/ Модель

Характеристики

Размер весов
6,3 ГБ
Лицензия
Apache 2.0
Базовая модель
Z-Image-Turbo
Библиотека
diffusers
Опубликована
15 авг 2026

Z-Image-Turbo-W4A8

Генерация изображенийТекст → изображение3 профессии

Квантизированный вариант Z-Image-Turbo для генерации изображений по тексту в ComfyUI с уменьшенными требованиями к видеопамяти.

2 436скачиваний за 30 дней0лайковвеса обновлены15 авг 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

CuTIsolation выпустил квантизированные веса W4A8 для Z-Image-Turbo, модели генерации изображений по текстовому описанию. Репозиторий предназначен для запуска в ComfyUI с форматом quantized-diffusion asym_w4a8_int8. Квантизированы и диффузионная модель, и текстовый энкодер Qwen3-4B; веса сохранены в safetensors.

По данным карточки, файлы занимают 3,5 и 2,8 ГБ вместо 12,3 и 8 ГБ для исходных BF16-компонентов. Автор сообщает о запуске на GPU с 8 ГБ VRAM при разрешении 1024×1024 и 8 шагах; визуальное качество сопоставимо с BF16, а время генерации в указанном примере — около 7 секунд. Эти результаты относятся к конкретной конфигурации и оборудованию.

Это производный вариант Tongyi-MAI/Z-Image-Turbo. Для работы нужны совместимые ComfyUI-компоненты, включая VAE. Лицензия — Apache-2.0.

Сценарии применения

  • генерация изображений по текстовым описаниям в ComfyUI
  • запуск генерации изображений на GPU с 8 ГБ VRAM
  • создание изображений размером 1024×1024 за 8 шагов сэмплирования

Ограничения

Квантизированные файлы требуют совместимой поддержки формата asym_w4a8_int8 в ComfyUI и дополнительных компонентов, включая VAE. Скорость и качество зависят от оборудования и конфигурации; опубликованные результаты относятся к одной конфигурации RTX 4060 Laptop.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Z-Image-Turbo W4A8

W4A8 (4-bit weight, 8-bit activation) quantized weights for Z-Image-Turbo, made for ComfyUI using ComfyUI's native asym_w4a8_int8 quantized-diffusion format (Comfy Kitchen).

Both the diffusion model and the Qwen3-4B text encoder are quantized, so the whole pipeline fits in low VRAM.

Files

FileSizeNotes
z_image_turbo_w4a8.safetensors3.5 GBDiffusion model, asym_w4a8_int8, group_size 16 + ConvRot
qwen_3_4b_w4a8.safetensors2.8 GBQwen3-4B text encoder, asym_w4a8_int8, group_size 16 + ConvRot

Original BF16 sizes: diffusion 12.3 GB, text encoder 8.0 GB.

Usage (ComfyUI)

Place the files in your ComfyUI models directory:

ComfyUI/
├── models/
│   ├── diffusion_models/
│   │   └── z_image_turbo_w4a8.safetensors
│   ├── text_encoders/
│   │   └── qwen_3_4b_w4a8.safetensors
│   └── vae/
│       └── flux1-vae.safetensors

Then use the standard Z-Image-Turbo text-to-image workflow with a Load Diffusion Model node pointed at z_image_turbo_w4a8.safetensors and a Load CLIP node pointed at qwen_3_4b_w4a8.safetensors.

Both files are detected automatically by ComfyUI (.comfy_quant metadata keys); no custom nodes are required. The text encoder must be loaded through the Qwen3-4B / Z-Image CLIP path (it does not need the pooled output).

Quality & Speed

Verified on an 8 GB VRAM GPU (RTX 4060 Laptop) at 1024x1024, 8 sampling steps:

ModelStepsSample time
BF168~14 s
W4A8 (this repo)8~7 s
int8_convrot (official)8~6 s

Image quality is visually identical between BF16, W4A8 and the official int8_convrot checkpoint.

Quantization format

Per quantized Linear layer the file stores:

  • <key>.weight — int8, ConvRot-rotated packed int4 [N, K/2]
  • <key>.weight_s_rel — fp8 e4m3fn group scale [N, K/group_size]
  • <key>.weight_s_channel — fp32 channel scale [N]
  • <key>.weight_codebook — fp32 Lloyd-Max codebook [16]
  • <key>.comfy_quant — uint8 JSON {"format": "asym_w4a8_int8", "group_size": 16, "convrot_groupsize": ...}

1D norms, biases, the embedding table and cap_embedder.1 are kept in BF16.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

В репозитории 2 LoRA-файлов, и по карточке не понять, какой из них запускать.

Ревизия весов
2213223

0 моделей