无审查 GGUF 现已可用！如果你遇到任何问题，或希望分享自己生成的图像，欢迎在 Community 区域发帖。

Qwen-Image-2.1 无审查 GGUF

基于原始上游基础权重，对 Qwen/Qwen-Image-2.1 进行 GGUF 量化，支持本地图像生成。

基准测试

无审查 GGUF 文件

推荐使用 Q4_K_M，以获得模型体积与质量之间的最佳平衡。

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 使用该模型。

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

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      # Choose one GGUF quantization (Q4_K_M recommended)
    ├── 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 设置

1. 安装 ComfyUI-GGUF：将维护中的、原生支持 Qwen-Image 2.1 的分支 leejet/ComfyUI-GGUF 克隆到你的自定义节点目录中：

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

   (注意：如果你安装了较旧的 city96/ComfyUI-GGUF 并遇到 Unknown model architecture! 错误，请更新至上述 leejet 分支，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，并选择下载的 .gguf 文件。
   • 文本编码器：添加标准 CLIPLoader 节点，选择 qwen3vl_8b_bf16.safetensors（或 int8 版本），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。
   • 在工作流中，只需将默认的 UNETLoader 节点替换为 Unet Loader (GGUF)。

内存与性能说明

• 最佳配置（GPU + RAM）：将 GGUF 扩散模型保留在 GPU 显存中（采样期间速度至关重要），并让 文本编码器在系统内存（CPU）中运行或卸载至系统内存。由于文本编码仅在每条提示词执行一次，这种方式可节省 9–17 GB 显存，且几乎不会影响生成速度。
• 推荐配置：
  • 扩散模型：qwen-image-2.1-UC-Q4_K_M.gguf（显存占用约 4.6 GB）
  • 文本编码器：qwen3vl_8b_int8_convrot.safetensors（内存占用约 9.35 GB）
• 低显存模式：如遇显存不足错误，请使用 --lowvram 参数启动 ComfyUI。

无审查

此 GGUF 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，也不会生成被遮黑的图像。输出行为完全取决于输入提示词及模型执行环境。

来源与构建

The uncensored GGUFs are now available! If you encounter any issues or would like to share your generated images, feel free to post them in the Community section.

Qwen-Image-2.1 Uncensored GGUF

GGUF quantizations of Qwen/Qwen-Image-2.1 for local image generation using the original upstream base weights.

Benchmark

Uncensored GGUF Files

Q4_K_M is recommended for the best balance of size and quality.

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)
    ├── 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 and select your downloaded .gguf 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).

Memory & Performance Notes

• Optimal Setup (GPU + RAM) : Keep the GGUF 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 GGUF 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