К содержимому
Изображения

FireRed-Image-Edit-1.1 SDNQ 4bit

локальный редактор фото на 16 ГБ VRAM

2 мин чтенияобновлено

Это 4-битная SDNQ-квантованная (сжатая для экономии видеопамяти) версия FireRed-Image-Edit-1.1 — универсальной модели редактирования изображений. На вход она получает картинку и текстовую инструкцию, а на выходе отдаёт изменённое изображение: можно заменить объект, сохранить лицо персонажа, собрать композицию из нескольких фото или восстановить старый снимок. Версия 1.1 усиливает согласованность личности, работу с несколькими изображениями и специализированные правки. Главное отличие этого репозитория — квантизация снижает требования к VRAM: модель рассчитана на потребительские карты вроде RTX 4070 Ti Super с 16 ГБ, но с рекомендацией включить CPU-офлоад. Пригодится тем, кто хочет запускать редактирование локально, а не через облачный сервис.

Ключевые особенности

  • SDNQ 4bit снижает потребление VRAM; в карточке указан запуск на 16 ГБ с CPU-офлоадом.
  • Заявлена SOTA среди open-source по сохранению личности персонажа при сложных правках.
  • Мультиэлементное смешивание: можно объединять 10+ элементов, агент сам кадрирует и склеивает.
  • Портретный макияж, текстовые стили и реставрация старых фото — в базовой модели 1.1.
  • Экосистема LoRA, ComfyUI-узлы и GGUF-формат для интеграции в пайплайны.

Что можно сделать

  • Локально менять объекты на фото по промпту — например, превратить кота в собаку.
  • Восстанавливать старые снимки и вытягивать детали без облака.
  • Собрать в ComfyUI локальный редактор для портретных правок.
  • Делать виртуальную примерку и коллажи из нескольких изображений с автоматическим кадрированием.

Пример

import torch, sdnq
from diffusers import DiffusionPipeline
from diffusers.utils import load_image
pipe = DiffusionPipeline.from_pretrained('jian27/FireRed-Image-Edit-1.1-sdnq-4b', dtype=torch.bfloat16)
pipe.enable_model_cpu_offload()
img = load_image('cat.png')
out = pipe(image=img, prompt='Turn this cat into a dog').images[0]
out.save('output_edited.png')
ПодробнееРепозиторий: SDNQ 4bit-квантование FireRed-Image-Edit-1.1. Для 16 ГБ VRAM рекомендуется enable_model_cpu_offload().
Базовая 1.1 заявляет SOTA среди open-source на Imgedit, Gedit и RedEdit; ускоренный вариант — 4,5 с при 30 ГБ VRAM.
Лицензия Apache 2.0. Полный pipeline без офлоада требует заметно больше памяти.
Примеры
Обсудить Telegram 0

Запустится ли?

Запустится в U8

Влезает без сжатия.

  • U8веса 11 GB · готовые файлы14 GB
  • FP8 / INT8рекомендуемвеса 10 GB13 GB
  • 4-bitвеса 5.7 GB7.8 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.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 5080 · U8 — от RTX 5080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

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.

    # jian27/FireRed-Image-Edit-1.1-sdnq-4b
    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 jian27/FireRed-Image-Edit-1.1-sdnq-4b --local-dir ~/models/FireRed-Image-Edit-1.1-sdnq-4b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к FireRed-Image-Edit-1.1-sdnq-4b
  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.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • 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 (3)
    • 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.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • 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 FireRed-Image-Edit-1.1-sdnq-4b — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

jian27/FireRed-Image-Edit-1.1-sdnq-4b
Автор
jian27
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии