# 如何在 ComfyUI 中本地运行 Qwen-Image-2512 **Qwen-Image-2512** 是 对 Qwen 文本到图像基础模型的十二月更新。该模型是表现最好的开源扩散模型，本指南将教你如何通过 [Unsloth](https://github.com/unslothai/unsloth) GGUF 和 ComfyUI 在本地运行它。 Qwen-Image-2512 功能：更逼真的人物外观；风景/纹理中更丰富的细节；以及更准确的文本渲染。 **上传：** [GGUF](https://huggingface.co/unsloth/Qwen-Image-2512-GGUF) • [FP8](https://huggingface.co/unsloth/Qwen-Image-2512-FP8) • [4 位 BitsandBytes](https://huggingface.co/unsloth/Qwen-Image-2512-unsloth-bnb-4bit) 这些量化使用了 [Unsloth 动态](https://unsloth.ai/docs/zh/ji-chu/unsloth-dynamic-2.0-ggufs) 方法，它将重要层提升到更高精度以恢复更多准确性。感谢 Qwen 允许 Unsloth 在第 0 天提供支持。 ## 📖 ComfyUI 教程 运行时不需要 GPU，只需有内存的 CPU 即可。为了获得最佳效果，确保你的可用总内存（RAM + VRAM / 统一内存）大于 GGUF 大小；例如 4 位（Q4\_K\_M） `unsloth/Qwen-Image-Edit-2512-GGUF` 为 13.1 GB，因此你应该有 13.2 GB 以上的组合内存。 [ComfyUI](https://github.com/Comfy-Org/ComfyUI) 是一个开源的扩散模型 GUI、API 和后端，使用基于节点（图/流程图）的界面。本指南将侧重于带有 CUDA 的机器，但在 Apple 或仅 CPU 上构建的说明类似。 ### #1. 安装与设置 要安装 ComfyUI，你可以在 Windows 或 Mac 设备上下载桌面应用程序 [这里](https://www.comfy.org/download)。否则，要为运行 GGUF 模型设置 ComfyUI，请运行以下命令： ```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. 下载模型 扩散模型通常需要 3 个模型。一个变分自编码器（VAE）将图像像素空间编码到潜在空间，一个文本编码器将文本翻译为输入嵌入，以及实际的扩散 transformer。你可以在我们的 [合集在此](https://huggingface.co/collections/unsloth/unsloth-diffusion-ggufs). 找到所有 Unsloth 扩散 GGUF。扩散模型和文本编码器都可以是 GGUF 格式，而我们通常对 VAE 使用 safetensors。根据 [Qwen 的仓库](https://huggingface.co/Qwen/Qwen-Image-2512/blob/main/text_encoder/config.json)，我们将使用 Qwen2.5-VL 而不是 [Qwen3-VL](https://unsloth.ai/docs/zh/mo-xing/tutorials/qwen3-how-to-run-and-fine-tune/qwen3-vl-how-to-run-and-fine-tune)。让我们下载将要使用的模型（注意：你也可以在 ComfyUI 中使用我们的 [FP8 上传](https://huggingface.co/unsloth/Qwen-Image-2512-FP8) ）： ```bash cd models ## 扩散模型 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 ## 文本编码器 + 视觉塔 + 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 ``` 有关 GGUF 上传的信息请参见： [Qwen-Image-2512](https://huggingface.co/unsloth/Qwen-Image-2512-GGUF), [Qwen-Image-Edit-2511](https://huggingface.co/unsloth/Qwen-Image-Edit-2511-GGUF)，以及 [Qwen-Image-Layered](https://huggingface.co/unsloth/Qwen-Image-Layered-GGUF) {% hint style="warning" %} 如果使用与上述不同的检查点，vae 和扩散模型的格式可能与 diffusers 检查点不同。仅使用与 ComfyUI 兼容的检查点。 {% endhint %} 这些文件必须放在正确的文件夹中，ComfyUI 才能识别它们。此外，存储在 mmproj 文件中的视觉塔必须使用与文本编码器相同的前缀。 还请下载稍后使用的参考图像： ```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. 工作流程与超参数 欲了解更多信息，你也可以查看我们的详细 [#workflow-and-hyperparameters-1](https://unsloth.ai/docs/zh/bo-ke/comfyui#workflow-and-hyperparameters-1 "mention") 指南。 导航到主 ComfyUI 目录并运行： ```bash python main.py ``` {% hint style="info" %} `python main.py --cpu` 以使用 CPU 运行，但会很慢。 {% endhint %} 这将启动一个允许你访问的 Web 服务器 `https://127.0.0.1:8188` 。如果你在云上运行此服务，需要确保设置端口转发以便在本地机器上访问。 工作流程作为嵌入在输出图像（PNG 元数据）中的 JSON 文件或作为单独的 `.json` 文件保存。你可以： * 将图像拖放到 ComfyUI 中以加载其工作流程 * 通过菜单导出/导入工作流程 * 以 JSON 文件共享工作流程 下面是两个 Qwen-Image-2512 和 Qwen-Image-Edit-2511 的 json 示例文件，你可以下载并使用： {% file src="" %} 在我们的工作流程中，我们默认使用 **1024×1024** 作为一个实用的折中选择。尽管模型支持原生分辨率（1328×1328），但以原生分辨率生成通常会将运行时间提高 **\~50%**。由于 GGUF 会增加开销且 40 步 是相对较长的运行，1024×1024 可使生成时间保持合理。如有需要，你可以将分辨率提高到 1328。 {% hint style="warning" %} 为了获得更逼真的结果，跳过像“photorealistic”或“digital rendering”或“3d render”这样的关键字，改用“photograph”之类的词。 {% endhint %} {% hint style="info" %} 对于反向提示（negative prompts），最好使用 NLP 风格的方法：用 **自然语言** 描述你 *不* 希望出现在图像中的内容。塞入过多关键字可能会损害结果，而不是使其更具体。 {% endhint %} {% file src="" %} {% columns %} {% column %} 你可以不从头设置工作流程，而是从这里下载工作流程。 通过点击 Comfy 徽标 -> 文件 -> 打开 -> 然后选择你刚下载的 `unsloth_qwen_image_2512.json` 文件将其加载到浏览器页面。它应该看起来像下面这样： {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %}
该工作流程基于官方发布的 ComfyUI 工作流程，但使用了 GGUF 加载扩展，并简化以说明文本到图像的功能。 ### #4. 推理 ComfyUI 高度可定制。你可以混合模型并创建极其复杂的管道。对于基本的文本到图像设置，我们需要加载模型、指定提示和图像细节，并决定采样策略。 #### **上传模型 + 设置提示词** 我们已下载了模型，因此只需选择正确的模型。对于 Unet Loader 选择 `qwen-image-2512-Q4_K_M.gguf`，对于 CLIPLoader 选择 `Qwen2.5-VL-7B-Instruct-UD-Q4_K_XL.gguf`，对于 Load VAE 选择 `qwen_image_vae.safetensors`. {% hint style="info" %} 为了获得更逼真的结果，跳过像“photorealistic”或“digital rendering”或“3d render”这样的关键字，改用“photograph”之类的词。 {% endhint %} 你可以设置任何你想要的提示词，并且也可以指定反向提示。反向提示通过告诉模型应避免的内容来提供帮助。 {% hint style="info" %} 对于反向提示（negative prompts），最好使用 NLP 风格的方法：用 **自然语言** 描述你 *不* 希望出现在图像中的内容。塞入过多关键字可能会损害结果，而不是使其更具体。 {% endhint %} #### **图像尺寸 + 采样器参数** Qwen Image 系列模型支持不同的图像尺寸。你可以通过设置宽度和高度的值来制作矩形形状。对于采样器参数，你可以尝试除 euler 之外的不同采样器，以及更多或更少的采样步数。工作流程将步数设置为 40，但对于快速测试 20 步可能已足够。更改 `控制在生成后` 的设置从随机到固定，如果你想查看不同设置如何改变输出。 #### **运行** 点击运行，大约 1 分钟内会生成一张图像（20 步约 30 秒）。该输出图像可以保存。有趣的是，整个 Comfy 工作流程的元数据保存在图像中。你可以分享该图像，任何人都可以通过在 UI 中加载它来查看它是如何创建的。
{% hint style="info" %} 如果你遇到模糊/劣质图像，将 shift 提高到 12-13！这可以解决大多数不良输出问题。 {% endhint %} #### **多参考生成** Qwen-Image-Edit-2511 的一个关键功能是多参考生成，你可以提供多张图像来帮助控制生成。这次加载 `unsloth_qwen_image_edit_2511.json`。我们将使用大部分相同的模型，但将 `qwen-image-2512-Q4_K_M.gguf` 切换为 `qwen-image-edit-2511-Q4_K_M.gguf` 作为 unet。本次的另一个区别是额外的节点用于选择要参考的图像，这些图像我们之前已下载。你会注意到提示词同时引用了 `图像 1` 和 `图像 2` ，它们是图像的提示锚。一旦加载，点击运行，你将看到一个输出，将我们两个独特的树懒角色放在一起，同时保留它们的相似性。

右侧图像生成的最终结果：

## 🤗 D**iffusers 教程** 我们还上传了一个 [动态 4 位 BitsandBytes](https://huggingface.co/unsloth/Qwen-Image-2512-unsloth-bnb-4bit) 量化版本，可以在 Hugging Face 的 `diffusers` 库中运行。再次说明，它使用 Unsloth 动态方法，将重要层提升到更高精度。 运行 `Qwen-Image-2512-unsloth-bnb-4bit` 使用以下代码： ```python from diffusers import DiffusionPipeline import torch pipe = DiffusionPipeline.from_pretrained( "unsloth/Qwen-Image-2512-unsloth-bnb-4bit", torch_dtype=torch.bfloat16, ).to('cuda') # 如果内存不足请取消注释 # pipe.enable_model_cpu_offload() output = pipe( prompt="一个可爱风格的树懒在打鼓", negative_prompt="模糊，失焦", num_inference_steps=20, true_cfg_scale=4.0, ) # 保存输出 image = output.images[0] image.save('sample.png') ``` ## 🎨 **stable-diffusion.cpp 教程** 如果你想在 stable-diffusion.cpp 中运行该模型，你可以按照我们的 [逐步指南在此](https://unsloth.ai/docs/zh/mo-xing/tutorials/qwen-image-2512/stable-diffusion.cpp).