本文详细介绍了如何在低显存环境下本地运行z-image-turbo模型，通过nunchaku库实现4秒生成一张图的快速效果。内容涵盖环境配置、插件安装、轮子选择、模型下载等关键步骤，帮助用户在20系以上显卡上高效部署该开源模型。
智能速览
z-image-turbo模型支持20系以上显卡，最低显存要求4GB
通过nunchaku库实现4秒/张的生成速度，首次加载需额外时间
需升级ComfyUI至0.7+版本并匹配Python 3.12和PyTorch 2.9+环境
FP4模型适用于N卡，INT4模型支持AMD/Intel显卡
模型参数2128-232差异小，推荐2128平衡性能与速度
精华内容
要实现本地高效运行z-image-turbo，需要精准配置nunchaku库环境。以下是分步骤实施的关键要点，确保在低显存条件下也能获得稳定输出。
环境准备
首先需升级ComfyUI到0.7以上版本，在设置中确认Python 3.12和PyTorch 2.9+环境。Windows用户必须使用PyTorch 2.9+，因为nunchaku轮子仅支持该版本及CUDA 11.3环境。不匹配的CUDA版本会导致安装失败。
插件安装
通过ComfyUI Manager搜索nunchaku插件自动安装最新版本1.2。安装后需重启界面才能生效。若需使用开发版最新功能，则需手动从GitHub下载插件文件进行覆盖安装。
轮子选择
轮子版本需严格匹配环境参数：根据操作系统、Python版本和PyTorch版本选择对应whl文件。例如Python 3.12+PyTorch 2.9+Windows系统应下载nunchaku-1.2.0+torch2.9-cp312-cp312-win_amd64.whl。通过CMD进入ComfyUI的embedded_python目录执行pip安装命令。
模型下载
从ModelScope下载对应模型：N卡用户选FP4格式，其他显卡用INT4格式。推荐2128参数版本（3.90GB），在速度和质量上取得平衡。将模型放入ComfyUI/models/diffusers_models/nunchaku专用文件夹。
性能表现
实测显示，5070显卡使用FP4模型平均4秒生成一张1024x1024图像。首次运行需加载模型耗时约15秒。与上代相比，新版提升约30%生成速度，同时支持原生LoRA加载。
掌握nunchaku库的部署方法，能让普通用户在有限硬件条件下体验前沿AI绘图技术。随着工具持续迭代，本地AI创作的门槛将进一步降低。你准备用多少显存的设备尝试这个模型？
关键评论
部分用户反馈z-image-turbo输出雪花点，可能与其他模型或节点兼容性有关
有用户质疑128MB显存（如GT205）是否能运行，目前最低支持4GB显存
手动安装轮子时出现平台不兼容错误，需严格匹配操作系统和Python版本
双显卡用户发现模型调度存在问题，建议优先使用独显运行
