免责声明：本站与 ComfyUI 官方无关。
YuliusWiki
🌐 English Version发布日期:•最后更新:•yuliuswiki
ComfyUI diffusion model 和 checkpoint 单文件有什么区别？Qwen-Image-2.1 三件套加载实战
快速答案
分体三件套 vs 单文件：前者需分别加载扩散模型、文本编码器和 VAE。
从 SD 1.5、SDXL 时代过来的 ComfyUI 老用户，第一次下载 Qwen-Image-2.1（或 FLUX、SD 3.5）时大概率会懵：以前都是一个 .safetensors 文件丢进 checkpoints 文件夹、CheckpointLoader 一个节点一把梭；现在官方给了三个文件——diffusion model、text encoder、VAE，到底各放哪、用什么节点加载？本文把两种格式的本质区别、文件目录对照、Qwen-Image-2.1 的完整加载流程和常见报错一次讲清楚。
一、先给结论：两种格式的本质区别
一句话：checkpoint 是旧时代的打包习惯，diffusion model 分体是新架构的发布方式。
在 SD 1.5 / SDXL 的 UNet 架构时代，一个模型文件里打包了三样东西：UNet（扩散去噪的主体）、CLIP（文本编码器）、VAE（潜空间与像素空间的转换器）。ComfyUI 的 CheckpointLoaderSimple 一个节点就能拆出 MODEL、CLIP、VAE 三个输出，所以大家习惯了一个文件走天下。
但从 FLUX、SD 3.5、Qwen-Image-2.1 这一代 DiT / MMDiT 架构开始，情况变了：文本编码器越来越大（Qwen-Image-2.1 用的是 8B 的 Qwen3-VL），VAE 也经常独立迭代，官方干脆把三者分开发布——扩散模型本体进 diffusion_models/，文本编码器进 text_encoders/，VAE 进 vae/。Qwen-Image-2.1 就是 diffusion model，不是 checkpoint，这句话直接决定了你要用哪套加载流程。
打个比方：checkpoint 像品牌一体机，拆箱即用；diffusion model 分体像 DIY 主机，CPU、显卡、内存分开买，装机多两步，但以后升级显卡不用整机换。
三、文件目录对照：Qwen-Image-2.1 三个文件各放哪
以 Hugging Face 上 Comfy-Org/Qwen-Image-2.1 官方仓库的三个文件为例（以下均为 2026 年 10 月实查的文件名）：
1. qwen_image_2.1_int8_convrot.safetensors → ComfyUI/models/diffusion_models/。这是扩散模型本体，负责去噪生成。int8 是量化压缩版，显存占用约为 bf16 完整版的一半，画质损失很小，是大多数人的首选。
2. qwen3vl_8b_int8_convrot.safetensors → ComfyUI/models/text_encoders/。这是文本编码器，把你的提示词转成模型能理解的条件向量。注意 CLIPLoader 节点的类型要选 qwen_image，否则编码器不认。
3. qwen_image_2.1_vae_bf16.safetensors → ComfyUI/models/vae/。这是 VAE，负责把潜空间的生成结果解码成看得见的图片。
放错文件夹是最常见的翻车点：如果 diffusion 模型文件进了 checkpoints/，CheckpointLoader 的下拉框里永远看不到它——因为 CheckpointLoader 只读单文件 checkpoint。另外还有一条 GGUF 的路：社区转换的 qwen-image-2.1-Q8_0.gguf（约 7.6GB）要放 ComfyUI/models/unet/，用 Unet Loader (GGUF) 节点加载，前提是装好 ComfyUI-GGUF 自定义节点。注意 GGUF 文件放进 diffusion_models/ 是不认的，这是第二常见的翻车点。
四、实战：Qwen-Image-2.1 在 ComfyUI 里跑起来的完整步骤
第一步：把 ComfyUI 更新到最新版。Qwen-Image-2.1 的支持是近期才加入的，旧版本会报 not supported。点顶部 Manager → Update ComfyUI，重启。
第二步：下载三个文件。从 Hugging Face 的 Comfy-Org/Qwen-Image-2.1 页面按上面的目录对照放好，三个文件夹各一个文件。
第三步：搭工作流。节点连线是：UNETLoader（选 diffusion 模型文件）→ 接 KSampler 的 model 输入；CLIPLoader（选文本编码器，类型 qwen_image）→ 接 CLIP Text Encode（正/负提示词）→ 接 KSampler 的 conditioning 输入；VAELoader（选 VAE 文件）→ 接 VAE Decode 的 vae 输入；再加 Empty Latent Image → KSampler → VAE Decode → Save Image。嫌麻烦可以直接去 comfy.org 搜 Qwen Image 2.1 的官方 workflow，一键导入。
第四步：参数与显存。建议起点：1024×1024、25 步采样。Qwen 系模型的提示词服从度很强，提示词写详细一些效果更好。显存参考：完整 bf16 版建议 24GB 显存；int8 量化版 12GB 可跑；GGUF Q8_0 版 6–8GB 显存也能跑，是低显存用户的首选。
五、常见报错与排查：90% 的问题出在这四处
1. 下拉框里看不到模型：99% 是文件放错了文件夹。对照上一节的目录表逐一检查：diffusion 模型必须在 diffusion_models/，GGUF 必须在 unet/，文本编码器必须在 text_encoders/，VAE 必须在 vae/。放对后点刷新按钮。
2. 报错 not supported / Unknown model architecture：ComfyUI 版本太旧，先更新；走 GGUF 路线的话，确认装的是 leejet/ComfyUI-GGUF 的维护版 fork，老版本不认 Qwen-Image 架构。
3. 出图全黑：int8 文本编码器在 fp16 精度下溢出了，启动参数加上 --fp32-text-enc 再试。
4. 画质糊、细节差：如果你用的是 Turbo 版，默认 KSampler 参数复现不了它的采样 schedule。社区讨论给出的解法是换 SamplerCustomAdvanced + ManualSigmas 节点，sigma 序列设为 1.0, 0.978453, 0.95418, 0.926626, 0.89508, 0.845148, 0.704534, 0.414568, 0.0，用 euler、CFG 1，8 步。嫌麻烦就把这组节点存成 subgraph 复用。
六、参考来源与免责声明
本文关键事实来源（2026-10-19 实查）：
Comfy-Org/Qwen-Image-2.1 官方仓库（三个文件的官方说明）：https://huggingface.co/Comfy-Org/Qwen-Image-2.1
Qwen-Image-2.1 ComfyUI 完整图文教程（含 int8 / GGUF 两种路线）：https://www.earngenix.com/tutorials/qwen-image-2-1-image-edit-comfyui
Qwen-Image-2.1 Turbo 显存与采样 schedule 实测：https://dev.to/alanwest/qwen-image-21-turbo-isnt-7b-the-vram-you-actually-need-to-run-it-locally-3ikp
comfy.org 官方 Qwen Image 2.1 workflow：https://comfy.org/workflows/bb7e03924a5c-bb7e03924a5c/
免责声明：本站与 ComfyUI、Comfy-Org 及 Qwen 官方无关，本文仅作技术介绍。ComfyUI、Qwen 相关商标与模型版权归其权利人所有。另请注意：Qwen-Image-2.1 采用 Qwen Research License，仅允许非商业用途（研究与评估），商用需联系 model-business@notice.qwencloud.com 申请授权，这与 Apache-2.0 的 Qwen-Image 一代不同。
二、Diffusion Model（分体三件套）vs Checkpoint（单文件）横向对比
| 对比维度 | Diffusion Model（分体三件套） | Checkpoint（单文件） |
|---|---|---|
| 文件形态 | 3 个独立文件：扩散模型 + 文本编码器 + VAE | 1 个 .safetensors 文件，三者打包在一起 |
| 存放目录 | models/diffusion_models/、models/text_encoders/、models/vae/ | models/checkpoints/ |
| 加载节点 | UNETLoader（或专用 Diffusion Loader）+ CLIPLoader + VAELoader | CheckpointLoaderSimple，一个节点输出 MODEL / CLIP / VAE |
| 代表模型 | Qwen-Image-2.1、FLUX.1、SD 3.5 | SD 1.5、SDXL 及其衍生模型 |
| 灵活性 | 可单独替换文本编码器或 VAE（如换 int8 量化版省显存） | 整体替换；想换 VAE 只能外挂覆盖 |
| 上手难度 | 稍高：分清三个文件各放哪、各用什么节点 | 低：一个文件、一个节点 |
| 为什么这样设计 | DiT / MMDiT 新架构组件差异大，分开发布便于单独更新与量化 | UNet 架构时代的打包习惯 |
常见问题解答 (FAQ)
我下载的 Qwen-Image-2.1 为什么在 CheckpointLoader 里看不到？
因为它根本不是 checkpoint，而是 diffusion model 分体格式。CheckpointLoader 只读取 models/checkpoints/ 里的单文件。正确做法：把扩散模型文件放进 models/diffusion_models/，用 UNETLoader（或官方 workflow 里的专用加载节点）加载，文本编码器和 VAE 另用 CLIPLoader / VAELoader 加载。
diffusion model 分体和 checkpoint 单文件能互相转换吗？
可以。ComfyUI 内置的 CheckpointSave 节点就是干这个的：把扩散模型 + CLIP + VAE 三件套接进去，能存成单个 checkpoint 文件。但反向一般不推荐——新架构模型打回单文件后，就失去了单独更新文本编码器、单独换量化版本的灵活性。
GGUF 版和 safetensors 版 Qwen-Image-2.1 该怎么选？
显存 12GB 及以上选官方 safetensors（int8 版画质损失很小）；显存只有 6–8GB 选 GGUF Q8_0（约 7.6GB）。注意两点：GGUF 路线要装 ComfyUI-GGUF 自定义节点；_K 系列量化（如 Q4_K_M）用在 diffusion 模型上可能明显变慢，优先选 Q8_0。
以前的 SD 1.5 / SDXL 单文件 checkpoint 还能用吗？
完全能用，不受影响。CheckpointLoaderSimple 照常工作。只是新出的 DiT 架构模型（Qwen-Image-2.1、FLUX.1、SD 3.5）不再发布单文件版了，老模型和新模型两套流程并存。
Qwen-Image-2.1 可以商用吗？
不可以直接商用。它采用 Qwen Research License，仅授予非商业用途（研究或评估），商用必须发邮件到 model-business@notice.qwencloud.com 申请单独授权。这和 Apache-2.0 协议的一代 Qwen-Image 完全不同，千万别搞混。