关键词Z-Image、ComfyUI、ModelScope、魔搭、AI绘画、阿里通义、国内下载前言上一篇我们已经在 Ubuntu 上装好了 ComfyUI没看过的点这里[《Ubuntu 安装 ComfyUI 保姆级教程》]。这篇我们来跑通第一个当红模型——Z-Image。Z-Image 是阿里通义实验室发布的 6B 参数图像生成模型单流 DiT 架构有几个非常突出的卖点亚秒级推理Turbo 版只需 8~9 步采样16GB 显卡上出一张图只要几秒钟中英文双语精准渲染海报上写中文大字基本不乱码这一点吊打绝大多数开源模型照片级真实感人像、产品图质感非常出色显存友好6B 参数低配有 FP8 / GGUF 量化版8GB 显存也能跑对国内用户来说最爽的是Z-Image 全套文件在魔塔社区ModelScope有官方镜像下载直接跑满带宽不用再和 Hugging Face 斗智斗勇。本文目标从 ModelScope 高速下载模型 → 正确放置文件 → 加载官方工作流 → 生成第一张图。一、Z-Image 和 Z-Image-Turbo 选哪个官方目前有两个版本文件不同、采样参数也不同千万别混用版本特点采样步数CFG适合人群Z-Image基础版质量上限更高、风格多样、适合微调25~30 步4.0追求画质、愿意等Z-Image-Turbo推荐蒸馏加速版亚秒级出图质量损失很小8~9 步1.0日常生图、批量出图新手无脑选Turbo。把基础版的 30 步 / CFG 4.0 参数套到 Turbo 上出来的图会过饱和、发糊反过来用 Turbo 的参数跑基础版会严重欠火候——这是新手最常犯的错误。二、要下载哪几个文件Z-Image 不是传统的一个 checkpoint 文件而是三件套分别放进三个不同的目录文件大小作用存放位置z_image_turbo_bf16.safetensors约 12.3 GB扩散模型本体ComfyUI/models/diffusion_models/qwen_3_4b.safetensors约 8 GB文本编码器Qwen3-4BComfyUI/models/text_encoders/ae.safetensors约 335 MBVAE和 Flux.1 是同一个ComfyUI/models/vae/如果你之前玩 Flux 已经下过ae.safetensorsVAE 就不用重复下载了。显存 8~12GB的同学把扩散模型换成 FP8 版z-image-turbo-fp8-e4m3fn.safetensors能省近一半显存。三、从魔塔满速下载两种方式方式一wget 直接下简单粗暴进入 ComfyUI 根目录逐条执行cdComfyUI# 1. 扩散模型约 12.3 GBwget-Omodels/diffusion_models/z_image_turbo_bf16.safetensors\https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/diffusion_models/z_image_turbo_bf16.safetensors# 2. 文本编码器约 8 GBwget-Omodels/text_encoders/qwen_3_4b.safetensors\https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/text_encoders/qwen_3_4b.safetensors# 3. VAE约 335 MBwget-Omodels/vae/ae.safetensors\https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/vae/ae.safetensors国内带宽下基本可以跑满三个文件加起来二十多 GB百兆带宽大概 30~40 分钟。方式二modelscope 命令行工具推荐支持断点续传pipinstallmodelscopecdComfyUI/models modelscope download--modelComfy-Org/z_image_turbo--local_dir./z_image_turbo_tmp下载完成后模型在z_image_turbo_tmp/split_files/目录下批量归位cp-r./z_image_turbo_tmp/split_files/diffusion_models/* ./diffusion_models/cp-r./z_image_turbo_tmp/split_files/text_encoders/* ./text_encoders/cp-r./z_image_turbo_tmp/split_files/vae/* ./vae/中途断网了重跑同一条命令即可会自动续传。最终目录结构应该长这样放错目录是新手第二大坑VAE 放进 diffusion_models 里VAE 加载器是看不到的 ComfyUI/ ├── models/ │ ├── text_encoders/ │ │ └── qwen_3_4b.safetensors │ ├── diffusion_models/ │ │ └── z_image_turbo_bf16.safetensors │ └── vae/ │ └── ae.safetensors四、更新 ComfyUI 并启动Z-Image 是 ComfyUI原生支持的模型不需要装任何自定义节点但要求版本够新cdComfyUIgitpull pipinstall-rrequirements.txt# 有依赖更新的话顺手装上python main.py浏览器打开http://127.0.0.1:8188。五、加载官方工作流新版 ComfyUI 自带 Z-Image 模板加载方法顶部菜单点Workflow工作流→Browse Templates浏览模板在图像分类里找到Z-Image-Turbo 文生图点击加载加载后检查三个加载器节点确认选中的文件名和你下载的完全一致Load Diffusion Model→z_image_turbo_bf16.safetensorsLoad CLIP→qwen_3_4b.safetensorsLoad VAE→ae.safetensors如果模板里找不到 Z-Image或者加载工作流提示节点缺失99% 是 ComfyUI 没更新回去执行git pull。也可以在 ComfyUI 官方文档下载image_z_image_turbo.json工作流文件从菜单Workflow → Open手动导入。六、跑第一张图在CLIP Text Encode节点里输入提示词。Z-Image 对中文提示词支持极好直接写中文就行一张电影感海报雨夜的城市街道霓虹灯牌上写着深夜食堂四个汉字 地面积水倒映着暖色灯光一个撑伞的背影胶片质感8k采样参数确认一下Turbo 版steps8~9不要超过 20步数过高反而过饱和、画质下降CFG1.0采样器euler分辨率1024×1024 起步点击Queue / 运行。第一次生成会先加载模型到显存等十几秒之后就是见证奇迹的时刻loaded completely 14021.4 MB 100%|██████████| 9/9 [00:0200:00, 3.91it/s] Prompt executed in 2.87 seconds9 步采样 3 秒不到出图这就是 Turbo 的实力。生成的图片保存在ComfyUI/output/目录。七、常见问题1. 加载工作流提示 “unknown node type”ComfyUI 版本太旧。Z-Image 原生支持上线时间不长超过一个月没更新的版本大概率不认这些节点git pull 重装依赖即可。2. 提示找不到模型文件 / 下拉列表是空的文件名或目录放错了。对照第三节的目录结构检查注意是text_encoders不是clip老教程里的叫法放好后重启或刷新页面。3. 爆显存CUDA out of memory换 FP8 版扩散模型z-image-turbo-fp8-e4m3fn.safetensors文本编码器换 GGUF 量化版如Qwen3-4B-Q6_K.gguf需装 ComfyUI-GGUF 节点启动加参数python main.py --lowvram4. 出图发糊、颜色诡异检查是不是把 CFG 设成了 7 之类的 SD 习惯值——Turbo 版必须CFG1.0、8~9 步。5. ModelScope 下载慢个别时段会限速可以改用HF_ENDPOINThttps://hf-mirror.com走国内镜像站下 Hugging Face 源速度同样可观。八、总结回顾整个流程魔塔下三件套 → 按目录归位 → 更新 ComfyUI → 加载官方模板 → CFG 1.0 跑 9 步。核心技巧就一个认准 ModelScope 的 Comfy-Org 官方仓库国内满速再也不用熬夜等 Hugging Face。下一篇预告Z-Image 的提示词实战技巧 Fun ControlNet 多控工作流Canny/Depth/Pose 五合一关注我更新第一时间推送。有问题评论区见本文基于 ComfyUI 官方文档与魔塔社区资源整理版本信息截至 2026 年 10 月。 
长河君 · 2026/10/23 3:05:14 · 阅读 1.2k ComfyUI 实战：国内满速下载 Z-Image 模型并跑通生图（魔塔 ModelScope 教程）
关键词Z-Image、ComfyUI、ModelScope、魔搭、AI绘画、阿里通义、国内下载前言上一篇我们已经在 Ubuntu 上装好了 ComfyUI没看过的点这里[《Ubuntu 安装 ComfyUI 保姆级教程》]。这篇我们来跑通第一个当红模型——Z-Image。Z-Image 是阿里通义实验室发布的 6B 参数图像生成模型单流 DiT 架构有几个非常突出的卖点亚秒级推理Turbo 版只需 8~9 步采样16GB 显卡上出一张图只要几秒钟中英文双语精准渲染海报上写中文大字基本不乱码这一点吊打绝大多数开源模型照片级真实感人像、产品图质感非常出色显存友好6B 参数低配有 FP8 / GGUF 量化版8GB 显存也能跑对国内用户来说最爽的是Z-Image 全套文件在魔塔社区ModelScope有官方镜像下载直接跑满带宽不用再和 Hugging Face 斗智斗勇。本文目标从 ModelScope 高速下载模型 → 正确放置文件 → 加载官方工作流 → 生成第一张图。一、Z-Image 和 Z-Image-Turbo 选哪个官方目前有两个版本文件不同、采样参数也不同千万别混用版本特点采样步数CFG适合人群Z-Image基础版质量上限更高、风格多样、适合微调25~30 步4.0追求画质、愿意等Z-Image-Turbo推荐蒸馏加速版亚秒级出图质量损失很小8~9 步1.0日常生图、批量出图新手无脑选Turbo。把基础版的 30 步 / CFG 4.0 参数套到 Turbo 上出来的图会过饱和、发糊反过来用 Turbo 的参数跑基础版会严重欠火候——这是新手最常犯的错误。二、要下载哪几个文件Z-Image 不是传统的一个 checkpoint 文件而是三件套分别放进三个不同的目录文件大小作用存放位置z_image_turbo_bf16.safetensors约 12.3 GB扩散模型本体ComfyUI/models/diffusion_models/qwen_3_4b.safetensors约 8 GB文本编码器Qwen3-4BComfyUI/models/text_encoders/ae.safetensors约 335 MBVAE和 Flux.1 是同一个ComfyUI/models/vae/如果你之前玩 Flux 已经下过ae.safetensorsVAE 就不用重复下载了。显存 8~12GB的同学把扩散模型换成 FP8 版z-image-turbo-fp8-e4m3fn.safetensors能省近一半显存。三、从魔塔满速下载两种方式方式一wget 直接下简单粗暴进入 ComfyUI 根目录逐条执行cdComfyUI# 1. 扩散模型约 12.3 GBwget-Omodels/diffusion_models/z_image_turbo_bf16.safetensors\https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/diffusion_models/z_image_turbo_bf16.safetensors# 2. 文本编码器约 8 GBwget-Omodels/text_encoders/qwen_3_4b.safetensors\https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/text_encoders/qwen_3_4b.safetensors# 3. VAE约 335 MBwget-Omodels/vae/ae.safetensors\https://www.modelscope.cn/models/Comfy-Org/z_image_turbo/resolve/master/split_files/vae/ae.safetensors国内带宽下基本可以跑满三个文件加起来二十多 GB百兆带宽大概 30~40 分钟。方式二modelscope 命令行工具推荐支持断点续传pipinstallmodelscopecdComfyUI/models modelscope download--modelComfy-Org/z_image_turbo--local_dir./z_image_turbo_tmp下载完成后模型在z_image_turbo_tmp/split_files/目录下批量归位cp-r./z_image_turbo_tmp/split_files/diffusion_models/* ./diffusion_models/cp-r./z_image_turbo_tmp/split_files/text_encoders/* ./text_encoders/cp-r./z_image_turbo_tmp/split_files/vae/* ./vae/中途断网了重跑同一条命令即可会自动续传。最终目录结构应该长这样放错目录是新手第二大坑VAE 放进 diffusion_models 里VAE 加载器是看不到的 ComfyUI/ ├── models/ │ ├── text_encoders/ │ │ └── qwen_3_4b.safetensors │ ├── diffusion_models/ │ │ └── z_image_turbo_bf16.safetensors │ └── vae/ │ └── ae.safetensors四、更新 ComfyUI 并启动Z-Image 是 ComfyUI原生支持的模型不需要装任何自定义节点但要求版本够新cdComfyUIgitpull pipinstall-rrequirements.txt# 有依赖更新的话顺手装上python main.py浏览器打开http://127.0.0.1:8188。五、加载官方工作流新版 ComfyUI 自带 Z-Image 模板加载方法顶部菜单点Workflow工作流→Browse Templates浏览模板在图像分类里找到Z-Image-Turbo 文生图点击加载加载后检查三个加载器节点确认选中的文件名和你下载的完全一致Load Diffusion Model→z_image_turbo_bf16.safetensorsLoad CLIP→qwen_3_4b.safetensorsLoad VAE→ae.safetensors如果模板里找不到 Z-Image或者加载工作流提示节点缺失99% 是 ComfyUI 没更新回去执行git pull。也可以在 ComfyUI 官方文档下载image_z_image_turbo.json工作流文件从菜单Workflow → Open手动导入。六、跑第一张图在CLIP Text Encode节点里输入提示词。Z-Image 对中文提示词支持极好直接写中文就行一张电影感海报雨夜的城市街道霓虹灯牌上写着深夜食堂四个汉字 地面积水倒映着暖色灯光一个撑伞的背影胶片质感8k采样参数确认一下Turbo 版steps8~9不要超过 20步数过高反而过饱和、画质下降CFG1.0采样器euler分辨率1024×1024 起步点击Queue / 运行。第一次生成会先加载模型到显存等十几秒之后就是见证奇迹的时刻loaded completely 14021.4 MB 100%|██████████| 9/9 [00:0200:00, 3.91it/s] Prompt executed in 2.87 seconds9 步采样 3 秒不到出图这就是 Turbo 的实力。生成的图片保存在ComfyUI/output/目录。七、常见问题1. 加载工作流提示 “unknown node type”ComfyUI 版本太旧。Z-Image 原生支持上线时间不长超过一个月没更新的版本大概率不认这些节点git pull 重装依赖即可。2. 提示找不到模型文件 / 下拉列表是空的文件名或目录放错了。对照第三节的目录结构检查注意是text_encoders不是clip老教程里的叫法放好后重启或刷新页面。3. 爆显存CUDA out of memory换 FP8 版扩散模型z-image-turbo-fp8-e4m3fn.safetensors文本编码器换 GGUF 量化版如Qwen3-4B-Q6_K.gguf需装 ComfyUI-GGUF 节点启动加参数python main.py --lowvram4. 出图发糊、颜色诡异检查是不是把 CFG 设成了 7 之类的 SD 习惯值——Turbo 版必须CFG1.0、8~9 步。5. ModelScope 下载慢个别时段会限速可以改用HF_ENDPOINThttps://hf-mirror.com走国内镜像站下 Hugging Face 源速度同样可观。八、总结回顾整个流程魔塔下三件套 → 按目录归位 → 更新 ComfyUI → 加载官方模板 → CFG 1.0 跑 9 步。核心技巧就一个认准 ModelScope 的 Comfy-Org 官方仓库国内满速再也不用熬夜等 Hugging Face。下一篇预告Z-Image 的提示词实战技巧 Fun ControlNet 多控工作流Canny/Depth/Pose 五合一关注我更新第一时间推送。有问题评论区见本文基于 ComfyUI 官方文档与魔塔社区资源整理版本信息截至 2026 年 10 月。