/ Модель

Характеристики

Лицензия
MIT
Опубликована
23 сен 2026

Qwen-Edit-2511-int4-compact

Преобразование изображенийИзображение, текст → изображение

Компактная INT4-версия Qwen-Image-Edit для редактирования изображений по текстовым инструкциям через Diffusers.

29скачиваний за 30 дней0лайковвеса обновлены25 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это компактная INT4-квантизованная версия Qwen-Image-Edit, подготовленная проектом quant-qwen-edit. Она предназначена для редактирования изображений по инструкциям с помощью конвейера QwenImageEditPlusPipeline из Diffusers. Автор README сообщает, что точность назначалась отдельно для каждого слоя на основе чувствительности активаций, а качество проверялось на 14 примерах, включая сохранение идентичности, текст на изображениях, мелкие детали, изменение освещения и структуры.

По приведённым измерениям, запуск изображения 1024×1024 на RTX PRO 6000 Blackwell требует около 19,54 ГБ видеопамяти без выгрузки на CPU; размер файлов на диске — около 18 ГБ. В этих тестах результат квантизации оставался в пределах наблюдаемого разброса генерации между разными seed. Заявленные время и качество относятся к указанной конфигурации и ограниченному набору из 14 случаев. Репозиторий распространяется по лицензии MIT.

Сценарии применения

  • изменение структуры изображения по текстовому запросу
  • сохранение личности персонажа при редактировании
  • изменение освещения на изображении
  • добавление или изменение текста в изображении
  • редактирование мелких деталей изображения

Ограничения

Измерения качества основаны на 14 тестовых случаях и сравнении с разбросом между генерациями с разными seed, поэтому они не гарантируют результат для всех запросов. Заявленные скорость и потребление памяти измерены на RTX PRO 6000 Blackwell при разрешении 1024×1024.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen-Edit-2511 - quantized - int4 - compact

Install

quant-qwen-edit quantizes Qwen-Image-Edit and verifies the result empirically. Precision is assigned per layer from activation-aware sensitivity, not uniformly; The int4-compact recipe runs 1024×1024 in 19.5 GB with no offloading, at 0/14 cases outside natural sampler variance. Loads into any diffusers pipeline with one call.

You will need to install it using:

pip install https://huggingface.co/404-Gen/Qwen-Edit-2511-int4-compact/resolve/main/quant_qwen_edit-0.6.1-py3-none-any.whl

Use

import torch
from PIL import Image
from quant_qwen_edit import load_quantized_pipeline

pipe = load_quantized_pipeline(
    "404-Gen/Qwen-Edit-2511-int4-compact",   # HF repo id, or a local directory
    torch_dtype=torch.bfloat16,
    device="cuda",                            # no offloading needed
)

image = Image.open("photo.jpg").convert("RGB").resize((1024, 1024), Image.LANCZOS)

out = pipe(
    prompt="Place a clean printed label on the apple that reads ORGANIC.",
    negative_prompt=" ",
    image=image,
    height=1024,
    width=1024,
    num_inference_steps=40,
    true_cfg_scale=4.0,
    generator=torch.Generator("cuda").manual_seed(7),
).images[0]

out.save("edited.png")

In case custom scheduler is needed to supply or enabling compilation:

    pipe = load_quantized_pipeline(
    "404-Gen/Qwen-Edit-2511-int4-compact",
    scheduler=my_scheduler,     # any component -> forwarded to from_pretrained
    revision="222829069d",      # pin the quantized repo to a commit
    token=hf_token,             # if the repo is private
    offload="model",            # evict the text encoder; ~13.5 GB instead of ~23
    compile=True,               # ~2x faster after a one-off kernel build
)

The pipeline is a stock QwenImageEditPlusPipeline — schedulers, callbacks, LoRA and enable_model_cpu_offload() all work normally.

Faster (optional)

pipe = load_quantized_pipeline(..., compile=True)

24.1 s / 20 steps instead of 40.3 s — faster than bf16. Costs a one-off kernel build on the first call, and recompiles if you change resolution.

Measured

RTX PRO 6000 Blackwell, 1024x1024, no offloading.

peak VRAM19.54 GB
latency40.3 s / 20 steps · 80.6 s / 40 steps
on disk18 GB (transformer 12, text encoder 5.7, VAE 0.24)
transformer40.85 GB -> 11.91 GB (0.29x)
text encoder16.58 GB -> 5.7 GB

Quality

Measured against the sampler's own seed-to-seed variance: render bf16 twice at different seeds, see how far two equally-valid samples sit apart, then ask whether quantizing moves the output further than re-rolling the seed does. At or below 1.0 it does not.

meanworstcases over 1.0
int4-compact0.51x0.72x0 of 14
ovedrive NF4 (same harness)0.58x1.03x2 of 14

14 cases spanning text rendering, identity preservation, fine detail, global relighting and structural edits.

Licenses

Base model is Qwen/Qwen-Image-Edit-2511, Apache-2.0

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
bd1d35e

0 моделей