Обновлено:
Qwen Image 2.1 Turbo в ComfyUI и на своей видеокарте
ComfyUI перепаковал веса Turbo в течение нескольких часов после релиза 9 октября, а следом появились GGUF-кванты от сообщества. Здесь — точные файлы, важные настройки сэмплера и как выбрать квант под свою видеокарту.
Какие файлы скачать
| Файл (Comfy-Org/Qwen-Image-2.1) | Что это |
|---|---|
| diffusion_models/qwen_image_2.1_turbo_bf16.safetensors | Полный 8-шаговый чекпоинт Turbo, BF16 |
| diffusion_models/qwen_image_2.1_turbo_int8_convrot.safetensors | Квантованный в INT8 Turbo, для экономии VRAM |
| loras/qwen_image_2.1_turbo_lora_avg_rank_178_bf16.safetensors | Turbo в виде LoRA поверх базовой модели Qwen-Image 2.1 |
| Текстовый энкодер и VAE | Общие с Qwen-Image 2.1; берите файлы из того же репозитория |
Источник: Перепакованные веса Comfy-Org
Источник: Заметка о релизе в ComfyUI Wiki
Настройка ComfyUI шаг за шагом
- Обновите ComfyUI до сборки с поддержкой Qwen-Image 2.1.
- Скачайте диффузионную модель Turbo в ComfyUI/models/diffusion_models/, а текстовый энкодер и VAE Qwen-Image 2.1 — в соответствующие папки.
- Откройте официальный воркфлоу Qwen-Image 2.1 для генерации по тексту.
- Укажите в загрузчике модели файл Turbo или оставьте базовую модель и добавьте Turbo LoRA.
- Задайте в сэмплере 8 шагов и CFG 1. Для проверки начните с 1024 × 1024, затем переходите на 2K-пресеты.
Kijai отмечает, что sigma-расписание Turbo близко к планировщику linear_quadratic в ComfyUI без shift. Qwen говорит, что расписания, отличные от сохранённого, не тестировались.
Источник: Заметка о релизе в ComfyUI Wiki
Источник: Перепакованные веса Comfy-Org
Важные настройки
| Настройка | Значение для Turbo |
|---|---|
| Шаги | 8 |
| CFG | 1 (один прямой проход на шаг) |
| Сэмплер | Euler, flow matching |
| Sigmas | 1.0, 0.978453, 0.95418, 0.926626, 0.89508, 0.845148, 0.704534, 0.414568, затем 0 |
| Разрешение | Нативно 2048 × 2048; 1024 × 1024 для быстрых тестов |
Источник: Карточка модели на Hugging Face
Источник: Заметка о релизе в ComfyUI Wiki
Источник: Карточка GGUF от AtomicChat
GGUF-кванты: какой выбрать
AtomicChat выложил GGUF-файлы для stable-diffusion.cpp и измерил, насколько каждый отклоняется от оригинала BF16 (LPIPS при 1024 × 1024, чем ниже, тем ближе).
- Q8_0 — самый близкий к оригиналу квант; берите его, если влезает.
- AD-Q4_K — рекомендуемый 4-битный вариант. Q3 и Q2 заметно меняют композицию, лица и надписи.
- Также нужны VAE Qwen-Image-2.1 и текстовый энкодер Qwen3-VL-8B-Instruct в GGUF (рекомендуется Q8_0). Квантование энкодера тоже влияет на результат.
- Для пользовательских sigmas stable-diffusion.cpp нужна сборка от 6 октября 2026 года или новее. Используйте 8 шагов, CFG 1.0, Euler и sigmas Turbo.
| Файл | Размер | LPIPS относительно 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 |
Источник: Карточка GGUF от AtomicChat
Сколько нужно VRAM
Минимальные требования к VRAM для Turbo Qwen не публиковала. Ниже — сторонние оценки для базовой модели того же размера.
| Ваше железо | Что запускать (оценка Unsloth) |
|---|---|
| 6 GB VRAM | FP8 с offloading, медленнее менее чем в 2 раза |
| 12–16 GB VRAM | GGUF Q4_K_M при 1024 × 1024 |
| 24 GB VRAM | Веса INT8 / FP8 |
| Только CPU, 12–16 GB RAM | GGUF Q4_K_M с 4-битным текстовым энкодером (медленно) |
| Apple Silicon, от 16 GB | GGUF с нативным бэкендом |
На один шаг Turbo нужно столько же памяти, сколько базовой модели; экономия времени достигается за счёт 8 шагов вместо 40.
Источник: Документация Unsloth по Qwen-Image-2.1
Diffusers при нехватке VRAM
В Python CPU offloading держит на GPU только активный компонент. Это медленнее, но позволяет запустить чекпоинт BF16 на более слабой видеокарте.
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()Полный пример на Python в основном руководстве
Источник: Qwen-Image-2.1 на GitHub
Источник: Карточка модели на Hugging Face
Частые вопросы
Какие настройки ComfyUI лучше всего подходят для Qwen Image 2.1 Turbo?
8 шагов, CFG 1, сэмплер Euler и sigma-расписание Turbo (близко к linear_quadratic без shift).
Чекпоинт Turbo или Turbo LoRA?
С чекпоинтом проще. LoRA позволяет держать на диске одну базовую модель и переключаться между генерацией в 40 и 8 шагов.
Какой GGUF скачать?
Q8_0 (7.59 GB), если влезает, иначе AD-Q4_K (4.20 GB). Q3 и Q2 — только если ничего другого не помещается.
Запустится ли на 8 GB VRAM?
Минимальных требований Qwen не публикует. По оценке Unsloth, FP8 с offloading работает на 6 GB (медленнее менее чем в 2 раза), а 4-битному GGUF при 1024 × 1024 нужно 12–16 GB. Начните с малого разрешения и batch size 1.
Почему изображения Turbo выглядят неправильно?
Обычно дело в расписании: число шагов изменено без sigmas Turbo или CFG выше 1. Верните 8 шагов, CFG 1 и сохранённое расписание.
Независимое руководство, не связанное с Alibaba или командой Qwen. Цены, лицензии и названия файлов меняются — прежде чем на них опираться, проверьте официальные страницы по ссылкам.