- ae.safetensors ist die VAE-Datei (Variational Autoencoder) mit den Gewichten, die zusammen mit den FLUX.1-Bildmodellen von Black Forest Labs ausgeliefert wird. Sie decodiert FLUX-Latenzdarstellungen in RGB-Pixel und kodiert Bilder wieder in Latenzen für img2img.
- Laden Sie sie von der offiziellen safetensors" rel="noopener" target="_blank">black-forest-labs/FLUX.1-schnell oder FLUX.1-dev -Repository auf Hugging Face herunter. Die Datei ist ca. 335 MB groß.
- In ComfyUI platzieren Sie sie im Verzeichnis
ComfyUI/models/vae/und laden sie mit dem Load VAE -Knoten. In Forge/A1111 platzieren Sie sie im Verzeichnismodels/VAE/. - Dasselbe
ae.safetensorsfunktioniert für FLUX.1-dev, FLUX.1-schnell und die meisten FLUX-Finetunings – Sie benötigen keine separate VAE pro Checkpoint.
ae.safetensors ist die Autoencoder-VAE-Gewichtsdatei, die zusammen mit den FLUX.1-Diffusionsmodellen von Black Forest Labs ausgeliefert wird. FLUX generiert Bilder in einem komprimierten latenten Raum; ae.safetensors ist der Decoder, der diese Latenzen in sichtbare Pixel umwandelt (sowie der Encoder, der für Bild-zu-Bild und Inpainting genutzt wird). Ohne diese Datei können ComfyUI, Forge, SwarmUI oder diffusers kein endgültiges Bild aus einem FLUX-Checkpoint rendern.
Die Datei ist im safetensors -Format gespeichert – einem speicherkartierbaren, rein tensorbasierten Container, der beim Laden keinen beliebigen Python-Code ausführen kann, im Gegensatz zu veralteten .ckpt -Pickle-Dateien. Daher liefern nahezu alle modernen Modellveröffentlichungen ihre Gewichte als ausgeliefert.
Was genau enthält ae.safetensors?
FLUX.1 ist ein rectified-flow-Transformer, der auf 16-Kanal-Latenzen mit einer räumlichen Auflösung von 1/8 arbeitet. Die ae.safetensors -Datei enthält ausschließlich die VAE-Gewichte – weder Transformer noch Text-Encoder. Geschätzte Spezifikationen:
| Eigenschaft | Wert |
|---|---|
| Dateigröße | ca. 335 MB (fp16) |
| Latenzkanäle | 16 |
| Räumliche Kompression | 8× (ein 1024×1024-Bild → 128×128×16-Latent) |
| Format | safetensors (rein tensorbasiert, kein Pickle) |
| Kompatible Checkpoints | FLUX.1-dev, FLUX.1-schnell, FLUX.1-pro (API), die meisten FLUX-Finetunings und LoRAs |
| Lizenz | Nicht-kommerziell für die FLUX.1-dev-VAE; Apache-2.0 für die FLUX.1-schnell-VAE |
Die FLUX-VAE ist nicht identisch mit den SD 1.5- oder SDXL-VAEs. Ihr 16-Kanal-Latenzraum ist mit diesen Modellen inkompatibel – tauschen Sie sie nicht aus.
Wo man ae.safetensors herunterlädt
Beziehen Sie sie von den offiziellen Hugging-Face-Repositories von Black Forest Labs. Beide Dateien basieren auf derselben Architektur; das schnell-Repository ist unter der Apache-2.0-Lizenz lizenziert und frei weiterverbreitbar, weshalb die meisten Drittanbieter-Bundles darauf verweisen.
- black-forest-labs/FLUX.1-schnell → ae.safetensors (Apache-2.0)
- black-forest-labs/FLUX.1-dev → ae.safetensors (Nicht-kommerzielle Lizenz für FLUX.1-dev; Zustimmung zur Zugangskontrolle erforderlich)
Befehlszeilendownload mit der Hugging-Face-CLI:
pip install -U "huggingface_hub[cli]"
huggingface-cli login # nur bei FLUX.1-dev mit Zugangskontrolle erforderlich
huggingface-cli download black-forest-labs/FLUX.1-schnell ae.safetensors --local-dir .Überprüfen Sie den SHA-256-Hash anhand des auf der Hugging-Face-Seite der Datei angezeigten Hash-Werts, bevor Sie sie verwenden.
Installation von ae.safetensors nach Werkzeug
ComfyUI (Windows, macOS, Linux)
ComfyUI ist die Referenz-Benutzeroberfläche für FLUX. Platzieren Sie die Datei im VAE-Ordner:
# Linux / macOS
mv ae.safetensors ~/ComfyUI/models/vae/
# Windows (PowerShell)
Move-Item .\ae.safetensors $HOME\ComfyUI\models\vae\Fügen Sie im Graphen einen Load VAE -Knoten hinzu und wählen Sie ae.safetensors aus der Dropdown-Liste, anschließend verbinden Sie dessen VAE Ausgabe in die VAE-Dekodierung -Knoten vor der Bild speichern -Knoten. Wenn Sie den all-in-one FLUX-Checkpoint (Gewichte + VAE + Text-Encoder in einer Datei) von Comfy-Org verwenden, benötigen Sie die ae.safetensors nicht separat – die VAE ist bereits integriert.
Forge / Automatic1111 / reForge
Legen Sie die Datei in stable-diffusion-webui-forge/models/VAE/ ab (Forge erkennt sie automatisch). Legen Sie im Forge-Benutzerinterface den Benutzerinterface -Modus auf fluxfest und wählen Sie dann im VAE / Text-Encoder -Auswahlmenü oben ae.safetensors zusammen mit den CLIP-L- und T5-XXL-Encodern aus. Das Standard-Automatic1111 unterstützt FLUX offiziell nicht; verwenden Sie stattdessen Forge.
SwarmUI / StableSwarmUI
Platzieren Sie die Datei in Models/VAE/. Swarm erkennt FLUX-Checkpoints automatisch und wählt die ae.safetensors automatisch aus, falls sie die einzige FLUX-kompatible VAE ist.
diffusers (Python)
Wenn Sie das vollständige FLUX-Repository von Hugging Face laden, ist die VAE bereits enthalten und Sie müssen die ae.safetensors nicht manuell bearbeiten. Um eine eigenständige ae.safetensors:
from diffusers import AutoencoderKL, FluxPipeline
import torch
vae = AutoencoderKL.from_single_file(
"ae.safetensors", torch_dtype=torch.bfloat16
)
pipe = FluxPipeline.from_pretrained(
"black-forest-labs/FLUX.1-schnell",
vae=vae,
torch_dtype=torch.bfloat16,
).to("cuda")Überprüfen Sie die aktuelle diffusers FLUX-Pipeline-Dokumentation – der genaue Klassenname für die FLUX-VAE hat sich zwischen verschiedenen diffusers-Versionen geändert; fixieren Sie daher Ihre Version.
Hinweise zu VRAM und Leistung
Die VAE selbst ist sehr klein (~335 MB im fp16-Format, ~168 MB im fp8-Format) – sie ist nicht dafür verantwortlich, dass FLUX ressourcenintensiv ist. Der Transformer ist der entscheidende Faktor: FLUX.1-dev umfasst etwa 23 GB im bf16-Format bzw. ca. 12 GB im fp8-Format. Auf einer 24-GB-GPU (RTX 3090/4090) können Sie FLUX mit residenter VAE ausführen; auf 12-GB-Karten wird die VAE typischerweise zwischen den Dekodierungsaufrufen auf die CPU ausgelagert.
Um einen allgemeinen Eindruck davon zu gewinnen, wie viel GPU-Speicher Diffusions- und LLM-Checkpoints beanspruchen, nutzen Sie die Convly-VRAM-Rechner und das besten GPUs für lokale Modelle Leitfaden.
Dekodierung in hoher Auflösung
Die FLUX-VAE erreicht ihren maximalen VRAM-Verbrauch während der Dekodierung proportional zur Ausgabegröße. Eine Dekodierung mit 2048×2048 verdoppelt den Spitzenverbrauch gegenüber 1024×1024 ungefähr um den Faktor vier. Falls Sie nur beim letzten Dekodierungsschritt einen OOM-Fehler erhalten, aktivieren Sie die gekachelte VAE:
- ComfyUI: Ersetzen Sie VAE-Dekodierung mit VAE-Dekodierung (gekachelt).
- diffusers:
pipe.vae.enable_tiling()vor dem Inferenzvorgang. - Forge: Aktivieren Sie das Kontrollkästchen Gekachelte VAE im Einstellungsfeld.
Häufige ae.safetensors-Fehler
| Fehler | Ursache | Korrigieren |
|---|---|---|
Fehler beim Deserialisieren des Headers: HeaderTooLarge |
Unvollständiger Download | Laden Sie die Datei erneut herunter; überprüfen Sie den SHA-256-Hash |
| Schwarzes / grünes Ausgabebild | Falsche VAE (SDXL-VAE für FLUX geladen) | Stellen Sie sicher, dass ae.safetensors ausgewählt ist und nicht sdxl_vae.safetensors |
Fehlender Schlüssel bzw. fehlende Schlüssel im state_dict |
Laden der FLUX-VAE in eine SD 1.5-/SDXL-Pipeline | Nutzen Sie FluxPipeline/AutoencoderKL.from_single_filemodel-index StableDiffusionPipeline |
| Dateigröße beträgt 335 MB, wird aber als ungültig abgelehnt | Stattdessen wurde eine HTML-Eintragseite heruntergeladen | Akzeptieren Sie die Lizenz auf der Modellseite oder verwenden Sie huggingface-cli mit einem Token |
ae.safetensors im Vergleich zum All-in-One-FLUX-Checkpoint
Auf Hugging Face und Civitai finden Sie zwei verschiedene Verzeichnisstrukturen:
- Getrennte Dateien (offizielles BFL-Layout):
flux1-dev.safetensors(Transformer) +ae.safetensors(VAE) +clip_l.safetensors+t5xxl_fp16.safetensors. Dieses Format wird für diffusers, fortgeschrittene ComfyUI-Workflows und Fine-Tuning bevorzugt – Sie können den Transformer austauschen, ohne erneut 20 GB Textencoder herunterladen zu müssen. - Alles-in-einem (von Comfy-Org neu verpackt, z. B.
flux1-dev-fp8.safetensors): Alle Komponenten sind in einer einzigen Datei gebündelt. Einfacher für One-Click-ComfyUI-Workflows; Sie benötigenae.safetensorsnicht als separate Datei.
Wo FLUX im breiteren Modellökosystem steht
FLUX ist ein lokales, selbst gehostetes Bildmodell. Wenn Sie zwischen dem Betrieb auf Ihrer eigenen GPU und der Nutzung einer gehosteten Bild- oder Video-API entscheiden – Sora 2, Veo 3.1, Kling 2.5, Wan 2.5 – dann steht einer festen Hardwarekosteninvestition die Abrechnung nach Sekunden gegenüber. Siehe die Selbsthosting- versus-API-Kosten-Grenzwert-Rechner zur Abschätzung des Break-even-Punkts sowie die Convly-Modell-Datenbank für aktuelle API-Preise bei verschiedenen Anbietern.
Bei Textmodellen gelten ähnliche VAE-artige Dateiaufteilungen nicht – LLMs enthalten ausschließlich Transformer-Gewichte. Falls Sie neben FLUX auch lokale LLMs betreiben, übernehmen Tools wie Ollama und LM Studio das Modellmanagement genauso, wie ComfyUI Diffusions-Assets verwaltet.
Häufig gestellte Fragen
Ist ae.safetensors dieselbe Datei für FLUX.1-dev und FLUX.1-schnell?
Ja – die VAE-Architektur und -Gewichte sind identisch zwischen FLUX.1-dev und FLUX.1-schnell. Beide Repositories stellen dieselbe ae.safetensorszur Verfügung, lediglich unter unterschiedlichen Lizenzen (schnell unter Apache-2.0, dev nicht-kommerziell). Sie können beide Varianten problemlos austauschbar nutzen.
Kann ich die SDXL-VAE mit FLUX verwenden, um VRAM zu sparen?
Nein. FLUX verwendet einen 16-Kanal-Latenzraum; SDXL nutzt 4 Kanäle. Der Versuch, den SDXL-VAE mit FLUX-Latenzen zu laden, führt zu einfarbiger Ausgabe oder Rauschen, und diffusers löst in der Regel einen Shape-Mismatch-Fehler aus. Verwenden Sie stattdessen ae.safetensors.
Ist ae.safetensors sicher, wenn man sie von Drittanbietern herunterlädt?
Das safetensors-Format selbst kann beim Laden keinen Code ausführen; eine beschädigte oder bösartige Datei kann daher Ihr System nicht kompromittieren, wie es bei einem serialisierten .ckpt der Fall sein könnte. Dennoch könnte ein manipulierter VAE die Bildqualität beeinträchtigen. Bevorzugen Sie daher die offiziellen Black Forest Labs-Repositories und überprüfen Sie den SHA-256-Hash.
Brauche ich ae.safetensors, wenn ich FLUX ausschließlich über eine API nutze?
Nein. Gehostete APIs (Replicate, fal.ai, die eigene API von BFL, Together) führen die gesamte Pipeline serverseitig aus. Sie benötigen ae.safetensors nur dann, wenn Sie FLUX lokal in ComfyUI, Forge, SwarmUI oder diffusers ausführen.
Warum heißt sie “ae” und nicht “vae”?
Die interne Namensgebung von Black Forest Labs verwendet „ae“ (Autoencoder) statt der im Stable-Diffusion-Ökosystem üblichen Bezeichnung „vae“. Funktionell erfüllt es dieselbe Rolle: das Kodieren von Pixeln in Latents und das Dekodieren von Latents zurück in Pixel. Der FLUX-Autoencoder ist technisch gesehen eher ein einfacher KL-regulierter AE als der SD 1.5-VAE, doch jede Benutzeroberfläche behandelt ihn als VAE.
Kann ich ae.safetensors feinjustieren?
Sie können dies tun, aber es lohnt sich fast nie. Der VAE wurde auf Milliarden von Bildern trainiert, und dessen Fine-Tuning verschlechtert in der Regel die Ausrichtung des Transformers mit dem Latenzraum, was die Qualität beeinträchtigt. Community-FLUX-Fine-Tunes und LoRAs modifizieren ausschließlich den Transformer und verwenden den Original-VAE unverändert. ae.safetensors.