随着人工智能和 AI 驱动应用逐年增长，互联网隐私变得越来越重要。但通过集成像 Anyone Network 这样的隐私技术——一个去中心化的洋葱路由网络——用户可以在安全且匿名的环境中构建 AI 应用。

在这篇由 Anyone Protocol 团队撰写的客座博客中，我们深入探讨了如何配置一个 Aethir 去中心化 GPU 云单元来匿名提供内容，并将其性能与现有 GPU 提供商进行对比评估。

让我们开始吧！

执行摘要

合作

Anyone 与 Aethir 合作评估其 AI GPU 云基础设施，重点关注 GPU 性能和可扩展性。本次技术评测的范围集中于对 AI 工作负载下 GPU 能力的基准测试，并辅以在 Telegram 平台上部署的实用 AI 驱动工具机器人的开发。

在展示结果之前，我们首先对比了典型的小型到中型企业（SMB）的基础设施需求与单个 Aethir GPU 云单元所提供的能力。这为在真实世界 AI 应用中评估成本效益、可扩展性和性能建立了背景。

架构

‍

云服务器规格

• 型号：RTX 5090×2
• CPU：AMD Ryzen 9 7900X 12 核处理器
• 内存：64 GiB
• 存储：2TB
• 网络：10Gb
• GPU 功耗：575W
• 操作系统：Ubuntu 22.04.1-Ubuntu

本地服务器规格

• 型号：RTX 4090
• CPU：第 13 代 Intel(R) Core(TM) i9-13900KS
• 内存：64 GiB
• 存储：2TB
• 网络：1Gb
• GPU 功耗：450W
• 操作系统：Kernel 6.17.2-arch1-1

软件架构

云端和本地服务器配置都采用相同的软件配置。主要区别在于 GPU。基准测试架构定义如下：

• 前端：Telegram 机器人（用户界面）
• 后端：python-telegram-bot 与 ComfyUI 集成
• 数据库：PostgreSQL（状态管理与用户会话跟踪）

系统工作流程

在我们的架构中，用户交互从 Telegram 开始，机器人作为命令接口。每个用户查询都会被机器人解析并转换为 ComfyUI 的任务，由 GPU 执行实际推理。

系统运行流程如下：

1. 用户通过 Telegram 发送命令
2. Telegram 机器人（基于 python-telegram-bot 构建）接收并解析命令
3. 机器人将任务发送至 ComfyUI 进行处理
4. ComfyUI 使用适当模型执行推理并返回输出（例如图像）
5. 输出通过 Telegram 聊天返回给用户
6. PostgreSQL 用于管理用户会话、任务队列，以及用户命令与模型工作流之间的映射

该结构通过数据库实现有状态上下文，同时保持推理无状态，使其适用于单用户和多用户场景，并具备良好的扩展性。

机器人示例

机器人命令示例（/f 用于 flux）

该命令会向 ComfyUI 发送文本转图像提示。机器人处理请求，等待图像生成完成，并将结果图像直接通过 Telegram 聊天发送给用户，如下所示。

当图像生成完成后（例如宇航员或 T 恤），用户可以使用其他命令在此基础上继续操作。例如，可以使用“/qwen”命令要求给宇航员穿上这件 T 恤：

这将调用 Qwen 模型工作流，该工作流使用之前生成的图像作为输入，并结合文本指令执行图像编辑。生成的图像会通过 Telegram 返回，应用相应的修改（例如宇航员现在穿着印有鹅图案的 T 恤）。这种命令链功能允许在轻量级聊天界面中实现交互式、多步骤图像生成和编辑。

端点

所有 ComfyUI 端点都通过路由暴露，并在官方服务器指南中有详细文档：

https://docs.comfy.org/development/comfyui-server/comms_routes

这些端点构成了后端与 ComfyUI 通信的核心，使提示提交、队列管理、媒体上传下载以及实时反馈成为可能。

以下是与本次集成相关的关键端点：

• /ws websocket 用于与服务器实时通信的端点
• /upload /image post 上传图像
• /prompt get 获取当前队列状态和执行信息
• /prompt post 提交提示到队列
• /queue get 获取当前执行队列状态
• /queue post 管理队列操作（清空待处理/运行中任务）

这些端点通过后端以编程方式访问，由 Telegram 机器人进行调度，以为用户提供交互式体验，而无需用户直接接触 API。

隐私

为保护用户数据，确保安全传输并维护信息隐私，ComfyUI 端点通过 Anyone Network 进行路由。该集成通过 Anyone Protocol 在 GitHub 上提供的官方 Python SDK 实现：

https://github.com/anyone-protocol/python-sdk

使用该开发工具包，我们可以将 ComfyUI API 调用封装在安全、匿名的隧道中，确保用户查询和生成媒体受到保护，避免未经授权的访问或泄露。

Anyone 架构通过名为 Anon 的二进制文件来包装端点：

此外，Anyone SDK 还支持隐藏服务。隐藏服务是私有的、短暂的服务器端点，可以在不暴露位置、身份或 IP 地址的情况下运行。这对于需要隐蔽性、抗审查能力或增强安全性的场景特别有价值。对于运营者来说，隐藏服务可以使 GPU 任务私密运行，而无需暴露基础设施细节。无论你是在匿名配置推理管道，协作敏感数据，还是仅仅在无痕环境中进行实验，隐藏服务都开启了安全与主权算力的新可能。

一个隐藏服务的示例如下：

🌐 http://5ugakqk324gbzcsgql2opx67n5jisaqkc2mbglrodqprak5qz53mibyd.anon
🌐 http://5ugakqk324gbzcsgql2opx67n5jisaqkc2mbglrodqprak5qz53mibyd.anyone

隐藏服务可以为前端配置（假设是 Web 平台），也可以为 ComfyUI 后端端点配置，从而保护整个管道。

关于隐藏服务的更多信息，请参阅 Anyone 文档：
https://docs.anyone.io/sdk-integrations/native-sdk/tutorials

基准测试

以下基准测试比较了 RTX 4090 与 RTX 5090 在一系列 ComfyUI 工作流和模型中的性能。所有测试均使用一致的设置和模板，以确保公平对比。

Stable Diffusion 3

ComfyUI 模板：sd3.5_simple_example
4090：8.96 秒（平均）
5090：5.96 秒（平均）
加速比 = 33.48%

RTX 5090 在该测试中比 4090 快约 33%，为 ComfyUI 中的 Stable Diffusion 3.5 工作流提供了扎实的性能提升。

FLUX-SCHNELL
ComfyUI 模板：flux_schnell_full_text_to_image
4090：4.92 秒
5090：1.80 秒
加速比 = ~63.41%

RTX 5090 在该测试中比 4090 快约 63%，为使用 Flux Schnell 模型的文本到图像工作流提供了显著性能提升。

FLUX-DEV
ComfyUI 模板：不适用（自定义 Flux Dev 测试模板）
4090：16.05 秒
5090：10.11 秒
加速比 = ~37.01%

RTX 5090 在该自定义 Flux Dev 测试中比 4090 快约 37%，为该特定工作流带来了显著的性能提升。

WAN 2.2
ComfyUI 模板：video_wan2_2_14B_t2v（fp8 scaled + 4 steps LoRA）
4090：61.87 秒
5090：37.15 秒
加速比 = ~39.94%

RTX 5090 在该测试中比 4090 快约 40%，为使用 FP8 缩放模型 + LoRA 的视频扩散工作流提供了显著的性能提升。

QWEN
ComfyUI 模板：image_qwen_image_edit_2509
4090：9.62 秒
5090：4.44 秒
加速比 = ~53.83%

RTX 5090 在该测试中比 4090 快约 54%，在使用 Qwen 模型的图像编辑工作流中表现出明显的性能提升。

额外说明

由于服务器配备了 2 张 GPU，可以通过程序化方式在它们之间分配工作负载。这可以通过为每个节点定义特定的 CUDA 设备来实现，从而将任务拆分到两张 GPU 上。以下仓库展示了如何通过将节点分配给不同 CUDA 设备来为 ComfyUI 配置多 GPU 设置：

https://github.com/pollockjj/ComfyUI-MultiGPU

Anyone Protocol 简介

Anyone 是一个用于隐私的去中心化全球基础设施。通过集成其洋葱路由网络，应用可以在不改变用户体验的情况下提供无信任隐私保护，并保障网络流量安全。该网络由数千个节点组成，这些节点通过贡献带宽来换取代币奖励。
官方链接：https://www.anyone.io

‍