如何选对版本?ltx-2.5-mlx / ltx-2.5-mlx-q8 / ltx-2.5-mlx-ditq8 终极对比指南
如何选对版本?ltx-2.5-mlx / ltx-2.5-mlx-q8 / ltx-2.5-mlx-ditq8 终极对比指南
LTX-2.5 是 Lightricks 推出的音视频生成大模型,ltx-2.5-mlx-q8 等三个 MLX 版本把它搬上了 Apple Silicon Mac——名字只差几个字母,精度策略和内存需求却完全不同。选错版本,轻则"跑不动",重则白白浪费一半内存。本文用一张对比表 + 一份内存账本,帮你 3 分钟选对版本。
🤔 先搞懂:三个版本到底差在哪?
很多人以为 q8 和 ditq8 是"同一个模型的不同档位",其实它们量化的根本不是同一个部件,而是两条完全独立的轴:
| 对比项 | ltx-2.5-mlx(基准版) | ltx-2.5-mlx-q8(本仓库) | ltx-2.5-mlx-ditq8 |
|---|---|---|---|
| 文本编码器(Gemma-4) | bf16 全精度,约 23.8 GB | int8 量化,约 13.6 GB ⬇️ | bf16 全精度 |
| DiT 主干(Transformer) | bf16 | bf16 | int8 量化 ⬇️ |
| VAE / 音频 / 上采样器等其余组件 | 相同 | 与基准版字节级一致 | 与基准版字节级一致 |
| 典型适用机型 | 48 GB+ 大内存 Mac | 24 GB / 32 GB Mac | 需要进一步压缩 DiT 内存的场景 |
一句话总结:-q8 省的是"文本编码器",-ditq8 省的是"DiT 主干"。两者互相独立,int8 编码器可以自由搭配 bf16 或 int8 的 DiT。
本仓库的完整说明见 README.md,模型主配置为 config.json(48 层、AudioVideo 双路架构、模型版本 2.5.0)。
⚡ ltx-2.5-mlx-q8:小内存机型的"救命版"
这是本仓库的重点,也是三个版本里对低内存 Mac 最实用的一个。官方文档里有一组很关键的实测数据:
- 开启 DiT 流式加载后,LTX-2.5 的峰值内存被一个与画面分辨率无关的 ~24.8 GB 地板锁死——而这个地板正是 bf16 文本编码器;
- 换成 int8 编码器后,同场景峰值降到 14.6 GB / 15.4 GB;
- 换句话说:24 GB 和 32 GB 的 Mac 跑全精度版是"结构性超载",换 q8 后立刻回落到预算之内。
量化细节也很讲究(来自 README.md 的 Recipe 章节):
- int8、group 64;
embed_tokens刻意排除在外,保持 bf16——它是 49 个 hidden state 中连接器直接消费的输入,量化它会破坏整条链路;- 保真度:连接器输出在有效 token 位置上读到 0.999820,与 bf16 的理论下限 0.999879 几乎贴脸。
⚠️ 一个要提前知道的点:int8 版本的输出与 bf16 版本不是逐比特一致的——编码器变了,条件信号就变了,生成轨迹自然不同。官方通过盲测 4 组 A/B 对比(含面部特写、704×512 与 512×288 两种规格)判定感知上可接受。所以它是"另一条同样合格的视频",而不是"全精度的近似复制"。
🔥 ltx-2.5-mlx-ditq8:量化另一头
ditq8 仓库量化的是 DiT(Transformer 主干)本身,与文本编码器精度正交:
- 你可以"bf16 编码器 + int8 DiT",也可以"int8 编码器 + int8 DiT";
- 如果你的瓶颈在 DiT 的常驻内存,而不是编码器,那才轮到它出场;
- 具体体积与内存数据以 ditq8 仓库自己的说明为准。
🧮 内存账本:为什么"两个都要"
这是全文最关键的一张表。README 明确指出:"Neither lever works alone"——单独开流式或单独换编码器都不够。
| 组合方式 | 峰值内存表现 | 24 GB Mac | 32 GB Mac |
|---|---|---|---|
| 全精度,DiT 常驻 | 最高:完整 DiT + bf16 编码器同时驻留 | ❌ | ❌ |
| 全精度 + DiT 流式 | ≈24.8 GB(bf16 编码器"地板") | ❌ | ❌ |
| q8 编码器 + DiT 常驻 | 瓶颈仍在 DiT,编码器收益不明显 | ❌ | 紧张 |
| q8 编码器 + DiT 流式 | 14.6 / 15.4 GB | ✅ | ✅ |
规律很简单:
- 常驻模式下 DiT 占大头,换编码器"看不见效果";
- 流式模式下 DiT 被流走,地板变成了编码器,这时 int8 才真正发力。
📦 仓库里还有哪些组件?
除了量化的 Gemma-4 文本编码器(位于 gemma4-12b-ltx-v1/),本仓库是一棵可独立解析的完整组件树:
| 文件 | 作用 |
|---|---|
| embedded_config.json | Transformer + RectifiedFlow 调度器的完整配置 |
| vae_encoder.safetensors / vae_decoder.safetensors | 视频 VAE 编码器 / 解码器 |
| vae_diffusion_decoder.safetensors | 另一套视频解码器(diffusion decoder) |
| vae_decoder_pruna.safetensors | 可选:PrunaAI 剪枝蒸馏解码器,解码约快 2× |
| audio_vae.safetensors + vocoder.safetensors | 音频 VAE + 声码器,支撑音画同步输出 |
| connector.safetensors | 文本嵌入 → Transformer 的连接器 |
| duration_head.safetensors | 视频时长控制头 |
| spatial_upscaler_x2_v1_1.safetensors | 空间 2× 上采样器(配置见 spatial_upscaler_x2_v1_1_config.json) |
| temporal_upscaler_x2_v1_0.safetensors | 时间 2× 上采样器 |
💡 彩蛋:vae_decoder_pruna 是可选加速项——官方实测解码环节约提速 2 倍,在 704×512×121 的解码瓶颈场景下,峰值内存从 21.1 GB 降到 14.5 GB,把"超预算需要换页"的运行拉回预算内。小内存机型建议一并关注。
✅ 30 秒选型决策表
| 你的 Mac 内存 | 推荐版本 | 备注 |
|---|---|---|
| 48 GB / 64 GB+ | ltx-2.5-mlx 全精度 | 追求极致保真,内存无压力 |
| 32 GB | ltx-2.5-mlx-q8 + DiT 流式 | 峰值约 15.4 GB,宽裕 |
| 24 GB | ltx-2.5-mlx-q8 + DiT 流式(可加 pruna 解码器) | 峰值约 14.6 GB,低配救星 |
| 瓶颈在 DiT 常驻内存 | 搭配 ltx-2.5-mlx-ditq8 | 与编码器精度自由组合 |
⚠️ 许可与使用边界
- 三个版本均遵循 LTX-2 Community License,全文见 LICENSE.md;
- 个人学习、实验、非商业用途:免费使用;
- 年营收 ≥ 1000 万美元的机构用于商业目的,需另行购买商业授权;
- 使用限制(如不得用于深度伪造、恶意内容等)见附件 ltx-acceptable-use-policy-snapshot-2026-08-12.pdf。
🚀 一键获取模型
git clone https://gitcode.com/hf_mirrors/mlx-community/ltx-2.5-mlx-q8
克隆完成后,仓库根目录即为完整组件树,文本编码器在 gemma4-12b-ltx-v1/ 子目录中。
小结:ltx-2.5-mlx 是基准,ltx-2.5-mlx-q8 用 int8 文本编码器把 24.8 GB 的内存地板打到 14.6 GB,是 24/32 GB Mac 的最优解;ltx-2.5-mlx-ditq8 则负责压缩 DiT 主干,与前两者自由搭配。记住那条铁律——"int8 编码器 + DiT 流式,两个都要",剩下的交给决策表就行。