> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/de/modelle/tutorials/qwen-image-2512.md). # Wie man Qwen-Image-2512 lokal in ComfyUI ausführt Schritt-für-Schritt-Tutorial zum Ausführen von Qwen-Image-2512 auf deinem lokalen Gerät mit ComfyUI. **Qwen-Image-2512** ist das Dezember-Update für Qwens Text-zu-Bild-Grundmodelle. Das Modell ist das leistungsstärkste Open-Source-Diffusionsmodell, und dieser Leitfaden zeigt dir, wie du es lokal ausführen kannst über [Unsloth](https://github.com/unslothai/unsloth) GGUF und ComfyUI. Qwen-Image-2512 bietet: realistischere Personen; reichhaltigere Details in Landschaften/Texturen; und genauere Textdarstellung. **Uploads:** [GGUF](https://huggingface.co/unsloth/Qwen-Image-2512-GGUF) • [FP8](https://huggingface.co/unsloth/Qwen-Image-2512-FP8) • [4-Bit BnB](https://huggingface.co/unsloth/Qwen-Image-2512-unsloth-bnb-4bit) Die Quants verwenden [Unsloth Dynamic](/docs/de/grundlagen/dynamic-3.0-ggufs.md) eine Methodik, die wichtige Schichten für mehr Genauigkeit auf höhere Präzision hochstuft. Vielen Dank an Qwen für die Erlaubnis zur Unsloth-Unterstützung ab Tag 0. ## 📖 ComfyUI-Tutorial Zum Ausführen brauchst du keine GPU, nur eine CPU mit RAM reicht aus. Für beste Ergebnisse stelle sicher, dass dein gesamter nutzbarer Speicher (RAM + VRAM / gemeinsam) größer ist als die GGUF-Größe; z. B. 4-Bit (Q4\_K\_M) `unsloth/Qwen-Image-Edit-2512-GGUF` ist 13,1 GB, daher solltest du 13,2+ GB kombinierten Speicher haben. [ComfyUI](https://github.com/Comfy-Org/ComfyUI) ist eine Open-Source-Diffusionsmodell-GUI, API und Backend, die eine knotenbasierte (Graph-/Flussdiagramm-)Oberfläche verwendet. Dieser Leitfaden konzentriert sich auf Maschinen mit CUDA, aber die Anweisungen für den Build auf Apple oder CPU sind ähnlich. ### #1. Installation & Einrichtung Um ComfyUI zu installieren, kannst du die Desktop-App auf Windows- oder Mac-Geräten herunterladen [hier](https://www.comfy.org/download). Andernfalls führe zur Einrichtung von ComfyUI für das Ausführen von GGUF-Modellen Folgendes aus: ```bash mkdir comfy_ggufs cd comfy_ggufs python -m venv .venv source .venv/bin/activate git clone https://github.com/Comfy-Org/ComfyUI.git cd ComfyUI pip install -r requirements.txt cd custom_nodes git clone https://github.com/city96/ComfyUI-GGUF cd ComfyUI-GGUF pip install -r requirements.txt cd ../.. ``` ### #2. Modelle herunterladen Diffusionsmodelle benötigen typischerweise 3 Modelle. Ein Variational AutoEncoder (VAE), der den Bild-Pixelraum in den latenten Raum kodiert, ein Text-Encoder, um Text in Eingabe-Embeddings zu übersetzen, und den eigentlichen Diffusions-Transformer. Alle Unsloth-Diffusions-GGUFs findest du in unserer [Sammlung hier](https://huggingface.co/collections/unsloth/unsloth-diffusion-ggufs). Sowohl das Diffusionsmodell als auch der Text-Encoder können im GGUF-Format vorliegen, während wir für das VAE typischerweise safetensors verwenden. Laut [Qwens Repo](https://huggingface.co/Qwen/Qwen-Image-2512/blob/main/text_encoder/config.json), werden wir Qwen2.5-VL verwenden und nicht [Qwen3-VL](/docs/de/modelle/tutorials/qwen3-how-to-run-and-fine-tune/qwen3-vl-how-to-run-and-fine-tune.md). Laden wir die Modelle herunter, die wir verwenden werden (Hinweis: Du kannst auch unser [FP8-Upload](https://huggingface.co/unsloth/Qwen-Image-2512-FP8) in ComfyUI): ```bash cd models ## Diffusionsmodelle curl -L -C - -o unet/qwen-image-2512-Q4_K_M.gguf \ https://huggingface.co/unsloth/Qwen-Image-2512-GGUF/resolve/main/qwen-image-2512-Q4_K_M.gguf curl -L -C - -o unet/qwen-image-edit-2511-Q4_K_M.gguf \ https://huggingface.co/unsloth/Qwen-Image-Edit-2511-GGUF/resolve/main/qwen-image-edit-2511-Q4_K_M.gguf ## Text-Encoder + Vision Tower + VAE curl -L -C - -o text_encoders/Qwen2.5-VL-7B-Instruct-UD-Q4_K_XL.gguf \ https://huggingface.co/unsloth/Qwen2.5-VL-7B-Instruct-GGUF/resolve/main/Qwen2.5-VL-7B-Instruct-UD-Q4_K_XL.gguf curl -L -C - -o text_encoders/Qwen2.5-VL-7B-Instruct-mmproj-BF16.gguf \ https://huggingface.co/unsloth/Qwen2.5-VL-7B-Instruct-GGUF/resolve/main/mmproj-BF16.gguf curl -L -C - -o vae/qwen_image_vae.safetensors \ https://huggingface.co/Comfy-Org/Qwen-Image_ComfyUI/resolve/main/split_files/vae/qwen_image_vae.safetensors ``` Siehe GGUF-Uploads für: [Qwen-Image-2512](https://huggingface.co/unsloth/Qwen-Image-2512-GGUF), [Qwen-Image-Edit-2511](https://huggingface.co/unsloth/Qwen-Image-Edit-2511-GGUF), und [Qwen-Image-Layered](https://huggingface.co/unsloth/Qwen-Image-Layered-GGUF) {% hint style="warning" %} Das Format des VAE und des Diffusionsmodells kann anders sein als die Diffusers-Checkpoints, wenn andere Checkpoints als die oben genannten verwendet werden. Verwende nur Checkpoints, die mit ComfyUI kompatibel sind. {% endhint %} Diese Dateien müssen sich in den richtigen Ordnern befinden, damit ComfyUI sie sehen kann. Außerdem muss der im mmproj-File gespeicherte Vision Tower denselben Präfix wie der Text-Encoder verwenden. Lade auch Referenzbilder herunter, die später verwendet werden sollen: ```bash curl -L -C - -o ../input/sloth1.jpg \ "https://unsloth.ai/cgi/image/_1d5a5685-2d88-44ca-b50f-ba432cd646ef_9CGCY8lvw4D9JkOdueqsk.jpeg?width=1920&quality=80&format=jpeg" curl -L -C - -o ../input/sloth2.jpg \ "https://unsloth.ai/cgi/image/UnSloth_GPU_Front_-_Confetti_ArcSk-MR4MMN215UutOFZ.png?width=1920&quality=80&format=jpeg" ``` ### #3. Workflow und Hyperparameter Für mehr Informationen kannst du auch unseren ausführlichen [Run GGUFs in ComfyUI](/docs/de/blog/comfyui.md#workflow-and-hyperparameters-1) Leitfaden. Wechsle in das Hauptverzeichnis von ComfyUI und führe aus: ```bash python main.py ``` {% hint style="info" %} `python main.py --cpu` um mit der CPU auszuführen, aber es wird langsam sein. {% endhint %} Dadurch wird ein Webserver gestartet, über den du auf `https://127.0.0.1:8188` zugreifen kannst. Wenn du dies in der Cloud ausführst, musst du sicherstellen, dass Port-Forwarding eingerichtet ist, damit du von deinem lokalen Rechner aus zugreifen kannst. Workflows werden als JSON-Dateien gespeichert, die in Ausgabebilder eingebettet sind (PNG-Metadaten) oder als separate `.json` Dateien. Du kannst: * Ein Bild per Drag & Drop in ComfyUI ziehen, um seinen Workflow zu laden * Workflows über das Menü exportieren/importieren * Workflows als JSON-Dateien teilen Unten sind zwei Beispiele von JSON-Dateien für Qwen-Image-2512 und Qwen-Image-Edit-2511, die du herunterladen und verwenden kannst: {% file src="/files/e19530881de0fd2865da0a6d0bebe7ee1d34e149" %} Für unseren Workflow setzen wir standardmäßig **1024×1024** als praktischen Mittelweg. Während das Modell native Auflösung (1328×1328) unterstützt, erhöht das Generieren in nativer Auflösung die Laufzeit typischerweise um **\~50%**. Da GGUF zusätzlichen Overhead hinzufügt und 40 Schritte eine vergleichsweise lange Laufzeit sind, hält 1024×1024 die Generierungszeit vernünftig. Falls nötig, kannst du die Auflösung auf 1328 erhöhen. {% hint style="warning" %} Für realistischere Ergebnisse überspringe Schlüsselwörter wie „photorealistic“ oder „digital rendering“ oder „3d render“ und verwende stattdessen Begriffe wie „fotograf“. {% endhint %} {% hint style="info" %} Für negative Prompts ist es am besten, einen NLP-ähnlichen Ansatz zu verwenden: beschreibe in **natürlicher Sprache** was du *nicht* im Bild möchtest. Zu viele Schlüsselwörter können die Ergebnisse verschlechtern, statt sie spezifischer zu machen. {% endhint %} {% file src="/files/1299ec5ac9f749eed8e9303e39f539b3cf062d96" %} {% columns %} {% column %} Anstatt den Workflow von Grund auf neu einzurichten, kannst du den Workflow hier herunterladen. Lade ihn in die Browser-Seite, indem du auf das Comfy-Logo -> Datei -> Öffnen klickst -> und dann die `unsloth_qwen_image_2512.json` Datei auswählst, die du gerade heruntergeladen hast. Es sollte wie unten aussehen: {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %}
Dieser Workflow basiert auf dem offiziell von ComfyUI veröffentlichten Workflow, verwendet jedoch die GGUF-Loader-Erweiterung und ist vereinfacht, um die Text-zu-Bild-Funktionalität zu veranschaulichen. ### #4. Inferenz ComfyUI ist hochgradig anpassbar. Du kannst Modelle mischen und extrem komplexe Pipelines erstellen. Für ein einfaches Text-zu-Bild-Setup müssen wir das Modell laden, Prompt und Bilddetails festlegen und eine Sampling-Strategie wählen. #### **Modelle hochladen + Prompt festlegen** Wir haben die Modelle bereits heruntergeladen, also müssen wir nur die richtigen auswählen. Wähle für den Unet Loader `qwen-image-2512-Q4_K_M.gguf`, für CLIPLoader wähle `Qwen2.5-VL-7B-Instruct-UD-Q4_K_XL.gguf`, und für Load VAE wähle `qwen_image_vae.safetensors`. {% hint style="info" %} Für realistischere Ergebnisse überspringe Schlüsselwörter wie „photorealistic“ oder „digital rendering“ oder „3d render“ und verwende stattdessen Begriffe wie „fotograf“. {% endhint %} Du kannst einen beliebigen Prompt festlegen und auch einen negativen Prompt angeben. Der negative Prompt hilft, indem er dem Modell sagt, wovon es sich fernhalten soll. {% hint style="info" %} Für negative Prompts ist es am besten, einen NLP-ähnlichen Ansatz zu verwenden: beschreibe in **natürlicher Sprache** was du *nicht* im Bild möchtest. Zu viele Schlüsselwörter können die Ergebnisse verschlechtern, statt sie spezifischer zu machen. {% endhint %} #### **Bildgröße + Sampler-Parameter** Die Qwen-Image-Modellreihe unterstützt unterschiedliche Bildgrößen. Du kannst rechteckige Formen erzeugen, indem du die Werte für Breite und Höhe festlegst. Bei den Sampler-Parametern kannst du mit anderen Samplern als euler sowie mit mehr oder weniger Sampling-Schritten experimentieren. Im Workflow sind 40 Schritte eingestellt, aber für schnelle Tests könnten 20 ausreichend sein. Ändere die `Kontrolle nach der Generierung` Einstellung von randomize auf fixed, wenn du sehen möchtest, wie sich unterschiedliche Einstellungen auf die Ausgaben auswirken. #### **Ausführen** Klicke auf Run und in etwa 1 Minute wird ein Bild generiert (30 Sekunden bei 20 Schritten). Dieses Ausgabebild kann gespeichert werden. Der interessante Teil ist, dass die Metadaten des gesamten Comfy-Workflows im Bild gespeichert werden. Du kannst es teilen, und jeder kann sehen, wie es erstellt wurde, indem er es in der UI lädt.
{% hint style="info" %} Wenn du unscharfe/schlechte Bilder erhältst, erhöhe shift auf 12-13! Das behebt die meisten Probleme mit schlechten Ausgaben. {% endhint %} #### **Multi-Referenz-Generierung** Eine wichtige Funktion von Qwen-Image-Edit-2511 ist die Multi-Referenz-Generierung, bei der du mehrere Bilder bereitstellen kannst, um die Generierung besser zu steuern. Lade diesmal die `unsloth_qwen_image_edit_2511.json`. Wir werden die meisten derselben Modelle verwenden, aber `qwen-image-2512-Q4_K_M.gguf` zu `qwen-image-edit-2511-Q4_K_M.gguf` für das Unet wechseln. Der andere Unterschied sind diesmal zusätzliche Knoten, um Bilder als Referenz auszuwählen, die wir zuvor heruntergeladen haben. Dir wird auffallen, dass der Prompt sich auf sowohl `Bild 1` und `Bild 2` bezieht, welche Prompt-Anker für die Bilder sind. Sobald geladen, klicke auf Run, und du wirst eine Ausgabe sehen, die unsere beiden einzigartigen Faultier-Charaktere zusammen erstellt und dabei ihre Ähnlichkeit bewahrt.

Endergebnis, erstellt aus den Bildern rechts:

## 🤗 D**iffusers-Tutorial** Wir haben auch eine [Dynamic 4-Bit BitsandBytes](https://huggingface.co/unsloth/Qwen-Image-2512-unsloth-bnb-4bit) quantisierte Version hochgeladen, die in Hugging Faces `diffusers` Bibliothek ausgeführt werden kann. Noch einmal: Sie verwendet Unsloth Dynamic, bei dem wichtige Schichten auf höhere Präzision hochgestuft werden. Ausführen `Qwen-Image-2512-unsloth-bnb-4bit` mit dem folgenden Code: ```python from diffusers import DiffusionPipeline import torch pipe = DiffusionPipeline.from_pretrained( "unsloth/Qwen-Image-2512-unsloth-bnb-4bit", torch_dtype=torch.bfloat16, ).to('cuda') # auskommentieren, falls der Speicher knapp wird # pipe.enable_model_cpu_offload() output = pipe( prompt="ein kawaii Faultier, das Schlagzeug spielt", negative_prompt="unscharf, unfokussiert", num_inference_steps=20, true_cfg_scale=4.0, ) # Ausgabe speichern image = output.images[0] image.save('sample.png') ``` ## 🎨 **stable-diffusion.cpp-Tutorial** Wenn du das Modell in stable-diffusion.cpp ausführen möchtest, kannst du unserem [Schritt-für-Schritt-Leitfaden hier folgen](/docs/de/modelle/tutorials/qwen-image-2512/stable-diffusion.cpp.md). --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://unsloth.ai/docs/de/modelle/tutorials/qwen-image-2512.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.