往下做，每做完一步用「验证」确认，不要一次改五处。

  1. 关闭/限制缓存，减少中间结果驻留
    --cache-none 每次运行都重新执行所有节点，官方 help 说明为“Reduced RAM/VRAM usage at the expense of executing every node for each run.”；--cache-lru N 改为限制只缓存 N 个节点结果，是折中方案。issue #10475 的提问者也尝试过 --cache-none。
    python main.py --cache-none
    python main.py --cache-lru 10
    python main.py --cache-classic
  2. 用自动清理节点或插件在每个 prompt 结束后卸载模型并清缓存
    社区插件 ComfyUI-Force-Cleanup 的定位就是“Force ComfyUI to unload models and clear execution/device caches after each prompt”，适合长队列批量出图；PipelineBarrier 类插件则在流水线阶段之间强制冲刷 GPU 缓存以避免 OOM。
    # 安装 ComfyUI-Force-Cleanup 后，在队列末尾启用其 Force Cleanup 节点
    git clone https://github.com/3289004205/ComfyUI-Force-Cleanup custom_nodes/ComfyUI-Force-Cleanup
  3. 把长任务拆批，每批之间重启进程（最可靠的兜底）
    如果目标是几百张图或几十段视频，按每 20-50 个任务重启一次 ComfyUI 进程，比等待内存回收更可靠。可写批处理脚本循环启动 main.py 并跑队列 API。
    # Windows 示例：任务结束后重启
    taskkill /F /IM python.exe
    python main.py --cache-none --disable-smart-memory

验证是否修好

连续跑 20 次以上，任务管理器/htop 中 ComfyUI 进程内存不再单调上升，单次耗时保持稳定；不再出现进程被系统杀掉。

补充说明

malloc_trim 属于 Linux/glibc 环境下的诊断手段，Windows 不适用；issue #11775 另报告了 RTX 5070 + Wan2.2 GGUF 多次运行后需要整机重启的系统内存泄漏，与本条现象同类但根因未定论。

来源

按可信度排列：官方 issue / 官方文档 > 节点仓库 issue > 社区帖 > 中文社区文章。 链接以纯文本给出（本站不做站外跳转），需要核对时请自行复制到浏览器打开。
  1. [60] （官方 issue）　Memory is not release after each generation · Issue #10475　https://github.com/Comfy-Org/ComfyUI/issues/10475
  2. [61] （官方 issue）　Cumulative system RAM leak requiring full PC restart with Wan2.2 GGUF 　https://github.com/Comfy-Org/ComfyUI/issues/11775
  3. [62] （节点仓库 issue）　ComfyUI-Force-Cleanup: Force ComfyUI to unload models and clear execut　https://github.com/3289004205/ComfyUI-Force-Cleanup
  4. [63] （节点仓库 issue）　ComfyUI-PipelineBarrier: Force-flush GPU caches between ComfyUI pipeli　https://github.com/brosequist/ComfyUI-PipelineBarrier

这条报错要用到的东西

按本条报错所属的类别（显存与内存不足（OOM））列出站内相关的下载包与板块入口。 它们不是「必须下载才能修好」，而是这一类问题里最常要动到的东西；具体怎么做，以上面的解决步骤为准。

ComfyUI 权重库（167 个文件 / 约 1187 GB）按 ComfyUI 的 models 目录分好类的 167 个权重文件 / 每个文件一份说明（放哪、被哪些工作流引用） 待挂载
权重库同一个模型常有更小的量化版本，换一个能省一大截显存 板块 工作流换一条依赖更轻的工作流 板块

同一类别的其他条目

【012】最典型的爆显存：KSampler 阶段 torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate ... 有来源 【013】新版报错：torch.OutOfMemoryError: Allocation on device 0 would exceed allowed memory.（附带 batch_size TIPS） 有来源 【014】VAE 解码阶段爆显存：Ran out of memory when regular VAE decoding, retrying with tiled VAE decoding 有来源 【015】系统内存/页面文件不足：OSError: The paging file is too small for this operation to complete. (os error 1455) 含未核实 【016】Windows 共享显存（Shared GPU memory）被吃满，任务管理器显示显存未释放、必须重启 含未核实
这个解法对你有效吗 记录只存在你自己的浏览器里，不需要注册账号。

返回报错库