SenseNova-U1.5-8B-MoT-pose-bf16 vs pose-8bit:35GB与19GB实测对比,姿势迁移模型精度版本该如何选择

原创2026-10-18 11:42:521,919 阅读

SenseNova-U1.5-8B-MoT-pose-bf16 vs pose-8bit:35GB与19GB实测对比,姿势迁移模型精度版本该如何选择

SenseNova-U1.5-8B-MoT-pose-bf16 是面向 Apple Silicon 的本地姿势迁移(pose transfer)图像编辑模型,基于 MLX 框架部署:给一张 OpenPose 骨架图 + 一张人物照片,就能让人物"摆姿势",同时保留身份、服装与场景。本文对它的全精度版 pose-bf16(35GB)与 8bit 量化版 pose-8bit(19GB)做实测对比,并直接给出选择结论 💡

它是什么:本地可跑的姿势迁移模型

模型将人物参考照片中的角色,重演为 OpenPose 风格骨架的姿势,属于双参考图编辑,槽位顺序非常关键:

  • Image-1:骨架图(决定目标姿势)
  • Image-2:身份/外观图(决定长相与服装)

⚠️ 如果两张图顺序传反,模型会直接复现外观图本身的姿势并忽略骨架。

获取模型(权重文件约 35GB,仓库通过 Git LFS 存储,需要 git-lfs 拉取完整文件):

git clone https://gitcode.com/hf_mirrors/mlx-community/SenseNova-U1.5-8B-MoT-pose-bf16

模型说明、用法与性能数据都在 README.md 中。

35GB vs 19GB:两个精度版本的实测对比

对比项 pose-bf16(本仓库) pose-8bit
权重精度 bf16(bfloat16) 8-bit 量化
权重总大小 约 35.07 GB(model.safetensors.index.json 中 total_size 为 35,065,708,928 字节) 约 19.0 GB
加载后常驻内存 35.1 GB(M5 Max 实测) 19.0 GB
建议统一内存 36 GB 及以上(如 M 系列 Max) 24 GB 即可运行
输出质量 参考级精度,全部合并目标完整保留 5 组保留验证集渲染结果逐张复现 bf16 版本
定位 精度参考、A/B 基线对比 官方推荐的日常版本

📌 关键点:pose-8bit 并不是"质量打折的妥协"。官方验证它能在全部 5 组有效留出样本上复现 pose-bf16 的渲染结果,因此 19GB 的版本才是推荐项,除非你明确需要参考级精度权重(见 README.md 的 Tiers 章节)。

精度版本该如何选:3 个场景直接给答案

  1. 统一内存 ≤ 32GB 的 Mac:只能选 pose-8bit。pose-bf16 加载后常驻 35.1 GB,24GB 机型根本装不下,36GB 机型也会挤占其他应用空间。
  2. 内存充足(36GB+)且做精度敏感工作:如逐像素对比、发布级素材生成、A/B 基线,选 pose-bf16 作为参考。
  3. 日常姿势迁移出图:直接选 pose-8bit,省下的 16GB 内存足以同时打开更多应用,输出质量无可见差异 ✅

💡 补充:这是一次基础权重合并(merge)而非蒸馏,所以文生图、think 模式、视觉问答仍然可以在这套权重上运行,只是生成流带姿势偏置。纯文生图建议另用 base 档权重。

一行命令跑本地姿势迁移

官方推荐通过 sensenova-cli 调用,完整示例见 README.md:

sensenova-cli --weights SenseNova-U1.5-8B-MoT-pose-bf16 \
  --edit-image skeleton.png --edit-image identity.jpg \
  --prompt $'Image-1: <image>\nImage-2: <image>\napply pose from image 1 with reference from image 2' \
  --width 768 --height 768 --steps 28 --cfg 4.0 --out posed.npy

常用参数:--width/--height(默认 768×768)、--steps(28)、--cfg(4.0)、--seed(固定随机种子)。

快速核对模型文件:确认版本是否完整

  • config.json:"lora_merged": "pose_lora_003000" 表明该仓库是 RefControl 姿势 LoRA(3000 步训练,rank 32 / alpha 32)合并进基座后的成品权重;底层 LLM 为 42 层、hidden 4096 的 Qwen3 架构,全程 bfloat16。
  • 合并校验很干净:与未合并的纯 bf16 权重相比,恰好 882 个张量不同(294 个生成流目标 × weight/scales/biases),其余全部一致,说明没有多余改动。
  • 权重按 7 个分片存放:model-00001-of-00007.safetensors 到 model-00007-of-00007.safetensors,配合 model.safetensors.index.json 校验完整性;分词器文件包括 tokenizer.json 与 vocab.json。

总结:内存紧张或日常出图 → pose-8bit(19GB);追求参考级精度且内存 ≥36GB → pose-bf16(35GB)。99% 的使用场景,19GB 版本就是更聪明的选择 🎯

登录后查看全文
SenseNova-U1.5-8B-MoT-pose-bf16