Float / Half / BFloat16 不一致：沿调用栈定位失败运算

现象与适用范围

dtype 错误不同于矩阵尺寸或设备错误。先看调用栈和不兼容的运算输入；仅凭 KSampler 报错不能判定是哪一组件造成了类型不一致。

检索用原文或片段（具体编号、数值和文件名随环境变化）：

mat1 and mat2 must have the same dtype
Float and Half
BFloat16

已核对的依据

issue #6907 在 Mac Desktop 更新后记录 Float/Half 错误。其调用栈经过多个第三方扩展，最后落在 attention 的 torch.baddbmm；报告并未证明哪一组件引入不一致。BFloat16 在本文仅作一般检索词，并非该案例报告的错误。PyTorch 的 AMP 指南要求先调查失败运算，不建议一开始就到处插入强制转换。 I17 P04 D02

需要区分的情况

1. 自定义节点或模型加载器进行了局部精度转换，后续输入没有同步处理。

2. 量化、attention 或设备 fallback 路径改变了计算类型。

3. 更新了核心或扩展的一部分，保留了不匹配的精度假设和旧启动参数。

建议的操作顺序

以下顺序是基于上述资料整理的诊断方案，不代表上游已经为你的环境确认了原因。

第 1 步。 保留 dtype 原文、计算后端和完整调用栈，找出失败运算及经过的第三方扩展；不能只凭 KSampler 节点名称归因。区分权重存储格式与运行时张量类型。

第 2 步。 如果模型或工作流作者有说明，在副本对照其支持的后端与精度设置。只暂时移除非必需量化或加速，一次改变一项，并记录内存变化。

第 3 步。 使用同家族最小原生流程对照，再逐个恢复 LoRA、控制和扩展；一次只改变一项。

第 4 步。 最小案例稳定重现时提交对应版本和节点信息。修改源码进行强制 cast 应由理解该实现的人完成，不作为普通用户的一键补丁。

如何判断处理有效

相关运算的类型一致并完成输出，同时显存和数值结果没有出现新异常；从 dtype 错误转为 OOM 应分开处理。

注意事项与尚未确认的部分

把所有张量改成 float32 可能显著增加内存；把所有张量改成 half 也可能引入不支持的算子或数值问题。

资料核对日期：2026-09-26。本站未执行此工作流，未进行 GPU、最低显存或耗时测试。

原始资料

• I17 · Float and Half mismatch on Mac Desktop。核对：2026-09-26；原始日期：2025-02-21。
• P04 · PyTorch AMP recipe。核对：2026-09-26。
• D02 · ComfyUI custom node troubleshooting。核对：2026-09-26。

相关排查与操作

• Expected all tensors to be on the same device：查 CPU 与 GPU 的交界
• MPS 不支持 Float8：区分权重格式与实际计算类型
• mat1 and mat2 shapes cannot be multiplied：按模型链路查维度