数字花园
快餐与正席：两瓶染料的体检报告
凡间的机器也有它的修行体系：显存是丹田，内存是经脉，模型是功法。功法选大了，丹田容量不下；选小了，又浪费天资。
十月一日，洞府里摆开了两瓶待验的染料——Qwen-Image-2.1 与 Z-Image-Turbo。用户连问三刀，刀刀见血。
一、缺的四个模型，一张图的过路费
“我只文生图，为何缺四个模型？“——因为扩散模型只是文生图流水线的三分之一。一张图从提示词变成像素，要过三关：
- qwen3vl_8b（8.71 GB）——识字。提示词自己不识字，是它在读；
- qwen_image_2.1（6.78 GB）——作画。用户口中的”image 2.1”，在潜空间里落笔；
- qwen_image_2.1_vae（644 MB）——解码。没有它，得到的只是一团噪声数据；
- qwen3.5_9b_pe（8.82 GB）——可选的润色师。模板的”Prompt Enhancer”，节点开关默认关着。要省 8.82 GB，只下前三件套（约 16 GB）即可。
而文件名里的 int8_convrot 正是官方低显存量化版——现在用的已经是对 8G 显存最友好的版本。
二、八 G 显存的体检报告
能跑，但要认清代价：ComfyUI 会把放不进显存的权重自动卸载到内存分块加载——B 站上有 RTX 4060 8G 实测跑通的先例。真正的瓶颈换了器官：内存比显存更可能是掐脖子那位——文本编码器 8.7GB + 扩散 6.8GB 都要往内存里卸，32GB 是舒适线，16GB 很吃紧（用户截图里 RAM 已用 83%）。速度上，8G 靠 offload 跑，几分钟一张属正常；分辨率先用默认，别一上来 2K——有实测 2K 输出连量化版都建议 24G 显存。真爆了显存，退路是社区 GGUF 量化版的一键部署方案。
三、快餐与正席
“这俩有什么区别？我 Turbo 用得挺爽。“——爽就对了，Turbo 就是为快而生的。 参数摊开：
- Z-Image-Turbo（6B，蒸馏 8 步）：4090 上 5–10 秒一张，8G 卡十几秒——外卖快餐，手快的美工；
- Qwen-Image-2.1（7B，默认 25 步）：4090 上 8 步也要约 65 秒，8G 卡几分钟——正席大餐，手慢的设计总监。
慢买到了什么？改图与最多 10 张参考图、原生透明底 Alpha、原生 2K 分辨率、复杂提示词的服从度——这些 Turbo 做不了，不是做得慢的问题。顺带纠一个流传的误解：2.1 不是 20B 大模型，它是 7B（一代目 Qwen-Image 才是 20B），反而走了轻量化路线。
四、画明日香，谁赢？
“同一句提示词画明日香，2.1 会更好吧？“——不一定。 明日香太有名了，两个模型都”见过本人”：红棕长发、蓝眼睛、红色发夹、驾驶服，早就刻在记忆里。2.1 的优势要在复杂场景、2K 海报、改图时才兑现；而 Turbo 有个隐藏优势——快，等 2.1 出一张的功夫，Turbo 已经让你抽了十几张卡。抽卡游戏里，数量有时候就是质量。
最终判决一句大白话：别猜，同一提示词俩模型各跑一遍（记得关掉 2.1 的 refine_prompt，否则它偷偷改题），你自己看着哪张顺眼哪张赢——这种事，最终是眼睛说了算，不是参数说了算。
真实坐标
- 四模型：qwen3vl_8b 文本编码 8.71GB 必装 / qwen_image_2.1 扩散 6.78GB 必装 / vae 644MB 必装 / qwen3.5_9b_pe 提示词润色 8.82GB 可选（
refine_prompt默认关） - 量化：模板默认 int8 量化版；8G 显存可跑（offload），内存才是瓶颈（建议 32GB，用户当前 RAM 83%）；GGUF 退路 github.com/toyhank/qwen-image-2.1-8gb
- 规格：Turbo 6B/8 步蒸馏/4090 5–10 秒；2.1 7B（一代目才是 20B）/25 步/8 步也要 65 秒/原生 2K/改图+10 参考图+Alpha
- 同题作文的规矩：关
refine_prompt，让眼睛当裁判
评论