Qwen-Image-2.1 GGUF: Lo que realmente te cuesta una compilación cuantizada

No existe un GGUF oficial de Qwen-Image-2.1. Todos los archivos .gguf que llevan ese nombre fueron producidos por terceros, a posteriori, tomando el transformador de difusión de 7B del fabricante y recodificando sus pesos con menor precisión —siendo GGUF el formato de checkpoint cuantizado de archivo único que leen los stacks de inferencia local. Esa única frase responde a la primera pregunta que tiene un lector y plantea las más difíciles que esta página resuelve: qué comprime realmente una cuantización de un modelo de imagen, qué omite el archivo de serie, cuánto te cuestan los niveles en la imagen y no solo en el reloj, y qué exige redistribuir uno según la licencia con la que vinieron los pesos.

El propio modelo es el hecho que fecha esta página, no la noticia que reporta. Qwen-Image-2.1 se publicó en Hugging Face y ModelScope el 20 de septiembre de 2026, y las cuantizaciones que hizo la comunidad de él llegaron ese mismo día: los repositorios de leejet, Abiray y RealRebelAI se crearon todos el 20 de septiembre y el de unsloth el 21 de septiembre, lo que es 23 días antes de que se escribiera esta página. No hace falta repetir nada sobre esa cronología aquí; lo que un lector que escribe "qwen image 2.1 gguf" quiere es el manual de funcionamiento, y esto es precisamente eso.

Qué es un GGUF de este modelo y qué no es

Lo primero que hay que interiorizar es que el archivo es un fragmento. Qwen-Image-2.1 no es una sola red; es un transformer de difusión más un codificador de texto de visión-lenguaje más un autoencoder. Las cuantizaciones que circulan bajo su nombre contienen el primero de ellos y nada más, y los repositorios lo dicen por sí mismos. La tarjeta de Unsloth para su Qwen-Image-2.1 GGUF lo resume en una línea: «Un GGUF es solo el denoiser, así que necesita el VAE y el codificador de texto Qwen3-VL junto a él».

Así que una descarga de GGUF es el transformer —32 capas DiT de flujo único, 7000 millones de parámetros en el componente de generación visual— reexpresado con una precisión numérica reducida. El codificador de texto y el VAE se mantienen en sus formatos originales o se cuantizan por separado, por personas distintas, en repositorios distintos. Esta es la diferencia estructural con la situación de los modelos de texto que la mayoría de los lectores tiene en mente: cuando descargas un GGUF de un modelo de chat, has descargado el modelo. Aquí has descargado un tercio de un pipeline.

Nada de esto es el empaquetado del proveedor. El repositorio del proveedor Qwen/Qwen-Image-2.1 es una publicación con diseño de Diffusers — model_index.json, transformer/, text_encoder/, vae/, scheduler/, processor/ — y su lista de archivos, leída el 13 de octubre de 2026, no contiene ningún .gguf archivo de ningún tipo. Las cuantizaciones son artefactos de la comunidad, publicados bajo los nombres de sus autores, y heredan la licencia del proveedor en lugar del respaldo del proveedor.

Por qué la sabiduría de la cuantización de modelos de texto no se transfiere

La sabiduría convencional sobre GGUF proviene de los modelos de lenguaje, donde es más o menos así: Q8_0 es efectivamente sin pérdida, Q4_K_M es el punto óptimo, cualquier cosa por debajo de Q3 implica una concesión, y la calidad se mide como perplejidad o divergencia KL frente a una referencia de precisión completa. Casi nada de eso se traslada a un modelo de imágenes, y vale la pena precisar las razones.

No hay perplejidad para un transformador de difusión. El modelo no emite una distribución de tokens que puedas puntuar; emite un latente que una VAE decodifica en píxeles. Las métricas que existen de este lado de la valla —LPIPS, SSIM frente a un render de referencia— requieren la misma semilla, el mismo prompt y la misma configuración del sampler en ambos lados de la comparación, y aun así miden distancia perceptual en lugar de corrección. Así que la pregunta “¿cuánto me cuesta Q4_K_M?” no tiene un único número publicado como sí lo tiene un modelo de texto, y cualquiera que cite uno está citando una sola medición con una sola semilla.

Segundo, y de manera más decisiva: en un modelo de imágenes, el promedio de ancho de bits importa menos que qué tensores perdieron sus bits. Las proyecciones de atención y las rutas MLP que transportan la estructura de la imagen se degradan visiblemente al redondearse, mientras que los pequeños tensores de normalización y modulación toleran casi cualquier cosa. Por lo tanto, una conversión que alcanza un objetivo uniforme en todos los tensores puede verse peor que una conversión con la misma etiqueta nominal que protege las capas sensibles —que es exactamente lo que encontraron las personas que hacen este trabajo. RealRebelAI, que publica las notas de cuantización más explícitas que pudimos encontrar, afirma que "una conversión genérica estándar Q4_K_M mostró una pérdida visible de calidad en la estructura fina y la anatomía en comparación con el modelo INT8 de referencia", y que sus propias compilaciones mantienen la atención Q/K/V/Out en Q8_0 dentro de un archivo Q4_K_M para recuperar la calidad. La etiqueta en el nombre del archivo es la cuantización base, no la política.

Tercero, el modo de fallo es de naturaleza distinta. La cuantización de texto se degrada sobre todo en fluidez, y lo hace de forma elegante: una frase un poco peor sigue siendo una frase. La cuantización de imágenes en los niveles bajos falla de maneras que son obvias y, a veces, inutilizables: manos y anatomía, textura fina, tipografía pequeña y —la que es fácil pasar por alto porque no es un artefacto de píxeles en absoluto— la adherencia al prompt. Si una build deja de obedecer la mitad de una instrucción larga, eso es un coste de cuantización, y no aparecerá en una comparación lado a lado de dos renders buenos.

La escalera, en archivos más que en adjetivos

Los tamaños de archivo son la única parte de esto que es un hecho incuestionable y no una apreciación, porque cada repositorio publica su propio listado. Consultado el 13 de octubre de 2026, las dos cuantizaciones de la comunidad más descargadas discrepan ligeramente entre sí, lo cual es en sí mismo informativo.

• Unsloth Dynamic 2.0 (12 archivos): F16 14.23 GB, Q8_0 7.64 GB, Q6_K_XL 6.72 GB, Q6_K 6.27 GB, Q5_K_M 5.39 GB, Q5_K_S 4.50 GB, Q4_K_M 4.20 GB, Q4_K_S 3.91 GB, Q3_K_XL 3.61 GB, Q3_K_M 3.17 GB, Q3_K_S 2.72 GB, Q2_K 2.47 GB.

• leejet / stable-diffusion.cpp (7 archivos): Q8_0 7.69 GB, Q6_K 6.00 GB, Q5_0 5.07 GB, Q4_K 4.20 GB, Q4_0 4.20 GB, Q3_K 3.27 GB, Q2_K 2.56 GB.

• Abiray (6 archivos): Q8_0 7,59 GB, Q6_K 5,88 GB, Q5_K_M 5,01 GB, Q4_K_M 4,19 GB, Q4_K_S 4,06 GB, Q3_K_M 3,19 GB.

• RealRebelAI publica una escala de precisión mixta con un -HQv3 como sufijo en lugar de niveles simples, y documenta la precisión por módulo en una tabla; las cuantizaciones base van desde Q2_K hasta Q8_0.

La dispersión es real. Q8_0 abarca de 7,59 a 7,69 GB entre tres publicadores, y Q6_K abarca de 5,88 a 6,27 GB — una diferencia de 0,4 GB para el mismo nivel nominal, que es la política de precisión mixta manifestándose en bytes. Quien compare dos compilaciones solo por el nombre del archivo está comparando etiquetas, no artefactos.

Para ponerlo en escala desde el otro lado: el transformer F16 de referencia es de 14.23 GB, y el componente de difusión bfloat16 del propio proveedor en el repack de Comfy-Org es de 14.23 GB. Así que un GGUF de clase Q4 supone aproximadamente una reducción de 3.4× en el transformer, y ninguna reducción en absoluto en el codificador de texto, a menos que cuantices ese por separado.

Cuánto cuesta cada peldaño, cuando una fuente lo indica

Casi nadie publica un coste de calidad medido por nivel para este modelo, y lo más honesto es separar los tres tipos de afirmación que circulan.

• Guía de memoria, reportada por la comunidad. El repositorio de Abiray empareja cada archivo con un perfil de VRAM recomendado: Q8_0 7.59 GB con "12 GB+ (fidelidad casi sin pérdidas)", Q6_K 5.88 GB con 10–12 GB, Q5_K_M 5.01 GB con 8–10 GB, Q4_K_M 4.19 GB y Q4_K_S 4.06 GB con 6–8 GB, y Q3_K_M 3.19 GB con 4–6 GB para "presupuesto extremo / VRAM mínima". Estas son la regla general del propio publicador, no una especificación de un proveedor ni un benchmark que pudiéramos reproducir; además, describen solo el archivo transformer, así que el margen que necesitas para el codificador de texto se añade por encima.

• Una comparación medida, reportada por el cuantizador y con una sola semilla. Unsloth publica un par de cifras para el lado del codificador del pipeline: su codificador de texto Dynamic 2.0 de 4 bits frente a un codificador Q4_K_M uniforme, ambos con una semilla compartida y con el denoiser y el VAE mantenidos fijos, con LPIPS 0,029 y SSIM 0,959, en 5,15 GB frente a 5,03 GB y 36,5 s frente a 39,0 s. Es una única medición realizada por la parte que vende el archivo, con una sola semilla, y es la única comparación cuantitativa publicada de dos políticas de cuantización para este modelo que pudimos localizar.

• Listas cualitativas de fallos, reportadas por la comunidad. RealRebelAI señala lo que la cuantización de bits más baja aún puede afectar —"detalle fino, manos y anatomía, tipografía, adherencia al prompt, fidelidad de edición, consistencia de texturas"— y aconseja subir un escalón cuando la degradación es visible. Afirma claramente que Q3_K_M y Q2_K son para sistemas con memoria limitada y "pueden seguir mostrando una pérdida de calidad creciente a pesar de las capas de alta precisión protegidas".

Lo quenose publica es tan importante como lo que sí. No existe ninguna declaración del fabricante sobre la calidad de cuantización de Qwen-Image-2.1 en absoluto, ni ningún benchmark independiente de ninguna compilación GGUF, ni ninguna tabla de rendimiento en hardware de consumo con nombre y apellido de nadie que hayamos podido encontrar. La dirección del trade-off de memoria es segura y la dirección del trade-off de velocidad es en gran medida segura; la magnitud del costo de fidelidad no está establecida públicamente, y esta página no la estimará por ti.

Qué es lo que realmente lo ejecuta

La situación del runtime es inusualmente estable para un formato tan reciente, lo que supone una ventaja real frente a la situación habitual con GGUF.

• stable-diffusion.cpp — la implementación de referencia para GGUF de modelos de imagen. Su lista de noticias del proyecto registra soporte Day-0 para Qwen-Image-2.1 el 20 de septiembre de 2026, y documenta una página dedicada al modelo. La línea de comandos toma directamente el modelo de difusión cuantizado: --diffusion-model qwen-image-2.1-Q4_K_M.gguf --vae qwen_image_2.1_vae_bf16.safetensors --llm Qwen3-VL-8B-Instruct-UD-Q4_K_XL.gguf, con --steps 20 --cfg-scale 6.0 --sampling-method euler en el propio ejemplo del publicador.

• ComfyUI, mediante un nodo personalizado. Esta es la ruta que tomarán la mayoría de los lectores, y tiene un detalle que conviene conocer antes de instalar nada. El repositorio al que apuntan la mayoría de los cuantizadores es city96/ComfyUI-GGUF; el autor de stable-diffusion.cpp publica su propio fork, leejet/ComfyUI-GGUF, y su README incluye una instrucción explícita de preferirlo, con el argumento declarado de que "el repositorio city96 parece ya no estar mantenido activamente". Eso es una afirmación de una parte sobre otra y está fechada; el historial de commits de city96/ComfyUI-GGUF sí muestra su actividad más reciente en enero de 2026. La propia página de documentación oficial de ComfyUI para Qwen-Image-2.1 solo enumera pesos .safetensors y no menciona GGUF en absoluto, así que el nodo personalizado no es opcional ni está bendecido por el proveedor. Ambos cargadores colocan el archivo en ComfyUI/models/diffusion_models/ y lo exponen a través de un cargador de modelos de difusión GGUF.

• llama.cpp / ggml — no es un muestreador para este modelo, sino el origen del formato y la cadena de herramientas que produce estos archivos. Tanto los repositorios de leejet como los de Abiray lo acreditan explícitamente. Si quieres un nivel que nadie haya publicado, esto es con lo que conviertes.

• Unsloth Desktop — nombrado por el repositorio de unsloth como una interfaz compatible junto con stable-diffusion.cpp.

Un runtime llamativamente no lo carga: Diffusers. El propio inicio rápido del proveedor es un QwenImage21Pipeline sobre el repositorio de safetensors en bfloat16, y no hay ninguna ruta GGUF en ese pipeline. Si quieres Diffusers, no eres el público objetivo de un archivo cuantizado; si quieres un archivo cuantizado, stable-diffusion.cpp o un grafo de ComfyUI es donde acabas.

La parte que realmente bloquea a la gente

Todos los informes de fallo en torno a este formato se remontan a lo mismo: el GGUF es el transformer, así que el resto del pipeline tiene que ensamblarse a mano, en los formatos correctos y desde los repositorios correctos. Hay tres componentes dentro del alcance y uno de ellos esconde una trampa.

• El codificador de texto. Qwen-Image-2.1 se condiciona con Qwen3-VL 8B, y ese codificador es más grande que el transformer a precisión completa: 17,53 GB en bfloat16 en el repack de Comfy-Org, frente a 14,23 GB del modelo de difusión. Existen alternativas cuantizadas de 9,35 GB (int8) y 6,31 GB (w4a8) en el mismo repack, y de forma independiente como GGUF: el proveedor publica Qwen/Qwen3-VL-8B-Instruct-GGUF, de primera parte, con F16 en 16,39 GB, Q8_0 en 8,71 GB y Q4_K_M en 5,03 GB. Ten en cuenta que este GGUF del codificador es un artefacto del proveedor, a diferencia del GGUF del transformer que tiene al lado: las dos mitades de tu pipeline provienen de editores distintos con procedencias distintas.

• El VAE. Un solo archivo, qwen_image_2.1_vae_bf16.safetensors, 0,68 GB en el repack de Comfy-Org. Es pequeño y es el componente que la gente suele asumir que es intercambiable, y no lo es: la documentación de stable-diffusion.cpp indica que los pesos del VAE de Qwen Image y Wan 2.2 anteriores no son intercambiables con los pesos del VAE de Qwen Image 2.1. Si emparejas el equivocado, el grafo se carga y produce la imagen incorrecta.

• El proyector de visión, si quieres editar. El texto a imagen es la mitad fácil. Para la edición de imágenes, el codificador necesita un proyector multimodal aparte: la documentación de stable-diffusion.cpp indica a los lectores que también descarguen mmproj-Qwen3VL-8B-Instruct-F16.gguf (1,16 GB) del repositorio del codificador y lo pasen con --llm_vision, y repitan -r una vez por cada imagen de referencia. Un GGUF solo de transformer más un codificador de texto es una pipeline de texto a imagen y nada más.

Hay dos publicaciones más que merece la pena conocer. La versión también incluye dos codificadores de reescritura de prompts — Qwen-Image-2.1-PE-T2I y Qwen-Image-2.1-PE-I2I, ambos modelos de 9B con ajuste fino —, que el proveedor recomienda ejecutar por delante del modelo de imagen, y también se están cuantizando: una compilación GGUF del reescritor T2I del proyecto LightX2V apareció en Hugging Face el 12 de octubre de 2026, junto con varias compilaciones de la comunidad. Y el canal alfa, que es una de las características más distintivas de este modelo, sobrevive a la cuantización, pero no a todos los contenedores: el modelo de difusión decide la transparencia a partir del prompt en lugar de un interruptor, y el alfa solo se conserva en la salida .png y .webp.

La planificación de memoria en torno al propio GGUF es un área en la que la documentación del runtime es genuinamente específica, lo cual es poco común. stable-diffusion.cpp reutiliza las claves y los valores de texto e imagen de referencia, independientes del paso, como una caché de prefijo, y publica cuánto cuesta eso por condición para el modelo de 32 capas con un prefijo de 4096 tokens: 4 GiB en FP32, 2 GiB en FP16, 1.0625 GiB en q8_0, 0.5625 GiB en q4_0. Cuantizar la caché es una segunda compensación, separada de cuantizar los pesos; está desactivada por defecto, y el almacenamiento de caché cuantizado introduce un error de redondeo adicional que la documentación señala en lugar de ocultar.

La licencia que hereda la cuantización

Esta es la sección que la mayoría de las páginas de GGUF omite, y para este modelo es la que cambia lo que puedes hacer.

Los pesos base no se distribuyen bajo una licencia permisiva. El Qwen/Qwen-Image-2.1 repositorio contiene license: other con license_name: qwen-research, y el archivo LICENSE es el Acuerdo de Licencia de Investigación de Qwen, con fecha de publicación del 20 de septiembre de 2026. Leído en su totalidad el 13 de octubre de 2026, su concesión operativa es una licencia no exclusiva, mundial, no transferible y libre de regalías para "usar, reproducir, distribuir, copiar, crear obras derivadas de y realizar modificaciones a los Materiales SOLO CON FINES NO COMERCIALES", con "No Comercial" definido dentro del acuerdo como "únicamente con fines de investigación o evaluación", y con el uso comercial remitido a una licencia aparte que se solicita por correo electrónico a la dirección que el acuerdo indica.

Un checkpoint cuantizado es una obra derivada de esos Materiales, lo que significa que la redistribución de un GGUF es redistribución bajo ese acuerdo y recoge cada condición adjunta a él. Tres de ellas son concretas:

• Debes transmitir el acuerdo.La sección 3(a) exige que entregues una copia de la licencia a cualquiera que reciba los materiales o una obra derivada. Un repositorio GGUF con una etiqueta de licencia y sin texto del acuerdo no cumple, independientemente de su número de descargas.

• Debes marcar lo que cambiaste. La sección 3(b) exige que los archivos modificados lleven avisos prominentes que indiquen que han sido modificados. Un archivo de pesos recodificado es un archivo modificado.

• Debe incluir el aviso de atribución de forma textual. La Sección 3(c) exige que el texto del aviso —«Qwen se distribuye bajo el Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. Todos los derechos reservados.»— se conserve en un archivo de texto "Notice" que se distribuya junto con las copias.

Otras dos reglas vinculan a la persona que realiza la cuantización y a cualquiera que se base en el resultado. Si entrenas, ajustas finamente o mejoras un modelo de IA utilizando los materiales o sus resultados y luego lo distribuyes, debes mostrar de forma destacada «Creado con Qwen» o «Mejorado con Qwen» en la documentación del producto. Y no puedes usar «Qwen» como nombre principal o identificador de una obra derivada, aunque se permite el uso descriptivo, como «ajustado finamente a partir de Qwen Image». La legislación aplicable es la china, con jurisdicción exclusiva en los Tribunales Populares de Hangzhou.

La conclusión práctica cabe en una línea, y conviene decirla sin rodeos porque el formato la oculta: cuantizar los pesos no cambia la licencia. Todos los repositorios inspeccionados para esta página llevan license_name: qwen-research y enlazan de vuelta al archivo LICENSE del proveedor, y el número de descargas de un archivo GGUF no constituye una concesión de derechos comerciales. Como contraste, la anterior línea de imágenes de Qwen era permisiva — las fichas de modelo de Qwen-Image, Qwen-Image-Edit, Qwen-Image-Edit-2511 y Qwen-Image-2512 indicaban todas apache-2.0 el 13 de octubre de 2026 — y Qwen-Image-2.1 es la ruptura de ese patrón. Si el objetivo es un pipeline comercial, la licencia es lo primero que hay que leer y no lo último.

Dónde te deja esto

Dicho como una decisión más que como un resumen: si tu tarjeta no puede alojar el transformador de 14,23 GB más un codificador de 17,53 GB más el VAE, una compilación GGUF es la única forma en que podrás ejecutar Qwen-Image-2.1, sin más, y la expectativa honesta es que una cuantización de nivel medio te da la ejecución y te cuesta algo en detalle fino, manos, texto pequeño y seguimiento de instrucciones — sin ninguna medición publicada que te diga cuánto. Si tu tarjeta puede alojarlo, la ruta de safetensors es la que documenta el proveedor y la que tiene una referencia definida.

Dos lectores necesitan una frase cada uno en otra parte de este sitio. Si lo que realmente quieres es una compilación comunitaria con el filtrado de seguridad eliminado en lugar de un debate sobre el formato, esa es otra página y allí se cubren las compilaciones sin censura. Y si tu destino real es un grafo de nodos funcional en lugar de un archivo que tienes que montar a mano, la página de ComfyUI recorre todo el pipeline, cargador por cargador.

Lo que queda abierto es lo que el ecosistema no ha publicado: una comparación controlada de estos niveles con una semilla fija, con el mismo prompt y el mismo muestreador, en hardware que alguien nombre. La nota de RealRebelAI de que un Q4_K_M genérico se degradó visiblemente frente a una referencia INT8 mientras que una compilación de precisión mixta con la misma etiqueta no lo hizo es lo más cercano a esa respuesta en público, y es la propia prueba A/B de un editor. Hasta que alguien publique la comparación, el nivel que deberías elegir es el más alto que tu memoria permita, y la etiqueta en el nombre del archivo es una garantía más débil que la política de tensores que hay detrás.