Última actualización:
Qwen Image 2.1 Turbo en ComfyUI y en tu propia GPU
ComfyUI reempaquetó los pesos de Turbo a las pocas horas del lanzamiento del 9 de octubre, y después llegaron las cuantizaciones GGUF de la comunidad. Esta página reúne los archivos exactos, los ajustes del sampler que importan y cómo elegir una cuantización para tu tarjeta gráfica.
Archivos para descargar
| Archivo (Comfy-Org/Qwen-Image-2.1) | Qué es |
|---|---|
| diffusion_models/qwen_image_2.1_turbo_bf16.safetensors | Checkpoint Turbo completo de 8 pasos, BF16 |
| diffusion_models/qwen_image_2.1_turbo_int8_convrot.safetensors | Turbo cuantizado en INT8, para usar menos VRAM |
| loras/qwen_image_2.1_turbo_lora_avg_rank_178_bf16.safetensors | Turbo como LoRA, aplicada al modelo base Qwen-Image 2.1 |
| Codificador de texto y VAE | Compartidos con Qwen-Image 2.1; usa los archivos del mismo repositorio |
Fuente: Pesos reempaquetados por Comfy-Org
Fuente: Nota de lanzamiento en ComfyUI Wiki
Configuración en ComfyUI paso a paso
- Actualiza ComfyUI a una versión compatible con Qwen-Image 2.1.
- Descarga el modelo de difusión Turbo en ComfyUI/models/diffusion_models/, y el codificador de texto y el VAE de Qwen-Image 2.1 en sus carpetas.
- Abre el workflow oficial de texto a imagen de Qwen-Image 2.1.
- Apunta el cargador de modelos al archivo Turbo, o conserva el modelo base y añade la LoRA Turbo.
- Configura el sampler en 8 pasos y CFG 1. Empieza con 1024 × 1024 para comprobar que funciona y luego pasa a los presets 2K.
Kijai señala que el schedule de sigmas de Turbo se parece al scheduler linear_quadratic de ComfyUI sin shift. Qwen indica que los schedules distintos del guardado no se han probado.
Fuente: Nota de lanzamiento en ComfyUI Wiki
Fuente: Pesos reempaquetados por Comfy-Org
Ajustes que importan
| Ajuste | Valor para Turbo |
|---|---|
| Pasos | 8 |
| CFG | 1 (una pasada hacia delante por paso) |
| Sampler | Euler, flow matching |
| Sigmas | 1.0, 0.978453, 0.95418, 0.926626, 0.89508, 0.845148, 0.704534, 0.414568, luego 0 |
| Resolución | 2048 × 2048 nativa; 1024 × 1024 para pruebas rápidas |
Fuente: Ficha del modelo en Hugging Face
Fuente: Nota de lanzamiento en ComfyUI Wiki
Fuente: Ficha GGUF de AtomicChat
Cuantizaciones GGUF y cuál elegir
AtomicChat publicó archivos GGUF para stable-diffusion.cpp y midió cuánto se aleja cada uno del original BF16 (LPIPS a 1024 × 1024; cuanto más bajo, más cercano).
- Q8_0 es la opción cuantizada más cercana; úsala si te cabe.
- AD-Q4_K es la opción recomendada en 4 bits. Q3 y Q2 alteran visiblemente la composición, las caras y el texto.
- También necesitas el VAE de Qwen-Image-2.1 y un codificador de texto Qwen3-VL-8B-Instruct en GGUF (se recomienda Q8_0). Cuantizar el codificador también cambia los resultados.
- stable-diffusion.cpp necesita una compilación del 6 de octubre de 2026 o posterior para sigmas personalizados. Usa 8 pasos, CFG 1.0, Euler y los sigmas de Turbo.
| Archivo | Tamaño | LPIPS frente a BF16 |
|---|---|---|
| BF16 | 14.23 GB | 0 |
| Q8_0 | 7.59 GB | 0.037 |
| AD-Q6_K | 6.71 GB | 0.044 |
| AD-Q5_K | 5.40 GB | 0.076 |
| AD-Q4_K | 4.20 GB | 0.147 |
| AD-Q3_K | 3.60 GB | 0.206 |
| AD-Q2_K | 2.55 GB | 0.359 |
Fuente: Ficha GGUF de AtomicChat
Cuánta VRAM necesitas
Qwen no ha publicado un mínimo de VRAM para Turbo. Estas son estimaciones de terceros para el modelo base, que tiene el mismo tamaño.
| Tu hardware | Qué ejecutar (estimación de Unsloth) |
|---|---|
| 6 GB de VRAM | FP8 con offloading, menos de 2 veces más lento |
| 12–16 GB de VRAM | GGUF Q4_K_M a 1024 × 1024 |
| 24 GB de VRAM | Pesos INT8 / FP8 |
| Solo CPU, 12–16 GB de RAM | GGUF Q4_K_M con un codificador de texto en 4 bits (lento) |
| Apple Silicon, 16 GB o más | GGUF con un backend nativo |
Turbo necesita la misma memoria por paso que el modelo base; ahorra tiempo porque ejecuta 8 pasos en lugar de 40.
Fuente: Documentación de Unsloth sobre Qwen-Image-2.1
Diffusers con menos VRAM
En Python, el offloading a CPU mantiene en la GPU solo el componente activo. Es más lento, pero permite que una tarjeta más pequeña ejecute el checkpoint BF16.
pip install "torch>=2.4.0"
pip install git+https://github.com/huggingface/diffusers.git
pip install "transformers>=5.17.0" accelerate pillow
# Less VRAM: keep only the active part of the model on the GPU (slower)
pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16)
pipe.enable_model_cpu_offload()Ejemplo completo en Python en la guía principal
Fuente: Qwen-Image-2.1 en GitHub
Fuente: Ficha del modelo en Hugging Face
Preguntas frecuentes
¿Cuáles son los mejores ajustes de ComfyUI para Qwen Image 2.1 Turbo?
8 pasos, CFG 1, muestreo Euler, con el schedule de sigmas de Turbo (parecido a linear_quadratic sin shift).
¿Checkpoint Turbo o LoRA Turbo?
El checkpoint es más sencillo. La LoRA te permite guardar un solo modelo base en disco y alternar entre generación de 40 y de 8 pasos.
¿Qué GGUF debo descargar?
Q8_0 (7.59 GB) si te cabe; si no, AD-Q4_K (4.20 GB). Evita Q3 y Q2 salvo que no quepa ninguna otra.
¿Puedo ejecutarlo con 8 GB de VRAM?
Qwen no publica un mínimo. Unsloth estima que FP8 con offloading funciona con 6 GB (menos de 2 veces más lento) y que un GGUF de 4 bits necesita 12–16 GB a 1024 × 1024. Empieza con poco, con batch size 1.
¿Por qué mis imágenes con Turbo se ven mal?
Casi siempre es el schedule: cambiar los pasos sin los sigmas de Turbo o usar un CFG mayor que 1. Vuelve a 8 pasos, CFG 1 y el schedule guardado.
Guía independiente, sin relación con Alibaba ni con el equipo de Qwen. Los precios, las licencias y los nombres de archivo cambian; revisa las páginas oficiales enlazadas antes de construir sobre ellos.