Qwen-Image-2.1 无审查量化版

基于原始上游基础权重，为使用 Qwen/Qwen-Image-2.1 进行本地图像生成提供 GGUF、Safetensors 和 MLX 量化格式。

基准测试

无审查量化文件

对于 GGUF，推荐使用 Q4_K_M，以获得模型体积与质量之间的最佳平衡。INT8 ConvRot 和 NVFP4 可在受支持的 GPU 上提供高性能，而 MLX 格式则针对 Apple Silicon 优化。

GGUF 文件

文本编码器与 VAE

为 ComfyUI 打包的配套模型文件：

使用方法

通过 ComfyUI 和 ComfyUI-GGUF 使用此模型。

所有必需的配套文件（GGUF transformer、文本编码器和 VAE）均直接托管在此仓库中。

1. 下载与文件放置

下载文件，并将其放入对应的 ComfyUI 目录：

ComfyUI/
└── models/
    ├── diffusion_models/
    │   └── qwen-image-2.1-UC-Q4_K_M.gguf      # 选择一种 GGUF 量化版本（推荐 Q4_K_M）或 .safetensors
    ├── text_encoders/
    │   └── qwen3vl_8b_bf16.safetensors        # 或 qwen3vl_8b_int8_convrot.safetensors（建议用于较低内存占用）
    └── vae/
        └── qwen_image_2.1_vae_bf16.safetensors

2. ComfyUI 设置

1. 安装 ComfyUI-GGUF：将带有原生 Qwen-Image 2.1 支持的维护版 fork leejet/ComfyUI-GGUF 克隆到自定义节点目录中：

   cd ComfyUI/custom_nodes
   git clone https://github.com/leejet/ComfyUI-GGUF
   

   （注意：如果你安装的是较旧的 city96/ComfyUI-GGUF，并遇到 Unknown model architecture! 错误，请更新至上述 leejet fork，或将 ModelQwenImage 添加到 tools/convert.py。）

2. 节点配置：

   • 扩散模型：添加 Unet Loader (GGUF) 节点（用于 .gguf 文件）或标准 UNETLoader 节点（用于 .safetensors 文件），然后选择下载的文件。
   • 文本编码器：添加标准 CLIPLoader 节点，选择 qwen3vl_8b_bf16.safetensors（或 int8），并将 type 设置为 qwen_image。
   • VAE：添加标准 VAELoader 节点，并选择 qwen_image_2.1_vae_bf16.safetensors。

3. 官方工作流：

   • 可使用 Comfy-Org 官方工作流模板：文生图 或 图像编辑。
   • 使用 GGUF 文件时，只需在工作流中将默认的 UNETLoader 节点替换为 Unet Loader (GGUF)。

内存与性能说明

• 最佳设置（GPU + RAM）：将 GGUF / 量化扩散模型放在 GPU 显存中（采样阶段的速度至关重要），并让 文本编码器在系统内存（CPU）中运行或卸载至其中。由于文本编码每个提示词仅运行一次，这种方式可节省 9–17 GB 显存，且对生成速度几乎没有影响。
• 推荐配置：
  • 扩散模型：qwen-image-2.1-UC-Q4_K_M.gguf（显存中约占 4.6 GB）
  • 文本编码器：qwen3vl_8b_int8_convrot.safetensors（内存中约占 9.35 GB）
• 低显存模式：如果遇到显存不足错误，请使用 --lowvram 参数启动 ComfyUI。

无审查

此版本不含内置安全检查器或内容过滤器。它可直接生成成人、NSFW 和敏感图像，不会拒绝提示词，也不会输出被遮黑的图像。输出行为完全取决于输入提示词以及模型执行所处的环境。

来源与构建

Qwen-Image-2.1 Uncensored Quantized

GGUF, Safetensors, and MLX quantized formats of Qwen/Qwen-Image-2.1 for local image generation using the original upstream base weights.

Benchmark

Uncensored Quantized Files

Q4_K_M is recommended for the best balance of size and quality for GGUF. INT8 ConvRot and NVFP4 offer high performance on supported GPUs, while MLX formats are optimized for Apple Silicon.

GGUF files

Text Encoders & VAE

Companion model files packaged for ComfyUI:

Usage

Use the model with ComfyUI and ComfyUI-GGUF.

All required companion files (GGUF transformer, text encoder, and VAE) are hosted directly in this repository.

1. Download & File Placement

Download the files and place them in their respective ComfyUI directories:

ComfyUI/
└── models/
    ├── diffusion_models/
    │   └── qwen-image-2.1-UC-Q4_K_M.gguf      # Choose one GGUF quantization (Q4_K_M recommended) or .safetensors
    ├── text_encoders/
    │   └── qwen3vl_8b_bf16.safetensors        # Or qwen3vl_8b_int8_convrot.safetensors (recommended for lower memory)
    └── vae/
        └── qwen_image_2.1_vae_bf16.safetensors

2. ComfyUI Setup

1. Install ComfyUI-GGUF : Use the maintained fork with native Qwen-Image 2.1 support by cloning leejet/ComfyUI-GGUF into your custom nodes:

   cd ComfyUI/custom_nodes
   git clone https://github.com/leejet/ComfyUI-GGUF
   

(Note: If you have the oldercity96/ComfyUI-GGUF installed and encounter an Unknown model architecture! error, update to the leejet fork above or add ModelQwenImage to tools/convert.py). 2. Node Configuration : * Diffusion Model : Add the Unet Loader (GGUF) node (for .gguf files) or standard UNETLoader (for .safetensors files) and select your downloaded file. * Text Encoder : Add the standard CLIPLoader node, select qwen3vl_8b_bf16.safetensors (or int8), and set type to qwen_image. * VAE : Add the standard VAELoader node and select qwen_image_2.1_vae_bf16.safetensors. 3. Official Workflows : * You can use the official Comfy-Org workflow templates: Text-to-Image or Image Edit. * In the workflow, simply replace the default UNETLoader node with Unet Loader (GGUF) when using GGUF files.

Memory & Performance Notes

• Optimal Setup (GPU + RAM) : Keep the GGUF / Quantized diffusion model in GPU VRAM (where speed is crucial during sampling) and let the text encoder run in / offload to System RAM (CPU). Because text encoding only runs once per prompt, this saves 9–17 GB of VRAM with virtually zero impact on generation speed.
• Recommended Configuration :
  • Diffusion : qwen-image-2.1-UC-Q4_K_M.gguf (~4.6 GB in VRAM)
  • Text Encoder : qwen3vl_8b_int8_convrot.safetensors (~9.35 GB in RAM)
• Low VRAM Mode : If you experience VRAM out-of-memory errors, start ComfyUI with the --lowvram argument.

Uncensored

This release has no built-in safety checker or content filter. It generates adult, NSFW, and sensitive imagery directly without prompt refusals or blacked-out images. Output behavior depends solely on the input prompts and the environment in which the model is executed.

Source and build