GGUF: FastFlux (Flux.1-Schnell Merged with Flux.1-Dev)

[注意：解压下载文件以获取 GGUF。Civitai 原生不支持，因此采用此变通方法]

Flux1.D 已合并至 Flux1.S。仅需 4 步即可生成高质量图像（优于 Schnell），步骤越多质量越高，且仅消耗极低的显存。 Q_4_0 在我的 11GB 1080ti 上可在 45 秒内生成 1024x1024 图像，显存占用约 6.5GB。

可在 ComfyUI 中通过此自定义节点 或 Forge UI 使用。有关 Forge UI 对 GGUF 的支持详情，以及 VAE、clip_l 和 t5xxl 模型的下载地址，请参阅：https://github.com/lllyasviel/stable-diffusion-webui-forge/discussions/1050

我该下载哪个模型？

[当前情况：使用更新后的 Forge UI 和 Comfy UI（GGUF 节点），我可以在我的 11GB 1080ti 上运行 Q8_0。]

选择适合你显存的版本。若模型能完全加载到 GPU，额外的推理开销极小。尺寸顺序为：Q4_0 < Q4_1 < Q5_0 < Q5_1 < Q8_0。

• Q4_0 和 Q4_1 可在 8GB 显存中运行
• Q5_0 和 Q5_1 可在 11GB 显存中运行
• Q8_0：若你有更多显存！

注意：启用 CPU 卸载后，即使模型超出你的显存容量，也可运行。

LoRA 使用技巧

该模型与 LoRA 表现良好（已在 ComfyUI 中测试）。但你可能需要略微增加步数（8–10 步）。

更新日志

V2： 我最初（v1）基于 fp8 检查点创建。由于双重量化，积累了更多误差，导致 v1 无法生成清晰图像。v2 版本我手动合并了 bf16 Dev 和 Schnell 的检查点，再生成 GGUF。此版本能生成更多细节，结果更锐利。

所有与 Flux.1 Dev 和 Flux.1 Schnell 相关的许可条款均适用。

PS： 感谢 jice 和 comfy.org 提供的合并方法。我使用了经过轻微修改的 https://github.com/city96/ComfyUI-GGUF/blob/main/tools/convert.py 来创建此模型。