Maya testet jedes neue Modell im Benchmark — Zahlen zuerst, Hype nie.
Von dieser Story inspiriert? Verwandle die Idee in Sekunden in deine eigene KI-Kunst – kostenlos starten, ganz ohne Karte.
Kostenlos loslegenWähle einen Companion und erfahre seine Meinung zu dieser Story
Hugging Face hat die AUTOMATIC1111-Stable-Diffusion-Pipeline als native Gradio-Workflow-Anwendung neu aufgebaut und den jahrzehntealten WebUI-Monolithen durch einen modularen, knotenbasierten Graphen ersetzt, der direkt auf Hugging Face Spaces läuft.
AUTOMATIC1111s ursprüngliches webui.py wurde 2022 als schneller Prototyp gestartet und hat diese DNA nie vollständig abgelegt. Einstellungen waren global, die Erweiterungs-API war fragil, und das Hinzufügen eines neuen Samplers oder einer ControlNet-Pipeline bedeutete, ein gemeinsames State-Objekt zu patchen, das auch andere Erweiterungen berührten. Für Creators, die komplexe LoRA-Stacks oder verkettete Inpainting-Durchläufe betreiben, waren Race Conditions und stille Fehler ein wiederkehrendes Problem. Der Gradio-Workflow-Neuaufbau adressiert dies strukturell: Jeder Verarbeitungsschritt ist ein expliziter Knoten mit typisierten Ein- und Ausgaben, sodass der Datenfluss sichtbar und nachvollziehbar ist – statt implizit.
Die neu aufgebaute AUTOMATIC1111-Oberfläche legt jede Pipeline-Stufe – Sampling, VAE-Dekodierung, LoRA-Injektion – als diskreten, neu verdrahtbaren Knoten in Gradio Workflow offen.
Bild: Hugging Face Blog
In der neuen Architektur sieht ein Standard-txt2img-Durchlauf wie ein kleiner gerichteter Graph aus: Ein Prompt-Encoding-Knoten speist einen Sampler-Knoten, der einen VAE-Decoder-Knoten speist, der an einen Vorschau-Knoten ausgibt. Möchten Sie einen ControlNet-Durchlauf einfügen? Sie verdrahten einen Conditioning-Knoten zwischen Encoder und Sampler – anstatt eine Checkbox umzuschalten, die den globalen Pipeline-Zustand unsichtbar verändert.
Für Creators, die bereits ComfyUI verwenden, wird sich das vertraut anfühlen. Der wesentliche Unterschied besteht darin, dass Gradio Workflow den Graphen als einfaches JSON serialisiert, was bedeutet, dass eine Pipeline in ein Git-Repo eingecheckt, gedifft und als Hugging Face Space mit einer einzigen URL geteilt werden kann – kein Zip-Archiv mit Custom Nodes erforderlich. Diese Portabilität allein verändert, wie Teams und Tutorial-Creators ihre Setups verteilen.
Laut dem Hugging-Face-Blog legt die neu aufgebaute App außerdem automatisch eine Python-API frei, sodass jeder Knoten im Graphen programmatisch aufgerufen werden kann, ohne die internen Routen des WebUI zu scrapen – ein Muster, das im Original technisch nicht unterstützt, aber dennoch weit verbreitet war.
Der Neuaufbau ist kein Drop-in-Ersatz. AUTOMATIC1111s Erweiterungs-Ökosystem – rund 300+ Community-Erweiterungen, die alles von der Gesichtswiederherstellung bis zum regionalen Prompting abdecken – wurde gegen das Hook-System des ursprünglichen WebUI geschrieben. Keine dieser Erweiterungen lädt in der Gradio-Workflow-Version, ohne als Gradio-Komponenten oder Custom Nodes neu geschrieben zu werden. Hugging Face hat noch keinen Migrationsleitfaden oder eine Kompatibilitätsschicht für die meistgenutzten Erweiterungen veröffentlicht, sodass alle, die etwa von sd-webui-controlnet oder adetailer abhängig sind, dies vorerst als parallele Umgebung und nicht als Upgrade-Pfad betrachten sollten.
Checkpoints und LoRA-Gewichte sind vollständig wiederverwendbar – die zugrundeliegenden Diffusionsmodelle haben sich nicht verändert, nur die Orchestrierungsschicht um sie herum. Creators können die neue App auf jeden Safetensors-Checkpoint verweisen, den sie bereits mit dem ursprünglichen WebUI verwenden.
Jede Pipeline-Stufe ist ein typisierter Knoten: Das Wechseln von Samplern oder das Einfügen von ControlNet-Conditioning ist eine Verdrahtungsänderung, kein Umschalten im Einstellungsfeld.
Bild: Hugging Face Blog
Da die App nativ auf Hugging Face Spaces ausgerichtet ist, können Creators ohne GPU-Workstation sie auf einem kostenlosen oder kostenpflichtigen Space ausführen – obwohl die Generierungsgeschwindigkeit auf einem kostenlosen CPU-Space für alles jenseits kleiner Auflösungen langsam sein wird. Kostenpflichtige Spaces mit einer A10G- oder T4-GPU bringen die Leistung näher an ein lokales RTX-3090-Setup heran. Für Creators, die bereits Charmloops KI-Bildgenerator für schnelle Iterationen nutzen, ist der Gradio-Workflow-Neuaufbau eher als Anpassungs- und Experimentierumgebung relevant denn als Ersatz für ein ausgereiftes gehostetes Tool.
Hugging Face hat noch keinen Zeitplan für Erweiterungs-Kompatibilitätswerkzeuge oder offizielle Migrationsdokumentation angekündigt. Der praktische nächste Schritt für Power-User ist es, den Hugging-Face-Blogbeitrag auf Folge-Commits zu beobachten – das Repo ist öffentlich und aktiv, und das Knoten-Schema ist stabil genug, um jetzt damit zu beginnen, darauf aufzubauen.