Qwen-Image-2.1 GGUF：量化版本怎么选、显存要多少、ComfyUI 怎么跑

Qwen-Image-2.1 于 2026 年 9 月 20 日开源，短短几天内社区就放出了它的 GGUF 量化版本——把模型压缩后塞进显存有限的消费级显卡。搜索「qwen image 2.1 gguf」的你，多半想知道两件事：这个新模型值不值得本地跑，以及自己的显卡该下哪个 GGUF 文件。先说结论：模型本身实力扎实——7B 参数、文生图与图像编辑一体、原生支持透明图像；如果你用 stable-diffusion.cpp、手头是较老的 AMD 显卡、或者想精确控制模型占用的显存大小，GGUF 是合适的选择。但具体到 ComfyUI 里，官方的 int8 权重反而往往更顺畅，而且走 GGUF 路线还有两个已知的坑要先避开。

本文把这些问题一次讲清：模型能做什么、完整的量化档位和真实文件大小、你的显存该选哪一档、ComfyUI-GGUF 的分步配置，以及几乎人人会踩的两个报错的解法。

要点速览

• Qwen-Image-2.1 把文生图和图像编辑统一在一个 7B 模型里，原生支持 RGBA 透明图像、最多 10 张参考图、原生 2K 输出。
• GGUF 文件只包含去噪器（transformer 部分），还需要单独下载 VAE 和 Qwen3-VL 8B 文本编码器两个配套文件。
• 量化档位从 Q2_K（2.47 GB）到 F16（14.2 GB），社区推荐 Q4_K_M（约 4.2 GB） 作为体积与质量的最佳平衡点。
• 在 ComfyUI 里加载 GGUF 必须用 leejet 的 ComfyUI-GGUF fork——原版加载器会报「Unknown model architecture!」；文本编码器必须用 Qwen3-VL 文件而不是 Qwen3.5 提示词增强模型，否则输出纯噪点。
• 如果你的显卡只有 6–8 GB 显存、内存约 32 GB，社区反馈官方 int8_convrot 权重不用 GGUF 也能正常跑；不想折腾本地环境的话，在线的 Qwen 图像编辑工具零下载就能用。

Qwen-Image-2.1 到底带来了什么

Qwen-Image-2.1 是阿里最新的开源图像模型，2026 年 9 月 20 日发布，权重挂在 Hugging Face 和 ModelScope 上。视觉生成核心只有 7B 参数、32 层单流 DiT——按现在的标准刻意做小——搭配 Qwen3-VL 8B 文本编码器和 64 通道 RGBA VAE。一个模型同时覆盖文生图、图像编辑和透明图像处理：

• 原生透明：能生成普通或透明（RGBA）图像、编辑透明图层、从照片里抠出主体。
• 多参考图编辑：最多 10 张参考图，针对人物和商品做了身份一致性优化。
• 精确局部编辑：用圆圈、涂抹标注或独立掩码指定修改区域，而不是靠提示词碰运气。
• 原生 2K 分辨率：官方推荐的比例表从 1:1（2048×2048）到 16:9（2752×1536），默认 40 步采样。

这次发布对图像工作流的整体影响，我们在Qwen-Image-2.1 发布解读里有更完整的分析；官方博客则提供了详细的评测对比。这篇文章聚焦大家搜索最多的那部分：GGUF 版本的本地部署。

「GGUF」对这个模型意味着什么

GGUF 是 llama.cpp 带火的单文件模型格式。对图像模型来说，GGUF 文件里装的是量化后的去噪器——真正干生成活的 transformer——而不是完整管线。要用 GGUF 跑 Qwen-Image-2.1，你需要三个文件：

Unsloth 的 Qwen-Image-2.1-GGUF 仓库是目前下载量最高的中立量化版本；发布后约 9 天内，Hugging Face 上出现了约 65 个匹配的 GGUF 仓库（截至 2026 年 9 月 29 日的统计）。同一批 GGUF 文件在 ComfyUI 之外也能跑——stable-diffusion.cpp 和 Unsloth Desktop 可以直接加载，这对 AMD 显卡用户和喜欢轻量工具的人很重要。

unsloth 仓库的文件列表标注了每个量化档位的精确体积。（截图来源：huggingface.co/unsloth/Qwen-Image-2.1-GGUF，2026 年 9 月 29 日截取）

unsloth 仓库的文件列表标注了每个量化档位的精确体积。（截图来源：huggingface.co/unsloth/Qwen-Image-2.1-GGUF，2026 年 9 月 29 日截取）

量化档位全表：每一档的真实体积

以下是 unsloth 仓库的完整档位，按体积排序：

读这张表有两个实用提醒。第一，文件大小只是下限，不是最终显存账单——采样时的激活值和注意力机制会带来额外开销，所以要在文件体积之上留出余量。第二，档位命名编码了质量信息：K 系量化会把「重要」的张量保留在更高精度，XL/S/M 后缀控制回补的激进程度。仓库维护者推荐 Q4_K_M 作为体积与质量的最佳平衡，社区实测基本认同；Q3 以下开始出现文字渲染退化和纹理瑕疵。

综合仓库文档和社区反馈（而非我们自己的实测），一个合理的规划参考是：Q4_K_M 去噪器加上转入内存的文本编码器，大约 6 GB 显存起步就能比较从容地跑起来——前提是文本编码器放在系统内存里（下文详述）。最下面两档当实验来玩可以，当日常主力不行。

下载之前：ComfyUI 里 GGUF 对比官方 int8_convrot

先把丑话说在前面，帮你省下流量：在 ComfyUI 里，GGUF 并不自动等于低显存最优解。 ComfyUI 官方转存的权重（Comfy-Org/Qwen-Image-2.1）除了 bf16 原版还带一份 int8_convrot 扩散模型，而 ComfyUI 的动态显存管理——那套让大模型在小显卡上也能跑的权重换流机制——就是围绕 bf16/fp8/int8 设计的。社区讨论和 ComfyUI 维护者都提到，GGUF 文件在 ComfyUI 里会退回更老、更慢的内存管理路径。同一批用户反馈 int8_convrot 权重在 6–8 GB 显存、约 32 GB 内存的机器上跑得很稳。

那 GGUF 到底适合谁？

• stable-diffusion.cpp / koboldcpp / Unsloth Desktop 用户：这些工具原生加载 GGUF，完全绕开 ComfyUI 的内存管理器。
• 较老的 AMD 显卡（RDNA3 之前）和其他边缘硬件：GGUF 的 CPU+GPU 分工往往是最省事的路线。
• 想要特定体积档位的人：GGUF 提供官方 int8/fp8 阵容没有的 5-bit、6-bit 档位。

如果你是显存现代的 N 卡用户、内存也够，先下官方 int8_convrot 权重是文档明确、阻力更小的路线。如果你还是想要 GGUF——为了更细的档位控制或非 ComfyUI 运行时——照下面的配置来。

ComfyUI-GGUF 分步配置

以下流程基于文档整理：步骤来自社区维护的 GGUF 仓库 README 和 leejet fork 的改动记录，并与社区排错帖交叉核对——我们并未亲自逐步运行验证。

1. 先更新 ComfyUI。 GGUF 加载器依赖较新版本的 ComfyUI 自定义算子支持来加载纯 UNET。动手之前先跑一遍常规更新（Windows 便携版就是 update.bat）。

2. 安装 leejet 的 ComfyUI-GGUF fork——不是原版。 原版 city96/ComfyUI-GGUF 节点包不认识 Qwen-Image-2.1 的架构，会直接报「Unknown model architecture!」。leejet fork 加入了 Qwen-Image 2.1 支持并修复了 Qwen3-VL 权重识别：

cd ComfyUI/custom_nodes
git clone https://github.com/leejet/ComfyUI-GGUF
pip install -r ComfyUI-GGUF/requirements.txt

如果之前装过 city96 原版，先删掉或换成 fork，再排查其他问题。

3. 下载三个文件，放进对应的目录：

ComfyUI/
└── models/
    ├── diffusion_models/
    │   └── qwen-image-2.1-Q4_K_M.gguf      # 选你的量化档位
    ├── text_encoders/
    │   └── qwen3vl_8b_int8_convrot.safetensors   # 或 bf16 版
    └── vae/
        └── qwen_image_2.1_vae_bf16.safetensors

文本编码器和 VAE 来自 Comfy-Org 官方转存权重；去噪器来自你选的 GGUF 仓库。注意文本编码器要用 Qwen3-VL 8B 的文件——不是同一个 Comfy-Org 仓库里那两个 qwen3.5_9b 提示词增强模型。搞混了就是下面的故障一。

4. 加载官方工作流模板，换掉加载节点。 Comfy-Org 发布了文生图和图像编辑两套模板。加载后，把默认的 UNETLoader（Load Diffusion Model）节点换成 Unet Loader (GGUF)，指向你的 .gguf 文件。

5. 接好文本编码器和 VAE。 在模板的 CLIPLoader 里选中你的 qwen3vl_8b 文件，类型设为 qwen_image；VAELoader 继续指向 qwen_image_2.1_vae_bf16.safetensors。

6. 按文档推荐的方式分配内存。 GGUF 去噪器留在显卡上——采样速度靠它；文本编码器放到（或卸载到）系统内存。文本编码每个提示词只跑一次，这样能省下约 9–17 GB 显存，速度损失很小：社区推荐的组合是约 4.6 GB 的 Q4_K_M 去噪器驻留显存、约 9.35 GB 的 int8 文本编码器待在内存里。如果还是爆显存，启动 ComfyUI 时加 --lowvram 参数。

人人都会踩的两个故障

网上「Qwen GGUF 跑不起来」的帖子，绝大多数逃不出这两种：

• 输出全是噪点。 文本编码器拿错了。GGUF 工作流需要 Qwen3-VL 8B 编码器；错用 Qwen3.5-9B 提示词增强文件就会输出噪点。把 CLIPLoader 换成 qwen3vl_8b 文件即可。
• 加载时报「Unknown model architecture!」。 你在用 city96 原版加载器。安装或更新到 leejet fork（上面的第 2 步），并确认 ComfyUI 本体也是最新。

这两个修复都比重下模型快，先查它们，别急着怪显卡。

不用 ComfyUI 也能跑

如果你的工作流里没有 ComfyUI，stable-diffusion.cpp 可以直接加载这批 GGUF 文件。unsloth 仓库给出了一行式示例：

sd-cli --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 "你的提示词" \
  --steps 20 --cfg-scale 6.0 --sampling-method euler -W 1024 -H 1024

这也是 GGUF 在老 AMD 硬件上的价值所在：Qwen 为 Radeon 显卡提供了 ROCm/PyTorch 路线，而 llama.cpp 风格的工具通常对非 CUDA 系统最友好。不想碰终端的话，Unsloth Desktop 把同样的模型包进了图形界面。

Comfy-Org 官方模型卡标注了配套权重的确切目录位置。（截图来源：huggingface.co/Comfy-Org/Qwen-Image-2.1，2026 年 9 月 29 日截取）

Comfy-Org 官方模型卡标注了配套权重的确切目录位置。（截图来源：huggingface.co/Comfy-Org/Qwen-Image-2.1，2026 年 9 月 29 日截取）

不想折腾本地环境？

上面这一切，值得的前提是你想要免费、无限、离线的生成，并且不介意管理模型文件。如果你主要是要编辑结果——换背景、改物体、迁移风格——也可以直接用在线的 Qwen 图像编辑工具，零下载：SketchTo 在浏览器里提供 Qwen Image Edit 在线编辑，每次编辑 3 积分，注册就送免费体验积分。它是另一条 Qwen 模型产品线（20B 的 Qwen Image Edit，不是这次新的 7B 版本），但对快速修图来说，整个量化-fork-工作流的折腾都可以跳过。

结论

三句话覆盖全部决策。第一，按显存选档位：拿不准就 Q4_K_M，显存充裕上 Q6_K/Q8_0，正式用途别低于 Q3。第二，在 ComfyUI 里跑，leejet fork 加 Qwen3-VL 文本编码器是两个必避的坑——而且下载任何 GGUF 之前，值得先试试官方 int8_convrot 权重。第三，按硬件选运行时：新 N 卡用 ComfyUI，其他配置用 sd.cpp 或 fork 加载器——或者干脆跳过这一切，在线修图。