Z-Image很稳，低显存GGUF模型和工作流！

看来大家还是挺喜欢 Z-Image 的。

我就在为低配电脑，低显存用户努力一把！分享一个低显存的 GGUF 工作流，6G显卡来挑战一下啊！

GGUF 是一种专门给本地大模型（LLM）做压缩和加速的文件格式，让模型可以在 更小的显存 / 内存 下运行，尤其适用于：

• Windows / macOS / Linux 本地推理
• CPU 运行（非常强）
• 小显存 GPU（4GB、8GB、12GB）

这次主要是需要用到下面两个项目：

https://huggingface.co/jayn7/Z-Image-Turbo-GGUF
​
https://huggingface.co/unsloth/Qwen3-4B-GGUF/

最核心的 Z-Image-Turbo-GGUF 这个项目的模型。

从这里下载一个模型，我一般从性价比角度会选 Q4_K_M 模型，这个模型的体积只有 Z-Image 官方模型的一半，比 FP8 也要小很多。另外会用到一个 Qwen-4B 的 CLIP 模型，可以从另外一个网址中获取。

不同模型生成的效果图如下：

从对比图来看，不同量化模型，差别不是很大。即便是最小的 Q3 图片也没有崩。所以用 GGUF 模型，对结果并不会有太大的负面作用，可以放心使用。当然硬件允许，追求质量，就用官方原版模型。

根据自己的情况下载一个尺寸合适的模型，然后从另外一个地址下载一个 Qwen3-4B-GGUF 的模型。这样模型就准备好了。

接下来可以启动软件。

安装一下 GGUF 的节点插件。

GGUF 模型，必须要专门的 GGUF 节点，所以需要安装一下节点插件。

安装完成之后，重启软件打开 GGUF 工作流。直接点击运行就可以了。

从实际情况来看，如果你不是特别敏锐，很难看出差别。非常好！

另外昨天的工作流有人反馈了一个问题：无法更换提示词。

就是修改提示词之后无效，非常奇怪。我测试了 image_z_image_turbo.json 这个工作流，确实有这个问题。然后进入子图修改之后，可以正常工作。刚开始我怀疑是子图的问题，但是后来发现好像和 Nodes 2.0 有关。

目前来看，还是关闭 Nodes 2.0，不用子图比较稳妥。为了避免“子图”的困扰，我单独做了一个完整的工作流。

另外，昨天有人在 1070 上成功运行了 FP8 的工作流，而有人反馈 8G 跑不起来。

我怀疑显存不够的情况下和内存大小也有很大的关系。

而今天 GGUF 工作流，把里面两个最消耗内存显存的模型都换成了 GGUF 模型。

理论上来说肯定是会比昨天的工作流消耗的显存更少！昨天跑不起来的，可以测试一下新的工作流，如果还是有压力，可以把里面的 Q4 换成 Q3 或者 Q2。

最后，我会把新工作流和模型放到网盘里，获取方式和上一篇中提到的一样。

大家运行完成之后，可以分享一下能不能跑，跑得快不快。最好带上显卡型号，显存，出图时间等信息！

Z-Image YYDS ，很稳！