ComfyUI에서 LoRA를 적용할 때 일반적인 방식은 생성 시작부터 끝까지 같은 strength를 유지하는 것이다. 그런데 2026년 8월 Reddit에 공개된 ComfyUI-SigmaSync-LoRA는 이 강도를 sampling 과정에 맞춰 계속 바꿀 수 있도록 만든 custom node다.
핵심은 단순한 strength_model 확장이 아니다. sampler가 실제로 사용하는 SIGMAS 값을 받아 각 model-call 구간마다 LoRA strength를 다르게 설정한다. LoRA가 초반에는 강하게 필요하지만 후반에는 영향을 줄이고 싶은 작업이라면 기존 Load LoRA와 다른 조절 방법이 생기는 셈이다.
lora reddit에서 가장 먼저 볼 변화
SigmaSync LoRA는 strength를 생성 단계별로 바꾼다
기본 Load LoRA에서는 보통 0.8이나 1.0처럼 하나의 값을 지정한다. 해당 값은 generation 전체에서 LoRA 영향도를 결정하는 기준으로 사용된다.
SigmaSync LoRA는 이 방식을 sigma trajectory와 연결한다. scheduler가 출력한 SIGMAS를 node에 입력하면 현재 sampling 위치에 따라 서로 다른 strength를 적용할 수 있다.
SIGMAS를 sampler와 LoRA node에 같이 연결한다
구조에서 가장 중요한 부분은 scheduler가 만든 동일한 SIGMAS를 sampler와 SigmaSync LoRA 양쪽에 전달하는 것이다.
SigmaSync LoRA가 sigma schedule 자체를 수정하는 것은 아니다. schedule을 읽고 각 지점에서 어느 정도의 LoRA strength를 사용할지만 결정한다.
따라서 sampler 설정과 무관하게 임의의 시간 비율만 계산하는 방식과는 차이가 있다. 실제 generation에서 사용하는 sigma trajectory를 기준으로 LoRA가 움직인다는 것이 이 node의 핵심이다.
explicit 모드는 sigma마다 strength를 직접 지정한다
lora reddit가 ComfyUI 워크플로우에 미치는 영향
Reddit 공개 당시 가장 강조된 기능은 explicit 모드였다. 이 모드에서는 시작 strength와 종료 strength만 지정하는 것이 아니라 model-call sigma마다 원하는 값을 직접 입력할 수 있다.
기존 방식과 비교해야 할 부분
예를 들어 초반에는 LoRA를 비교적 약하게 사용하고 중간 구간에서 강하게 만든 뒤 마지막 단계에서 다시 낮추는 식의 조절이 가능하다.
마지막 sigma 값에는 strength가 필요하지 않다
프로젝트에서 제시한 예시에서는 sigma 값이 9개일 때 strength 값은 8개를 입력한다. 마지막 terminal endpoint는 실제 model call이 아니기 때문이다.
따라서 explicit mode를 사용할 때 sigma 숫자를 그대로 세어 strength를 같은 개수로 입력하면 맞지 않는다. scheduler에서 생성된 sigma trajectory와 실제 model-call 수의 차이를 먼저 이해해야 한다.
Reddit에서 사용법을 묻는 질문에도 개발자는 sigma 값을 직접 입력할 필요가 없다고 설명했다. scheduler의 sigma output을 LoRA loader에 연결하면 자동으로 읽고, 사용자가 직접 입력하는 것은 explicit mode에서의 LoRA strength 값이다.
linear·cosine 같은 자동 curve도 사용할 수 있다
성능과 결과 품질에서 확인할 차이
모든 step의 strength를 직접 입력해야 하는 것은 아니다. SigmaSync LoRA에는 linear, cosine, smoothstep, power, explicit 방식이 제공된다.
워크플로우 구성에서 놓치기 쉬운 부분
자동 curve를 사용할 경우 start_strength와 end_strength를 기준으로 generation이 진행되면서 LoRA 영향이 변화하도록 만들 수 있다.
예를 들어 초반 strength를 1.0, 마지막을 더 낮은 값으로 두면 sampling 후반으로 갈수록 LoRA 영향이 감소하는 구조를 만들 수 있다. power에서는 curve_power를 사용해 시작 strength가 유지되는 구간의 형태도 바꿀 수 있다.
sampler가 두 개의 지정 sigma 사이를 평가하는 경우에는 strength도 sigma 공간에서 보간된다. 따라서 반드시 scheduler의 각 지점에서만 강도가 갑자기 계단식으로 바뀌는 구조는 아니다.
기존 Load LoRA를 무조건 대체하는 node는 아니다
SigmaSync LoRA가 등장했다고 해서 일반적인 Load LoRA를 전부 바꿀 필요는 없다. 생성 전체에서 같은 LoRA 강도가 잘 작동한다면 기존 방식이 훨씬 단순하다.
이 node가 의미 있는 경우는 특정 LoRA가 sampling 전 구간에서 동일한 strength로는 원하는 결과를 만들기 어려울 때다. 실제 개발자도 하나의 universal strength로 충분하지 않았던 작업에서 이 loader를 만들었다고 설명했다.
또한 현재 node는 model-only LoRA strength scheduling을 목적으로 한다. LoRA를 base weights에 merge하지 않으며 입력받은 sigma schedule 자체도 변경하지 않는다.
실제로 적용할 때 체크할 점
설치와 호환성에서 확인할 부분
프로젝트는 ComfyUI의 custom_nodes 아래에 저장한 뒤 ComfyUI를 다시 시작하는 방식으로 설치할 수 있다. 별도의 추가 Python package는 요구하지 않는다고 안내되어 있다.
다만 모든 모델과 모든 LoRA에서 동일하게 작동한다고 볼 수는 없다. 개발자는 ComfyUI가 해당 모델의 LoRA key를 인식할 수 있어야 한다고 명시하고 있다.
먼저 기본 LoRA 호환성을 확인한다
즉 LoRA가 아예 호환되지 않는 base model에 SigmaSync를 붙인다고 문제가 해결되는 것은 아니다. 먼저 일반적인 LoRA 호환성을 확인한 뒤, generation 단계별 strength 조절이 필요한 경우에 추가하는 편이 맞다.
마지막 확인
2026년 8월 Reddit에 공개된 SigmaSync LoRA의 핵심은 LoRA를 더 강하게 적용한다가 아니라 언제 얼마나 강하게 적용할지를 바꾼다는 데 있다. scheduler의 SIGMAS를 그대로 받아 sampling 구간별 strength를 조절한다.
기존 Load LoRA에서 고정 strength만으로 결과가 안정적이라면 그대로 사용하면 된다. 반대로 초반에는 LoRA 특징이 필요하지만 후반 디테일 단계에서는 영향을 줄이고 싶다면 SigmaSync LoRA의 curve나 explicit mode를 비교해볼 만하다.