Como Rodar ComfyUI na RunPod em 2026

Para rodar ComfyUI na RunPod, crie um GPU Pod com template ComfyUI, acesse o serviço HTTP na porta 8188, salve modelos em Network Volume e encerre recursos quando terminar. Use Pod para criar, Serverless para repetir workflows e API pronta quando não precisar administrar GPU.

ComfyUI dá controle sobre modelos, nós e workflows. A contrapartida é operacional. Você escolhe GPU, instala dependências, guarda arquivos e monitora custos.

Este é um guia de configuração baseado na documentação oficial da RunPod e do ComfyUI. Ele não relata um teste próprio do Runzos nem promete tempos de geração.

É por isso que a RunPod faz sentido para alguns projetos. Ela não substitui automaticamente uma API de imagem ou vídeo. Ela entrega uma máquina de trabalho temporária.

A melhor analogia é a Bancada GPU. Você abre a bancada para montar, testar e ajustar. Salva o que importa. Depois fecha a bancada antes que recursos parados virem custo.

Antes de começar: Pod, Serverless ou API pronta?

A decisão não começa pela GPU. Ela começa pelo tipo de trabalho que você precisa fazer hoje.

Use Pod para criar e depurar workflows

O Pod é a escolha natural para abrir o ComfyUI no navegador. Ele serve para testar Flux, Stable Diffusion, LoRAs, custom nodes e fluxos maiores.

A documentação oficial da RunPod apresenta um tutorial específico para usar ComfyUI em um GPU Pod. O exemplo usa a imagem runpod/comfyui:latest, uma RTX 4090, 50 GB de container disk, 100 GB de volume e a porta 8188 como serviço HTTP.

Isso não significa que esses números sejam obrigatórios. Eles mostram uma configuração de referência. O tamanho ideal depende dos modelos, dos arquivos e do seu workflow.

Use Serverless quando o workflow já virou produto

Serverless muda a pergunta. Você não quer mais clicar em nós. Você quer enviar um workflow conhecido e receber um resultado por API.

A RunPod documenta o envio assíncrono de jobs pelo endpoint /run, usando um workflow JSON. O projeto worker ComfyUI no GitHub existe justamente para esse caso.

Serverless pode reduzir o tempo de GPU ociosa, mas introduz outra camada. Você precisa empacotar dependências, considerar modelos e aceitar cold starts. Não prometa um endpoint antes de estabilizar seu workflow no Pod.

Use API pronta quando controle fino não paga o setup

Nem toda geração precisa de uma Bancada GPU. Se você só quer chamar um modelo por automação, uma API pronta pode ser mais direta.

O Kie AI e o WaveSpeed AI são alternativas para quem prefere integrar uma API sem cuidar de Pod, volume ou custom nodes.

A troca é simples. Você abre mão de parte do controle. Em troca, reduz setup, manutenção e o risco de esquecer uma GPU ligada.

Se seu projeto exige um workflow específico, modelos próprios ou testes frequentes, a RunPod tende a dar mais liberdade. Veja a oferta RunPod no Runzos quando esse controle justificar a infraestrutura.

Quanto custa rodar ComfyUI na RunPod em reais?

Preço por hora é só o começo. Para decidir bem, calcule por sessão. Uma sessão de quatro horas é mais fácil de comparar com seu trabalho real.

A tabela abaixo usa a cotação de US$ 1 = R$ 5,0851, registrada em 24 de julho de 2026. Ela não inclui IOF, spread do cartão, impostos ou storage.

Os preços são snapshots. Confirme a página oficial de preços da RunPod antes de criar um Pod.

O ponto importante é a escala. Uma RTX 4090 Secure por 24 horas custa cerca de R$ 84,21 nesse câmbio. Por 80 horas mensais, chega perto de R$ 280,70. Ligada continuamente por 720 horas, passa de R$ 2.526.

Esse é o Custo do Pod Esquecido. Não é uma taxa secreta. É a soma previsível de horas que você não usou.

O que a tabela não inclui

A tabela cobre compute. Storage é outra linha de custo. A documentação da RunPod informa que storage continua sendo cobrado mesmo com Pods parados.

Também existe a conversão em dólar. O valor final em reais pode mudar com câmbio, IOF e spread. Use a tabela para comparar cenários, não como uma promessa de fatura.

Qual GPU escolher para ComfyUI, Flux e vídeo?

Não existe uma GPU universal para ComfyUI. A escolha depende de VRAM, modelo, resolução, duração do vídeo e tamanho do lote.

A RTX 4090 é uma referência razoável para imagem e experimentos. O exemplo oficial da RunPod usa essa GPU. Ela atende muitos workflows de Stable Diffusion, SDXL e Flux sem começar pelos equipamentos mais caros.

A RTX 5090 aparece como opção com 32 GB de VRAM. Isso pode ajudar em trabalhos mais pesados, mas disponibilidade e preço variam por região e ambiente.

A100, H100 e GPUs maiores entram quando você precisa de mais VRAM ou quer processar lotes relevantes. Não escolha uma H100 apenas porque ela é mais rápida. Sem volume de trabalho, o custo extra pode não voltar.

Para vídeo com IA, tenha ainda mais cuidado. Wan 2.2 e outros modelos variam muito conforme resolução, frames e dependências. Não há benchmark independente comparável nesta pesquisa. Portanto, não existe uma promessa honesta de segundos por vídeo.

A regra prática é começar pelo menor recurso que suporta seu workflow. Meça seu uso. Só depois aumente a GPU.

Passo a passo para subir ComfyUI em um GPU Pod

1. Crie a conta e adicione crédito

Abra sua conta RunPod e adicione crédito antes de provisionar. A plataforma cobra pelo uso dos recursos escolhidos, então defina um teto mental para a sessão.

Antes de clicar em deploy, decida quanto tempo você vai trabalhar. Uma janela de duas ou quatro horas evita começar sem limite de custo.

2. Pense na persistência antes do template

Esse passo é mais importante do que parece. Você vai baixar modelos, instalar nós e salvar workflows. Sem plano de persistência, pode repetir trabalho depois.

A documentação de storage da RunPod explica que /workspace sobrevive a stop e restart durante o lease do Pod. Porém, dados podem ser apagados quando o Pod é terminado sem Network Volume.

Se seu objetivo é apenas testar uma imagem, o armazenamento temporário pode bastar. Se você vai manter modelos grandes, custom nodes ou outputs, configure Network Volume.

3. Escolha o template ComfyUI e a GPU

No console, procure o template ComfyUI ou use uma imagem compatível. Se for sua primeira sessão, comece por uma GPU de custo equilibrado.

A RTX 4090 é um ponto de partida documentado pela própria RunPod. Não compre uma GPU maior por ansiedade. Escolha mais VRAM quando seu modelo realmente exigir.

Defina também o container disk e o volume. O tamanho precisa acomodar modelos, arquivos temporários e outputs. O exemplo oficial usa 50 GB de disk e 100 GB de volume, mas seu caso pode pedir outra distribuição.

4. Exponha a porta 8188 como HTTP

ComfyUI costuma ser acessado pela porta 8188. No Pod, ela precisa estar configurada como serviço HTTP, como orienta o tutorial oficial da RunPod.

Depois que a instância estiver pronta, abra o HTTP Service correspondente. A interface do ComfyUI deve carregar no navegador.

Se a tela não abrir, confira três pontos: o Pod está em execução, a porta foi exposta como HTTP e o serviço terminou de iniciar. Se houver instabilidade, consulte o status da RunPod antes de reconstruir tudo.

5. Carregue um workflow simples e gere o primeiro output

Comece pequeno. Use um workflow conhecido e um modelo já disponível. Primeiro valide a interface, o carregamento e a fila.

Depois, salve o workflow em JSON. Guarde também os outputs que importam. Isso transforma uma sessão de teste em uma base repetível.

O ComfyUI é uma interface de workflows por nós. A documentação oficial do ComfyUI ajuda a entender como modelos e operações se conectam.

Não instale dezenas de custom nodes no primeiro dia. Cada dependência adicional aumenta a chance de conflito e o trabalho para reproduzir o ambiente.

Como validar o setup e resolver os primeiros problemas

Como saber se funcionou

Considere o setup concluído somente quando estes quatro sinais aparecerem na mesma sessão:

1. O Pod está com status de execução no console.
2. O HTTP Service da porta 8188 abre a interface do ComfyUI.
3. Um workflow simples entra na fila sem mensagem de erro.
4. O ComfyUI grava um output e o workflow JSON é salvo fora da fila.

Não pule o quarto sinal. Interface aberta não prova que modelos, dependências e gravação estão funcionando. Salve o workflow JSON antes de aumentar resolução, trocar modelo ou instalar novos nós.

Problemas comuns e o que conferir

Essa sequência reduz tentativas aleatórias. Primeiro valide infraestrutura, depois modelo e workflow. Só então investigue dependências extras.

Persistência: como não perder modelos, custom nodes e outputs

Aqui está a diferença entre parar e terminar. Parar interrompe o Pod. Terminar remove o recurso. A consequência para seus dados depende de onde eles foram gravados.

O /workspace pode sobreviver a stop e restart enquanto o lease existe. Ele não é uma estratégia de backup quando você termina o Pod sem Network Volume.

Network Volume é a opção para preservar arquivos entre Pods e evitar novos downloads. Mas não trate volume como gratuito. Ele continua tendo cobrança, inclusive quando o compute está parado.

Use uma estrutura simples para evitar confusão:

• guarde modelos grandes no Network Volume;
• exporte workflows JSON após mudanças importantes;
• baixe outputs que precisam ir para outro sistema;
• documente custom nodes essenciais;
• revise volumes ativos quando encerrar um projeto.

A Bancada GPU funciona quando você consegue fechá-la sem perder a montagem. Se precisar recomeçar tudo, o preço por hora deixa de ser sua principal despesa. O retrabalho vira o custo real.

ComfyUI Serverless: quando transformar workflow em API

Serverless é indicado quando seu workflow já está estável. Você exporta o JSON, prepara o worker e chama o endpoint com dados de entrada.

A documentação oficial de ComfyUI Serverless descreve jobs assíncronos enviados para /run. Isso é útil para integrar geração de imagens em produtos, automações ou filas.

Não confunda Serverless com botão mágico. Workflows que dependem de custom nodes, modelos específicos ou containers personalizados precisam ser preparados para esse ambiente.

Outro ponto é o cold start. Workers podem escalar para baixo quando ficam ociosos. A pesquisa aponta idle timeout padrão de cinco segundos após uma request. Isso reduz custo de atividade, mas pode aumentar a espera da próxima chamada.

Use Serverless depois de validar o fluxo visualmente. Primeiro crie na Bancada GPU. Depois transforme o que funciona em serviço repetível.

Riscos honestos: onde iniciantes perdem tempo ou dinheiro

O marketing de GPU sob demanda fala de flexibilidade. A evidência operacional adiciona nuance. A RunPod simplifica o acesso à GPU, mas não elimina a complexidade do ComfyUI.

Templates aceleram o começo. Eles não resolvem automaticamente custom nodes, downloads de modelos, portas e persistência. Relatos de usuários apontam atrito nesses pontos, especialmente em configurações mais personalizadas.

A posição do Runzos é prática: use RunPod quando você precisa de controle. Não use apenas porque parece mais profissional que uma API.

Antes de encerrar uma sessão, siga este checklist:

1. Exporte o workflow JSON que funcionou.
2. Baixe outputs que precisam sair do ambiente.
3. Confirme onde estão modelos e custom nodes.
4. Verifique se o Network Volume contém os arquivos necessários.
5. Diferencie stop de terminate antes de clicar.
6. Revise Pods e volumes que ainda podem cobrar.
7. Consulte o status da plataforma se o proxy falhar.
8. Registre o custo da sessão para escolher melhor a próxima GPU.

Essa rotina parece burocrática até o primeiro caso de arquivo perdido ou GPU esquecida. Depois ela vira parte natural do workflow.

Perguntas frequentes sobre ComfyUI na RunPod

Como rodar ComfyUI na RunPod?

Crie um GPU Pod com template ComfyUI, escolha uma GPU, configure a porta 8188 como HTTP e abra o serviço pelo navegador. Salve workflows e outputs. Use Network Volume se quiser preservar modelos e arquivos ao terminar o Pod.

Quanto custa usar ComfyUI na RunPod?

Depende da GPU, da região, do ambiente e do tempo de sessão. Como referência de 24 de julho de 2026, uma RTX 4090 Secure a US$ 0,69 por hora equivalia a cerca de R$ 3,51 por hora. Some storage, IOF e spread.

Qual GPU escolher para ComfyUI na RunPod?

Para muitos workflows de imagem, uma RTX 4090 é um início razoável. A escolha muda quando seu modelo exige mais VRAM, lote maior ou vídeo. Comece pelo menor recurso compatível e aumente somente após medir seu caso.

A RunPod salva modelos e workflows depois que eu desligo o Pod?

Stop e restart podem preservar /workspace durante o lease. Terminar o Pod sem Network Volume pode apagar seus dados. Para modelos, custom nodes e workflows relevantes, use Network Volume e mantenha backup fora da instância.

ComfyUI na RunPod serve para vídeo com IA?

Serve, desde que a GPU e a VRAM comportem o modelo, a resolução e a duração desejada. Vídeo costuma elevar exigências e custos. Não assuma tempos de geração sem testar seu workflow específico.

RunPod Serverless é melhor que Pod para ComfyUI?

Não necessariamente. Pod é melhor para criar e depurar. Serverless é melhor quando você já tem um workflow estável e quer chamá-lo por API. As duas opções atendem fases diferentes do mesmo projeto.

Quando é melhor usar API pronta em vez de RunPod?

Use API pronta quando você quer gerar imagem ou vídeo sem administrar GPU, storage e dependências. Se a automação não precisa de customização profunda, a simplicidade pode valer mais que o controle da RunPod.

Conclusão: use RunPod como bancada, não como assinatura esquecida

A RunPod vale para quem precisa construir workflows, testar modelos e controlar a infraestrutura do ComfyUI. Ela não é a solução automática para toda geração com IA.

Abra a Bancada GPU com um objetivo, um limite de tempo e um plano de persistência. Salve o trabalho. Encerre recursos quando terminar.

Se esse nível de controle é o que seu projeto precisa, abra uma GPU RunPod para testar ComfyUI. Se você precisa apenas de uma integração simples, compare uma API pronta antes de administrar infraestrutura.