最終更新: 2026年10月13日

ComfyUI と自分の GPU で Qwen Image 2.1 Turbo を動かす

10 月 9 日の公開から数時間で ComfyUI が Turbo の重みを再パッケージし、コミュニティの GGUF 量子化版も続きました。このページでは、必要なファイル、重要なサンプラー設定、グラフィックカードに合った量子化版の選び方をまとめます。

要点： 公式の Qwen-Image 2.1 ワークフローで qwen_image_2.1_turbo_bf16.safetensors に差し替え、8 ステップ・CFG 1 に設定します。VRAM が足りない場合は INT8 ファイルか GGUF 量子化版を使いましょう。Q8_0（7.59 GB）が最もオリジナルに近く、4-bit なら AD-Q4_K（4.20 GB）がおすすめです。Turbo の sigma スケジュールは変えないでください。変えると画像が変わります。

ダウンロードするファイル

ファイル（Comfy-Org/Qwen-Image-2.1）	内容
diffusion_models/qwen_image_2.1_turbo_bf16.safetensors	8 ステップ Turbo のフルチェックポイント、BF16
diffusion_models/qwen_image_2.1_turbo_int8_convrot.safetensors	INT8 量子化版 Turbo、VRAM を節約
loras/qwen_image_2.1_turbo_lora_avg_rank_178_bf16.safetensors	LoRA 版 Turbo、ベースの Qwen-Image 2.1 モデルに適用
テキストエンコーダーと VAE	Qwen-Image 2.1 と共通。同じリポジトリのファイルを使用

出典: Comfy-Org 再パッケージ版の重み

出典: ComfyUI Wiki リリースノート

ComfyUI のセットアップ手順

ComfyUI を Qwen-Image 2.1 対応のビルドに更新します。
Turbo の拡散モデルを ComfyUI/models/diffusion_models/ に、Qwen-Image 2.1 のテキストエンコーダーと VAE をそれぞれのフォルダにダウンロードします。
公式の Qwen-Image 2.1 テキストから画像生成ワークフローを開きます。
モデルローダーを Turbo ファイルに向けるか、ベースモデルのまま Turbo LoRA を追加します。
サンプラーを 8 ステップ・CFG 1 に設定します。まず 1024 × 1024 で動作を確認してから 2K プリセットに移ります。

Kijai によると、Turbo の sigma スケジュールは shift なしの ComfyUI linear_quadratic スケジューラーに近いとのことです。Qwen は保存済み以外のスケジュールは未検証としています。

出典: ComfyUI Wiki リリースノート

出典: Comfy-Org 再パッケージ版の重み

重要な設定

設定	Turbo の値
ステップ数（Steps）	8
CFG	1（1 ステップあたりフォワードパス 1 回）
サンプラー	Euler、フローマッチング
Sigmas	1.0, 0.978453, 0.95418, 0.926626, 0.89508, 0.845148, 0.704534, 0.414568、最後に 0
解像度	ネイティブ 2048 × 2048。動作確認には 1024 × 1024

出典: Hugging Face モデルカード

出典: ComfyUI Wiki リリースノート

出典: AtomicChat GGUF カード

GGUF 量子化版の選び方

AtomicChat は stable-diffusion.cpp 用の GGUF ファイルを公開し、BF16 オリジナルとの差を測定しました（1024 × 1024 での LPIPS。低いほどオリジナルに近い）。

Q8_0 が最もオリジナルに近い量子化版です。VRAM に収まるならこれを使いましょう。
4-bit なら AD-Q4_K がおすすめです。Q3 と Q2 は構図、顔、文字が目に見えて変わります。
Qwen-Image-2.1 の VAE と、Qwen3-VL-8B-Instruct の GGUF テキストエンコーダー（Q8_0 推奨）も必要です。エンコーダーを量子化しても出力は変わります。
カスタム sigmas を使うには、2026 年 10 月 6 日以降の stable-diffusion.cpp ビルドが必要です。8 ステップ、CFG 1.0、Euler、Turbo の sigmas を使用してください。

ファイル	サイズ	BF16 との LPIPS
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

出典: AtomicChat GGUF カード

必要な VRAM

Qwen は Turbo の最低 VRAM を公表していません。以下は同じサイズのベース版に対する第三者の見積もりです。

ハードウェア	実行方法（Unsloth の見積もり）
VRAM 6 GB	FP8＋オフロード、速度低下は 2 倍未満
VRAM 12〜16 GB	GGUF Q4_K_M、1024 × 1024
VRAM 24 GB	INT8 / FP8 の重み
CPU のみ、RAM 12〜16 GB	GGUF Q4_K_M＋4-bit テキストエンコーダー（低速）
Apple Silicon、16 GB 以上	GGUF＋ネイティブバックエンド

Turbo の 1 ステップあたりのメモリ使用量はベース版と同じです。40 ステップではなく 8 ステップで済むため、時間を節約できます。

出典: Unsloth Qwen-Image-2.1 ドキュメント

VRAM を抑えて Diffusers で動かす

Python では CPU オフロードを使うと、処理中のコンポーネントだけを GPU に置きます。速度は落ちますが、小さなグラフィックカードでも BF16 チェックポイントを動かせます。

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()

メインガイドの Python 完全サンプル

出典: GitHub の Qwen-Image-2.1

出典: Hugging Face モデルカード

よくある質問

Qwen Image 2.1 Turbo に最適な ComfyUI の設定は？

8 ステップ、CFG 1、Euler サンプリング、Turbo の sigma スケジュール（shift なしの linear_quadratic に近い）です。

Turbo チェックポイントと Turbo LoRA、どちらを使うべき？

チェックポイントのほうがシンプルです。LoRA ならディスク上にベースモデルを 1 つ置くだけで、40 ステップと 8 ステップの生成を切り替えられます。

どの GGUF をダウンロードすればいい？

収まるなら Q8_0（7.59 GB）、無理なら AD-Q4_K（4.20 GB）です。他が収まらない場合を除き、Q3 と Q2 は避けましょう。

VRAM 8 GB で動きますか？

Qwen は最低要件を公表していません。Unsloth の見積もりでは、FP8＋オフロードなら 6 GB で動作し（速度低下は 2 倍未満）、4-bit GGUF は 1024 × 1024 で 12〜16 GB が必要です。小さいサイズ、バッチサイズ 1 から始めてください。

Turbo の画像がおかしくなるのはなぜ？

たいていはスケジュールが原因です。Turbo の sigmas なしでステップ数を変えた、または CFG を 1 より大きくした場合です。8 ステップ、CFG 1、保存済みスケジュールに戻してください。

本サイトは独立したガイドであり、Alibaba および Qwen チームとは関係ありません。料金・ライセンス・ファイル名は変わることがあるため、利用前にリンク先の公式ページを確認してください。