최종 업데이트: 2026년 10월 13일

ComfyUI와 내 GPU에서 Qwen Image 2.1 Turbo 실행하기

ComfyUI는 10월 9일 출시 몇 시간 만에 Turbo 가중치를 리패키징했고, 커뮤니티 GGUF 양자화 파일도 뒤따랐습니다. 이 페이지에서는 정확한 파일 목록, 중요한 샘플러 설정, 그래픽카드에 맞는 양자화 파일 고르는 법을 정리했습니다.

한 줄 요약: 공식 Qwen-Image 2.1 워크플로를 쓰고 qwen_image_2.1_turbo_bf16.safetensors로 교체한 뒤 8스텝, CFG 1로 설정하세요. VRAM이 부족하면 INT8 파일이나 GGUF 양자화를 쓰세요. Q8_0(7.59 GB)이 원본에 가장 가깝고, 4비트라면 AD-Q4_K(4.20 GB)가 추천입니다. Turbo sigma 스케줄을 유지하지 않으면 결과 이미지가 달라집니다.

다운로드할 파일

파일(Comfy-Org/Qwen-Image-2.1)	설명
diffusion_models/qwen_image_2.1_turbo_bf16.safetensors	8스텝 Turbo 전체 체크포인트, BF16
diffusion_models/qwen_image_2.1_turbo_int8_convrot.safetensors	INT8 양자화 Turbo, VRAM 절약용
loras/qwen_image_2.1_turbo_lora_avg_rank_178_bf16.safetensors	LoRA 형태의 Turbo, 기본 Qwen-Image 2.1 모델에 적용
텍스트 인코더와 VAE	Qwen-Image 2.1과 공용. 같은 저장소의 파일 사용

출처: Comfy-Org 리패키징 가중치

출처: ComfyUI Wiki 릴리스 노트

ComfyUI 설정 단계별 안내

ComfyUI를 Qwen-Image 2.1을 지원하는 버전으로 업데이트합니다.
Turbo 디퓨전 모델을 ComfyUI/models/diffusion_models/에 내려받고, Qwen-Image 2.1 텍스트 인코더와 VAE도 각 폴더에 넣습니다.
공식 Qwen-Image 2.1 텍스트-이미지 워크플로를 엽니다.
모델 로더가 Turbo 파일을 가리키게 하거나, 기본 모델을 그대로 두고 Turbo LoRA를 추가합니다.
샘플러를 8스텝, CFG 1로 설정합니다. 먼저 1024 × 1024로 동작을 확인한 뒤 2K 프리셋으로 넘어가세요.

Kijai에 따르면 Turbo sigma 스케줄은 shift 없는 ComfyUI linear_quadratic 스케줄러와 비슷합니다. Qwen은 저장된 스케줄 외의 스케줄은 테스트하지 않았다고 밝혔습니다.

출처: ComfyUI Wiki 릴리스 노트

출처: Comfy-Org 리패키징 가중치

중요한 설정

설정	Turbo 값
스텝 수	8
CFG	1(스텝당 forward pass 1회)
샘플러	Euler, flow matching
Sigmas	1.0, 0.978453, 0.95418, 0.926626, 0.89508, 0.845148, 0.704534, 0.414568, 그다음 0
해상도	네이티브 2048 × 2048, 빠른 테스트는 1024 × 1024

출처: Hugging Face 모델 카드

출처: ComfyUI Wiki 릴리스 노트

출처: AtomicChat GGUF 카드

GGUF 양자화와 선택 방법

AtomicChat은 stable-diffusion.cpp용 GGUF 파일을 공개하고, 각 파일이 BF16 원본과 얼마나 차이 나는지 측정했습니다(1024 × 1024 기준 LPIPS, 낮을수록 원본에 가까움).

Q8_0이 원본에 가장 가까운 양자화 옵션입니다. 메모리에 들어간다면 이걸 쓰세요.
AD-Q4_K가 4비트 추천 파일입니다. Q3와 Q2는 구도, 얼굴, 글자가 눈에 띄게 달라집니다.
Qwen-Image-2.1 VAE와 Qwen3-VL-8B-Instruct GGUF 텍스트 인코더(Q8_0 권장)도 필요합니다. 인코더를 양자화해도 결과가 달라집니다.
stable-diffusion.cpp에서 커스텀 sigmas를 쓰려면 2026년 10월 6일 이후 빌드가 필요합니다. 8스텝, CFG 1.0, Euler, Turbo sigmas를 사용하세요.

파일	크기	BF16 대비 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

출처: AtomicChat GGUF 카드

필요한 VRAM

Qwen은 Turbo의 최소 VRAM을 공개하지 않았습니다. 아래는 크기가 같은 기본 모델에 대한 서드파티 추정치입니다.

내 하드웨어	실행 방법(Unsloth 추정)
VRAM 6 GB	오프로딩과 FP8, 2배 미만으로 느려짐
VRAM 12–16 GB	1024 × 1024에서 GGUF Q4_K_M
VRAM 24 GB	INT8 / FP8 가중치
CPU만, RAM 12–16 GB	4비트 텍스트 인코더와 GGUF Q4_K_M(느림)
Apple Silicon, 16 GB 이상	네이티브 백엔드와 GGUF

Turbo는 스텝당 기본 모델과 같은 메모리를 씁니다. 40스텝 대신 8스텝만 돌기 때문에 시간이 절약되는 것입니다.

출처: Unsloth Qwen-Image-2.1 문서

적은 VRAM으로 Diffusers 실행하기

Python에서는 CPU 오프로딩을 쓰면 현재 사용 중인 구성 요소만 GPU에 올려 둡니다. 속도는 느려지지만 작은 그래픽카드로도 BF16 체크포인트를 돌릴 수 있습니다.

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()

메인 가이드의 전체 Python 예제

출처: GitHub의 Qwen-Image-2.1

출처: Hugging Face 모델 카드

자주 묻는 질문

Qwen Image 2.1 Turbo에 가장 좋은 ComfyUI 설정은?

8스텝, CFG 1, Euler 샘플링에 Turbo sigma 스케줄(shift 없는 linear_quadratic과 비슷)을 쓰세요.

Turbo 체크포인트와 Turbo LoRA 중 무엇을 쓰나요?

체크포인트가 더 간단합니다. LoRA를 쓰면 디스크에 기본 모델 하나만 두고 40스텝과 8스텝 생성을 오갈 수 있습니다.

어떤 GGUF를 내려받아야 하나요?

메모리에 들어간다면 Q8_0(7.59 GB), 아니면 AD-Q4_K(4.20 GB)입니다. 다른 선택지가 없을 때가 아니면 Q3와 Q2는 피하세요.

VRAM 8 GB로 실행할 수 있나요?

Qwen은 최소 사양을 공개하지 않았습니다. Unsloth는 오프로딩과 FP8로 6 GB에서도 돌아가며(2배 미만으로 느려짐), 4비트 GGUF는 1024 × 1024에서 12–16 GB가 필요하다고 추정합니다. 작은 해상도, 배치 크기 1로 시작하세요.

Turbo 이미지가 이상하게 나오는 이유는?

대부분 스케줄 문제입니다. Turbo sigmas 없이 스텝 수를 바꿨거나 CFG를 1보다 높게 설정한 경우입니다. 8스텝, CFG 1, 저장된 스케줄로 되돌리세요.

이 페이지는 독립적인 가이드로, Alibaba 및 Qwen 팀과 아무런 관련이 없습니다. 가격, 라이선스, 파일 이름은 바뀔 수 있으니 실제로 적용하기 전에 링크된 공식 페이지를 확인하세요.