Original Summary

感谢 unsloth 发布了 Qwen-image-2.1 的量化版本 huggingface.co unsloth/Qwen-Image-2.1-GGUF · Hugging Face We’re on a journey to advance and democratize artificial intelligence through open source and open science. Q4_K_M 仅 4.2GB，终于可以让我的 5060 尝尝最新的开源生图模型了 硬件需求 RTX 5060 Laptop 8GB ≥ 16 GB 内存（所有模型权重全部卸载到 CPU） 耗时 1k 图 70 秒，2k 图 12 分钟（显然除了 1k 之外的分辨率都不具有可用性，而且更高的分辨率会出现奇怪的 bug，见下文效果展示） 效果展示 在 2k 图下，实测会出现奇怪的纹理 回到 1k 图，一切恢复正常 复杂场景测试 更多效果展示可见我的上一个帖子 最新最烫的 Qwen-image-2.1 部署成果！一个好消息，但硬件需求不低 搞七捻三 千问昨天晚上九点发布的全新生图模型 Qwen-image-2.1，立刻下载部署 好消息放前面：依旧支持 NSFW！ 我的硬件配置：4090D 24GB 显存 生成速度（25步）：1k图（1mp分辨率）8秒/张，2k图 ～45秒/张 模型选择 我的选择：int8 主模型 + int8 编码器 + bf16 VAE，出图时显存占用最高2048×2048，15.1 GiB（所以理论上16GB显… 配置分享 推理框架 stable-diffusion.cpp 模型权重 DiT Q4_K_M huggingface.co qwen-image-2.1-Q4_K_M.gguf · unsloth/Qwen-Image-2.1-GGUF at main We’re on a journey to advance and democratize artificial intelligence through open source and open science. 文本编码器 Q4 huggingface.co Qwen3-VL-8B-Instruct-UD-Q4_K_XL.gguf · unsloth/Qwen3-VL-8B-Instruct-GGUF at main We’re on a journey to advance and democratize artificial intelligence through open source and open science. VAE huggingface.co vae/qwen_image_2.1_vae_bf16.safetensors · unsloth/Qwen-Image-2.1-FP8 at main We’re on a journey to advance and democratize artificial intelligence through open source and open science. 视觉投影（在编辑图片时才需要） huggingface.co mmproj-BF16.gguf · unsloth/Qwen3-VL-8B-Instruct-GGUF at main We’re on a journey to advance and democratize artificial intelligence through open source and open science. 全部模型卸载进 CPU，因为生图是串行跑，需要时装进显存，这样才能跑起来 开 EasyCache 加速（threshold=0.3） 生图命令 sd-cli.exe --diffusion-model qwen-image-2.1-Q4_K_M.gguf --vae qwen_image_2.1_vae_bf16.safetensors --llm Qwen3-VL-8B-Instruct-UD-Q4_K_XL.gguf -p "一只举着牌子写 QWEN 2.1 的猫" -W 1024 -H 1024 --steps 25 --cfg-scale 6.0 --sampling-methodeuler --diffusion-fa --cache-mode easycache --cache-option threshold=0.3 --offload-to-cpu --vae-tiling --backend te=cpu --model-args qwen_image_2_1_prefix_cache=false -o out.png 参考图编辑 再加 --llm_vision models\mmproj-BF16.gguf -r 参考图.png 局部改图 -i 原图.png --mask 蒙版.png （蒙版白色=要改的区域） 总结 总结下来，8 GB 的显卡就足够跑这样高质量生图模型了，配合 EasyCache，1K 生图 70 秒一张已经相当可用了 2 个帖子 - 2 位参与者 阅读完整话题

  • 情报分类：硬件与数码
  • 分类依据：内容涉及硬件、数码产品或通信卡
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/24 17:22:56