【免费下载链接】Qwen-Image-2.1-mflux-q4项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Qwen-Image-2.1-mflux-q4点击查看免费下载Qwen-Image-2.1-mflux-q4 是一个面向 Apple 芯片的文生图text-to-image模型仓库它是 Qwen-Image-2.1 的原生 MLX/mflux 4-bit 量化转换版。整个仓库由四个核心目录组成text_encoder、transformer、vae 和 processor分别负责读懂文字、扩散去噪、像素还原和分词预处理。下面带你逐个拆解这份约 8.9 GB 的模型包搞懂每个目录到底装了什么、为什么这样分工。 仓库全景四个目录各管一摊先看整体结构一眼就能看懂各部分定位Qwen-Image-2.1-mflux-q4/ ├── text_encoder/ # 文本编码器Qwen3-VL把提示词变成向量 ├── transformer/ # 扩散 TransformerMMDiT真正的绘图引擎 ├── vae/ # VAE 变分自编码器负责潜空间与像素图互转 ├── processor/ # 分词器 对话模板文本预处理 ├── README.md # 项目说明与实测数据 └── LICENSE # Apache-2.0 许可证四个目录的分工可以用一句话概括目录角色比喻核心职责权重量text_encoder/翻译官把文字提示词编码成模型能理解的语义向量≈ 3.96 GB2 分片transformer/绘图引擎在潜空间中逐步去噪生成图像潜表示≈ 3.73 GB2 分片vae/解码器把潜空间张量还原成像素图及反向编码≈ 1.23 GB1 分片processor/前台接待分词、模板拼接为 text_encoder 备料KB 级这种文本编码器 扩散 Transformer VAE的三段式架构是现代扩散类文生图模型如 Qwen-Image 系列的标准配置。✍️ text_encoder提示词的翻译官text_encoder/ 存放的是 Qwen3-VL 文本编码器的权重它的工作是把你输入的提示词如一只在雪地里打滚的柴犬转换成一串高维语义向量供 transformer 参考该画什么。从分片索引 text_encoder/model.safetensors.index.json 可以看到三个关键信息36 层 Transformer 结构从layers.0到layers.35每层包含 self_attn 注意力q/k/v/o 投影与 mlp 前馈网络4-bit 量化痕迹几乎每个线性层都带有weight、scales、biases三件套其中scales就是 4-bit 反量化所需的缩放因子这是体积大幅压缩的关键分片存储权重拆成0.safetensors约 1.99 GB和1.safetensors约 1.97 GB两个文件方便按需加载。 transformer真正落笔的扩散引擎transformer/ 是整个模型的核心也是体积最大的部件之一。这里存放 MMDiT多模态 Diffusion Transformer的权重它拿text_encoder 给的语义向量 噪声潜张量作为输入经过多步迭代去噪输出干净的图像潜表示。查看分片索引 transformer/model.safetensors.index.json可以看到典型的扩散 Transformer 组件32 个 transformer_blocks每个块都有attn.to_q / to_k / to_vQuery/Key/Value 注意力投影和img_mlp、txt_mlp两条前馈通路让图像 token 与文本 token 双向交流时序与位置编码time_text_embed、pos_embed.cos_tables等参数负责注入扩散步数信息同样 4-bit 量化每个权重旁都有对应的.scales/.biases条目两个分片合计约 3.73 GB。️ vae潜空间与像素图的转换器vae/ 存放 Qwen Image 2.1 布局的 VAE变分自编码器采用 mflux 的 Qwen Image 2.1 layout。它承担两个方向的任务编码image-to-image 场景下把输入图压成潜空间张量解码生成结束后把 transformer 输出的潜张量翻译回可见的像素图像。从 vae/model.safetensors.index.json 的结构可以看出经典的编解码器设计encoder.down_blocks逐级下采样压缩与decoder.up_blocks逐级上采样还原内部由大量 resnet 残差块堆叠而成。一个有意思的细节vae/目录只有 1 个分片约 1.23 GB且权重名中没有.scales字段——说明 VAE 保留了全精度存储因为解码质量对像素级细节非常敏感不宜激进量化。 processor小而关键的前台接待processor/ 目录文件最小却不可或缺包含 3 个文件文件作用tokenizer.json分词器词表与规则把提示词切成 token 序列tokenizer_config.json分词器配置指定Qwen3VLProcessor/Qwen2Tokenizermodel_max_length高达 262144chat_template.jinjaJinja 对话模板规范 system/user 消息的拼接格式它相当于模型流水线的预处理车间用户输入的原始文字先在这里被切分、格式化再交给 text_encoder 编码。⚡ 实测表现与快速上手README.md 给出了 Mac Studio 上的实测数据这也是选择 q4 版本的最大卖点512×512、40 步峰值 MLX 内存4.68 GiB1024×1024、4 步峰值 MLX 内存5.14 GiB打包体积约8.9 GB⚠️ 需要注意该 checkpoint 使用 mflux 0.20.0 MLX 0.32.2 从上游 revision790c92633540aa0cb11d9abf19eb46d861714758转换而来。README 特别提示原版 mflux 0.20.0 会跳过 text-encoder 的量化加载需要搭配Rapid-MLX 的 reviewed low-memory loader才能完整加载这个模型包使用了提示词物化、编码器驱逐与分块 VAE 解码等省内存策略。 常见问题FAQQ1为什么权重要拆成 0.safetensors / 1.safetensors 多个文件单个超大文件不便加载与校验。分片后加载器可以顺序读取.safetensors.index.json索引文件记录了每个权重名属于哪个分片加载器据此精确定位。Q2q4 是指什么会明显损失画质吗q4 即 4-bit 量化——每个权重从 16-bit 压缩到 4-bit体积缩到约 1/4让 8 GB 内存的 Mac 也能跑起大模型。代价是轻微的精度损失对大多数文生图场景影响有限。Q3这个仓库能直接跑吗需要 Apple 芯片MLX 运行时 Rapid-MLX 的省内存加载器详见 README.md 说明。原模型与转换版均采用Apache-2.0许可见 LICENSE可自由使用。 总结Qwen-Image-2.1-mflux-q4 的目录结构正是标准扩散文生图流水线的缩影processor分词备料 →text_encoder读懂提示词 →transformer逐步去噪绘图 →vae还原成像素图。理解这四个目录的职责边界不仅有助于你正确使用这个模型也为你阅读其他 Hugging Face 风格的文生图仓库打下了通用基础。赞分享【免费下载链接】Qwen-Image-2.1-mflux-q4项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/Qwen-Image-2.1-mflux-q4点击查看免费下载相关推荐Qwen-Image-2.1-mflux-q4 vs 原版Qwen-Image-2.1内存、画质与速度终极对比Qwen Image 2.1 mflux q4 vs 原版Qwen Image 2.1内存、画质与速度终极对比 Qwen Image 2.1 mflux q4Qwen-Image-2.1-mflux-q4常见问题清单为什么标准mflux加载不了完整解答Qwen Image 2.1 mflux q4常见问题清单为什么标准mflux加载不了完整解答 Qwen Image 2.1 mflux q4 是面向 ApQwen-Image-2.1-mflux-q4快速上手从下载到生成第一张1024x1024 AI图像Qwen Image 2.1 mflux q4快速上手从下载到生成第一张1024x1024 AI图像 Qwen Image 2.1 mflux q4 是 Qw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考