z_image_turbo 文本编码器 3 版本详解:qwen_3_4b 的 bf16、fp8 与 fp4 混合精度差异

原创2026-10-19 11:34:242,489 阅读
文章标签:人工智能基础模型媒体生成本地部署

z_image_turbo 文本编码器 3 版本详解:qwen_3_4b 的 bf16、fp8 与 fp4 混合精度差异

Z-Image Turbo 是通义推出的 AI 绘图模型,z_image_turbo 仓库为其提供了 ComfyUI 重打包的模型文件。本文将带你一次看懂其文本编码器 qwen_3_4b 的 3 个版本——bf16 全精度、fp8 混合、fp4 混合——的大小差异、显存占用与选型方法,帮你快速挑出最适合自己显卡的组合。

📦 文本编码器是什么?为什么有 3 个版本?

在 AI 绘图管线中,文本编码器负责"读懂"你的提示词(Prompt),把文字转换成扩散模型能使用的数值特征。Z-Image Turbo 采用的是 Qwen3-4B(40 亿参数大语言模型)作为文本编码器,体量不小,直接占据了显存预算的一大块。

z_image_turbo 仓库在 split_files/text_encoders/ 目录下提供了 3 种精度版本:

版本 文件 精度 文件大小 出图质量 显存占用
全精度 qwen_3_4b.safetensors BF16 约 8.0 GB ⭐⭐⭐⭐⭐ 最佳 最高
8 位混合 qwen_3_4b_fp8_mixed.safetensors FP8 混合 约 5.6 GB ⭐⭐⭐⭐ 几乎无感 中等
4 位混合 qwen_3_4b_fp4_mixed.safetensors FP4 混合 约 3.5 GB ⭐⭐⭐⭐ 轻微损失 最低

💡 文件大小基本等于模型加载后的显存占用下限,所以选版本本质上是在"质量、体积、显存"三者之间做取舍。

⚡ bf16 全精度版:质量党的默认选择

  • BF16(bfloat16) 用 16 位存储每个参数,是训练和大模型推理的"标准精度",数值动态范围宽,精度损失几乎为零。
  • 文件 qwen_3_4b.safetensors 约 8.0 GB,是三个版本中体积和显存占用最大的。
  • 对提示词的理解、文字渲染等细节表现最稳定,建议 24 GB 以上显存(如 RTX 3090 / 4090)的用户直接使用。

🎯 fp8_mixed 混合版:体积与质量的最佳平衡

  • FP8(8 位浮点) 把参数体积直接砍半,文件从 8.0 GB 降到约 5.6 GB,比 bf16 小约 30%。
  • 带 mixed 后缀意味着它并非"一刀切"量化:敏感层保留高精度,主体矩阵才压到 8 位,因此画质与全精度版肉眼几乎无差别。
  • 是目前主流 12~16 GB 显卡(如 RTX 4070 Ti Super / 4080)的首选。

💾 fp4_mixed 混合版:低显存与新显卡用户福音

  • FP4 量化到 4 位,文件仅约 3.5 GB,比 bf16 版小约 57%,体积优势非常激进。
  • 它主要面向原生支持 FP4 硬件加速的新显卡(如 RTX 50 系列)才能跑满性能;老卡上加载速度可能明显变慢。
  • 适合 8 GB 显存卡以及刚换 50 系新卡、想腾出更多显存给高分辨率生成的用户。

🔍 "mixed(混合精度)"到底混了什么?

很多新手会误以为 fp8 版是"所有参数都除以 2",其实混合精度要更讲究:

  • 敏感层保留高精度:Embedding 层、归一化层、输出投影层等——体积小但对质量影响大;
  • 大块矩阵做量化:占参数绝大多数的注意力(Attention)和 MLP 矩阵,才量化到 FP8 / FP4。

这样把量化"损失"集中压制在影响最小的部分,是三个版本都能保持高画质的关键。

📊 怎么选?显存速查表

文本编码器需要和主扩散模型搭配,z_image_turbo 在 split_files/diffusion_models/ 中同样提供了三档:

显卡显存 推荐组合 权重总占用(约)
24 GB 以上 bf16 文本编码器 + z_image_turbo_bf16.safetensors(约 12.3 GB) 约 20.3 GB
12~16 GB fp8 文本编码器 + z_image_turbo_int8_convrot.safetensors(约 6.2 GB) 约 11.8 GB
8~12 GB(新卡) fp4 文本编码器 + z_image_turbo_nvfp4.safetensors(约 4.5 GB) 约 8.0 GB

别忘了管线还需要两块"小件":VAE 解码器 ae.safetensors(约 320 MB)和蒸馏 LoRA z_image_turbo_distill_patch_lora_bf16.safetensors(约 152 MB)。上表仅为权重占用,实际推理还会额外消耗激活显存。

📥 如何下载模型并安装

git clone https://gitcode.com/hf_mirrors/Comfy-Org/z_image_turbo

⚠️ 仓库文件通过 Git LFS 存储,请确保本地 git 已启用 LFS(git lfs install),否则下载到的只是几百字节的占位文件而非完整模型。

然后把文件按 README.md 的目录结构复制到 ComfyUI 对应目录:

ComfyUI/models/
├── text_encoders/
│   └── qwen_3_4b.safetensors          ← 三个版本任选其一
├── diffusion_models/
│   └── z_image_turbo_*.safetensors    ← 选对应精度档
├── vae/
│   └── ae.safetensors
└── loras/
    └── z_image_turbo_distill_patch_lora_bf16.safetensors

复制完成后在 ComfyUI 网页界面刷新模型列表,在 CLIP Loader 中选择文本编码器、在 UNET Loader 中选择主模型即可开始出图。

❓ 常见问题(FAQ)

哪个版本出图质量最好? bf16 版最高;fp8 混合版差异肉眼几乎无感;fp4 版在复杂提示词下可能有轻微损失,日常使用通常可接受。

8 GB 老显卡(不支持 FP4)能用吗? 可以先试 fp8 混合版看是否放得下;放不下时借助 ComfyUI 的模型卸载(offload)功能将部分权重放内存,速度会慢一些但能跑。

文本编码器和主模型可以随意混搭吗? ComfyUI 会独立加载两者,任意版本都能搭配使用,只是同档位精度搭配(如 fp8 + int8)在体积与稳定性上最省心。

这些文件是怎么来的? 仓库附带 z_image_convert_original_to_comfy.py 转换脚本,将原始权重重排为 ComfyUI 所需格式(也支持 fp8 / bf16 转换)。普通用户直接下载现成文件即可,无需自己运行。


一句话总结:显存够就用 bf16 保画质,12~16 GB 选 fp8 混合版最稳,8 GB 或 50 系新卡上 fp4 混合版最省——三者画质差距很小,先按显存选版本,再按体验微调即可。

登录后查看全文
z_image_turbo