NitroFusion2: Z-Image-Turbo en 1 paso con workflows de ComfyUI

Mismo prompt y semilla: Z-Image-Turbo frente a NitroFusion2 en uno y dos pasos. Tomado de la tarjeta del modelo.

Qué cambió

El modelo base ya funciona en ocho pasos. NitroFusion2 lo lleva a uno trasladando la pérdida adversarial al flujo de texto del MMDiT: hacia la mitad de la red los tokens de texto ya han leído la imagen y contienen un resumen de lo que se generó, de modo que un discriminador entrenado allí ve la visión que el propio prompt tiene de la imagen. El efecto práctico es que la tipografía y los detalles pequeños sobreviven a un solo paso mejor de lo que suele lograr una destilación simple por número de pasos.

Cómo ejecutarlo

Tres archivos en las carpetas estándar de ComfyUI y luego un flujo de trabajo:

• nf2-bf16.safetensors (12.31 GB) en models/diffusion_models/
• qwen_3_4b.safetensors en models/text_encoders/, cargado como lumina2
• ae.safetensors en models/vae/

Un paso se ejecuta con euler / simple, CFG 1, shift 3. Dos pasos cambia a shift 6 y añade el LoRA de desdestilación a 0.5 solo para el primer paso, luego 0.0 para el segundo; el flujo de trabajo oficial de dos pasos lo hace con dos pasadas del muestreador.

Los niveles GGUF publicados con un mismo prompt y semilla, de mayor a menor precisión. Tomado de la tarjeta del modelo.

Archivos más pequeños

El repositorio incluye GGUF desde nf2-Q2_K_4XS (2.0 GB) hasta nf2-Q8_0 (7.2 GB), cada uno con su propio flujo de trabajo de uno y dos pasos en la página del modelo. Un conjunto de terceros para ComfyUI añade cuantizaciones nativas de ComfyUI del mismo archivo nf2-bf16, medidas a 1024² en una 4090 (PedroMarinhoDev/NitroFusion2-ComfyUI):

Ese error es relativo a la predicción bf16 sobre 12 prompts x 4 muestras de ruido, y el autor señala que casi todo recae en la textura fina más que en la composición, los rostros o el texto. Conviene leerlo como una clasificación entre los tres archivos, no como una puntuación absoluta de calidad.