ClarityAI：开源免费的 AI 图片重绘放大，最高能拉到 13k 分辨率！

ClarityAI 是一个开源的 AI 图片画质增强项目，路线和传统插值放大不一样——它基本上是让 AI 把你的图重绘一遍，把细节重新画出来。官方在仓库描述里直接亮明身份：免费开源的 Magnific 平替（Magnific 是一款付费的 AI 放大产品）。本轮实测 5140 个 star、535 个 fork，AGPL-3.0 协议，Python 写的。最省事的用法是打开在线版直接传图，动手党也可以塞进 ComfyUI 或 SD WebUI 自己跑。小坑先说在前面：仓库最后一次代码提交停在 2025 年 3 月，之后就没动静了，但在线版至今还能正常打开。

下载地址#

本站不提供网盘转存：这是一个在线网页 + 自部署项目，GitHub 上 0 个 Release，没有任何官方打包的安装包或便携包，没有东西可传网盘。想用只有下面几条路。

先泼个冷水：GitHub 上 0 个 Release，不存在任何官方打包的安装包或便携包。找「官方下载」的人基本都会在这踩空——代码全在，就是从来没人打包。官网地址 https://clarityai.co ，仓库体积约 31.5 MB（主要是模型权重），官网不标版本号，最新交付即仓库主干代码。

实测信息#

本轮实测环境：Windows 11 + Edge（1280x860 视口）直连官网与 GitHub API，2026-10-08 核证。

• 官网首页实测标题：Clarity AI - #1 AI Image Upscaler & Enhancer，主视觉文案是「Upscale without losing a single detail.」，紧接着的三个区块分别是「One upscaler for every job.」「Fashion photos that don't look like AI.」「The upscaling API the leading AI platforms trust.」——注意第三条，API 是它真正赚钱的地方。
• GitHub API 实时取自仓库：5140 star、535 fork、协议 AGPL-3.0、仓库体积 32232 KB；最后一次提交 Added Flux upscaler link to readme，时间 2025-03-06。
• 老域名 clarityai.cc 实测仍可用，会 301 跳到 .co 对应路径。

没有安装包：点开 Releases 是空的#

5140 星的项目，Releases 页面一个文件都没有，下载量都无从统计。仓库 2024-03-15 创建，最后一次提交 2025-03-06，距今约 19 个月没有代码更新，star 还在涨，项目实质已经停滞。

最出圈的 Flux 放大，其实是闭源的#

宣传里最能打的一项 Flux Upscaling，README 原话是「is not open-source」，只在官网 App 和付费 API 里提供；更新日志 2025-03-05 第一行就写着「Flux upscaling only via my app and api」。开源仓库里你能拿到的是上一代 SD/SDXL 路线的能力。开源引流、付费主营，作者自己也不遮掩：「To finance my work i also build paid versions of my code. But feel free to use the free code.」

老域名还活着，自动跳新家#

早年流传的在线地址 clarityai.cc 仍会 301 跳转到 ClarityAI.co 对应路径。老链接不用改，但新收藏建议认准 .co 域名。

免费白嫖只有一条路：free-wokflow.json#

四条使用路径里，官网 App 最省事但闭源，API 要付费，ComfyUI 节点得先在 ClarityAI.co/comfyui 建 API key（凭 CAI_API_KEY 环境变量或 cai_platform_key.txt，节点内还留了 api_key_override），这也是付费路径。真正免费自持的只有 ComfyUI-ClarityAI 仓库里那条 free-wokflow.json 工作流——文件名就是这么拼的，少个 r，照抄别手滑改对。

动手党：A1111 一整套现成参数#

不想装插件的话，走 SD WebUI 的 Tiled Diffusion，作者给了一整段能直接抄的参数：底模 juggernaut_reborn，LoRA 挂 more_details:0.5 加 SDXLrender_v2.0:1，Steps 18，Sampler 用 DPM++ 3M SDE Karras，CFG 6.0，Tiled Diffusion 放大器选 4x-UltraSharp、放大倍数 2、Method 用 MultiDiffusion、tile 112×144、Overlap 4、batch 8，ControlNet 配 control_v11f1e_sd15_tile（tile_resample，weight 0.6）。玩得更深的可以直接跑 download_weights.py，再 cog predict -i image="link-to-image"——不过作者原话提醒：懂 cog 的人其实不用这个仓库，选更简单的方案就好。

软件信息#