6GB 笔记本本地跑 Z-Image Turbo：一次从 cu121 到 cu130 的踩坑记录
先说结论
- 硬件：RTX 3060 Laptop，显存 6GB，驱动 595.79
- 模型：Z-Image Turbo Q4_K_M（4.98GB）+ Qwen3-4B 文本编码器（2.50GB）+ VAE（168MB）
- 速度：冷启首张 212 秒 （含模型载入），热机 42--50 秒/张（1024×1024 / 9 步 / cfg 1.0）
- 结论：能跑，但 torch 版本是硬门槛
坑一：torch 2.5.1+cu121 直接崩
环境装好（Python 3.12 + ComfyUI 0.43.0），启动即退出。日志原文：
text
File "site-packages/comfy_kitchen/backends/eager/conv3d.py", line 37, in <module>
@torch.library.custom_op("comfy_kitchen::fp16_conv3d_out", mutates_args=("out",))
ValueError: infer_schema(func): Parameter stride has unsupported type list[int].翻成人话：comfy_kitchen 用了新版 torch 才支持的函数签名写法，2.5.1 的 infer_schema 不认识。
而 ComfyUI 0.43 在 comfy/quant_ops.py 里明确要求 CUDA 13 以上：
text
You need pytorch with cu130 or higher to use optimized CUDA operations.所以不是「装得上就行」，是版本必须对号。 换成 torch 2.10.0+cu130 后一次启动成功。
坑二：镜像源的坑
hf-mirror单线程实测约 70KB/s，6.5GB 模型要 26 小时，不可用- ModelScope 实测 7--13MB/s，模型与编码器都从这里下
- VAE 在 ModelScope 上的镜像文件是空的 （返回
{"Code":10990101007,"Message":"获取模型文件失败，文件内容为空"}，145 字节），只能走 hf-mirror（本次 9MB/s，168MB 三分钟） - torch cu130 轮子阿里云源实测 6.8MB/s
坑三：三个模块的实测差异
用同一套提示词跑三类画面，结果差别很大：
| 场景 | 结果 | 判定 |
|---|---|---|
| 中年男性办公侧影 | 手部自然、无悬空、光影可信 | ✅ 可用 |
| 桌面咖啡+笔记本特写 | 氛围可用，键盘 Shift/Ctrl 字符全为乱码像素 |
⚠️ 仅氛围图 |
| 老板看账单（含文件/表格） | A4 纸悬空在桌面上方，纸上文字为「中国旅游公室」 | ❌ 不可用 |
规律：模型对「氛围/人物/光影」可靠，对「文字/表格/精确物体接触」不可靠。 需要画面内文字，一律后期叠加或改用云端模型。
可复现步骤
bash
# 1) 拉 ComfyUI（GitHub 直连超时，走 gitee 镜像）
git clone --depth 1 https://gitee.com/mirrors/ComfyUI.git
# 2) Python 3.12 + torch cu130（关键）
python -m venv .venv
.venv/Scripts/python.exe -m pip install torch-2.10.0+cu130-cp312-cp312-win_amd64.whl \
torchvision-0.25.0+cu130-cp312-cp312-win_amd64.whl
.venv/Scripts/python.exe -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 3) GGUF 节点（git clone 会 schannel 断流，用 zip）
curl -L -o gguf.zip https://gh-proxy.com/https://github.com/city96/ComfyUI-GGUF/archive/refs/heads/main.zip
# 4) 模型放到对应目录后启动
python main.py --port 8188 --listen 127.0.0.1工作流节点：UnetLoaderGGUF → CLIPLoaderGGUF（type 选 lumina2，Qwen3-4B 会被自动识别为 Z-Image 文本编码器）→ KSampler（euler / simple / 9 步 / cfg 1.0）→ VAEDecode。
为什么值得在本机跑
- 边际成本 0，不消耗任何云端积分
- 资料不出本机，适合客户信息敏感的行业
- 断网可用
什么情况下别折腾本地
- 画面里必须有中文
- 要精确的产品图、封面
- 赶时间（6GB 卡出图速度是云端的数倍慢）
一句话：本地适合「氛围与批量草稿」，云端适合「精确与交付」。
我是合尘猫。我们专注小微企业知识库与 AI 客服落地，也跑通过资料不出门的本地方案。
说明：本文排版由 AI 辅助整理，所有数字与报错均来自本机实际运行。