出图模型怎么选？同一只猫的四场实测：Z-Image、Qwen-Image 2.1、SD1.5 三维对决
本文是《Mac mini 玩转 ComfyUI》专栏第 5 篇。
实测环境：Mac mini M5 Pro / 64GB / ComfyUI v0.42.5 桌面版（Python 3.13 / torch 2.13.0）；对照组 Alienware GTX1070 / 8GB / v0.38.1（CUDA）。全部数字来自 2026-10-25 本轮统一协议实测，实验脚本与原始日志留档见文末。
上一篇把模型货架理清了，评论区果然有人问："出图主力到底该用哪个？"
这个问题没法一句话回答，但可以一次实验回答。我把选手们请上同一条跑道：统一提示词、统一种子、统一协议，比三样东西------速度、内存、质量。这轮实验还附赠了一个意外剧情：有位选手连考场都进不来，我们拆了两堵墙才把它请进去。先看尺子，再看数。
一、实验协议（先看尺子再看数）
| 协议项 | 设定 |
|---|---|
| 统一提示词 | 一只橘猫坐在窗台上看雨，玻璃上有水珠，温暖室内光，扁平插画风格，简洁构图 |
| 统一种子 | seed 42（同模型可复现） |
| 参测 A | Z-Image turbo bf16，4 步 / cfg 1.0 / euler+simple（社区推荐参数），mini |
| 参测 B | Qwen-Image 2.1 int8，20 步 / cfg 2.5 / euler+simple，mini |
| 对照 C | SD1.5，25 步 / cfg 7 / euler，.31（GTX1070） |
| 计时口径 | 提交→完成的墙钟时间；冷（含加载）/热（模型已驻留）分开报 |
| 一处不同 | SD1.5 用语义对齐的英文提示词------它的编码器不认识中文，这是模型能力差异，不是偏心 |
实验事故自曝：第一轮跑分被 mini 队列里其他任务污染（一次提交等了 587 秒），整轮作废重跑。口径干净比数字好看重要------另外本轮 mini 刚升级到 0.42.5，所有数据统一为新栈单口径（老栈数据全部作废重测），这份较真白纸黑字留在实验日志里。
二、速度实测：5 秒俱乐部与新代差
| 选手 | 分辨率 | 热（模型已驻留） | 冷（含加载） |
|---|---|---|---|
| Z-Image turbo | 1024px | 5.0 秒 | 25.2 秒 |
| Z-Image turbo | 1080×1920 | 30.2 秒 | --- |
| Qwen-Image 2.1 | 768px | 150.9 秒（151.3 两轮互证） | ≈热（加载很快） |
| SD1.5 | 512px | 5.0 秒 | 25.2 秒 |
| SD1.5 | 768px | --- | 60.2 秒 |
两个彩蛋级读数：
- Z-Image 在新栈上快了 6 倍 ------同一台机器，老栈 1024px 热 30 秒，升到 0.42.5 后只要 5 秒。你升级 ComfyUI 的收益可能比你想象的大得多，这份升级红利没有任何教程会告诉你；
- 同样的 5 秒，两种人生：Z-Image 给你 1024px 的 2026 年语义理解，SD1.5 给你 512px 的 2022 年画风------"热生成 5 秒"这个数字第一次跨模型同台，差距全在画里（下一节）。
内存水位：Z-Image 整套驻留约 9GB，Qwen-Image 2.1 约 21GB（本体 int8 + 8B 编码器 + VAE）------64G 无感，32G 摸线，24G 以下劝退。
三、质量评审：同一只猫的四种画法
- Z-Image 1024px ：雨痕、雨丝、暖光、回眸构图全命中，细节密度和色彩层次最好，5 秒出这个质量是全场性价比之王；
- Qwen-Image 2.1 768px ：四要素同样全中，粉柔淡彩的另一种好看，猫的姿态更"插画化"------质量与 Z-Image 同代，是口味之争而非高下之分，但 151 秒对 5 秒，性价比差了一个量级；
- SD1.5 512px / 768px ：猫都可识别，但"看雨"变成了"看镜头"，窗框含糊、姿态僵硬------语义理解是代差，不是调参能追的。
四、Qwen-Image 2.1 进场记：三堵墙排障全记录
这位选手的入场过程比成绩单更值钱。三堵墙、三次报错原文，全录如下：
第一堵：版本墙（ComfyUI 0.36.0）
ERROR: Could not detect model type of: qwen_image_2.1_int8_convrot.safetensors老版本连模型类型都不认识。解法：升级 ComfyUI（本轮 0.42.5 直接过）。
第二堵：VAE 配对墙（升级后自动消失）
0.36.0 上 qwen_image_2.1_vae_bf16 曾报 state_dict 尺寸不匹配（96 通道旧类 vs 160 通道新架构）；0.42.5 的加载器认识它了，两个 VAE 配对都能过。
第三堵：编码器维度墙（最有教学价值）
Given normalized_shape=[4096], expected input with shape [*4096],
but got input of size [1, 32, 3584] ← qwen_2.5_vl_7b（3584 维）✗
but got input of size [1, 36, 2048] ← qwen3.5_2b（2048 维）✗本体的 LayerNorm 要 4096 维，货架上的两个"常规嫌疑"维度都不对。翻遍货架，唯一 4096 维的是 qwen3vl_8b ------它是 H3（视频模型）的文字脑子，一鱼两吃 ：配上 type=qwen_image 一次点亮。
最终配方 （0.42.5 实测可用）：qwen_image_2.1_int8_convrot + qwen3vl_8b_int8_convrot(type=qwen_image) + qwen_image_2.1_vae_bf16，热生成 150.9 秒 @768px。
三堵墙给你的通用教训：新模型 = 新本体 + 对的编码器（维度要算术匹配）+ 对的 VAE + 够新的 ComfyUI，四件缺一不可。报错信息里的数字（3584/2048/4096）就是配对线索------学会读它，你就能自己开锁。
五、决策树：你的机器该用谁
| 你的情况 | 推荐 |
|---|---|
| 64G/32G，要主力出图 | Z-Image turbo（5 秒/张 @1024px，新栈红利巨大） |
| 追求粉柔插画风、不赶时间 | Qwen-Image 2.1（151 秒/张 @768px，需 0.42.5+ 与第 4 节配方） |
| 16G 机器 / 要海量社区 LoRA | SD1.5（生态无敌，语义代差要有预期） |
| 图片编辑（改字/换物） | 等第 8 篇 Qwen-Edit 实战 |
六、下一步
速度、内存、质量、兼容性四维都有了，但决定出图上限的还有最后一个变量------你喂给模型的话。下一篇《提示词入门：从模板到自己的词库》：同样 5 秒的生成时间，提示词差一档，成片差三代。
评论区报一下你的出图模型和耗时------被版本墙/编码器墙拦住的经历尤其欢迎，报错贴上来，我帮你读数字。
口径脚注：全部数字实测于 2026-10-25（mini：M5 Pro/64GB/ComfyUI 0.42.5 桌面版/Python 3.13/torch 2.13.0；.31：GTX1070 8GB/0.38.1）。Z-Image 与 Qwen 各两轮互证；SD1.5 768px 仅冷数据；老栈（0.36.0）对照数据已在文中标注；实验脚本、原始计时日志与完整报错留档于本仓库 csdn-column/assets/article-05/实验留档/。