Black Forest Labs

Flux.2 Dev 32B

下载地址：https://huggingface.co/black-forest-labs/FLUX.2-dev/tree/main

GGUF量化版本：https://huggingface.co/city96/FLUX.2-dev-gguf

由于该模型十分巨大，家用显卡使用起来并不容易。

所以量化就成了必然的选择，

另外，由于Comfyui对多显卡共同加载一个模型支持并不完善，

所以多显卡用户只能望洋兴叹。

该模型即便是Q4量化都需要19G的显存空间，而Q1，Q2量化由于精度太低，并不建议使用。

那么事实上大多数家用电脑基本可以告别该模型了，

毕竟它又大，生成时间又慢，质量也就那样。

（由此可见国外那种靠一味砸钱，堆参数，堆数据的方式基本走到尽头了，新版本的训练成本比旧版本高得多，但是质量提升却没那么显著。）

当然，有4090 48G的同学可以下载Q8或者Q6量化来使用。

不过即便是5090 32G，跑FP8，1920*1080都需要180秒，所以自个掂量掂量吧。

使用方式：

文本编码器文件： mistral_3_small_flux2_fp8.safetensors （位于 ComfyUI/models/text_encoders/ 目录下）。

下载地址：https://huggingface.co/Comfy-Org/flux2-dev/blob/main/split_files/text_encoders/mistral_3_small_flux2_fp8.safetensors

FP8 扩散模型文件： flux2_dev_fp8mixed.safetensors （位于 ComfyUI/models/diffusion_models/目录下）

下载地址：https://huggingface.co/Comfy-Org/flux2-dev/blob/main/split_files/diffusion_models/flux2_dev_fp8mixed.safetensors

VAE： flux2-vae.safetensors （位于 ComfyUI/models/vae/ 中）

下载地址：https://huggingface.co/Comfy-Org/flux2-dev/blob/main/split_files/vae/flux2-vae.safetensors

使用工作流：

comfyui工作流FP16：https://raw.githubusercontent.com/Comfy-Org/workflow_templates/refs/heads/main/templates/image_flux2.json

comfyui工作流FP8：https://raw.githubusercontent.com/Comfy-Org/workflow_templates/refs/heads/main/templates/image_flux2_fp8.json

也可以直接拉下面的图片进comfyui中：

https://comfyanonymous.github.io/ComfyUI_examples/flux2/flux2_example.png

使用GGUF模型的同学要将其中加载模型的节点更换成GGUF模型加载节点。

阿里

Z-IMAGE-Turbo 6B

下载地址：https://huggingface.co/Tongyi-MAI/Z-Image-Turbo/tree/main

GGUF量化版本：https://huggingface.co/jayn7/Z-Image-Turbo-GGUF/tree/main

这个是阿里巴巴继QWEN-Image系列之后推出的新图像生成模型，和前面的FLUX.2 Dev形成鲜明对比，大小来说只有60亿参数，绝大多数家用电脑都能带的起。

参数量不大，但是效果却意外的不错，受到了社区一片赞誉。

当然，也是因为社区大多数用户只能看着FLUX却无法使用形成了替代品的心理。

使用方式：

更新comfyui到最新版本。

使用gguf的同学也要更新comfyui-gguf节点到最新版本。

下载下面三种文件：

文本编码器文件: qwen_3_4b.safetensors (放入ComfyUI/models/text_encoders/).

下载地址：https://huggingface.co/Comfy-Org/z_image_turbo/blob/main/split_files/text_encoders/qwen_3_4b.safetensors

GGUF版本：https://huggingface.co/unsloth/Qwen3-4B-GGUF/tree/main

扩散模型文件: z_image_turbo_bf16.safetensors (放入 ComfyUI/models/diffusion_models/).

下载地址：https://huggingface.co/Comfy-Org/z_image_turbo/blob/main/split_files/diffusion_models/z_image_turbo_bf16.safetensors

VAE: ae.safetensors 这个其实就是FLUX 1的VAE，已经下过的可以不用再下 (放入 ComfyUI/models/vae/)

下载地址：https://huggingface.co/Comfy-Org/z_image_turbo/blob/main/split_files/vae/ae.safetensors

工作流下载地址：https://comfyanonymous.github.io/ComfyUI_examples/z_image/z_image_turbo_example.png

GGUF版本同样需要将模型加载节点修改成GGFU模型加载节点。

该模型由于大小相对较小，易于微调，对LORA支持良好，具有很大的发展潜力。 小技巧：

除了模型可以用GGUF节点加载，

文本编码器同样也可以用GGUF节点来加载。 这样就可以大量节约显存的消耗。

事实上其他的QWEN模型也可以作为文本编码器来使用。

探客测试了一些qwen3 4b的模型，来对比其中的区别。 下面是对比图：

模型：z_image_turbo-Q8_0.gguf

种子：368596149080946

分辨率：1024*1024

除了节点换成了GGUF加载节点外，

其他和示例的图片工作流完全一致。

mlabonne_Qwen3-4B-abliterated-IQ4_NL.gguf

https://huggingface.co/bartowski/mlabonne_Qwen3-4B-abliterated-GGUF/tree/main

Qwen3-4B-Q8_0.gguf

https://huggingface.co/unsloth/Qwen3-4B-GGUF/tree/main

Qwen3-4B-IQ4_NL.gguf

https://huggingface.co/unsloth/Qwen3-4B-GGUF/tree/main

Qwen3-4B-abliterated.Q8_0.gguf

https://huggingface.co/mradermacher/Qwen3-4B-abliterated-GGUF