Ngày 10 tháng 9, Hugging Face đăng bài giới thiệu Workflow1111, một bản tái hiện được xây dựng bằng Gradio Workflow, biến toàn bộ tính năng của AUTOMATIC1111 thành một sơ đồ gồm 11 pipeline xử lý media và 73 node. Tác giả là Yuvraj Sharma và Abubakar Abid.
Với những ai chưa từng theo dõi mảng này, AUTOMATIC1111 là giao diện đồ họa cục bộ được sử dụng rộng rãi nhất thời kỳ Stable Diffusion, gần như định hình thói quen thao tác vẽ AI trong hai năm đó: prompt dương/âm, sampler, hires fix, image-to-image, plugin ControlNet. Về sau trọng tâm cộng đồng dần chuyển sang ComfyUI dạng node, nhưng danh sách tính năng của A1111 vẫn luôn là chuẩn tham chiếu trên thực tế.
Những tính năng nào đã được tái hiện
Các hạng mục được tái hiện mà bài viết liệt kê gồm: text-to-image có preset phong cách, hires fix (phóng to kèm một vòng khử nhiễu), chỉnh sửa image-to-image, dùng mô hình lớn viết lại prompt, sinh mô tả ngược từ ảnh, dùng object detection để tạo mask vẽ lại, prompt matrix để xuất ảnh hàng loạt, phóng to và tách nền, các bộ annotator dạng ControlNet như Canny và line art, đọc/ghi metadata PNG, và image-to-video.
Các mô hình được gọi phía sau gồm FLUX.1-Kontext, Qwen2.5-VL, DETR, bộ phân loại ViT, BRIA RMBG-2.0 và Wan 2.2 I2V.
Bản thân Gradio Workflow định nghĩa bốn loại toán tử: fn là hàm Python, model gọi mô hình qua InferenceClient, space kết nối trực tiếp tới một Gradio Space khác, dataset lấy dòng dữ liệu trên Hub. Trong bốn loại này, chỉ có fn chạy hoàn toàn trên máy của bạn, ba loại còn lại đều tính toán ở nơi khác.
Phân công với ComfyUI
Trong phần so sánh bài viết đưa ra, vài điểm khác biệt khá thực chất: một node có thể là phần cứng bạn không sở hữu; mỗi output tự động trở thành một REST endpoint có kiểu dữ liệu; hỗ trợ OAuth, đăng nhập trên trình duyệt là dùng được ngay; nhiều modal khác nhau có thể đặt chung trên một canvas; node tùy chỉnh chính là hàm Python, Python làm được gì nó cũng làm được nấy.
Đoạn code khởi động tối thiểu chỉ có ba dòng — import gradio, viết một hàm, rồi gr.Workflow(bind=[your_function]).launch(). Triển khai bằng gradio deploy đẩy lên Spaces. Ngoài ra toàn bộ workflow hỗ trợ MCP, nghĩa là agent có thể gọi nó như một công cụ.
Về hiệu năng, bài viết chỉ đưa ra một con số: sau khi ảnh đã được tải trước, mỗi annotator chạy CPU mất khoảng 0,5 giây. Giấy phép sử dụng không được nêu rõ trong bài.
Ý nghĩa với người dùng tại Trung Quốc
Khả năng dùng được trên thực tế của bộ công cụ này tùy thuộc vào bạn đứng ở phía nào. 22 node chạy hoàn toàn cục bộ nghĩa là các việc như tách nền, Canny, line art, đọc metadata có thể chạy offline, phần này không phụ thuộc mạng. Nhưng hai loại toán tử model và space đi qua endpoint suy luận của Hugging Face, và độ ổn định khi kết nối trực tiếp từ Trung Quốc luôn là vấn đề, đặc biệt rõ khi gọi các mô hình nặng như FLUX.1-Kontext và Wan 2.2.
Wan 2.2 là mô hình sinh video mã nguồn mở của Alibaba, tại Trung Quốc có kênh phân phối gần hơn là ModelScope. Nói cách khác, phần lớn mô hình trong sơ đồ này đều có nơi lưu trữ tương ứng ở Trung Quốc, nhưng runtime của Workflow hiện vẫn gắn với Hub, muốn đổi nguồn thì phải tự sửa node fn để gọi dịch vụ cục bộ hoặc dịch vụ trong nước. Đây không phải chuyện không làm được, chỉ là thêm một khối lượng công việc kỹ thuật.
Nhìn từ góc độ tiến hóa công cụ, bước từ A1111 sang ComfyUI là từ biểu mẫu sang sơ đồ, còn bước Workflow1111 này là từ "sơ đồ chạy trên card đồ họa của tôi" sang "sơ đồ chạy trên card đồ họa của ai cũng được". Một khi lớp trừu tượng ở giữa đứng vững, VRAM cục bộ không còn là điều kiện tiên quyết để chạy được hay không, mà trở thành một lựa chọn về chi phí. Nhận định này có đứng vững hay không, một hai năm tới nhìn vào tỷ lệ node tự dựng và node đi thuê trong cộng đồng là biết.
Nguồn tham khảo: blog chính thức của Hugging Face, tài liệu Gradio, CocoLoop; số lượng node, phân loại toán tử và con số thời gian được đối chiếu theo bài gốc, phần khả dụng tại Trung Quốc là nhận định của biên tập.