Qwen-Image-2.1-viggle-turbo便携包 在 ComfyUI 上跑通，3060显卡40 秒出1080P图

Qwen-Image-2.1-viggle-turbo便携包 在 ComfyUI 上跑通，3060显卡40 秒出1080P图

便携整合包 :ComfyUI 本体、Python 环境、GGUF 插件、三个模型权重、两套工作流全部内置，解压双击就能跑，第一次运行不需要联网。

验证硬件：RTX 3060 12G，1088×1920 竖屏单张约 40 秒。

📦 下载

夸克网盘：https://pan.quark.cn/s/1d4fc1b71967

解压即用，不用装 Python，不用装 ComfyUI，不用配环境变量。

硬件要求

先对一下机器，对不上就别下了：

项目	要求
显卡	NVIDIA，6GB 显存起步，12GB 舒适（本包在 RTX 3060 12G 上验证）
驱动	支持 CUDA 12.4，即驱动 ≥ 551 系列
内存	≥ 16GB
磁盘	包体约 19GB，解压后另留空间
网络	首次运行不需要。ComfyUI 联网只用于你主动拉别的模型

显存低于 8GB 也能跑，启动命令加 --lowvram（见第三节）。

这篇按「为什么能这么快 → 拿到包怎么用 → 里面是什么 → 参数怎么调 → 踩了哪些坑」的顺序写，全是能直接抄的操作。

---

一、快在哪：三层叠加的压缩

能在 3060 上 40 秒出竖屏图，不是单一优化。是三层压缩叠在一起乘出来的。

第一层：蒸馏，25~50 步砍成 4 步

viggle-turbo 是 DMD2（Distribution Matching Distillation v2）蒸馏出来的。做法是拿一个跑得慢但质量好的多步教师模型，训出一个几步就收敛的学生，直接去匹配教师的输出分布，而不是跟着教师一步步走。

ComfyUI 官方的 image_qwen_image_2_1_image_edit.json 用的是完整 base 模型，采样要 25~50 步。turbo 4 步就收敛，这是倍数级收益，也是三层里唯一真正改变计算量的一层。

顺带一个副作用：蒸馏把 CFG 那一维压掉了。学生直接学到了教师在引导之后的分布，不再需要 classifier-free guidance 去外推。所以 CFG 只能锁 1.0------调高不会「更有引导性」，只会把输出推到训练分布外面去，表现为颜色断层、对比度爆掉。

第二层：量化，4bit 权重既压显存也压延迟

主模型是 GGUF 的 Q4_K_M，5.56GB。4bit 权重比 8bit 少一半的字节要搬。

关键在于 4 步的时候瓶颈不在算力，在显存带宽。每一步都要把整个模型从显存读一遍过一遍，4 步就是读 4 遍 5.5GB。这阶段算力利用率上不去，等的是数据。所以权重大小基本直接决定单步延迟，砍一半就快一截。

这也是 6GB 显存能跑的唯一原因。bf16 主模型加上文本编码器，12G 卡大概率要开 lowvram 硬扛。

第三层：文本编码器也量化，w4a8

qwen3vl_8b_w4a8_heretic.safetensors 是 8B 的 Qwen3-VL 文本编码器，w4a8 = 4bit 权重 + 8bit 激活。

它每次出图只跑一次，不像 UNet 要跑 4 遍。但在 4 步这个尺度上，「只跑一次」的开销占比被放大了------文本编码很可能是整个流程里除 UNet 外最大的一块。所以它也一起量化，省显存的同时省掉那一次前向的时间。

附：一个隐含的压缩------VAE latent 打包

Qwen 用 16 通道 latent（常规 SD 系是 4 通道）配 2×2 patchify。1088×1920 经 VAE 8 倍下采样得 136×240，再 patchify 成 68×120 = 8160 token 的网格。token 数就是 UNet 的序列长度，直接决定注意力开销。

这就是边长必须整除 16 的原因------不对齐的话 patchify 要塞 padding，白烧算力。

代价

• 量化有损 → GGUF 输出和上游 bf16 不完全一致
• 蒸馏有损 → 4 步的细节上限低于 25 步
• 两者叠加 → 正式生产前用同 prompt + 同 seed 跟 bf16 原模型对比一轮

一句话：4 步 × 4bit 权重 × 4bit 文本编码器，三层相乘，才换来 3060 上 40 秒。单独拿出来任何一层都做不到。

---

二、三步跑起来

1. 整个目录解压到任意位置（路径可以带中文、可以带空格、可以换盘符）
2. 双击 start.bat
3. 浏览器会自动打开 http://127.0.0.1:8188（没自动开就手动输这个地址）

进 ComfyUI 后，左侧「工作流」→ 打开 Qwen2.1_ViggleTurbo ，在 TextEncodeQwenImage21 节点里改提示词 → 点运行。图片出在 ComfyUI/output/。

停服：关掉黑色命令行窗口，或窗口里按 Ctrl+C。

三、显存不够怎么办

前面硬件表说了 6GB 是起步线。显存低于 8GB 时，在启动窗口里 Ctrl+C，然后：

start.bat --lowvram

四、包里装了什么

QwenImage21-ViggleTurbo-ComfyUI\
├── start.bat                     ← 唯一入口，双击这个
├── README.md
├── python311\                    ← 嵌入式 Python 3.11.9 + PyTorch 2.6.0+cu124
├── ComfyUI\                      ← ComfyUI v0.37.0 本体
│   ├── custom_nodes\ComfyUI-GGUF\   ← GGUF 加载插件（依赖已装）
│   ├── models\diffusion_models\Qwen-Image-2.1-viggle-turbo-Q4_K_M.gguf   5.56 GB
│   ├── models\text_encoders\qwen3vl_8b_w4a8_heretic.safetensors           6.31 GB
│   ├── models\vae\qwen_image_2.1_vae_bf16.safetensors                    675 MB
│   └── user\default\workflows\
│       ├── Qwen2.1_ViggleTurbo.json      ← 文生图（默认 1088×1920 竖屏）
│       └── Qwen2.1_ViggleTurbo_i2i.json  ← 图生图 / 编辑
└── .runtime\                     ← 全部缓存，可整个删掉，不影响运行

文本编码器选的是 w4a8 量化版（6.3GB）。比 int8 版再省 3.5GB 显存，画质差异基本看不出来。

五、文生图参数

工作流 8 个节点，关键参数：

节点	参数
EmptyLatentImage	width=1088 / height=1920 / batch=1 ← 分辨率在这改
TextEncodeQwenImage21	正向提示词 / 负向 / resolution=1472
KSampler	steps=4 / cfg=1.0 / sampler=euler / scheduler=simple / denoise=1.0

改分辨率就改 EmptyLatentImage 的 width / height。 边长必须是 16 的倍数（原因见第一节）。1080 不是（1080÷16=67.5），填 1080 会被自动上取整成 1088，所以要精确竖屏直接填 1088。推荐值：1088×1920（9:16）、1024×1024、768×1344、1344×768。

TextEncodeQwenImage21 里的 resolution=1472 只在接了参考图 时才参与计算，纯文生图不用管，保持不动即可。规则是 resolution = √(宽 × 高)，√(1088×1920) ≈ 1445，取的 1472。

CFG 必须锁死 1.0（原因见第一节）。也因为 CFG=1.0，负向提示词在数学上被完全忽略，工作流里那串 negative 是装饰，留空或保留都一样。

六、图生图 / 编辑工作流

包内第二个 Qwen2.1_ViggleTurbo_i2i.json，不用下任何额外权重。

用法：LoadImage 选图 → 在 TextEncodeQwenImage21 写编辑指令 → 运行。选图可以直接把文件拖到节点上。

提示词写法是关键，这是编辑指令，不是重新描述画面：

✗ a red dress, a woman, an arch hall        ← 等于重画，参考图白给
✓ transform the golden gown into a deep crimson red silk dress,
  keep her pose, face, hairstyle and background exactly the same

核心是说清「改什么」+「保留什么」。保留项写得越明确，人物和背景的 likeness 越稳。

包内 JSON 的实际值：steps=4 / denoise=0.9 / resolution=1088。实测 3060 12G 上 steps=4 约 163 秒，steps=8 约 123 秒（编辑更稳，包内 Note 建议改 8 步）。比文生图慢是因为要额外编码参考图。

多图可以接 image_1~image_10，提示词里用 <image1> <image2> 指代。

⚠️ 这套 i2i 不是官方模板。官方那套用的是完整 base 模型 （qwen_image_2.1_int8_convrot + qwen3vl_8b_int8_convrot，合计 16.6GB），25~50 步。本包为了控制体积只装了 4 步蒸馏的 Viggle Turbo GGUF，所以上面这个是 turbo 改造版：能用、速度可以，但编辑精细度不如官方 base 模型。

七、三个模型从哪来

国内走 hf-mirror 直连：

文件	仓库
Qwen-Image-2.1-viggle-turbo-Q4_K_M.gguf	realrebelai/Viggle_Qwen-Image-2.1-Turbo_GGUFs
qwen3vl_8b_w4a8_heretic.safetensors	pottokao/Qwen-Image-2.1-Text-Encoder-Heretic-W4A8
qwen_image_2.1_vae_bf16.safetensors	abenzerps/Qwen-Image-2.1-Uncensored-GGUF

这里踩了两个大坑，参考文档给的信息对不上实际上游：

1.上游 realrebelai 仓库实际只有 Q2_K / Q3_K_M / Q4_K_M / Q5_K_M / Q6_K / Q8_0 六档，本包用的是的 Q4_K_M.gguf。

2. 文本编码器 是去审查版 _heretic，托管在 pottokao/Qwen-Image-2.1-Text-Encoder-Heretic-W4A8。

另外 hf download 带子目录时会自动建一层同名文件夹，下载完必须 mv 出来，否则 ComfyUI 扫不到。

八、常见问题

现象	处理
双击闪退	命令行 cd 到本目录执行 start.bat，看报错信息
端口 8188 被占	跑 start.bat --port 8189，浏览器改 8189
提示 UnetLoaderGGUF 节点不存在	插件被删了，重装后跑 python311\python.exe -m pip install -r ComfyUI\custom_nodes\ComfyUI-GGUF\requirements.txt
首次加载特别慢	GGUF 首次加载有编译缓存，属正常，之后就快了
杀毒软件拦端口	关掉程序级网络管控（联想/火绒/360 的「网络防护」常见）
画质不如原版 bf16	GGUF 量化有损。生产前用同 prompt + 同 seed 与 bf16 对比一轮；要更高质量换 Q5_K_M / Q6_K 档，12G 卡跑得动 Q6_K
想彻底重置	删掉整个 .runtime\，重启自动重建

九、几个别踩的坑

• 不要再叠那个 340MB 的 Viggle LoRA。 Q4_K_M GGUF 本身已经是完整蒸馏后的 transformer，叠上去是重复蒸馏，画质反而劣化。包内默认没装，需要就自己丢到 ComfyUI\models\loras\。
• 分辨率边长必须整除 16。 1080 会被自动上取整。
• CFG 永远锁 1.0。 别手滑调到 1.5。
• GGUF 与上游 bf16 输出不完全一致。 拿去做商品图正式生产前，先用同 prompt + 同 seed 跟原模型对比一轮画质，别直接上线。

十、便携性是怎么做的

start.bat 里做了三件事，这也是「免安装」能成立的原因：

1. 路径全部走 %~dp0 相对定位 ，cd /d 到包根再启动，所以换盘、带中文带空格都不影响
2. Python 走包内嵌入版 python311\python.exe，并设 PYTHONNOUSERSITE=1 隔离系统级 site-packages，防止和机器上别的 Python 环境串味
3. 缓存全部重定向到 .runtime\ （HF_HOME / TORCH_HOME / inductor / triton / TMP / TEMP），一个字符都不写用户目录。代价是首次启动慢一点，删掉 .runtime\ 就能彻底重置

另外内置了 PIP_CONFIG_FILE 指空索引，防止启动时 pip 手贱去联网；还把 torch 的 libiomp5md.dll 复制成 libomp140.x86_64.dll，避免 fbgemm 加载报错。

十一、想改点什么

• 换量化档 ：去 realrebelai/Viggle_Qwen-Image-2.1-Turbo_GGUFs 下 Q6_K，丢进 models\diffusion_models\，在 UnetLoaderGGUF 节点里改文件名
• 升级 ComfyUI ：包内 ComfyUI\ 是纯净源码（已删 .git）。要升级就重新 clone 官方 tag，再把 models\ 和 custom_nodes\ 拷回去
• 重装依赖 ：pip-build.ini 是构建期用的镜像配置（阿里云 PyPI + 上交 torch cu124 源），装完依赖即可删