没买显卡，我用 Google Colab 免费跑通了 AI 生图：从零部署 Z-Image Turbo

最近 Google AI Ultra 的土区订阅优惠挺火，也让我重新关注起了 Google Colab。

原本只是想看看会员送的 GPU 算力到底能做什么，没想到折腾了一圈，居然用免费的 T4 显卡成功跑通了开源 AI 生图模型。

不用买显卡，不用配置本地 CUDA 环境，甚至还能通过手机远程生成图片。

这篇文章记录完整过程，包括踩过的坑和解决办法。

一、先说最终效果

这次使用的配置：

平台：Google Colab 免费版
GPU：NVIDIA Tesla T4，约 15GB 显存
生图框架：ComfyUI
模型：Z-Image Turbo INT8
分辨率：768×768
实测生成耗时：约 10 秒（一次执行记录）

可用资源：生成样图：

二、免费 Colab 到底能做什么？

Google Colab 本质上是云端 Jupyter Notebook，可以直接在浏览器中运行 Python。

即使没有购买会员，也有机会使用免费 GPU。

我这次分配到的是 Tesla T4，显存约 15GB，系统内存约 12GB。

在 Colab 的资源面板中，显示未订阅、0 付费计算单元，但 GPU 依然可以正常运行。

这里要区分两件事：

Google AI Pro、Ultra 的部分订阅方案提供 Colab 计算权益；而免费 Colab 本身也可以使用动态分配的计算资源。

我通过 Jio 活动领取的 AI Pro，实际没有获得 Colab 付费计算单元。

免费 GPU 不保证随时可用，运行时长也不是固定的。我这次看到的剩余运行时间约为 4 小时，但并不意味着每天固定赠送 4 小时。

三、第一步：创建 Colab 运行环境

打开 Google Colab：

colab.research.google.com/

新建 Notebook，进入：

运行时 → 更改运行时类型 → 选择 T4 GPU。

连接成功后，执行：

diff 复制代码

!nvidia-smi

如果显示 Tesla T4，就说明 GPU 已经分配成功。

四、第二步：安装 ComfyUI

在 Colab 代码单元格执行：

bash 复制代码

!git clone https://github.com/comfyanonymous/ComfyUI.git /content/ComfyUI
%cd /content/ComfyUI
!pip install -r requirements.txt

ComfyUI 是一个基于节点工作流的 AI 生图框架。

相比自己编写推理代码，它的优势是可以直接导入现成工作流，配置模型、提示词、分辨率等参数。

注意：这里的命令是在 Colab Notebook 代码单元格执行的。如果使用 Bash 终端，不能直接使用 %cd 这样的 Notebook 魔法命令。

五、第三步：下载 Z-Image Turbo 模型

我选择的是 Comfy-Org 提供的 INT8 版本。

它主要需要三个文件：

扩散模型：z_image_turbo_int8_convrot.safetensors
文本编码器：qwen_3_4b_fp8_mixed.safetensors
VAE：ae.safetensors

模型地址：

huggingface.co/Comfy-Org/Z...

先安装 Hugging Face 工具：

diff 复制代码

!pip install -U huggingface_hub

下载文件：

bash 复制代码

!hf download Comfy-Org/Z-Image-Turbo \
  split_files/diffusion_models/z_image_turbo_int8_convrot.safetensors \
  split_files/text_encoders/qwen_3_4b_fp8_mixed.safetensors \
  split_files/vae/ae.safetensors \
  --local-dir /content/zimage_download

下载后，把三个文件分别放入 ComfyUI 的对应模型目录：

bash 复制代码

ComfyUI/models/diffusion_models/
ComfyUI/models/text_encoders/
ComfyUI/models/vae/

模型总体积超过 11GB，第一次下载需要等待一段时间。

六、第四步：导入官方工作流

为了避免手动连接大量节点，我直接使用官方提供的 Z-Image Turbo INT8 工作流。

下载地址：

raw.githubusercontent.com/Comfy-Org/w...

在 Colab 执行：

bash 复制代码

!wget -O /content/z_image_int8.json \
https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/image_z_image_turbo_int8.json

启动 ComfyUI：

css 复制代码

%cd /content/ComfyUI
!python main.py --listen 127.0.0.1 --port 8188 --lowvram

这条命令会持续运行，因此建议放在独立终端中，或者通过后台进程启动。

然后在另一个 Colab 代码单元格中执行：

arduino 复制代码

from google.colab import output
output.serve_kernel_port_as_iframe(8188, height=800)

ComfyUI 界面就会显示在 Colab 页面中。

把下载的 JSON 工作流拖入 ComfyUI，检查模型名称是否正确。

七、第五步：开始生成图片

我使用的第一条测试提示词：

css 复制代码

A beautiful futuristic city at night,
neon lights, rainy streets,
cinematic photography, highly detailed

设置：

宽度：768
高度：768
Steps：8

点击运行，等待 GPU 推理完成。

第一次执行可能需要额外时间加载模型。

后续生成速度取决于模型缓存、GPU 状态、分辨率和工作流配置。

八、踩坑：后台成功了，网页却看不到图片

这是我遇到的一个比较奇怪的问题。

点击运行后，ComfyUI 页面没有正常显示图片，起初还以为模型没有执行。

后来通过接口检查：

dart 复制代码

import requests

r = requests.get("http://127.0.0.1:8188/history")
print(r.status_code)

发现后台已经成功执行，状态是 success。

图片实际上已经保存在：

bash 复制代码

/content/ComfyUI/output/

可以通过 Python 直接显示：

arduino 复制代码

from IPython.display import display, Image

display(Image(
    filename="/content/ComfyUI/output/z-image-turbo_00003_.png"
))

最终确认，生图模型没有问题，异常主要出现在网页预览环节。

这也让我发现，ComfyUI 不仅可以通过网页操作，还提供 HTTP API。

以后完全可以封装成自己的生图服务。

九、避免重复下载：备份到 Google Drive

Colab 有一个很重要的限制：

运行时断开并被回收后，/content 目录中的临时文件可能丢失。

所以我把模型文件和工作流备份到了 Google Drive。

以后重新连接 GPU 时，可以通过一键启动脚本：

挂载 Google Drive → 恢复模型 → 启动 ComfyUI → 获取访问入口。

不需要每次重新从 Hugging Face 下载十几 GB 模型。

需要注意，Notebook 代码可以保存到 Google Drive，但这不代表运行环境和生成图片也会自动保存。

重要图片最好单独备份。

十、手机也能远程生图

ComfyUI 运行起来以后，还可以通过临时 HTTPS 隧道开放访问。

例如使用 Cloudflare Tunnel，把本地 8188 端口映射成临时网页地址。

这样手机和电脑不需要处于同一个 Wi-Fi，也能访问 ComfyUI。

不过临时地址不能当成永久服务器使用，而且直接公开 ComfyUI 接口存在安全风险。

如果要长期使用，最好增加身份验证，并单独设计一个适合手机操作的简洁界面。

十一、总结

这次折腾最大的收获，不是生成了几张图片，而是验证了一件事：

普通用户不买显卡，也可以在免费云端 GPU 上部署和运行开源生图模型。

免费 T4 已经足够完成不少实验，包括：

部署 ComfyUI、运行量化模型、生成图片、调用 API，以及开发自己的简单生图工具。

当然，它不能替代稳定的 GPU 服务器。

免费资源有配额限制，运行时会断开，磁盘也不是永久存储。

但如果只是想体验开源 AI、研究模型、验证自己的产品想法，免费的 Colab 已经是一个相当不错的起点。

下一步，我准备把 ComfyUI 的复杂节点界面隐藏起来，做成一个更简单的网页：

输入一句提示词，点击生成，直接返回图片。

到那时，它就不只是一个生图模型，而是一套可以被其他程序调用的 AI 图片服务了。