К содержимому
Другое

Huihui-Qwen3.8-27B-Comfy

квантованные текстовые энкодеры для ComfyUI

2 мин чтенияобновлено

Репозиторий содержит готовые к использованию в ComfyUI однофайловые текстовые энкодеры для модели Huihui-Qwen3.8-27B-abliterated, переупакованные из исходного чекпоинта Hugging Face и квантованные в пять различных форматов точности. Полный оригинал модели состоит из 18 шардов и весит около 52 ГБ, тогда как здесь файлы оптимизированы и представляют собой самодостаточные энкодеры. Инструмент будет полезен тем, кто работает со сложными воркфлоу в ComfyUI и хочет сэкономить место на диске при загрузке тяжелых текстовых энкодеров.

Ключевые особенности

  • Пять вариантов квантования: доступны форматы int8_convrot, w6a8, w4a8, mxfp8 и nvfp4 с разной степенью сжатия и качеством.
  • Совместимость с ComfyUI: каждый файл собран в единый .safetensors для быстрой интеграции без ручной сборки из шардов.
  • Выборочная квантованность: квантуются только языковая модель, lm_head и MTP-головка, а визуал и таблица эмбеддингов остаются в BF16.
  • Оптимизация под железо: на старых GPU энкодеры распаковываются в BF16, а на архитектурах Blackwell и новее задействуются нативные пути FP4, FP8 и INT8.

Что можно сделать

  • Установка в ComfyUI: перенести выбранный файл в папку ComfyUI/models/text_encoders/ для использования в пайплайнах.
  • Выбор баланса: запустить вариант int8_convrot как оптимальный по соотношению размера и качества.
  • Экономия диска: использовать самую легкую версию nvfp4 (около 18 ГБ) при нехватке памяти на накопителе.

Пример

Поместите скачанный файл (например, huihui-qwen38-27b-abl-int8_convrot.safetensors) в директорию ComfyUI/models/text_encoders/ и выберите его в качестве текстового энкодера в вашем рабочем процессе.

ПодробнееБазовый чекпоинт: huihui-ai/Huihui-Qwen3.8-27B-abliterated
Размеры файлов: от 18.12 ГБ (nvfp4) до 55.56 ГБ (bf16)
Оценка PPL (перплексия): от 4.0737 (w6a8) до 4.1585 (nvfp4)
Квантованию подвергнуты model.language_model.*, lm_head.* и MTP draft head
Обсудить Telegram 1

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 52 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB17 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # eastmoe/Huihui-Qwen3.8-27B-Comfy
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download eastmoe/Huihui-Qwen3.8-27B-Comfy --local-dir ~/models/Huihui-Qwen3.8-27B-Comfy
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Huihui-Qwen3.8-27B-Comfy
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии Huihui-Qwen3.8-27B-Comfy — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

eastmoe/Huihui-Qwen3.8-27B-Comfy
Автор
eastmoe
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии