/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
cyberrealistic_zimage
Библиотека
stable-diffusion.cpp
Опубликована
1 окт 2026

zimage-cyberrealistic-gguf

Генерация изображенийТекст → изображение3 профессии

Квантованная GGUF-версия CyberRealistic Z-Image Turbo для создания фотореалистичных изображений по текстовым запросам.

342скачиваний за 30 дней0лайковвеса обновлены2 окт 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

CyberRealistic Z-Image Turbo v4.0 GGUF — квантованная версия модели cyberdelia/cyberrealistic_zimage для генерации фотореалистичных изображений по текстовому запросу. Она основана на архитектуре Z-Image Turbo (Lumina2) от Tongyi Lab и предназначена для запуска через stable-diffusion.cpp или ComfyUI.

Репозиторий содержит варианты GGUF-квантования от Q3_K до Q8_0. Для генерации также нужны отдельные текстовый энкодер Qwen3-4B и VAE; для ComfyUI автор рекомендует узлы ZImagePowerNodes. В README приведён пример локальной генерации изображений размером 1024×1024 на GTX 1070 с 8 ГБ видеопамяти.

Модель подходит для создания фотореалистичных изображений по описаниям на английском языке. README указывает лицензию Apache 2.0 для компонентов. Основные ограничения: опубликованный GGUF содержит только диффузионную модель, поэтому сам по себе не запускается; стандартные GGUF-узлы ComfyUI могут вызывать ошибку несовпадения форм тензоров, а автор рекомендует использовать ZImagePowerNodes.

Сценарии применения

  • генерация фотореалистичных изображений по текстовому описанию
  • создание реалистичных портретов и персонажей
  • локальная генерация изображений на видеокарте с ограниченной памятью

Ограничения

GGUF содержит только диффузионную модель: для генерации отдельно требуются текстовый энкодер Qwen3-4B и VAE. Для ComfyUI автор рекомендует ZImagePowerNodes; стандартные GGUF-узлы могут не загрузить модель из-за несовпадения форм тензоров.

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

CyberRealistic Z-Image Turbo v4.0 — GGUF FULL Bundle

Quantized GGUF version of cyberdelia/cyberrealistic_zimage Converted for use with ComfyUI and with stable-diffusion.cpp directly.

🖼️ Examples

All generated locally on a GTX 1070 (8 GB VRAM), 1024×1024.

💡 Tip: These PNGs have the ComfyUI workflow and prompt embedded! Don't just copy the image from the browser preview. Go to the Files and versions tab, open the image there, and click "Download" to get the original file with all metadata intact.

Fantasy archerFantasy character — 1024×1024, 6 stepsWet hair portraitWet hair, rain — 1024×1024, 6 steps
Cafe sceneInterior scene with steam — 1024×1024, 6 stepsGolden hourGolden hour portrait — 1024×1024, 6 steps
Cyberpunk billboardText + cyberpunk atmosphere — 1024×1024, 6 stepsProduct shotProduct + text rendering — 1024×1024, 6 steps

📦 What's in this repository

ComponentFileSizeNotes
Diffusion model (light)CyberRealistic_zit_v4.0-Q3_K.gguf4.31 GBQ3_K quant — for very tight VRAM budgets
Diffusion model (balanced)CyberRealistic_zit_v4.0-Q4_K.gguf5.15 GBQ4_K quant — recommended for 8 GB VRAM
Diffusion model (compact)CyberRealistic_zit_v4.0-Q4_K_S.gguf4.83 GBQ4_K_S — slightly smaller than Q4_K, good middle ground
Diffusion model (quality)CyberRealistic_zit_v4.0-Q5_K.gguf5.68 GBQ5_K quant — better detail, still fits 8 GB
Diffusion model (high)CyberRealistic_zit_v4.0-Q6_K.gguf6.05 GBQ6_K quant — for 12+ GB cards
Diffusion model (max)CyberRealistic_zit_v4.0-Q8_0.gguf7.34 GBQ8_0 quant — near-lossless, needs 12+ GB
Text encoder (light)clip/Qwen3-4B-Q3_K_M.gguf2.08 GBIf you're very tight on VRAM
Text encoder (best)clip/Qwen3-4B-Q4_K_M.gguf2.50 GBOptimal balance for 8 GB cards
Text encoder (quality)clip/Qwen3-4B-Q6_K.gguf3.31 GBFor 12+ GB cards
VAEvae/ae.safetensors335 MB16-channel Z-Image VAE

For a GTX 1070 (8 GB), the recommended combo is: diffusion Q4_K + text encoder Q4_K_M + VAE — total ~8 GB, fits with room to spare.

Note on quantization naming: Z-Image (Lumina2 architecture) does not benefit from mixed _S/_M/_L quantization recipes — llama-quantize produces byte-identical files to the base _K types. This repository therefore publishes only base quants: Q3_K, Q4_K, Q5_K, Q6_K, Q8_0.

Why this file

The original checkpoint is distributed in FP16 (safetensors, ~11.5 GB), which does not fit into 8 GB VRAM. This Q4_K quantization brings the diffusion model down to ~3.2 GB, leaving room for the text encoder and VAE on mid-range GPUs.

What you need besides this file

Z-Image Turbo is a composite model. This GGUF contains only the diffusion model. To generate images you also need:

  1. Text encoder: Qwen3-4B-Q4_K_M.gguf (or the official qwen_3_4b.safetensors — both work with Power Nodes).
  2. VAE: ae.safetensors from the original Z-Image release (16-channel VAE).

🚀 ComfyUI workflow

Important: the standard ComfyUI GGUF nodes (UnetLoader (GGUF), CLIPLoader (GGUF)) do not work with Z-Image diffusion models converted via convert.py + llama-quantize. You'll get: RuntimeError: Error(s) in loading state_dict for NextDiT: size mismatch for x_pad_token: copying a param with shape torch.Size([3840]) ... size mismatch for cap_pad_token: copying a param with shape torch.Size([3840]) ...

The working path is martin-rizzo/ComfyUI-ZImagePowerNodes. It loads Z-Image GGUF directly and applies the correct latent/conditioning shapes.

ComfyUI workflow with Z-Image Power Nodes

Required nodes

Install the Power Nodes pack:

bash cd ComfyUI/custom_nodes git clone https://github.com/martin-rizzo/ComfyUI-ZImagePowerNodes.git

Recommended sampler settings steps: 4 (Turbo is distilled; anything above ~8 starts to burn)

cfg: 1.0

sampler: euler

turbo_creativity: no

old_scheduler: no

noise_injection: no

alternative_refiner: no

width/height: 1024 (must be multiples of 32)

Alternative: standard ComfyUI GGUF nodes If you really want to use the built-in UnetLoader (GGUF) instead of Power Nodes, you need city96/ComfyUI-GGUF on PR #392 or later:

cd ComfyUI/custom_nodes/ComfyUI-GGUF git fetch origin pull/392/head:pr392 git checkout pr392

That fixes the x_pad_token shape mismatch. In practice, though, Power Nodes is more reliable for Z-Image Turbo, and that's what's been verified here

🙏 Credits Original model: cyberdelia/cyberrealistic_zimage

Base architecture: Z-Image / Z-Image Turbo by Tongyi Lab (Alibaba)

ComfyUI nodes: martin-rizzo/ComfyUI-ZImagePowerNodes

Conversion toolchain: city96/ComfyUI-GGUF + llama.cpp fork

Runtime: leejet/stable-diffusion.cpp

📄 License All components in this repository are distributed under Apache 2.0:

Original diffusion checkpoint (cyberrealistic_zimage) — Apache 2.0

Qwen3-4B text encoder — Apache 2.0 (Alibaba)

Z-Image VAE (ae.safetensors) — Apache 2.0 (Tongyi Lab)

See cyberdelia/cyberrealistic_zimage for details on the original model.

Как запустить

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

GPU в ailist

Универсальный рантайм · stable-diffusion.cpp

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
214f041

0 моделей