Hugging Face veröffentlichte am 10. September einen Beitrag über Workflow1111, eine mit Gradio Workflow nachgebaute Version, die den gesamten Funktionsumfang von AUTOMATIC1111 in ein Diagramm aus 11 Medien-Pipelines und 73 Nodes überführt. Autoren sind Yuvraj Sharma und Abubakar Abid.
Für Leser, die dieses Feld nicht verfolgt haben: AUTOMATIC1111 war die meistgenutzte lokale Oberfläche der Stable-Diffusion-Ära und prägte über zwei Jahre hinweg praktisch die Bedienlogik von KI-Bildgenerierung — positive/negative Prompts, Sampler, Hires Fix, Image-to-Image, ControlNet-Plugins. Später verlagerte sich der Fokus der Community zunehmend auf das node-basierte ComfyUI, doch die Funktionsliste von A1111 blieb faktisch der Maßstab.
Welche Funktionen übernommen wurden
Die im Beitrag aufgeführten nachgebauten Funktionen umfassen: Text-zu-Bild mit Stil-Presets, Hires Fix (Hochskalieren plus eine Runde Entrauschen), Image-to-Image-Bearbeitung, Prompt-Umschreibung durch ein großes Sprachmodell, Bild-zu-Beschreibung, mit Objekterkennung erzeugte Inpainting-Masken, Prompt-Matrix für Stapelgenerierung, Upscaling und Hintergrundentfernung, ControlNet-Annotatoren wie Canny und Linienzeichnung, Lesen/Schreiben von PNG-Metadaten sowie Image-to-Video.
Die dahinterliegenden Modelle sind FLUX.1-Kontext, Qwen2.5-VL, DETR, ein ViT-Klassifikator, BRIA RMBG-2.0 und Wan 2.2 I2V.
Gradio Workflow selbst definiert vier Operator-Typen: fn ist eine Python-Funktion, model ruft über den InferenceClient ein Modell auf, space bindet direkt einen anderen Gradio Space ein, dataset liest Zeilen aus einem Datensatz auf dem Hub. Von diesen vier Typen läuft nur fn vollständig auf der eigenen Maschine, die Rechenleistung der übrigen drei liegt jeweils extern.
Arbeitsteilung mit ComfyUI
Im Vergleich, den der Beitrag zieht, sind einige Unterschiede substanziell: Ein Node kann Hardware sein, die einem selbst gar nicht gehört; jeder Output wird automatisch zu einem typisierten REST-Endpunkt; OAuth wird unterstützt, sodass eine Anmeldung im Browser zur Nutzung genügt; unterschiedliche Modalitäten lassen sich auf derselben Canvas kombinieren; eigene Nodes sind schlicht Python-Funktionen — alles, was Python kann, kann auch das System.
Der minimale Startcode besteht aus nur drei Zeilen: gradio importieren, eine Funktion schreiben, gr.Workflow(bind=[your_function]).launch(). Die Bereitstellung erfolgt per gradio deploy auf Spaces. Zudem unterstützt der gesamte Workflow MCP, sodass Agenten ihn als Tool aufrufen können.
Zur Performance nennt der Beitrag nur eine Zahl: Nach dem Vorladen der Bilder benötigt jeder CPU-Annotator rund 0,5 Sekunden. Die Lizenz wird im Text nicht genannt.
Was das für Nutzer in China bedeutet
Wie praktikabel das Ganze tatsächlich ist, hängt davon ab, auf welcher Seite man steht. Die 22 rein lokalen Nodes bedeuten, dass Aufgaben wie Hintergrundentfernung, Canny, Linienzeichnung und Metadaten offline erledigt werden können, unabhängig vom Netz. Die beiden Operator-Typen model und space laufen jedoch über die Inferenz-Endpunkte von Hugging Face, und die Stabilität einer Direktverbindung aus China ist seit jeher ein Problem — besonders spürbar bei schweren Modellen wie FLUX.1-Kontext und Wan 2.2.
Wan 2.2 ist ein von Alibaba quelloffen bereitgestelltes Video-Generierungsmodell, für das es in China mit ModelScope einen näher gelegenen Vertriebsweg gibt. Das heißt, für die meisten Modelle in diesem Diagramm existiert in China ein entsprechendes Hosting, doch die Laufzeitumgebung von Workflow ist derzeit an den Hub gebunden — wer die Quelle wechseln will, muss den fn-Node selbst anpassen, um lokale oder inländische Dienste anzusprechen. Das ist machbar, bedeutet aber zusätzlichen Entwicklungsaufwand.
Aus Sicht der Werkzeugentwicklung war der Schritt von A1111 zu ComfyUI einer vom Formular zum Diagramm; der Schritt Workflow1111 geht von "das Diagramm läuft auf meiner Grafikkarte" zu "das Diagramm läuft auf irgendeiner Grafikkarte". Sobald sich diese mittlere Abstraktionsschicht etabliert, ist lokaler VRAM keine Voraussetzung fürs Funktionieren mehr, sondern wird zu einer Kostenfrage. Ob diese Einschätzung trägt, zeigt sich in ein, zwei Jahren am Verhältnis von selbst gebauten zu gemieteten Nodes in der Community.
Quellen: offizieller Hugging-Face-Blog, Gradio-Dokumentation, CocoLoop; Anzahl der Nodes, Operator-Klassifikation und Zeitangaben wurden anhand des Originalbeitrags geprüft, die Einschätzung zur Nutzbarkeit in China stammt von der Redaktion.