Qwen-Image-2.1 GGUF: บิลด์แบบควอนไทซ์ต้องแลกมาด้วยอะไรจริง ๆ

ไม่มี GGUF อย่างเป็นทางการของ Qwen-Image-2.1 ทุกไฟล์ .gguf ที่ใช้ชื่อนี้ล้วนถูกสร้างขึ้นโดยคนอื่นในภายหลัง ด้วยการนำ diffusion transformer ขนาด 7B ของผู้พัฒนาโมเดลมาเข้ารหัสนํ้าหนักของมันใหม่ที่ความแม่นยำต่ำลง — โดย GGUF คือรูปแบบเช็กพอยต์แบบควอนไทซ์ไฟล์เดียวที่สแตกการอนุมานบนเครื่องอ่าน ประโยคเดียวนี้ตอบคำถามข้อแรกที่ผู้อ่านมี พร้อมทั้งชี้ไปยังคำถามที่ยากกว่าซึ่งหน้านี้จะไขให้กระจ่าง: การควอนไทซ์โมเดลรูปภาพนั้นบีบอัดอะไรกันแน่ ไฟล์นี้ละอะไรไว้ให้ต้องตั้งค่าเองบ้าง การเลือกระดับต่าง ๆ ทำให้คุณต้องแลกกับอะไรในตัวภาพ ไม่ใช่แค่ในเรื่องของเวลา และการนำไฟล์ไปเผยแพร่ต่อต้องทำอะไรบ้างภายใต้สัญญาอนุญาตที่น้ำหนักนั้นมาพร้อมด้วย

ตัวโมเดลเองต่างหากคือข้อเท็จจริงที่กำหนดวันที่ของหน้านี้ ไม่ใช่ข่าวที่มันรายงาน Qwen-Image-2.1 ถูกเผยแพร่บน Hugging Face และ ModelScope เมื่อวันที่ 20 กันยายน 2026 และการควอนไทซ์โดยชุมชนของมันก็ตามมาในวันเดียวกัน — รีโพซิทอรีของ leejet, Abiray และ RealRebelAI ถูกสร้างขึ้นในวันที่ 20 กันยายนทั้งหมด ส่วนของ unsloth ในวันที่ 21 กันยายน ซึ่งเป็น 23 วันก่อนที่หน้านี้จะถูกเขียน ไม่มีอะไรในไทม์ไลน์นั้นที่ต้องกล่าวซ้ำตรงนี้ สิ่งที่ผู้อ่านซึ่งพิมพ์ "qwen image 2.1 gguf" ต้องการคือคู่มือการใช้งาน และนี่คือคู่มือนั้น

GGUF ของโมเดลนี้คืออะไร และไม่ใช่อะไร

สิ่งแรกที่ต้องทำความเข้าใจให้ซึมซับคือ ไฟล์นี้เป็นเพียงชิ้นส่วนเท่านั้น Qwen-Image-2.1 ไม่ใช่เครือข่ายเดียว แต่เป็น diffusion transformer บวกกับตัวเข้ารหัสข้อความแบบ vision-language บวกกับ autoencoder การควอนไทซ์ที่หมุนเวียนอยู่ภายใต้ชื่อของมันมีเพียงสิ่งแรกในนั้นและไม่มีอย่างอื่น และตัวรีโพซิทอรีก็บอกเช่นนั้นเอง การ์ดของ Unsloth สำหรับ Qwen-Image-2.1 GGUF ของมันเขียนไว้บรรทัดเดียวว่า "GGUF เป็นเพียงเดนอยเซอร์เท่านั้น ดังนั้นจึงต้องมี VAE และตัวเข้ารหัสข้อความ Qwen3-VL อยู่เคียงข้างด้วย"

ดังนั้น การดาวน์โหลด GGUF ก็คือ transformer — เลเยอร์ DiT แบบ single-stream จำนวน 32 เลเยอร์ พารามิเตอร์ 7B ในส่วนประกอบการสร้างภาพ — ที่ถูกแสดงใหม่ด้วยความแม่นยำเชิงตัวเลขที่ลดลง ตัวเข้ารหัสข้อความและ VAE ยังคงอยู่ในรูปแบบดั้งเดิม หรือถูกควอนไทซ์แยกต่างหาก โดยคนละคน ในรีโพซิทอรีคนละแห่ง นี่คือความแตกต่างเชิงโครงสร้างจากสถานการณ์โมเดลข้อความที่ผู้อ่านส่วนใหญ่มีอยู่ในหัว: เมื่อคุณดาวน์โหลด GGUF ของโมเดลแชท คุณได้ดาวน์โหลดโมเดลมาทั้งหมดแล้ว แต่ที่นี่คุณได้ดาวน์โหลดมาเพียงหนึ่งในสามของไปป์ไลน์

ไม่มีสิ่งใดในนี้ที่เป็นแพ็กเกจของผู้จำหน่าย รีพอซิทอรีของผู้จำหน่าย Qwen/Qwen-Image-2.1 เป็นรีลีสที่จัดวางตามรูปแบบ Diffusers — model_index.json, transformer/, text_encoder/, vae/, scheduler/, processor/ — และรายการไฟล์ของมัน ซึ่งอ่านเมื่อวันที่ 13 ตุลาคม 2026 ไม่มีไฟล์ .gguf ใด ๆ เลย การควอนไทซ์เหล่านั้นเป็นผลงานของชุมชน เผยแพร่ภายใต้ชื่อของผู้เขียนของแต่ละราย และพวกมันสืบทอดสัญญาอนุญาตของผู้จำหน่าย มิใช่การรับรองจากผู้จำหน่าย

ทำไมภูมิปัญญาด้านการควอนไทซ์โมเดลข้อความจึงไม่สามารถถ่ายโอนได้

ความเชื่อที่ได้รับการยอมรับกันทั่วไปเกี่ยวกับ GGUF นั้นมาจากโมเดลภาษา โดยสรุปคร่าว ๆ ว่า Q8_0 แทบไม่มีการสูญเสียข้อมูล, Q4_K_M คือจุดที่ลงตัวที่สุด, อะไรที่ต่ำกว่า Q3 ถือเป็นการประนีประนอม, และคุณภาพวัดด้วย perplexity หรือ KL divergence เทียบกับข้อมูลอ้างอิงแบบ full-precision แทบไม่มีส่วนใดเลยที่ใช้ได้กับโมเดลภาพ และเหตุผลต่าง ๆ ก็คุ้มค่าที่จะอธิบายให้แม่นยำ

ไม่มี perplexity สำหรับ diffusion transformer โมเดลไม่ได้ปล่อยการแจกแจงโทเคนที่คุณให้คะแนนได้ มันปล่อย latent ที่ VAE ถอดรหัสออกมาเป็นพิกเซล เมตริกที่มีอยู่ในฝั่งนี้ของรั้ว — LPIPS, SSIM เมื่อเทียบกับเรนเดอร์อ้างอิง — ต้องใช้ seed เดียวกัน พรอมป์ต์เดียวกัน และการตั้งค่า sampler เดียวกันทั้งสองฝั่งของการเปรียบเทียบ และถึงอย่างนั้นก็ยังวัดระยะห่างเชิงการรับรู้มากกว่าความถูกต้อง ดังนั้นคำถามที่ว่า "Q4_K_M ทำให้ฉันเสียอะไรไปเท่าไร?" จึงไม่มีตัวเลขที่เผยแพร่เพียงตัวเดียวเหมือนกับที่โมเดลข้อความมี และใครก็ตามที่อ้างตัวเลขหนึ่งก็กำลังอ้างการวัดเพียงครั้งเดียวบน seed หนึ่ง

ประการที่สอง และที่สำคัญยิ่งกว่า: บนโมเดลรูปภาพ ค่าเฉลี่ยของความกว้างบิตมีความสำคัญน้อยกว่าเทนเซอร์ใดที่สูญเสียบิตไป การฉายความสนใจ (attention projections) และเส้นทาง MLP ที่พาโครงสร้างภาพจะเสื่อมลงอย่างเห็นได้ชัดเมื่อถูกปัดเศษ ขณะที่เทนเซอร์ normalization และ modulation ขนาดเล็กทนได้เกือบทุกอย่าง การแปลงที่พุ่งเป้าไปที่ค่าเดียวกันในทุกเทนเซอร์จึงอาจดูแย่กว่าการแปลงที่มีป้ายชื่อตามชื่อเดียวกันแต่ปกป้องเลเยอร์ที่อ่อนไหว — ซึ่งเป็นสิ่งที่ผู้ที่ทำงานนี้ค้นพบพอดี RealRebelAI ผู้เผยแพร่บันทึกการควอนไทซ์ที่ชัดเจนที่สุดเท่าที่เราหาได้ ระบุว่า "การแปลง Q4_K_M แบบทั่วไปมาตรฐานแสดงให้เห็นถึงการสูญเสียคุณภาพที่มองเห็นได้ในโครงสร้างละเอียดและกายวิภาคเมื่อเทียบกับโมเดล INT8 อ้างอิง" และบิลด์ของตัวเองเก็บ attention Q/K/V/Out ไว้ที่ Q8_0 ภายในไฟล์ Q4_K_M เพื่อกู้คืนคุณภาพนั้น ป้ายบนชื่อไฟล์คือการควอนไทซ์พื้นฐาน ไม่ใช่นโยบาย

ประการที่สาม รูปแบบความล้มเหลวแตกต่างกันโดยธรรมชาติ การควอนไทซ์ข้อความส่วนใหญ่เสื่อมลงในแง่ความลื่นไหล และเสื่อมลงอย่างนุ่มนวล — ประโยคที่แย่ลงเล็กน้อยก็ยังเป็นประโยคอยู่ดี การควอนไทซ์ภาพในระดับต่ำล้มเหลวในแบบที่เห็นได้ชัดและบางครั้งก็ใช้งานไม่ได้: มือและกายวิภาค พื้นผิวละเอียด ตัวอักษรขนาดเล็ก และ — สิ่งที่มองข้ามได้ง่ายเพราะไม่ใช่ความผิดเพี้ยนระดับพิกเซลเลย — การทำตามพรอมป์ต์ ถ้าบิลด์หนึ่งหยุดทำตามคำสั่งยาว ๆ ไปครึ่งหนึ่ง นั่นคือต้นทุนของการควอนไทซ์ และมันจะไม่ปรากฏในการเปรียบเทียบแบบเคียงข้างกันของเรนเดอร์ดี ๆ สองภาพ

บันได ในไฟล์แทนที่จะเป็นคำคุณศัพท์

ขนาดไฟล์เป็นส่วนเดียวของเรื่องนี้ที่เป็นข้อเท็จจริงแน่นอนมากกว่าการใช้ดุลพินิจ เพราะทุกรีโพซิทอรีเผยแพร่รายการของตัวเอง เมื่ออ่านข้อมูล ณ วันที่ 13 ตุลาคม 2026 การควอนไทซ์จากชุมชนสองรายการที่มีผู้ดาวน์โหลดมากที่สุดไม่ตรงกันเล็กน้อย ซึ่งในตัวมันเองก็เป็นข้อมูลที่เป็นประโยชน์

• Unsloth Dynamic 2.0 (12 ไฟล์): 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 ไฟล์): 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 ไฟล์): 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.

• RealRebelAIเผยแพร่บันไดความแม่นยำแบบผสมโดยมี-HQv3 เป็นส่วนต่อท้ายแทนระดับธรรมดา และบันทึกความแม่นยำของแต่ละโมดูลไว้ในตาราง; การควอนไทซ์พื้นฐานมีตั้งแต่ Q2_K ถึง Q8_0

การกระจายตัวนี้มีอยู่จริง Q8_0 มีช่วงตั้งแต่ 7.59 ถึง 7.69 GB จากผู้เผยแพร่สามราย และ Q6_K มีช่วงตั้งแต่ 5.88 ถึง 6.27 GB — ช่องว่าง 0.4 GB สำหรับระดับตามชื่อเดียวกัน ซึ่งเป็นนโยบาย mixed-precision ที่ปรากฏออกมาเป็นไบต์ ใครก็ตามที่เปรียบเทียบสองบิลด์จากชื่อไฟล์เพียงอย่างเดียว กำลังเปรียบเทียบป้ายชื่อ ไม่ใช่อาร์ติแฟกต์

เพื่อเทียบสเกลในอีกด้านหนึ่ง: ทรานส์ฟอร์เมอร์ F16 ตัวอ้างอิงมีขนาด 14.23 GB และคอมโพเนนต์ diffusion แบบ bfloat16 ของผู้ขายเองใน Repack ของ Comfy-Org ก็มีขนาด 14.23 GB ดังนั้น GGUF ระดับ Q4 จึงลดขนาดทรานส์ฟอร์เมอร์ลงได้ประมาณ 3.4 เท่า และไม่ลดขนาด text encoder เลย เว้นแต่คุณจะควอนไทซ์ส่วนนั้นแยกต่างหาก

ค่าใช้จ่ายของแต่ละขั้นเป็นเท่าใด ในกรณีที่แหล่งข้อมูลระบุไว้

แทบไม่มีใครเผยแพร่ต้นทุนคุณภาพต่อระดับที่วัดได้สำหรับโมเดลนี้ และสิ่งที่ซื่อสัตย์ที่ควรทำคือการแยกข้อกล่าวอ้างสามประเภทที่หมุนเวียนอยู่ออกจากกัน

• คำแนะนำด้านหน่วยความจำ ซึ่งรายงานโดยชุมชนรีโพซิทอรีของ Abiray จับคู่แต่ละไฟล์กับโปรไฟล์ VRAM ที่แนะนำ: Q8_0 7.59 GB ที่ "12 GB+ (ความเที่ยงตรงเกือบไม่สูญเสีย)", Q6_K 5.88 GB ที่ 10–12 GB, Q5_K_M 5.01 GB ที่ 8–10 GB, Q4_K_M 4.19 GB และ Q4_K_S 4.06 GB ที่ 6–8 GB, และ Q3_K_M 3.19 GB ที่ 4–6 GB สำหรับ "งบประมาณสุดขีด / VRAM ขั้นต่ำ" สิ่งเหล่านี้เป็นหลักคร่าว ๆ ของผู้เผยแพร่เอง ไม่ใช่ข้อกำหนดของผู้ขาย และไม่ใช่เบนช์มาร์กที่เราสามารถทำซ้ำได้; พวกมันยังอธิบายเฉพาะไฟล์ทรานส์ฟอร์เมอร์เพียงอย่างเดียว ดังนั้นพื้นที่สำรองที่คุณต้องใช้สำหรับตัวเข้ารหัสข้อความจึงต้องบวกเพิ่มเข้าไปอีก

• การเปรียบเทียบที่วัดจริง ซึ่งรายงานโดยผู้ทำควอนไทเซอร์ และใช้ seed เดียว Unsloth เผยแพร่คู่ตัวเลขชุดหนึ่งสำหรับฝั่งเอนโคเดอร์ของไปป์ไลน์: เอนโคเดอร์ข้อความ 4-bit Dynamic 2.0 เทียบกับเอนโคเดอร์ Q4_K_M แบบสม่ำเสมอ ทั้งคู่ที่ seed ร่วมกันโดยตรึงดีนอยเซอร์และ VAE ไว้ ค่า LPIPS 0.029 และ SSIM 0.959 ใน 5.15 GB เทียบกับ 5.03 GB และ 36.5 s เทียบกับ 39.0 s นี่คือการวัดครั้งเดียวโดยฝ่ายที่ขายไฟล์ บน seed เดียว และเป็นเพียงการเปรียบเทียบเชิงปริมาณที่เผยแพร่ของนโยบายควอนไทเซชันสองแบบสำหรับโมเดลนี้ที่เราหาเจอ

• รายการความล้มเหลวเชิงคุณภาพที่ชุมชนรายงาน RealRebelAI ระบุสิ่งที่การควอนไทซ์บิตต่ำยังส่งผลกระทบได้ — "รายละเอียดปลีกย่อย มือและกายวิภาค การจัดพิมพ์ การปฏิบัติตามพรอมต์ ความแม่นยำในการแก้ไข ความสม่ำเสมอของพื้นผิว" — และแนะนำให้ขยับขึ้นหนึ่งขั้นเมื่อเห็นความเสื่อมคุณภาพ มันระบุอย่างชัดเจนว่า Q3_K_M และ Q2_K นั้นสำหรับระบบที่มีหน่วยความจำจำกัด และ "อาจยังแสดงการสูญเสียคุณภาพที่เพิ่มขึ้น แม้จะมีชั้นความแม่นยำสูงที่ได้รับการปกป้อง"

สิ่งที่ไม่ถูกเผยแพร่นั้นสำคัญพอ ๆ กับสิ่งที่ถูกเผยแพร่แล้ว ไม่มีคำแถลงจากผู้จำหน่ายเกี่ยวกับคุณภาพของการควอนไทซ์สำหรับ Qwen-Image-2.1 เลยแม้แต่แห่งเดียว ไม่มีผลทดสอบมาตรฐานอิสระของบิลด์ GGUF ใด ๆ และไม่มีตารางอัตราการประมวลผลบนฮาร์ดแวร์สำหรับผู้บริโภคที่ระบุชื่อรุ่นได้จากใครก็ตามที่เราเสาะหาเจอ ทิศทางของข้อแลกเปลี่ยนด้านหน่วยความจำนั้นแน่นอน และทิศทางของข้อแลกเปลี่ยนด้านความเร็วนั้นแน่นอนในภาพรวม แต่ขนาดของต้นทุนด้านความเที่ยงตรงยังไม่เป็นที่ยืนยันต่อสาธารณะ และหน้านี้จะไม่ประเมินค่านั้นให้คุณ

อะไรกันแน่ที่รันมันจริง ๆ

เรื่องราวของรันไทม์ลงตัวอย่างผิดปกติสำหรับฟอร์แมตที่ใหม่ขนาดนี้ ซึ่งเป็นข้อได้เปรียบที่แท้จริงเมื่อเทียบกับสถานการณ์ GGUF ปกติ

• stable-diffusion.cpp — ตัวอย่างการใช้งานอ้างอิงสำหรับ GGUF ของโมเดลภาพ รายการข่าวของโปรเจกต์บันทึกการรองรับ Day-0 สำหรับ Qwen-Image-2.1 เมื่อวันที่ 20 กันยายน 2026 และมีหน้าเฉพาะสำหรับโมเดลนี้ โปรแกรมบรรทัดคำสั่งรับโมเดล diffusion แบบควอนไทซ์ได้โดยตรง: --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 โดยมี --steps 20 --cfg-scale 6.0 --sampling-method euler ในตัวอย่างของผู้เผยแพร่เอง

• ComfyUI ผ่านโหนดกำหนดเอง นี่คือเส้นทางที่ผู้อ่านส่วนใหญ่จะเลือกใช้ และมีจุดที่ควรรู้ก่อนติดตั้งอะไรก็ตาม ที่เก็บโค้ดที่นักควอนไทซ์ส่วนใหญ่ชี้ไปคือ city96/ComfyUI-GGUF; ผู้เขียน stable-diffusion.cpp เผยแพร่ฟอร์กของตัวเอง, leejet/ComfyUI-GGUF, และ README ของเขาเขียนคำแนะนำชัดเจนให้เลือกใช้ตัวนี้ โดยอ้างเหตุผลระบุว่า "ที่เก็บ city96 ดูเหมือนจะไม่ได้รับการดูแลอย่างจริงจังอีกต่อไปแล้ว" นั่นเป็นคำกล่าวอ้างของฝ่ายหนึ่งเกี่ยวกับอีกฝ่าย และเป็นข้อมูลที่ระบุวันที่ไว้ ประวัติคอมมิตบน city96/ComfyUI-GGUF แสดงว่ากิจกรรมล่าสุดอยู่ในเดือนมกราคม 2026. หน้าเอกสารทางการของ ComfyUI เองสำหรับ Qwen-Image-2.1 ระบุเฉพาะ .safetensors เวต และไม่ได้กล่าวถึง GGUF เลย ดังนั้นโหนดกำหนดเองจึงไม่ใช่ตัวเลือกเสริมและไม่ได้รับการรับรองจากผู้ขาย. ตัวโหลดทั้งสองวางไฟล์ไว้ใน ComfyUI/models/diffusion_models/ และเปิดให้ใช้งานผ่านตัวโหลดโมเดลดิฟฟิวชัน GGUF.

• llama.cpp / ggml — ไม่ใช่ตัวสุ่มตัวอย่างสำหรับโมเดลนี้ แต่เป็นต้นกำเนิดของรูปแบบไฟล์และชุดเครื่องมือที่ผลิตไฟล์เหล่านี้ ทั้งที่เก็บ leejet และ Abiray ต่างก็ให้เครดิตอย่างชัดเจน หากคุณต้องการระดับที่ไม่มีใครเผยแพร่ นี่คือสิ่งที่คุณใช้แปลง

• Unsloth Desktop — ถูกระบุโดยรีโพซิทอรี unsloth ว่าเป็นฟรอนต์เอนด์ที่รองรับ ควบคู่ไปกับ stable-diffusion.cpp

มีรันไทม์หนึ่งรายที่เห็นได้ชัดว่าไม่โหลดมัน: Diffusers ควิกสตาร์ทของผู้พัฒนาเองก็คือ QwenImage21Pipeline บนรีโพซิทอรี safetensors แบบ bfloat16 และไม่มีเส้นทาง GGUF ในไปป์ไลน์นั้น ถ้าคุณต้องการใช้ Diffusers คุณก็ไม่ใช่กลุ่มเป้าหมายของไฟล์ควอนไทซ์ ถ้าคุณต้องการไฟล์ควอนไทซ์ stable-diffusion.cpp หรือกราฟ ComfyUI คือที่ที่คุณจะไปลงเอย

ส่วนที่สกัดกั้นผู้คนจริง ๆ

รายงานความล้มเหลวทั้งหมดที่เกี่ยวข้องกับรูปแบบนี้ล้วนย้อนกลับไปที่สิ่งเดียวกัน: GGUF คือทรานส์ฟอร์เมอร์ ส่วนที่เหลือของไปป์ไลน์จึงต้องประกอบขึ้นเอง ด้วยรูปแบบที่ถูกต้อง จากรีโพซิทอรีที่ถูกต้อง มีองค์ประกอบสามส่วนที่อยู่ในขอบเขต และหนึ่งในนั้นมีกับดักซ่อนอยู่

• ตัวเข้ารหัสข้อความ. Qwen-Image-2.1 ใช้ Qwen3-VL 8B เป็นตัวกำหนดเงื่อนไข และตัวเข้ารหัสนั้นใหญ่กว่า transformer ที่ความแม่นยำเต็ม — 17.53 GB ใน bfloat16 ใน Comfy-Org repack เทียบกับ 14.23 GB สำหรับ diffusion model มีทางเลือกแบบควอนไทซ์ที่ 9.35 GB (int8) และ 6.31 GB (w4a8) ใน repack เดียวกัน และแยกต่างหากเป็น GGUF: ผู้ขายเผยแพร่ first-party Qwen/Qwen3-VL-8B-Instruct-GGUF ด้วย F16 ที่ 16.39 GB, Q8_0 ที่ 8.71 GB และ Q4_K_M ที่ 5.03 GB โปรดทราบว่า GGUF ของตัวเข้ารหัสนี้เป็นอาร์ติแฟกต์ของผู้ขาย ซึ่งต่างจาก GGUF ของ transformer ที่วางอยู่ข้าง ๆ — สองครึ่งของไปป์ไลน์ของคุณมาจากผู้เผยแพร่ที่แตกต่างกันโดยมีแหล่งที่มาแตกต่างกัน.

• VAE ไฟล์เดียว, qwen_image_2.1_vae_bf16.safetensors ขนาด 0.68 GB ในรีแพ็กของ Comfy-Org มันมีขนาดเล็กและเป็นคอมโพเนนต์ที่ผู้คนมักคิดว่าใช้แทนกันได้บ่อยที่สุด แต่กลับไม่ใช่: เอกสารของ stable-diffusion.cpp ระบุว่าน้ำหนัก VAE รุ่นก่อนหน้าของ Qwen Image และ Wan 2.2 ไม่สามารถใช้แทนน้ำหนัก VAE ของ Qwen Image 2.1 ได้ หากจับคู่ผิด กราฟจะโหลดและสร้างภาพที่ไม่ถูกต้อง

• วิชันโปรเจกเตอร์ หากคุณต้องการแก้ไข การสร้างข้อความเป็นภาพเป็นครึ่งที่ง่าย สำหรับการแก้ไขภาพ ตัวเข้ารหัสจำเป็นต้องมีมัลติโมดัลโปรเจกเตอร์แยกต่างหาก: เอกสารของ stable-diffusion.cpp แนะนำให้ผู้อ่านดาวน์โหลดเพิ่มเติมmmproj-Qwen3VL-8B-Instruct-F16.gguf (1.16 GB) จากที่เก็บของตัวเข้ารหัส และส่งผ่านด้วย--llm_vision และทำซ้ำ-r หนึ่งครั้งต่อภาพอ้างอิงหนึ่งภาพ GGUF ที่มีเฉพาะ transformer รวมกับ text encoder เป็นเพียงไปป์ไลน์ text-to-image และไม่มีอะไรมากไปกว่านั้น

ยังมีอัปโหลดอีกสองรายการที่ควรรู้ไว้ด้วย รีลีสนี้ยังมาพร้อมเอนโคเดอร์สำหรับเขียนพรอมป์ต์ใหม่สองตัว — Qwen-Image-2.1-PE-T2I และ Qwen-Image-2.1-PE-I2I ซึ่งทั้งคู่เป็นโมเดลขนาด 9B ที่ผ่านการไฟน์ทูน — ผู้ขายแนะนำให้รันไว้ด้านหน้าโมเดลสร้างภาพ และสองตัวนี้ก็กำลังถูกควอนไทซ์เช่นกัน: บิลด์ GGUF ของตัวเขียนพรอมป์ต์ใหม่ T2I จากโปรเจกต์ LightX2V ปรากฏบน Hugging Face เมื่อวันที่ 12 ตุลาคม 2026 พร้อมกับบิลด์จากคอมมูนิตี้อีกหลายตัว และช่อง alpha ซึ่งเป็นหนึ่งในคุณสมบัติที่โดดเด่นกว่าของโมเดลนี้ ยังคงอยู่หลังการควอนไทซ์ แต่ไม่ใช่ในทุกคอนเทนเนอร์: โมเดล diffusion ตัดสินความโปร่งใสจากพรอมป์ต์ ไม่ใช่จากสวิตช์ และค่า alpha จะถูกเก็บไว้เฉพาะในเอาต์พุต .png และ .webp เท่านั้น

การวางแผนหน่วยความจำรอบ ๆ ตัว GGUF เองเป็นจุดที่เอกสารรันไทม์ระบุไว้เฉพาะเจาะจงอย่างแท้จริง ซึ่งเป็นเรื่องที่พบได้ยาก stable-diffusion.cpp นำคีย์และค่าของข้อความกับภาพอ้างอิงที่ไม่ขึ้นกับสเต็ปมาใช้ซ้ำเป็นแคชพรีฟิกซ์ และเผยแพร่ต้นทุนของสิ่งนั้นต่อเงื่อนไขสำหรับโมเดล 32 เลเยอร์ที่พรีฟิกซ์ขนาด 4096 โทเคน: 4 GiB ที่ FP32, 2 GiB ที่ FP16, 1.0625 GiB ที่ q8_0, 0.5625 GiB ที่ q4_0 การควอนไทซ์แคชเป็นข้อแลกเปลี่ยนที่สองซึ่งแยกต่างหากจากการควอนไทซ์น้ำหนัก โดยค่าเริ่มต้นจะปิดอยู่ และที่จัดเก็บแคชแบบควอนไทซ์ทำให้เกิดข้อผิดพลาดจากการปัดเศษเพิ่มเติม ซึ่งเอกสารระบุเตือนไว้แทนที่จะปกปิด

สัญญาอนุญาตที่การควอนไทเซชันสืบทอดมา

นี่คือส่วนที่หน้า GGUF ส่วนใหญ่ข้ามไป และสำหรับโมเดลนี้ มันคือส่วนที่เปลี่ยนสิ่งที่คุณทำได้

ค่าน้ำหนักฐานไม่ได้เผยแพร่ภายใต้สัญญาอนุญาตแบบผ่อนปรน ที่เก็บ Qwen/Qwen-Image-2.1 มี license: other พร้อมกับ license_name: qwen-research และไฟล์ LICENSE คือ Qwen Research License Agreement โดยมีวันที่เผยแพร่ 20 กันยายน 2026 อ่านฉบับเต็มเมื่อวันที่ 13 ตุลาคม 2026 การให้สิทธิ์ที่มีผลบังคับของข้อตกลงนี้คือสัญญาอนุญาตแบบไม่ผูกขาด ทั่วโลก โอนสิทธิ์ไม่ได้ และปลอดค่าลิขสิทธิ์ ในการ "ใช้ ทำซ้ำ แจกจ่าย คัดลอก สร้างงานดัดแปลงจาก และแก้ไขดัดแปลง Materials เพื่อวัตถุประสงค์ที่ไม่ใช่เชิงพาณิชย์เท่านั้น" โดย "Non-Commercial" ถูกนิยามไว้ในข้อตกลงว่า "เพื่อวัตถุประสงค์ด้านการวิจัยหรือการประเมินผลเท่านั้น" และการใช้เชิงพาณิชย์จะต้องดำเนินการผ่านสัญญาอนุญาตแยกต่างหาก ซึ่งขอได้ทางอีเมลตามที่อยู่ที่ข้อตกลงระบุ

เช็กพอยต์ที่ถูกควอนไทซ์เป็นงานดัดแปลงของ Materials เหล่านั้น ซึ่งหมายความว่าการเผยแพร่ GGUF ซ้ำเป็นการเผยแพร่ซ้ำภายใต้ข้อตกลงนั้น และรับเงื่อนไขทุกข้อที่ผูกอยู่กับข้อตกลงนั้น สามข้อในเงื่อนไขเหล่านั้นเป็นรูปธรรม:

• คุณต้องส่งต่อข้อตกลงนี้ ข้อกำหนด 3(a) กำหนดให้คุณต้องมอบสำเนาใบอนุญาตให้แก่ทุกคนที่ได้รับวัสดุหรืองานดัดแปลง ที่เก็บ GGUF ที่มีแท็กใบอนุญาตแต่ไม่มีข้อความข้อตกลงไม่ถือว่าสอดคล้องตามข้อกำหนด ไม่ว่าจำนวนดาวน์โหลดจะเป็นเท่าใดก็ตาม

• คุณต้องทำเครื่องหมายระบุสิ่งที่คุณเปลี่ยนแปลง ข้อ 3(ข) กำหนดให้ไฟล์ที่ถูกแก้ไขต้องมีประกาศที่เด่นชัดระบุว่าไฟล์เหล่านั้นถูกเปลี่ยนแปลง ไฟล์น้ำหนักที่เข้ารหัสใหม่ถือเป็นไฟล์ที่ถูกแก้ไข

• คุณต้องแสดงข้อความระบุที่มาโดยคงไว้ตามต้นฉบับทุกประการ ข้อ 3(c) กำหนดให้ข้อความแจ้ง — "Qwen is licensed under the Qwen RESEARCH LICENSE AGREEMENT, Copyright (c) 2026 Hangzhou Tongyi Laboratory Technology Co., Ltd. All Rights Reserved." — ต้องได้รับการเก็บรักษาไว้ในไฟล์ข้อความ "Notice" ที่แจกจ่ายไปพร้อมกับสำเนา

มีกฎเพิ่มเติมอีกสองข้อที่ผูกพันผู้ที่ทำการควอนไทซ์และผู้ใดก็ตามที่ต่อยอดจากผลลัพธ์ หากคุณฝึก ไฟน์จูน หรือปรับปรุงโมเดล AI โดยใช้เนื้อหาหรือผลลัพธ์จากเนื้อหาเหล่านั้น แล้วเผยแพร่โมเดลดังกล่าว คุณต้องแสดง "Built with Qwen" หรือ "Improved using Qwen" อย่างเด่นชัดในเอกสารประกอบผลิตภัณฑ์ และคุณต้องไม่ใช้ "Qwen" เป็นชื่อหลักหรือตัวระบุของงานดัดแปลง แม้ว่าการใช้ในเชิงบรรยาย เช่น "fine-tuned from Qwen Image" จะได้รับอนุญาตก็ตาม กฎหมายที่ใช้บังคับคือกฎหมายจีน โดยมีเขตอำนาจศาลแต่เพียงผู้เดียวอยู่ที่ศาลประชาชนแห่งหางโจว

ข้อสรุปที่นำไปใช้ได้จริงมีอยู่เพียงบรรทัดเดียว และคุ้มค่าที่จะกล่าวอย่างตรงไปตรงมาเพราะรูปแบบซ่อนมันไว้: การควอนไทซ์น้ำหนักไม่ได้เปลี่ยนสัญญาอนุญาต ทุกคลังที่ตรวจสอบสำหรับหน้านี้มี license_name: qwen-research และลิงก์กลับไปยังไฟล์ LICENSE ของผู้จำหน่าย อีกทั้งจำนวนการดาวน์โหลดบนไฟล์ GGUF ไม่ใช่การให้สิทธิ์เชิงพาณิชย์ ในทางตรงกันข้าม สายผลิตภัณฑ์ภาพ Qwen รุ่นก่อนหน้าเป็นแบบผ่อนปรน — การ์ดโมเดลของ Qwen-Image, Qwen-Image-Edit, Qwen-Image-Edit-2511 และ Qwen-Image-2512 ระบุว่า apache-2.0 ทั้งหมดเมื่อวันที่ 13 ตุลาคม 2026 — และ Qwen-Image-2.1 คือจุดที่รูปแบบนั้นขาดตอน หากเป้าหมายคือไปป์ไลน์เชิงพาณิชย์ สัญญาอนุญาตคือสิ่งแรกที่ต้องอ่าน ไม่ใช่สิ่งสุดท้าย

สิ่งนี้ทำให้คุณอยู่ตรงไหน

ขอกล่าวเป็นข้อตัดสินใจมากกว่าบทสรุป: ถ้าการ์ดของคุณเก็บ transformer ขนาด 14.23 GB บวก encoder 17.53 GB บวก VAE ไม่ไหว ไฟล์บิลด์ GGUF ก็เป็นหนทางเดียวที่คุณจะรัน Qwen-Image-2.1 ได้เลย และความคาดหวังตามจริงก็คือ การควอนไทซ์ระดับกลางแลกมากับการที่คุณได้รันมัน แต่ต้องแลกไปด้วยรายละเอียดเล็ก ๆ มือ ข้อความขนาดเล็ก และการทำตามคำสั่ง — โดยไม่มีผลการวัดที่เผยแพร่ไว้ให้รู้ว่าต้องแลกไปมากแค่ไหน ถ้าการ์ดของคุณเก็บไหว เส้นทาง safetensors คือเส้นทางที่ผู้ขายจัดทำเอกสารไว้ และเป็นเส้นทางที่มีจุดอ้างอิงชัดเจน

ผู้อ่านสองคนต้องการประโยคคนละหนึ่งประโยคที่อื่นบนพร็อพเพอร์ตีนี้ ถ้าสิ่งที่คุณต้องการจริง ๆ คือบิลด์จากชุมชนที่ถอดตัวกรองความปลอดภัยออก ไม่ใช่การพูดคุยเกี่ยวกับรูปแบบ นั่นคืออีกหน้าหนึ่ง และบิลด์ที่ไม่มีเซ็นเซอร์ถูกพูดถึงที่นั่น และถ้าปลายทางจริงของคุณคือกราฟโหนดที่ใช้งานได้ ไม่ใช่ไฟล์ที่คุณต้องประกอบเองด้วยมือ หน้า ComfyUI จะพาคุณเดินผ่านไปป์ไลน์ทั้งหมด ทีละโหลดเดอร์

สิ่งที่ยังคงเปิดอยู่คือสิ่งที่ระบบนิเวศยังไม่ได้เผยแพร่: การเปรียบเทียบแบบควบคุมของระดับเหล่านี้บนซีดคงที่ ด้วยพรอมป์ต์เดียวกันและแซมเพลอร์เดียวกัน บนฮาร์ดแวร์ที่มีคนระบุชื่อรุ่น บันทึกของ RealRebelAI ที่ว่า Q4_K_M แบบทั่วไปเสื่อมคุณภาพอย่างเห็นได้ชัดเมื่อเทียบกับข้อมูลอ้างอิง INT8 ขณะที่บิลด์ความแม่นยำผสมภายใต้ป้ายชื่อเดียวกันไม่เป็นเช่นนั้น ถือเป็นสิ่งที่ใกล้เคียงกับคำตอบนั้นมากที่สุดในที่สาธารณะ และมันเป็นการทดสอบ A/B ของผู้เผยแพร่รายเดียวเอง จนกว่าจะมีใครเผยแพร่การเปรียบเทียบนี้ ระดับที่คุณควรเลือกคือระดับสูงสุดที่หน่วยความจำของคุณรองรับ และป้ายชื่อบนชื่อไฟล์เป็นหลักประกันที่อ่อนกว่านโยบายเทนเซอร์ที่อยู่เบื้องหลัง