Ten sam prompt w 5 schematach ComfyUI: Qwen 2.1, Qwen Turbo, FLUX 3 Klein i FLUX.2 Klein na RTX 4090

👁 128 przeczytań

Dałem to samo polecenie i to samo ziarno pięciu schematom ComfyUI na mojej karcie RTX 4090: Qwen-Image 2.1, Qwen-Image 2.1 Turbo, FLUX 3 Klein i FLUX.2 Klein w dwóch wersjach wag. Cztery polecenia: plakat z polskim napisem, portret, sklep z lat 80. i zdjęcie produktu. Najszybszy był Qwen Turbo (3-4 s na obraz), najmniej pamięci zajął FLUX 3 Klein (7,5 GB), a polskie napisy najlepiej wyszły w FLUX 3 Klein i Qwen Turbo. Każdy z pięciu schematów można pobrać i uruchomić u siebie.

Skąd te wyniki. Obrazy powstały 17 października 2026 na mojej instalacji ComfyUI 0.41.0 (RTX 4090 24 GB, 64 GB RAM, Windows 11, modele na dysku SSD po USB). 14 listopada nie uruchamiałem ich drugi raz: ComfyUI było wyłączone, a te same pliki i pomiary leżą na dysku. Grafy do pobrania wyciągnąłem z metadanych tych samych obrazów, więc to dokładnie te ustawienia, które dały pokazane wyniki. Więcej o samym programie jest w przewodniku ComfyUI.

Pięć schematów: czym się różnią

Schemat (workflow) to zestaw połączonych bloków: wczytanie modelu, kodowanie polecenia, próbkowanie, dekodowanie obrazu i zapis. Te pięć różni się modelem, liczbą kroków i sposobem próbkowania. Wszystkie korzystają wyłącznie z węzłów wbudowanych w ComfyUI 0.41.0, bez dodatków.

Rozmiary plików pochodzą z repozytoriów Comfy-Org i Black Forest Labs. Licencje opisałem dokładniej w tekstach o Qwen-Image 2.1 Turbo, FLUX 3 Klein i FLUX.2 Klein.

Wyniki: czas i pamięć karty

Czas liczyłem od wysłania zadania do zapisanego pliku. Pamięć karty to szczyt zajętości całej karty z nvidia-smi odczytywanej co pół sekundy, razem z tym, co trzymał system. ComfyUI działało z opcją --disable-smart-memory, więc enkoder tekstu ładował się do karty przy każdym obrazie.

* Pierwszy obraz w serii, z wczytaniem modelu z dysku. ** W czasie tego obrazu do kolejki ComfyUI trafiło inne moje zadanie (klip wideo), więc czas i pamięć tego jednego wyniku nie są wiarygodne. Sam obraz pokazuję, bo graf i ziarno były te same.

Co z tego wynika:

• Kroki to nie wszystko. FLUX.2 Klein robi 4 kroki, a FLUX 3 Klein 15, ale różnica w czasie to 1 sekunda. Resztę zajmuje kodowanie polecenia i dekodowanie obrazu, które przy wyłączonym trzymaniu modeli w pamięci dzieje się przy każdym obrazie.
• Turbo naprawdę przyspiesza. Ten sam model Qwen z 8 krokami zamiast 25 skrócił obraz 1024×1536 z 20 do 4 sekund.
• Pierwszy obraz zawsze trwa dłużej. U mnie 10-45 s, bo modele leżą na dysku podpiętym przez USB.
• Na kartę 8-12 GB z tej piątki pasuje FLUX 3 Klein (szczyt 7,5 GB całej karty). Qwen przy 17-19 GB na takiej karcie nie zmieści się w całości.

Plakat z polskim napisem

Polecenie prosiło o czerwony nagłówek „JAZZ NAD ODRĄ” i podpis „Wrocław, 14-16 listopada 2026” na granatowym tle z saksofonistą.

• Qwen 2.1, Qwen Turbo i FLUX 3 Klein napisały „JAZZ NAD ODRĄ” poprawnie, z ogonkiem. Wszystkie trzy zgubiły „ł” i wyszło „Wroclaw”.
• FLUX.2 Klein w obu wersjach napisał „JAZZ NAĎ”, a w miejscu „ODRĄ” i „Wrocław” dał nieczytelne litery („Wrocíva”). Wersja fp8 dodatkowo przekręciła datę („14listopalla”).
• Najbliżej prawdziwego druku riso jest FLUX 3 Klein: ziarno, papier, saksofonista z twarzą. Qwen 2.1 zostawił połowę plakatu pustą.

Portret rybaka

Starszy rybak w żółtym sztormiaku na molo nad Bałtykiem, świt, deszcz, zdjęcie jak z filmu 35 mm.

Tu nie ma przegranego. Qwen 2.1 i Turbo dały prawie ten sam kadr z drewnianym molo. FLUX 3 Klein ma najwięcej szczegółu w twarzy i krople deszczu na kurtce. FLUX.2 Klein jako jedyny założył rybakowi kaptur. Obrazy z wag bf16 i fp8 różnią się drobiazgami, co oznacza, że lżejsze wagi fp8 przy tym samym ziarnie prawie nie zmieniają wyniku.

Sklep z lat 80.

Mały sklep „Społem”, słoiki z ogórkami i octem, kartka z ceną „OCET 12 zł”, sprzedawczyni w niebieskim fartuchu, zdjęcie na wyblakłym kolorowym filmie.

• Kartka „OCET 12 zł”: poprawnie Qwen Turbo i FLUX 3 Klein. Qwen 2.1 napisał „Spoém” i „12 zł” na jednej kartce, bez słowa OCET. FLUX.2 dał „OCET” i „12” z przypadkowymi znakami.
• Szyld „Społem”: żaden schemat nie napisał go poprawnie. FLUX.2 zrobił plakat „SPOIJIM”.
• Najbogatsze półki i najbardziej „epokową” sprzedawczynię ma FLUX 3 Klein. Qwen Turbo wypadł tu najsłabiej: dużo pustej ściany i kadr jak z biura.

Zdjęcie produktu

Matowy czarny kubek na kawałku szorstkiego betonu, twarde światło z lewej, smużka pary, minimalistyczne zdjęcie reklamowe.

Wszystkie pięć zrobiło zdjęcie, którego można użyć. Najbardziej szorstki beton z wyraźnym pękniętym brzegiem ma FLUX 3 Klein, najczystsze studyjne tło Qwen. Przy produkcie decyduje więc czas i licencja, a nie jakość.

Który schemat do czego

Pobierz pięć schematów

W paczce są grafy w formacie API wyciągnięte z metadanych pokazanych obrazów (zmieniłem tylko prefiks nazwy zapisu) i skrypt uruchom-schemat.py, który wysyła wybrany graf do lokalnego ComfyUI i podmienia polecenie, ziarno i wymiary. W pliku CZYTAJ.txt jest lista modeli z folderami i źródłami.

• comfyui-schematy-promptowy.zip (10 KB): pięć schematów z tego testu plus Z-Image Turbo, SDXL, Wan 2.2 5B i LTX-Video 13B.
• Uruchomienie: python uruchom-schemat.py flux-3-klein.json --prompt "twoje polecenie" --seed 7
• Status: wszystkie grafy sprawdzone, czyli zapisały plik wyniku na mojej instalacji (ComfyUI 0.41.0). Skrypt sprawdziłem na sucho, bez serwera. Przeciągania plików API do okna ComfyUI nie sprawdzałem.

Uwaga na nazwę VAE w schematach FLUX: u mnie plik flux2-vae.safetensors z repozytorium BFL nazywa się flux3-klein-vae.safetensors. Nazwij go tak samo albo zmień nazwę w węźle VAELoader. Pozostałe schematy, w tym wideo, opisuję w przewodniku ComfyUI.

Najczęstsze pytania

Czy ten sam seed daje ten sam obraz w różnych modelach?

Nie. Ziarno ustala tylko początkowy szum. Każdy model zamienia go w inny obraz. To samo ziarno w tym samym modelu, z tymi samymi ustawieniami, daje ten sam obraz, co widać przy FLUX.2 Klein w bf16 i fp8.

Czy fp8 jest gorsze od bf16?

W moim teście FLUX.2 Klein dał w fp8 prawie identyczne obrazy jak w bf16, z tymi samymi błędami w napisach. Plik jest prawie dwa razy mniejszy (4,07 wobec 7,75 GB).

Który model najlepiej pisze po polsku?

Z tej piątki FLUX 3 Klein i Qwen Turbo: oba napisały „JAZZ NAD ODRĄ” i „OCET 12 zł”. Żaden nie napisał poprawnie „ł” we „Wrocławiu” ani szyldu „Społem”.

Czy mogę użyć tych schematów komercyjnie?

Schematy i skrypt są na licencji MIT. Decyduje licencja modelu: Qwen-Image 2.1 i Turbo tylko niekomercyjnie, FLUX 3 Klein do 5 mln USD przychodu firmy, FLUX.2 Klein 4B bez ograniczeń (Apache 2.0).

Więcej o tym temacie: Generatornia - zrób to z AI: zdjęcia, rolki, design