指南 / 本地图像生成入门(2026-07)
本地图像生成入门(2026-07)
18 个本地可跑的开源文生图模型,显存数据大多缺失,先看 intro 再看表。
编辑推荐
这页覆盖站内全部 18 张文生图模型卡。image 域是全站显存字段完整度最低的领域(19 张卡里只有 1 张有数据,约 5.3%),所以本表大多数行的显存列是空的——这不是模型跑不动,而是数据没收集全。选型前请点进模型详情页或官方仓库查看硬件建议,不要只看这张表的空白格。
- 旗舰画质/生态最成熟 FLUX.1-dev (BFL)
why_trust 写下载 70.8 万、点赞 1.29 万,是本页体量最大的社区验证;community.consensus 称其"被广泛视为最强大的开放权重图像生成模型",solves 提到能渲染可读文字、兼容 ComfyUI/Diffusers/TensorRT;但 license 为非商业许可,watch_outs 明确"不能用于商业用途或商业服务",commercial_use 标注需自查。
- 快速出图/训练效率高 Lens-Turbo (Microsoft)
key_info.size 3.8B、license MIT 可商用;community.solves 提到"训练效率极高,所需算力约为同类模型的五分之一"、"以 3.8B 小参数量实现与 FLUX、SD3 等大模型竞争甚至超越的画质";watch_outs 也提醒"文本编码器体积达 20B,加载和推理开销较大"且"16GB 显存能否流畅运行存在疑问"。
- 动漫风格/可商用 Z-Anime (SeeSee21)
key_info.license 为 apache-2.0(可商用),key_info.image.base_model 为 Tongyi-MAI/Z-Image 的微调;good_for 明确"生成动漫风格插画/二次元角色设计";但 community.consensus 也直言"样本预览画质受到社区质疑,认为不够好"且"社区实测反馈极少,缺乏大规模对比验证",宜先小批量试用。
- 移动端/苹果芯片超轻量 Bonsai-Image-4B (Prism ML)
why_trust 写"6.4×压缩至1.21GB,苹果芯片 MLX 部署",license apache-2.0 可商用;community.solves 提到推理速度快(约 17k t/s)且提供免费 iPhone 应用 Bonsai Studio;但 watch_outs 也说明"生成准确度/质量不够理想",默认 4 步采样效果有限,需要增加到 10-20 步。
全部候选对比
| 模型 | 参数量 | 显存门槛 | 上下文 | 许可证 | 商用 | 国内可达 | 部署 |
|---|---|---|---|---|---|---|---|
| FLUX.1-dev (BFL) | 12B | ~7.2GB 4-bit | 不适用 | 非商业许可 | 需自查 | 需代理 | diffusers: FluxPipeline.from_pretrained('black-forest-labs/FLUX.1-dev') |
| Krea-2-Turbo (Krea) 原生 · GGUF | 12B | ~7.2GB 4-bit | — | Krea-2-Community-License | 需自查 | 需代理 | python -c "from diffusers import Krea2Pipeline; import torch; pipe = Krea2Pipeline.from_pretrained('krea/Krea-2-Turbo', torch_dtype=torch.bfloat16).to('cuda'); pipe('a fox in the snow', num_inference_steps=8, guidance_scale=0.0).images[0].save('out.png')" / sglang generate --model-path krea/Krea-2-Turbo --prompt "a red fox sitting in fresh snow, golden hour, photorealistic" --num-inference-steps 8 --height 1024 --width 1024 --save-output |
| Juggernaut-Z-Image (RunDiffusion) | — | — | — | cc-by-nc-4.0 | 不可商用 | 需代理 | diffusers: from_pretrained('RunDiffusion/Juggernaut-Z-Image') |
| Z-Anime (SeeSee21) | 4B | ~4.4GB FP8 | — | apache-2.0 | 可商用 | 需代理 | huggingface-cli download SeeSee21/Z-Anime / from diffusers import StableDiffusionPipeline; pipe = StableDiffusionPipeline.from_pretrained('SeeSee21/Z-Anime') |
| Krea2-FP8 (KREA) | — | — | — | krea-2-license | 需自查 | 需代理 | huggingface-cli download AlperKTS/Krea2_FP8 --local-dir ./krea2_fp8 |
| Ideogram-4-NF4 (Ideogram) | — | — | — | other | 需自查 | 需代理 | pip install diffusers bitsandbytes accelerate / python -c 'from diffusers import DiffusionPipeline; pipe = DiffusionPipeline.from_pretrained("ideogram-ai/ideogram-4-nf4", torch_dtype=torch.bfloat16); pipe.to("cuda")' |
| ideogram-4-fp8 (ideogram-ai) | — | — | — | other | 需自查 | 需代理 | diffusers: from_pretrained('ideogram-ai/ideogram-4-fp8') |
| ideogram_4_turbotime_lora (ostris) | 未公开（LoRA） | — | 不适用 | ideogram-4-non-commercial | 需自查 | 需代理 | pip install -U diffusers transformers accelerate / from diffusers import DiffusionPipeline; pipe = DiffusionPipeline.from_pretrained('ideogram-ai/ideogram-4-fp8', dtype=torch.bfloat16, device_map='cuda'); pipe.load_lora_weights('ostris/ideogram_4_turbotime_lora') |
| AsymFLUX.2-klein-9B (Stanford) | 9B | ~5.4GB 4-bit | — | flux-non-commercial-license | — | 需代理 | Python: pip install lakonlab 后用 PixelFlux2KleinPipeline 加载适配器 |
| M87 (mgwr) | — | — | — | apache-2.0 | 可商用 | 需代理 | python -c "from diffusers import DiffusionPipeline; pipe = DiffusionPipeline.from_pretrained('krea/Krea-2-Turbo'); pipe.load_lora_weights('mgwr/M87'); pipe('a cat --preview').images[0].save('out.png')" |
| Krea2 Turbo Style Reference LoRA (Krea) | — | — | 不适用 | krea-2-community-license | 需自查 | 需代理 | pipe = DiffusionPipeline.from_pretrained("krea/Krea-2-Turbo", custom_pipeline="ostris/Krea2OstrisEdit", torch_dtype=torch.bfloat16); pipe.enable_model_cpu_offload(); pipe.load_lora_weights("ostris/krea2_turbo_style_reference") |
| Lens (Microsoft) | 3.8B | ~2.3GB 4-bit | — | MIT | 可商用 | 需代理 | git clone https://github.com/microsoft/Lens && python inference.py / LensPipeline.from_pretrained('microsoft/Lens') |
| Krea-2-Raw (Krea) | 12B | ~7.2GB 4-bit | — | krea-2-community-license | 需自查 | 需代理 | pip install diffusers && python -c 'from diffusers import Krea2Pipeline; pipe = Krea2Pipeline.from_pretrained("krea/Krea-2-Raw", torch_dtype=torch.bfloat16).to("cuda"); pipe("a fox in the snow", num_inference_steps=52, guidance_scale=3.5).images[0].save("out.png")' / pip install git+https://github.com/sgl-project/sglang.git && sglang generate --model-path krea/Krea-2-Raw --prompt "a fox in the snow" --num-inference-steps 52 --height 1024 --width 1024 --guidance-scale 3.5 --save-output |
| Cosmos3-Super-Text2Image (nvidia) | 64B | ~39GB 4-bit | 4k tokens (文本输入) | OpenMDW1.1 | 需自查 | 需代理 | vllm serve nvidia/Cosmos3-Super-Text2Image (vLLM-Omni) / diffusers.Cosmos3OmniPipeline.from_pretrained() / docker pull vllm/vllm-omni:cosmos3 |
| Lens-Turbo (Microsoft) | 3.8B | ~2.3GB 4-bit | — | MIT | 可商用 | 需代理 | HF Diffusers: LensPipeline.from_pretrained('microsoft/Lens-Turbo') / CLI: git clone https://github.com/microsoft/Lens && python inference.py --repo_id microsoft/Lens-Turbo |
| PiD (NVIDIA) | — | — | — | NVIDIA Internal SRDML (仅限研究) | 需自查 | 需代理 | hf download nvidia/PiD --local-dir . --include 'checkpoints/*' / git clone https://github.com/nv-tlabs/PiD |
| Krea-2 Depth ControlNet (Patil) | 862MB LoRA | — | — | krea-2-community-license | 需自查 | 需代理 | git clone https://github.com/Tanmaypatil123/Krea-2-controlnet && cd Krea-2-controlnet && pip install -q -r requirements.txt && hf download Patil/Krea-2-depth-controlnet depth-control-lora.safetensors --local-dir . && python inference.py input.jpg -p "prompt" --lora depth-control-lora.safetensors |
| Sun-Direction LoRA (eric-venti-seeds) | 9B | ~5.4GB 4-bit | 不适用 | Apache-2.0 | 可商用 | 需代理 | — |
| Mage-Flow-4B (Microsoft) | 4B | ~2.4GB 4-bit | — | MIT | 可商用 | 需代理 | — |
| Bonsai-Image-Binary-4B (Prism ML) | 4B | ~0.6GB 1-bit | — | apache-2.0 | 可商用 | 需代理 | MLX Python: BONSAI_VARIANT=binary ./scripts/generate.sh --prompt "..." |
| Bonsai Image Ternary 4B (Prism ML) | 4B | ~1.1GB ternary | 不适用 | Apache-2.0 | 可商用 | 需代理 | git clone https://github.com/PrismML-Eng/Bonsai-Image-Demo && cd Bonsai-Image-Demo && ./setup.sh && ./scripts/download_model.sh && ./scripts/serve.sh / Python API: from backend_gpu.server import build_pipeline; pipe = build_pipeline('prism-ml/bonsai-image-ternary-4B-gemlite-2bit') |
| Bonsai-Image-4B (Prism ML) | 4B | ~1.1GB ternary | 不适用 | apache-2.0 | 可商用 | 需代理 | macOS: git clone https://github.com/PrismML-Eng/Bonsai-Image-Demo && cd Bonsai-Image-Demo && ./setup.sh && ./scripts/download_model.sh && ./scripts/generate.sh |
常见坑
- FLUX.1-dev 使用非商业许可，不能用于商业用途或商业服务 —— black-forest-labs/FLUX.1-dev
- 部分社区模型将 dev 与 Schnell 合并后以 Apache 等商业友好许可分发，存在法律风险 —— black-forest-labs/FLUX.1-dev
- 生成速度比同系列的 Schnell 慢约 4 倍 —— black-forest-labs/FLUX.1-dev
- 约需 20 步推理才能产出高质量图像，对低配硬件仍有算力压力 —— black-forest-labs/FLUX.1-dev
- 社区 LoRA 与衍生模型(如 Krea-dev)的兼容性不保证，迁移需实测验证 —— black-forest-labs/FLUX.1-dev
- 仅针对室外场景训练，室内或非外景图像效果无法保证 —— eric-venti-seeds/Sun-Direction-Lora-Flux2Klein9B
- FP8 量化版本质量下降明显，尤其是文字渲染 —— ideogram-ai/ideogram-4-fp8
- 自然语言提示效果不如 JSON 结构化提示 —— ideogram-ai/ideogram-4-fp8
- 生成速度较慢：2MP 图像 20 步约需 2 分钟（4080+64GB 内存），1MP 12 步约 30 秒 —— ideogram-ai/ideogram-4-nf4
- 需要 JSON 提示才能发挥最佳效果，自然语言提示表现不如结构化 JSON —— ideogram-ai/ideogram-4-nf4
- 社区生态仍处早期阶段：尚无社区微调、LoRA 和优化工作流，自定义节点极少 —— ideogram-ai/ideogram-4-nf4
- 人体某些部位渲染仍较粗糙，属于模型本身的训练限制 —— ideogram-ai/ideogram-4-nf4
- 真实感/照片级渲染不如 Z-Image Turbo —— krea/Krea-2-Turbo
- 复杂提示词下可靠性偏低 —— krea/Krea-2-Turbo
- 团队承认模型未针对真实感调优,后续版本拟改善 —— krea/Krea-2-Turbo
- 超过 50 人团队需购买企业许可，非完全免费商用 —— krea/Krea-2-Raw
- 所有用户必须实施技术安全措施以防止生成非法内容 —— krea/Krea-2-Raw
- 并非传统意义上的开源，而是自定义许可证下的开放权重 —— krea/Krea-2-Raw
- 多数 prompt 下输出质量不佳，效果很不稳定 —— Lakonik/AsymFLUX.2-klein-9B
- 数据策管不足，可能影响特定场景输出 —— Lakonik/AsymFLUX.2-klein-9B
- 文本编码器体积达 20B,加载和推理开销较大 —— microsoft/Lens-Turbo
- 不支持图像编辑/inpainting 等能力,功能较单一 —— microsoft/Lens-Turbo
- 16GB 显存能否流畅运行存在疑问 —— microsoft/Lens-Turbo
- 人体解剖结构渲染不够稳定，手部/姿态容易出错 —— microsoft/Lens
- 冷门/小众题材生成质量下降明显 —— microsoft/Lens
- 需使用ComfyUI nightly版本，稳定版(≤0.22.0)不兼容 —— microsoft/Lens
- 模型定位为机器人与自动驾驶AI训练的世界模型，非消费级图像生成产品，与 Seedance 等消费级产品不构成直接竞争 —— nvidia/Cosmos3-Super-Text2Image
- 目前社区仅有 Python 脚本形式的简易封装，尚无 ComfyUI 工作流节点 —— nvidia/PiD
- 降低步数存在画质取舍,证据中未完整描述具体损失 —— ostris/ideogram_4_turbotime_lora
- 需要自行准备 20-50 张图片的数据集来训练 LoRA，上手门槛较高 —— ostris/krea2_turbo_style_reference
- 训练步数需找到收敛甜点（社区经验约 3000 步），否则效果不稳定 —— ostris/krea2_turbo_style_reference
- 社区曾对其是否已发布/可用存在疑问 —— Patil/Krea-2-depth-controlnet
- 生成准确性不佳，输出质量不够理想 —— prism-ml/bonsai-image-binary-4B-mlx-1bit
- 图像生成质量/准确度不佳 —— prism-ml/bonsai-image-ternary-4B-gemlite-2bit
- 文字生成结果差 —— prism-ml/bonsai-image-ternary-4B-mlx-2bit
- 整体准确度不佳 —— prism-ml/bonsai-image-ternary-4B-mlx-2bit
- 样本预览画质受到社区质疑,认为不够好 —— SeeSee21/Z-Anime
- 社区实测反馈极少,缺乏大规模对比验证 —— SeeSee21/Z-Anime
- vram 字段全站完整度仅 5.3%(image 域 19 张卡里只有 1 张有数据),本表大多数行的显存列留空不代表模型跑不动,请以模型详情页或官方仓库的硬件建议为准,数据口径见 docs/research/2026-07-guide-inventory.md §1.3。
常见问题
- 为什么大部分模型没有显存数据?
- 这是当前数据的真实缺口:image 域 19 张卡里显存字段完整度只有 5.3%(仅 1 张有数据),本页大多数行的 vram 是空的,并非模型不能本地跑,请在下载前查看对应模型详情页或官方仓库的硬件建议。
- 想生成动漫风格用哪个?
- SeeSee21/Z-Anime 是本页里专精动漫风格且可商用(apache-2.0)的选项,基于 Tongyi-MAI/Z-Image 微调;但卡片 community 反馈样本画质存疑、独立验证很少,建议先用 demo 或小批量测试再决定是否采用。