对于显存小于12GB的设备用户来说,想在ComfyUI上流畅体验最新图像模型,Nunchaku推理引擎绝对是最优解之一。它的核心优势在于深度优化量化计算流程,既能大幅降低显存占用,又能保持接近原始精度的推理速度,完美解决大模型在低配硬件上的部署难题。
不过近期官方更新节奏放缓,未能及时推出适配阿里新发布的 Qwen-Image-EDIT-2511 和 Qwen-Image-2512 的专用模型。好在社区开发者补位及时,开发者QuantFunc现已发布 Nunchaku-Qwen-Image-2512 和 Nunchaku-Qwen-Image-EDIT-2511 量化模型,低显存用户终于可以下载体验这两款新模型了。

Nunchaku-Qwen-Image-EDIT-2511:多档位模型满足不同需求
该系列模型基于Nunchaku + Qwen-Image-EDIT-2511量化打造,在提升推理速度与效率的同时,兼顾高质量输出,且100%兼容nunchaku-comfyui插件,可直接在ComfyUI中部署使用。
| 模型名称 | low_rank | 核心说明 |
|---|---|---|
| nunchaku_qwen_image_2511_best_quality_fp4 | 256 | 最佳画质模型,适配对画质要求极高的场景 |
| nunchaku_qwen_image_2511_best_quality_int4 | 256 | 最佳画质模型,适配对画质要求极高的场景 |
| nunchaku_qwen_image_2511_ultimate_speed_int4 | 32 | 极速模型,优先保障推理速度 |
| nunchaku_qwen_image_2511_ultimate_speed_fp4 | 32 | 极速模型,优先保障推理速度 |
| nunchaku_qwen_image_2511_balance_int4 | 128 | 平衡模型,兼顾画质与推理速度 |
| nunchaku_qwen_image_2511_balance_fp4 | 128 | 平衡模型,兼顾画质与推理速度 |
Nunchaku-Qwen-Image-2512:支持LoRA插件,扩展性更强
该系列为基于Nunchaku + Qwen-Image-2512的4bit量化模型,同样优化了推理效率与输出质量,100%兼容nunchaku-comfyui和LoRA插件,在ComfyUI中使用时可灵活搭配LoRA模型增强效果。
| 模型名称 | low_rank | 核心说明 |
|---|---|---|
| nunchaku_qwen_image_2512_best_quality_fp4 | 256 | 最佳画质模型,适配对画质要求极高的场景 |
| nunchaku_qwen_image_2512_best_quality_int4 | 256 | 最佳画质模型,适配对画质要求极高的场景 |
| nunchaku_qwen_image_2512_ultimate_speed_int4 | 32 | 极速模型,优先保障推理速度 |
| nunchaku_qwen_image_2512_ultimate_speed_fp4 | 32 | 极速模型,优先保障推理速度 |
| nunchaku_qwen_image_2512_balance_int4 | 128 | 平衡模型,兼顾画质与推理速度 |
| nunchaku_qwen_image_2512_balance_fp4 | 128 | 平衡模型,兼顾画质与推理速度 |
关键注意事项:显卡型号对应模型版本
下载时需根据自身显卡型号选择对应版本,避免出现兼容性问题:
- 50系显卡:请下载 fp4版本 模型;
- 40系、30系等显卡:请下载 int4版本 模型。

相关图书
Qwen-Image-Edit-2511-Multiple-Angles-LoRA是首个专为 Qwen-Image-Edit-2511 设计的多角度相机控制 LoRA,通过精细的 3D 视角参数,实现对生成图像视角的精确控制。无论你需要低角度仰拍、标准平视,还是高空俯瞰,只需一条提示词即可指定。
Multiple-Angles camera-control LoRA
Qwen-Image-2.1迎来首款相机控制LoRA:Multiple-Angles camera-control LoRA。只需要一张参考照片,通过提示词指定方位角、仰角,就能在保留主体不变的前提下,重新渲染出物体在对应相机视角下的图像。
Qwen-Image Realism
Qwen-Image Realism LoRA v1.1 是一次聚焦“真实感”的精准升级。它不追求参数膨胀或复杂架构,而是通过高质量数据与精细微调,在面部、色彩、光影和多样性四个关键维度实现可感知的提升。
Qwen-Image-EliGen
Qwen-Image-EliGen是基于 Qwen-Image 训练的精确分区控制模型,模型结构为 LoRA,可以通过输入每个实体的文本和区域条件(蒙版图)来控制每个实体的位置和形状。















