GGUF_K: HyperFlux 8-Steps K_M Quants

警告：これらのKクオンティゼーションモデルはComfyUIでは完璧に動作しますが、Forge UIではまだ動作させることができませんでした。この状況が変化した場合はお知らせください。非Kクオンティゼーションのオリジナルモデルは こちら で入手でき、Forge UIで動作することが確認されています。

[注：GGUFファイルを取り出すためにダウンロードしたファイルを解凍してください。CivitAIはGGUFをネイティブでサポートしていないため、この回避策が必要です]

これらはHyperFlux 8ステップ用のK(_M)クオンティゼーションモデルです。Kクオンティゼーションは非Kクオンティゼーションよりも若干精度とパフォーマンスが優れています。HyperFluxはFlux.DとByteDanceの8ステップHyperSD LoRAを統合し、GGUF形式に変換したものです。その結果、わずか8ステップで完全にノイズ除去された画像を生成し、約6.2GBのVRAMしか消費しない、メモリ効率が极高で高速なDEV（CFGに敏感）モデルが得られます（Q4_0クオンティゼーションの場合）。

このモデルは、このカスタムノードを使用してComfyUIで利用できます。ただし、Forge UIでは動作させることができませんでした。VAE、clip_l、t5xxlモデルのダウンロード先については、https://github.com/lllyasviel/stable-diffusion-webui-forge/discussions/1050 をご参照ください。

FastFlux およびその他のDev-Schnellマージモデルとの比較利点

• より高い画質：FastFluxなどのSchnellモデルと比べ、8ステップではるかに優れた品質と表現力が得られます。

• CFG／ガイドアンスensitivity：このモデルはDEVモデルであるため、ハイブリッドモデルとは異なり、完全な（蒸留済み）CFG感度を享受できます。つまり、プロンプト感度と創造性、ソフトさと彩度のバランスを制御できます。

• DEV LoRAと完全互換で、Schnellモデルの互換性よりも優れています。

• 欠点：最高品質を得るには8ステップが必要です。ただし、Schnellモデルでもおそらく最高品質を得るために少なくとも8ステップを試すでしょう。

どのモデルをダウンロードすべきですか？

[現状：最新版のComfyUI（GGUFノード）を使用して、11GBの1080tiでQ6_Kを動作させることができます。]

ご利用のVRAMに収まるモデルをダウンロードしてください。モデルがGPUメモリに収まる場合、推論コストの差は非常に小さいです。サイズの順序は Q2 < Q3 < Q4 < Q5 < Q6 です。メモリに全く収まらない場合を除き、Q2とQ3の使用は推奨しません。

すべてのライセンス条件はFlux.1 Devに準じます。

PS： ByteDanceが開発したHyperSD Flux 8ステップLoRAへのクレジットは、以下で確認できます：https://huggingface.co/ByteDance/Hyper-SD/tree/main