全程參考
6GB显存跑Z-Image-Turbo完全指南 | 小麦的杂货铺
bingowith.me/2025/11/28/z-image-turbo-low-vram-setup/
准备工作
首先，你需要：
ComfyUI（应该已经装好了吧，注意需要更新到最新版本，显卡驱动也要最新）
6-12GB 显存（我用的 2060 6GB）"(我是4G)"
16 以上内存（我用的是 16GB 内存，其实已经 swap 了）
足够的硬盘空间下模型（量化版本所有东西最好保证 15GB 左右的空余空间）
Git (ComfyUI安裝也會提醒你，後面安裝也需要此補助)
第一步：拿官方工作流
官方已经给你做好工作流了，直接拖进 ComfyUI 的 web 界面就能用：
👉 官方工作流：https://comfyanonymous.github.io/ComfyUI_examples/z_image/
ComfyUI 自帶模組，直接拿自帶的就行。
第二步：下载模型文件
按照官方文档，你需要三个文件，这 3 个文件官方都给了下载地址，但是除了 VAE 之外，其余的要用量化版本：
1.Text encoder: qwen_3_4b.safetensors
2.→ 放在 ComfyUI/models/text_encoders/
3.Diffusion model: z_image_turbo_bf16.safetensors
4.→ 放在 ComfyUI/models/diffusion_models/
5.VAE: ae.safetensors (Flux 1 VAE)
6.→ 放在 ComfyUI/models/vae/
重点来了：
VAE - 直接下原版
VAE 不用量化，直接下 Flux 1 的 VAE 就行：
用官方提供的地址
扔进 ComfyUI/models/vae/ 文件夹
Text Encoder - 用量化版本
这里我们用 GGUF 量化的 Qwen3-4B，省显存神器：
1. 下载模型
去这里：https://huggingface.co/unsloth/Qwen3-4B-GGUF/tree/main
我用的是 Qwen3-4B-Q6_K.gguf，6GB 显存完全够用。
如果你显存更小，可以试试 Q5 或 Q4 版本，但质量会稍微下降。
"推測Q6=6G，所以我4G下載Q4版本"
2. 装自定义节点
要用 GGUF 格式需要装个插件：
1.cd ComfyUI/custom_nodes
2.git clone https://github.com/city96/ComfyUI-GGUF
然后重启 ComfyUI。
"開啟custom_notes資料夾，在上方根目錄欄的地方貼上git clone https://github.com/city96/ComfyUI-GGUF，會自動安裝"
如果是 windows 的 portable 版本，还需要回到 comfyui 解压的那个目录执行一下:
1..\python_embeded\python.exe -s -m pip install -r .\ComfyUI\custom_nodes\ComfyUI-GGUF\requirements.txt
"↑官網下載直接安裝的不用管這段"
3. 放文件
把下载的 .gguf 文件放到 ComfyUI/models/text_encoders/ 文件夹。
Diffusion Model - 也用量化版本
主模型也要量化，不然显存爆炸：
下载 FP8 量化版本
去这里：https://huggingface.co/T5B/Z-Image-Turbo-FP8/tree/main
下载 FP8 量化的版本,当前有两个z-image-turbo-fp8-e4m3fn.safetensors和z-image-turbo-fp8-e5m2.safetensors，精度和广度的区别，用前者就可以。
"不確定FP8跑不跑得動，還是下載了z_image_turbo-Q4_K_S.gguf低版本來跑，模組採取器要換可抓GGUF模組的。"
放文件
扔进 ComfyUI/models/diffusion_models/ 文件夹。
第三步：工作流配置
在 ComfyUI 里，你需要把节点指向量化后的模型：
CLIPLoader：选择你下载的 GGUF 文件（这个需要更换节点,使用 CLIPLoader(GGUF)节点）
UNet 加载器：选择 FP8 量化的模型
VAE 节点：选择原版 Flux VAE
Sampler 设置
用最快的配置：
Sampler: Euler
Scheduler: Simple
Steps: 8（Z-Image-Turbo 只需要 8 步）
