Z-Image-Turbo-FP8快速上手5分钟跑通首张AI绘图的新手完整教程Z-Image-Turbo-FP8 是 unsloth 制作的低显存量化版 AI 绘图权重包基于 6B 参数的 Z-Image-Turbo通过 FP8 / INT8 量化压缩显存占用让消费级 16G 显存的显卡也能流畅生成高质量图片且画质几乎无损。本教程帮你用 5 分钟时间从安装到出图完整跑通你的第一张 AI 绘图。Z-Image-Turbo-FP8 是什么一句话概括官方模型的量化加速版更快、更省显存、画质几乎不打折。底座模型 Z-Image-Turbo6B 参数、只需 8 步推理即可出图擅长写实风格与中英文双语文本渲染本仓库的作用提供预量化好的权重——加载结果与先下全精度权重、再实时量化逐位一致省去下载大文件和实时量化的开销✅画质实测同种子下与 bf16 全精度版对比LPIPS 差异仅0.130FP8/ 0.181INT8数值越低越接近原版下图就是用本仓库 FP8 权重生成的官方示例1024×1024提示词 cute sloth typing on a computer5分钟快速上手教程第一步安装依赖约1分钟pip install -U diffusers torch torchao huggingface_hubdiffusers绘图流水线框架请保证版本足够新需支持 Z-Image 流水线torchaoFP8 / INT8 量化权重的加载底座huggingface_hub模型下载工具第二步获取量化模型权重约2分钟git clone https://gitcode.com/hf_mirrors/unsloth/Z-Image-Turbo-FP8克隆完成后即可在本仓库中拿到下面文件清单里的预量化权重主权重约 6.3 GB建议提前预留磁盘空间。第三步写出你的第一张图约2分钟核心代码只有 10 行左右import torch from diffusers import ZImagePipeline pipe ZImagePipeline.from_pretrained( Tongyi-MAI/Z-Image-Turbo, torch_dtypetorch.bfloat16, low_cpu_mem_usageFalse, ).to(cuda) image pipe( promptcute sloth typing on a computer, height1024, width1024, num_inference_steps9, # 对应 8 次 DiT 前向 guidance_scale0.0, # Turbo 模型固定填 0 generatortorch.Generator(cuda).manual_seed(42), ).images[0] image.save(my_first_image.png)显存紧张在运行前加一行pipe.enable_model_cpu_offload()权重会在 CPU 与 GPU 之间自动腾挪代价是速度略慢。生成结果类似下面的 FP8 示例图FP8 还是 INT8新手怎么选对比项FP8 版Float8 e4m3INT8 版per-token 激活 / per-channel 权重与 bf16 原版 LPIPS 差异0.130更接近原版0.181推荐场景追求画质保真追求更低显存与速度新手默认选 FP8LPIPS 越小结果越贴近全精度原版。 仓库文件清单文件说明Z-Image-Turbo-FP8.safetensors / Z-Image-Turbo-FP8.pt主网络DiTFP8 量化权重约 6.3 GBZ-Image-Turbo-INT8.safetensors / Z-Image-Turbo-INT8.pt主网络 INT8 量化权重约 6.3 GBZ-Image-Turbo-text_encoder-FP8.safetensors预量化文本编码器Qwen3-4B把 8.0 GB 下载量降到4.4 GBREADME.md完整模型说明、示例与使用方法文本编码器是纯张量 state dictREADME.md 中说明可直接用torch.load加载例如import torch state torch.load(Z-Image-Turbo-text_encoder-FP8.pt, weights_onlyTrue)新手常见问题 FAQQ16G 显存能跑动吗A可以。Z-Image-Turbo 本身设计为 16G 显存即可运行FP8 / INT8 量化后占用进一步下降显存更紧张时请开启 CPU offload。Q量化后的图和原版差别大吗AFP8 版同种子 LPIPS 仅 0.130肉眼基本难以分辨INT8 版 0.181个别高频细节会略有差异。Q为什么强调 num_inference_steps9、guidance_scale0.0A这是 Turbo 蒸馏模型的标准参数9 步实际对应 8 次 DiT 前向而 Turbo 系列不需要引导guidance机制固定填 0。总结Z-Image-Turbo-FP8 低显存量化版 AI 绘图权重FP8 保真优先、INT8 速度优先⏱️5 分钟三步走安装依赖 → 克隆权重仓库 → 跑 10 行代码出首图 完整模型介绍、示例与引用信息参见 README.md下图为 INT8 量化版生成的示例可与 FP8 示例对比观感创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考