PAN2 bf16与int8_convrot版本怎么选?一份让显卡不白跑的模型文件选择指南
PAN2 bf16与int8_convrot版本怎么选?一份让显卡不白跑的模型文件选择指南
PAN2 是一款可直接部署在 ComfyUI 中的文生图扩散模型,本仓库提供了它所需的 5 个即下即用的模型文件。其中 bf16 与 int8_convrot 两套版本怎么选,直接决定了你的显卡显存够不够用、生成速度快不快、出图干净不干净——选错了不仅跑不起来,还会白白多下载几十 GB。本文带你 10 分钟搞懂每个文件的用途,并按显卡显存给出最省心的选择方案。
🎯 30 秒速查:按显存直接对号入座
如果你只想要结论,看这张表就够了:
| 你的显卡显存 | 扩散主模型 | 文本编码器 | 一句话点评 |
|---|---|---|---|
| 80 GB+(A100 / H100 等) | ✅ bf16 | ✅ bf16 | 满血画质 + 满速生成,显卡不白跑 |
| 48 GB | ⚡ int8_convrot | bf16 或 int8 均可 | 画质损失极小,显存利用率最高 |
| 24 GB(RTX 4090 / 3090 等) | ⚡ int8_convrot | int8_convrot | 能跑,建议开启 CPU offload,速度较慢 |
| 24 GB 以下 | ❌ 不推荐 | ❌ 不推荐 | 显存压力过大,体验会很差 |
💡 核心原则:显存够大就选 bf16 保画质,显存紧张就选 int8_convrot 保流畅,VAE 文件只有一份,两者通用。
📦 先搞清楚:仓库里的 5 个文件分别是什么
PAN2 的完整工作流由三部分组成:扩散主模型负责生成图像、文本编码器负责理解你的提示词、VAE 负责把潜空间结果解码成最终图片。每个文件的作用如下:
| 文件 | 作用 | 体积(约) |
|---|---|---|
| diffusion_models/pan2_bf16.safetensors | 扩散主模型 · 全精度版 | 62.8 GiB |
| diffusion_models/pan2_int8_convrot.safetensors | 扩散主模型 · int8 量化版 | 24.9 GiB |
| text_encoders/qwen3.5_9b_bf16.safetensors | 文本编码器(Qwen 9B)· 全精度版 | 18.0 GiB |
| text_encoders/qwen3.5_9b_int8_convrot.safetensors | 文本编码器(Qwen 9B)· int8 量化版 | 9.1 GiB |
| vae/wan2.2_vae.safetensors | VAE 解码器(仅一份,通用) | 1.3 GiB |
文件说明详见 README.md。注意文本编码器有两个精度版本,同样遵循"显存决定选择"的原则:bf16 版对长提示词、复杂中文描述的理解更稳,int8 版则省下一半显存。
⚖️ bf16 与 int8_convrot 的本质区别
bf16:全精度,画质天花板
bf16 是模型训练时的原始精度格式,计算无损、画质最好,同时在大显存显卡上的推理吞吐也最高。代价很直接:光主模型就要占 62.8 GiB,只有 80 GB 级别的 GPU 才能"满血裸跑"。
int8_convrot:带旋转的 int8 量化,显存节省 60%
int8_convrot 指对卷积层做了旋转(rotation)+ int8 量化:先通过旋转变换把权重重排成更"好压"的分布,再压到 8 位整数。相比朴素 int8,它的量化误差更小,出图上的伪影风险也更低。效果上,主模型体积从 62.8 GiB 降到 24.9 GiB(↓ 约 60%),文本编码器从 18.0 GiB 降到 9.1 GiB(↓ 约 50%),普通消费级显卡也能玩起来。
💾 三种搭配,各占多少空间?
下载量和显存占用基本同比例,下面是常见组合的合计体积:
| 组合 | 总大小(约) | 适合谁 |
|---|---|---|
| 全套 bf16 | 82.1 GiB | 高端工作站 / 数据中心 GPU |
| int8 主模型 + bf16 编码器 | 44.2 GiB | 48 GB 显存用户的甜点方案 |
| 全套 int8_convrot | 35.3 GiB | 24 GB 消费级显卡 |
⚡ 速度上谁快?
- 显存装得下时:bf16 直接全程在 GPU 上计算,是三种组合里最快的;
- 显存装不下时:ComfyUI 会自动把部分权重卸载到内存(CPU offload),此时 int8 文件更小,来回搬运的数据量更少,整体反而更流畅;
- 24 GB 显卡跑 bf16 主模型基本注定要 offload,又慢又占内存,没有意义——直接上 int8_convrot 是更聪明的选择。
🛠️ 选好后怎么放?
下载完成后,把文件按目录结构放入 ComfyUI 的 models 文件夹(不要改动文件名):
ComfyUI/models/
├── diffusion_models/
│ ├── pan2_bf16.safetensors
│ └── pan2_int8_convrot.safetensors
├── text_encoders/
│ ├── qwen3.5_9b_bf16.safetensors
│ └── qwen3.5_9b_int8_convrot.safetensors
└── vae/
└── wan2.2_vae.safetensors
如果你习惯用 git 拉取整个仓库(文件通过 Git LFS 管理,建议先执行 git lfs install):
git clone https://gitcode.com/hf_mirrors/Comfy-Org/PAN2
❓ 常见问题速答
- 显存爆(OOM / out of memory)怎么办? 把主模型从 bf16 换成 pan2_int8_convrot.safetensors,再顺手把文本编码器也换成 int8 版,通常立竿见影。
- ComfyUI 加载不到模型? 90% 是放错文件夹了:主模型必须在
diffusion_models/,编码器在text_encoders/,VAE 在vae/,对照上面的目录结构检查一遍即可。 - int8 画质明显变差吗? int8_convrot 相比朴素量化已经把伪影压到很低,日常出图肉眼难辨;只有在极细纹理(发丝、文字、毛发)上才可能略有差异,追求极限画质且显存足够时用 bf16 更稳妥。
🏁 最后总结
一句话记住:80 GB 显存选全套 bf16,48 GB 选 int8 主模型 + bf16 编码器,24 GB 选全套 int8_convrot,VAE 只有一份无需纠结。选对版本,才能让每一瓦显卡都不白跑 🚀