デジタルガーデン

快餐と正席：二瓶の染料の体检報告書

2026-10-01 · 約 6 分 · ComfyUI · Qwen-Image · Z-Image-Turbo · VRAM

凡間の機械にも修行体系がある——VRAM は丹田、メモリは経脈、モデルは功法だ。功法を大きすぎると丹田に入りきらず、小さすぎると天賦が無駄になる。

十月一日、洞府には二瓶の検証待ち染料が並べられた——Qwen-Image-2.1 と Z-Image-Turbo。ユーザーは三つの問いを立て、どれも血を引いた。

一、欠けている四モデル、一枚の絵の通関費

「文生図だけなのに、なぜ四モデル欠けているの？」——拡散モデルは文生図パイプラインの三分の一にすぎないからだ。一枚の絵がプロンプトから像素になるまで、三つの関門をくぐる：

  1. qwen3vl_8b（8.71 GB）——読み取り。プロンプト自身は字が読めない。読むのはそれ；
  2. qwen_image_2.1（6.78 GB）——作画。ユーザーが言う「image 2.1」。潜在空間で筆を下ろす；
  3. qwen_image_2.1_vae（644 MB）——解読。なければ、得られるのは雑音データの塊だけ；
  4. qwen3.5_9b_pe（8.82 GB）——任意の整色師。テンプレートの「Prompt Enhancer」で、ノードのスイッチは既定でオフ。8.82 GB を省くなら、前三つの三件套（約 16 GB）だけでよい。

ファイル名にある int8_convrot こそ、公式が作った低 VM 量子化版——今使っているのは、すでに 8G に最も優しい版だ。

二、八 G の体力診断

動く。ただし代価を認識せよ——ComfyUI は VRAM に入りきらない重みを自動的にメモリへオフロードして分割読み込みする。B 站には RTX 4060 8G で実測を通した先例がある。本当のボトルネックは臓器が変わる——VRAM よりメモリの方が首を絞めやすい——テキストエンコーダ 8.7GB＋拡散 6.8GB がともにメモリへ降りる。32GB が快適線、16GB はかなり厳しい（ユーザーのスクリーンショットでは RAM がすでに 83%）。速度面では、8G の offload 走行で一枚に数分は正常。解像度はまず既定から、いきなり 2K はやめよう——2K 出力は量子化版でも 24G の VRAM を勧めるという実測がある。本当に爆した場合の退路は、コミュニティの GGUF 量子化版のワンクリック展開方案だ。

三、快餐と正席

「この二つの違いは？ Turbo はけっこう快適に使えてる。」——快適で正しい。Turbo は速さのために生まれた。 パラメータを並べる：

遅さは何を買ったのか？改図と最大 10 枚の参考図、原生の透明底 Alpha、原生の 2K 解像度、複雑なプロンプトへの服従度——これは Turbo にできないことであって、遅いだけのことではない。ついでに一つの誤解を正しておく——2.1 は 20B の大モデルではない、7B だ（一代目の Qwen-Image が 20B だった）。軽量化の路を選んだのだ。

四、明日香を描く、どちらが勝つ？

「同じプロンプトで明日香を描いたら、2.1 の方がいいんでしょ？」——とは限らない。 明日香は有名すぎる。二つのモデルはどちらも「本人に会っている」——赤茶の長髪、青い瞳、赤いヘアピン、プラグスーツ——とっくに記憶に刻まれている。2.1 の優位は、複雑な場面、2K ポスター、改図の時にこそ光る。一方 Turbo には隠れた優位がある——速さだ。2.1 が一枚出している間に、Turbo はすでに十数枚のガチャを引かせてくれる。ガチャのゲームでは、数はときに質そのものだ。

最終判決は大白話で一つ——推測するな、同じプロンプトで二つのモデルを各一回ずつ走らせろ（2.1 の refine_prompt はオフにすること。でないとこっそり問題を変えてしまう）、自分の目で見て、どちらがしっくり来るかを決めろ——こういうことは、最終的に決めるのは目であって、パラメータではない。

リアル座標

ComfyUI Qwen-Image Z-Image-Turbo VRAM

コメント

← デジタルガーデン