Qwen-image-edit nf4 workflow (4-8steps, 16GB VRAM compatible)

此工作流使用最新的 bnb 4 位模型加载插件，以 bnb nf4 格式加载 qwen-image 量化模型。

插件地址：GitHub - mengqin/ComfyUI-UnetBnbModelLoader: 一个通用的 ComfyUI 模型加载插件，支持加载以 bnb-4bit（nf4 和 fp4）格式量化的 UNet 模型

您可以通过 ComfyUI Manager 的插件管理系统直接安装缺失的插件，或搜索 “Unet Bnb Model Loader” 来查找并安装。当然，您也可以手动安装。

所用模型：https://huggingface.co/ovedrive/qwen-image-edit-4bit

请注意，这是一个分片模型，但您无需手动合并分片。只需将它们放置在一个目录中，例如 qwen-image-edit-4bit，然后将该目录放入 unet 目录下即可。插件将自动识别并加载分片模型。在下拉菜单中，分片模型将根据其所在目录显示。

使用以下 LoRa 加速生成：PJMixers-Images/lightx2v_Qwen-Image-Lightning-4step-8step-Merge · Hugging Face

使用以下 text_encoder（需要 GGUF 插件）：https://huggingface.co/calcuis/pig-encoder/resolve/main/qwen_2.5_vl_7b_edit-iq4_nl.gguf?download=true

我们强烈建议使用 Pig 提供的 qwen_2.5_vl_7b_edit 系列 gguf 作为 qwen-image-edit 的 text_encoder。这成功地将 mmproj 模型整合进文本编码器，确保通用的 gguf clip 加载器能够顺利加载，而不会出现张量不匹配问题。否则，您将不得不使用更大的 fp8 模型。

整个图像生成过程的速度约为使用 GGUF 模型的两倍，结果与 GGUF Q4 相似。峰值内存使用量约为 14GB，在反复生成图像时可稳定维持在 14GB 左右。

图像生成速度约为 1 it/s，推荐步数为 5-6 步。由于该工作流依赖 BitsAndBytes 库，因此仅支持 NVIDIA 显卡，不兼容其他品牌的显卡。