1. 先搞清楚蒸馏版和非蒸馏版到底差在哪Qwen Image 蒸馏版和非蒸馏版是最近在本地部署图像生成服务时绕不开的一组选型问题。简单说非蒸馏版qwen_image_fp8_e4m3fn/qwen_image_bf16是完整训练出来的原始模型语义理解、文字渲染、复杂构图能力都保留得比较全蒸馏版qwen_image_distill_full_fp8_e4m3fn/qwen_image_distill_full_bf16则是把大模型的能力压缩到更少步数里目标是少步出图、推理更快、显存更省。它适合谁如果你是在本地跑 ComfyUI、需要批量出图、显卡显存有限比如 16G 甚至 12G蒸馏版会让你舒服很多如果你追求单张图的细节、文字准确率、复杂提示词还原度非蒸馏版配合 Lightning LoRA 往往更稳。我实测下来两者不是替代关系而是两种工作流一个走快一个走准。这篇会给你三样东西一份可复制的模型加载配置、一张参数对照表、一套逐项验证动作最后说明怎么用 TaoToken 统一 Key/API 通道把调用接起来方便你在云端或本地混合部署时不用来回换鉴权方式。2. 前置准备模型文件、目录结构与 TaoToken 通道2.1 模型文件清单你需要准备的文件大致是这几类放在 ComfyUI 对应目录下文件类型放置目录说明qwen_image_fp8_e4m3fn.safetensors非蒸馏主模型models/diffusion_models/完整版fp8 量化qwen_image_bf16.safetensors非蒸馏主模型models/diffusion_models/完整版bf16 精度qwen_image_distill_full_fp8_e4m3fn.safetensors蒸馏主模型models/diffusion_models/蒸馏版fp8qwen_image_distill_full_bf16.safetensors蒸馏主模型models/diffusion_models/蒸馏版bf16Qwen-Image-Lightning-8steps-V1.0.safetensors加速 LoRAmodels/loras/配合非蒸馏版用VAE 文件VAEmodels/vae/Qwen Image 专用Text Encoder文本编码器models/text_encoders/Qwen 系列注意fp8 和 bf16 的区别主要在显存和精度。fp8 更省显存bf16 细节略好但吃卡。显存紧张优先 fp8。2.2 为什么这里要提 TaoToken本地跑模型是一回事但很多团队是本地出图 云端调 API混合用的。比如本地用蒸馏版快速出草稿云端用非蒸馏版跑精修或者反过来。这时候如果每个服务都单独配一套 Key管理会很乱。TaoToken 的作用就是把这些调用收敛到一个统一入口一个 Key、一套 API 通道模型对话、编码、图像相关调用都能走同一个鉴权体系。你可以在 TaoToken 官网 了解整体能力实际接入时用 API 地址 作为 base_url 即可。需要生成 Key 的话直接去 API Keys 管理页 创建后面配置里会用到。3. 可复制配置ComfyUI 加载与参数对照3.1 非蒸馏版 Lightning LoRA 配置这是我最推荐的组合出图质量和速度平衡得最好。核心节点配置如下{ 1: { class_type: UNETLoader, inputs: { unet_name: qwen_image_fp8_e4m3fn.safetensors, weight_dtype: default } }, 2: { class_type: LoraLoader, inputs: { lora_name: Qwen-Image-Lightning-8steps-V1.0.safetensors, strength_model: 1.0, strength_clip: 1.0, model: [1, 0], clip: [3, 0] } }, 3: { class_type: CLIPLoader, inputs: { clip_name: qwen_2.5_vl_7b_fp8_scaled.safetensors, type: qwen_image } }, 4: { class_type: VAELoader, inputs: { vae_name: qwen_image_vae.safetensors } }, 5: { class_type: KSampler, inputs: { seed: 123456, steps: 8, cfg: 1.0, sampler_name: euler, scheduler: simple, denoise: 1.0, model: [2, 0], positive: [6, 0], negative: [7, 0], latent_image: [8, 0] } } }关键参数steps设 8cfg设 1.0。Lightning LoRA 就是为少步设计的步数拉高反而会过曝或糊。3.2 蒸馏版配置蒸馏版不需要额外挂 LoRA它本身已经内置了少步能力{ 1: { class_type: UNETLoader, inputs: { unet_name: qwen_image_distill_full_fp8_e4m3fn.safetensors, weight_dtype: default } }, 5: { class_type: KSampler, inputs: { seed: 123456, steps: 8, cfg: 1.0, sampler_name: euler, scheduler: simple, denoise: 1.0, model: [1, 0], positive: [6, 0], negative: [7, 0], latent_image: [8, 0] } } }3.3 参数对照表维度非蒸馏版 Lightning LoRA蒸馏版推荐步数88CFG1.01.0显存占用fp8, 1024x1024约 12–14G约 10–12G单张耗时4090, 8步约 3–4s约 2.5–3.5s文字渲染准确率较高中等复杂提示词还原较好一般是否需要 LoRA需要不需要提示显存数字是实测区间不同分辨率、batch size 会有浮动别当成硬指标。4. 逐项验证怎么确认你跑对了配置贴完不代表跑对得逐项验证。我一般按这个顺序来第一步先跑一张最简单的提示词比如a red apple on a wooden table确认能出图、不报错。这一步只验证链路通不通。第二步固定 seed 和提示词分别用非蒸馏版和蒸馏版各出一张肉眼对比。重点看三处物体边缘是否干净、文字是否可读、背景是否有明显伪影。第三步测速度。在 ComfyUI 控制台看单张耗时或者用命令行计时python main.py --listen 0.0.0.0 --port 8188启动后从日志里读每次采样的耗时。蒸馏版通常比非蒸馏版快 10%–20%但如果你发现蒸馏版反而更慢大概率是模型没加载对或者 fp8 权重没生效。第四步测显存。用nvidia-smi盯着watch -n 1 nvidia-smi出图瞬间的峰值显存才是真实占用别只看空闲值。第五步如果你要接云端 API 做对比用 TaoToken 的通道发一次请求验证鉴权curl https://taotoken.net/api/v1/models \ -H Authorization: Bearer $TAOTOKEN_API_KEY返回模型列表就说明 Key 和通道都正常。想直接在网页里试模型效果可以用 模型对话 快速验证。5. 本篇常见错排查5.1 出图全黑或全灰最常见的原因是 VAE 没加载对或者 Text Encoder 类型选错。Qwen Image 的 CLIP 类型必须选qwen_image选成sdxl或flux都会出问题。检查CLIPLoader节点的type参数。5.2 蒸馏版出图糊、细节丢失先确认步数没设太高。蒸馏版在 8 步左右最稳设到 20 步以上反而会累积误差。另外 CFG 保持 1.0调高会让画面过饱和。5.3 非蒸馏版不挂 LoRA 时速度慢这是正常的非蒸馏版本身就需要 20–30 步才能出好图。要么挂 Lightning LoRA 降到 8 步要么接受慢速换质量。别指望不挂 LoRA 还能 8 步出好图。5.4 显存爆了OOM优先换 fp8 权重其次降分辨率再不行减 batch size。如果还是爆考虑把 Text Encoder 单独放到 CPU 上跑ComfyUI 有对应选项。5.5 API 调用返回 401检查 Key 是否带上了Bearer前缀以及 base_url 是不是https://taotoken.net/api。如果 Key 是在 控制台 刚创建的确认没有复制到多余空格。6. 选型建议与接入通道回到最初的问题蒸馏版和非蒸馏版怎么选如果你做的是批量草稿、快速预览、显存有限的本地部署蒸馏版更合适省心省显存。如果你做的是成品出图、需要文字准确、复杂场景还原非蒸馏版 Lightning LoRA 是更稳的组合。我自己的做法是本地两个都留着按任务切换。云端调用这块如果你要长期跑编码或 Agent 类任务可以看 Coding Plan如果是 Claude Code 这类工具接入参考 ClaudeCodeAnthropic 接入文档。完整的接入说明在 接入文档 里Key 统一在 API Keys 管理。最后留一个实用技巧对比两个模型时一定固定 seed。不然你看到的差异可能只是随机噪声不是模型本身的差距。这个坑我踩过白折腾了一下午。