Qwen-Image-Edit-2511-MFlux-Q8 快速上手：5 分钟在 Apple Silicon 上完成第一次 AI 改图

Qwen-Image-Edit-2511-MFlux-Q8 是 Qwen-Image-Edit-2511 图像编辑模型的 MFlux Q8 量化版，专为 Apple Silicon Mac 打造，基于 MLX 框架在本地原生运行，无需 GPU 云服务器，5 分钟即可完成你的第一次 AI 改图。

📦 这是什么项目：一句话讲清 Qwen-Image-Edit-2511 MFlux Q8

简单说，这是一套**"开箱即用的本地 AI 改图模型"**：

• Qwen-Image-Edit-2511：通义千问团队推出的图像编辑（image-to-image）大模型，属于当前第一梯队的生图/改图模型；
• MFlux：开源的 MLX 推理引擎，让最先进的生成式图像模型能直接在 Mac 上本地跑；
• Q8：8-bit 量化版本，体积 37.5 GB，比 BF16 全精度（56.6 GB）小了近一半，是质量与体积的最佳平衡点。

官方 MFlux 量化版本全家福（引自 README.md）：

量化等级	体积 (GB)	推荐场景
BF16	56.6	追求极致质量、大内存机器
Q8	37.5	⭐ 本仓库，性价比之选
Q6	32.4	内存稍紧张
Q5	29.8	内存更紧张
Q4	29.0	低内存机器
Q3	24.7	极限压缩

📌 本仓库由 MFlux-Community 社区转换，非原作者官方发布；原始模型的 Apache-2.0 许可证继续适用（详见 README.md）。

💻 开始之前：硬件与软件准备

项目	建议配置
芯片	Apple Silicon（M1 / M2 / M3 / M4 系列）
统一内存	权重 37.5 GB，加上运行时开销，建议 48 GB 起步，64 GB 更从容；16 GB / 24 GB 机器可能无法加载
系统	较新版本的 macOS
工具	uv（Python 包管理器，用于安装 MFlux）

确认 uv 已安装：

uv --version

🚀 一键安装：MFlux 只需一条命令

打开终端（Terminal），执行：

uv tool install --upgrade mflux

一条命令装好 MFlux 及其全部依赖，完成后你会获得 mflux-generate-qwen-edit 等命令行工具。

🖼️ 5 分钟完成第一次 AI 改图

准备一张你本地的图片（例如 input.png），然后运行完整改图命令（引自 README.md）：

mflux-generate-qwen-edit \
  --model mflux-community/qwen-image-edit-2511-mflux-q8 \
  --base-model qwen-image-edit \
  --image-paths input.png \
  --prompt "A puffin standing on a cliff" \
  --width 1024 \
  --height 1024 \
  --seed 42 \
  --output image.png

第一次运行会自动从模型仓库下载 37.5 GB 权重，请耐心等待（后续运行走缓存，无需重复下载）。几分钟后，image.png 就会生成你的 AI 改图结果。

⚙️ 参数速查表

参数	作用	新手建议
--model	指定模型，首次会自动下载权重	保持仓库名不变
--base-model	基座模型架构	固定 qwen-image-edit
--image-paths	输入图片路径	换成你自己的图片
--prompt	描述你想要的画面（英文效果更稳）	写得越具体越好
--width / --height	输出尺寸	新手用 1024 × 1024
--seed	随机种子	固定值可复现相同结果
--output	输出文件路径	自定义即可

💡 Prompt 小技巧：模型是"指令式"改图，prompt 可以描述完整目标场景（如官方示例的"A puffin standing on a cliff"），也可以描述对原图的修改要求，效果会非常自然。

📥 离线模式：先把权重存到本地

如果你不希望每次依赖网络缓存，可以手动下载一份完整权重（完整仓库结构见下文），然后用本地路径指向它：

# 1. 下载权重到本地目录
hf download mflux-community/qwen-image-edit-2511-mflux-q8 --local-dir ./qwen-image-edit-2511-mflux-q8

# 2. 用本地路径运行改图
mflux-generate-qwen-edit \
  --model ./qwen-image-edit-2511-mflux-q8 \
  --base-model qwen-image-edit \
  --image-paths input.png \
  --prompt "A puffin standing on a cliff" \
  --output image.png

习惯用 git 的话，也可以直接克隆本仓库（权重文件通过 Git LFS 管理，见 .gitattributes）：

git clone https://gitcode.com/hf_mirrors/mflux-community/qwen-image-edit-2511-mflux-q8

🗂️ 模型仓库结构一览

本仓库的四大组件各司其职，对应扩散模型推理的三个环节 + 文本编码：

目录	内容	作用
text_encoder/	8 个分片 + model.safetensors.index.json	把你的文字 prompt 编码成模型能理解的向量
transformer/	11 个分片（0.safetensors ~ 10.safetensors），共 60 层 transformer block	核心的扩散 Transformer，真正"画画"的地方
vae/	0.safetensors + 索引	VAE 解码器，把潜空间张量还原成像素图片
tokenizer/	tokenizer.json、tokenizer_config.json	文本分词器

两个细节值得了解：

1. 量化信息写在权重里：transformer/model.safetensors.index.json 的 metadata 中记录了 quantization_level: 8 与转换工具 mflux_version: 0.22.0。因此运行时不需要额外传量化参数；
2. 完整性校验：manifest.json 记录了整个仓库的 sha256 摘要，可用于校验下载的权重文件未被损坏。

❓ 常见问题（FAQ）

Q1：为什么我没有加 --quantize 参数？ 量化等级（Q8）已经存储在权重文件本身中，加载时自动生效，无需任何额外参数。

Q2：我的 Mac 内存不够，跑不动 Q8 怎么办？ 换成更小体积的版本即可，如 Q5（29.8 GB）或 Q4（29.0 GB），命令中把 --model 指向对应仓库即可（对照上文版本表）。

Q3：同样的命令跑两次，结果不一样？ 每次生成默认带随机性。加上固定的 --seed 42（或任意数字）即可完全复现同一次结果，方便调试 prompt。

Q4：生成的图片可以商用吗？ 本仓库继承原始模型的 Apache-2.0 许可证，总体宽松，但请自行阅读原始模型条款确认具体使用限制。

🎯 小结：你现在已经掌握了什么

• 用一条命令安装 MFlux，在 Apple Silicon 上本地部署了 37.5 GB 的 Qwen-Image-Edit-2511 Q8 权重；
• 用 mflux-generate-qwen-edit 完成了第一次 AI 改图，并理解了 --prompt、--seed 等核心参数；
• 知道如何通过 hf download 离线缓存权重，以及仓库四大目录（text_encoder / transformer / vae / tokenizer）各自的作用。

下一步，试着换一张自己的照片、用更具体的 prompt 多跑几次，你会发现这套本地 AI 改图工具的潜力远不止 5 分钟。