最后更新: 2026年10月13日

在 ComfyUI 和自己的显卡上运行 Qwen Image 2.1 Turbo

10 月 9 日发布后几小时内，ComfyUI 就重新打包了 Turbo 权重，社区 GGUF 量化版也随后跟上。本页列出需要的具体文件、真正要紧的采样设置，以及如何按显卡选择量化版本。

一句话结论： 使用官方 Qwen-Image 2.1 工作流，换成 qwen_image_2.1_turbo_bf16.safetensors，设置 8 步、CFG 1。显存不够？用 INT8 文件或 GGUF 量化版：Q8_0（7.59 GB）最接近原版，AD-Q4_K（4.20 GB）是 4-bit 首选。务必保留 Turbo 的 sigma 调度，否则出图效果会变。

需要下载的文件

文件（Comfy-Org/Qwen-Image-2.1）	说明
diffusion_models/qwen_image_2.1_turbo_bf16.safetensors	完整 8 步 Turbo 检查点，BF16
diffusion_models/qwen_image_2.1_turbo_int8_convrot.safetensors	INT8 量化 Turbo，占用显存更少
loras/qwen_image_2.1_turbo_lora_avg_rank_178_bf16.safetensors	LoRA 形式的 Turbo，叠加在 Qwen-Image 2.1 基础模型上
文本编码器和 VAE	与 Qwen-Image 2.1 共用；使用同一仓库中的文件

来源: Comfy-Org 重新打包的权重

来源: ComfyUI Wiki 发布说明

ComfyUI 部署步骤

将 ComfyUI 更新到支持 Qwen-Image 2.1 的版本。
把 Turbo 扩散模型下载到 ComfyUI/models/diffusion_models/，再把 Qwen-Image 2.1 的文本编码器和 VAE 放进各自的文件夹。
打开官方 Qwen-Image 2.1 文生图工作流。
把模型加载节点指向 Turbo 文件，或保留基础模型并加上 Turbo LoRA。
采样器设为 8 步、CFG 1。先用 1024 × 1024 确认能跑通，再切换到 2K 预设。

Kijai 指出 Turbo 的 sigma 调度接近 ComfyUI 中不加 shift 的 linear_quadratic 调度器。Qwen 表示除检查点内置调度外的其他调度未经测试。

来源: ComfyUI Wiki 发布说明

来源: Comfy-Org 重新打包的权重

关键参数设置

参数	Turbo 取值
步数（Steps）	8
CFG	1（每步只需一次前向计算）
采样器	Euler，流匹配（flow matching）
Sigmas	1.0, 0.978453, 0.95418, 0.926626, 0.89508, 0.845148, 0.704534, 0.414568，最后为 0
分辨率	原生 2048 × 2048；快速测试用 1024 × 1024

来源: Hugging Face 模型卡

来源: ComfyUI Wiki 发布说明

来源: AtomicChat GGUF 模型卡

GGUF 量化版本怎么选

AtomicChat 发布了适用于 stable-diffusion.cpp 的 GGUF 文件，并测量了各版本与 BF16 原版的偏差（1024 × 1024 下的 LPIPS，越低越接近）。

Q8_0 是最接近原版的量化选项，放得下就用它。
AD-Q4_K 是推荐的 4-bit 版本。Q3 和 Q2 会明显改变构图、人脸和文字。
还需要 Qwen-Image-2.1 的 VAE 和 Qwen3-VL-8B-Instruct 的 GGUF 文本编码器（推荐 Q8_0）。量化编码器同样会改变输出。
stable-diffusion.cpp 需要 2026 年 10 月 6 日或之后的版本才支持自定义 sigmas。使用 8 步、CFG 1.0、Euler 和 Turbo sigmas。

文件	大小	相对 BF16 的 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

来源: AtomicChat GGUF 模型卡

需要多少显存

Qwen 没有公布 Turbo 的最低显存要求。以下是第三方针对基础版的估算，两者模型大小相同。

你的硬件	推荐方案（Unsloth 估算）
6 GB 显存	FP8 加卸载，速度慢不到 2 倍
12–16 GB 显存	GGUF Q4_K_M，1024 × 1024
24 GB 显存	INT8 / FP8 权重
仅 CPU，12–16 GB 内存	GGUF Q4_K_M 配 4-bit 文本编码器（较慢）
Apple Silicon，16 GB 以上	GGUF 配原生后端

Turbo 每一步占用的内存与基础版相同；它省的是时间，因为只跑 8 步而不是 40 步。

来源: Unsloth Qwen-Image-2.1 文档

用 Diffusers 降低显存占用

在 Python 中，CPU 卸载只把当前工作的组件留在 GPU 上。速度会变慢，但小显存显卡也能跑 BF16 检查点。

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()

主教程中的完整 Python 示例

来源: Qwen-Image-2.1 GitHub 仓库

来源: Hugging Face 模型卡