【2026 最新】LLaDA-Image 本機生成怎麼跑？Base、Turbo、FP8 與 ComfyUI 完整教學

LLaDA-Image 本機生成真正難的不是把模型名稱背起來，而是先把三個不同選擇拆開：Base 或 Turbo 決定推理步數與取捨，BF16 或 FP8 決定權重格式，官方 Python 或社群 ComfyUI 則決定操作入口。本文依 2026 年 9 月 5 日可取得的官方程式、模型快照與論文，帶你從環境檢查、第一張圖、參考圖改圖，一路做到固定題目的 Base／Turbo 驗收。

先說清楚證據邊界：這篇不把尚未在 AlphaLab 的 Apple M4 主機上跑過的 CUDA 結果寫成「本站測得」，也不拿模型檔大小假裝顯存需求。你會得到可複製的官方命令、精確版本、社群節點的隔離裝法，以及一套能在自己的顯卡上記錄時間、峰值顯存與畫面一致性的驗收方法。

LLaDA-Image 本機流程＝模型版本（Base／Turbo）＋權重精度（BF16／FP8）＋執行入口（官方 Python／非官方 ComfyUI）＋同一套驗收題。

LLaDA-Image 本機生成先選哪個？四個名稱不是四種能力

LLaDA-Image 是 inclusionAI 在 2026 年 9 月 4 日發布的統一圖片生成與編輯模型家族。官方把核心描述為 6B 參數的 Diffusion Transformer（用 Transformer 逐步去除雜訊的影像模型），並讓同一個 checkpoint 處理文字生圖、VQ 條件生成與參考圖編輯。官方程式碼快照建議 Base 跑 50 steps、CFG 5.0；蒸餾後的 Turbo 跑 4 steps、CFG 1.0。

最容易混淆的是：Turbo 不是 FP8，Base 也不等於 BF16。前者是推理版本，後者是權重精度。官方 model zoo 一共列出 Base BF16、Base FP8、Turbo BF16、Turbo FP8 四個 Hugging Face 模型庫。按照 2026 年 9 月 5 日各庫檔案清單加總，兩個 BF16 庫各約 49.3 GB，兩個 FP8 庫各約 27.6 GB；這是模型庫下載量，不是執行時顯存門檻。

• 想先確認流程會動：從 Turbo 開始，4 steps 能縮短每次除錯等待。
• 想比較最終畫質或改圖保真：再加入 Base，以同一 prompt、尺寸與 seed 跑 50 steps。
• 硬碟空間或下載時間敏感：先看官方 FP8；不要因此直接推論顯存必然減到某個數字。
• 偏好節點介面：把 ComfyUI 視為社群整合層，先在獨立副本驗證，不要跟官方支援混為一談。

LLaDA-Image 本機生成前先檢查：CUDA、硬碟與版本

截至 2026 年 9 月 5 日，釘選的官方 README 記載已使用 Python 3.11、PyTorch 2.8、Transformers 4.57.6、Diffusers 0.39.0，官方執行腳本預設 DEVICE=cuda。該 README 與論文沒有列出按顯卡型號區分的最低 VRAM，也沒有提供本文能據此驗證的 Apple MPS 或 AMD 快速路徑；這只是對上述兩份指定文件的範圍描述，不代表其他社群移植不存在。

# 先留下硬體與空間快照
nvidia-smi --query-gpu=name,memory.total,driver_version --format=csv
df -h .

# 確認 Python，不要把套件裝進系統環境
python --version
conda --version

保留模型庫大小之外的餘裕，因為還有 Conda 環境、Hugging Face cache 與輸出圖片。下載前可先用 hf download inclusionAI/LLaDA-Image-Turbo-FP8 --dry-run列出待抓檔案；這是 Hugging Face CLI 官方文件提供的預覽模式。若你還不熟悉「模型參數、量化與實際記憶體」的差別，可先讀 本機模型顯存估算教學與 GGUF 量化指南。

官方 Python 路徑：先跑 Turbo FP8 的第一張圖

官方路徑最適合當基準，因為參數與生成模式直接對應上游程式。下面把程式庫固定在 commit 6bac7e7，模型固定在 Turbo FP8 快照 664a975；日後上游更新時，你仍能知道自己當時跑的是哪一組程式與權重。

git clone https://github.com/inclusionAI/LLaDA-Image.git
cd LLaDA-Image
git checkout 6bac7e7c1618e3ed9ec075ba75ff78cedfca6b38

conda create -n llada-image python=3.11 -y
conda activate llada-image
pip install -r requirements.txt

HF_REPO_ID=inclusionAI/LLaDA-Image-Turbo-FP8 \
HF_REVISION=664a975e4b4980fb750fd47b2f87e1874bb14bd7 \
STEPS=4 GUIDANCE_SCALE=1.0 SEED=42 \
bash scripts/run_llada_image.sh \
"A red enamel coffee maker on a wooden table, morning window light, product photograph"

腳本第一次會下載模型，完成後把圖片放進時間戳記資料夾 outputs/images/…/0000.png。若想改跑官方 Base BF16，把模型改成 inclusionAI/LLaDA-Image、revision 改成 e4e2703f410f7ddb6ee8d6b09dac6a8ec5093039，並把 STEPS=50、GUIDANCE_SCALE=5.0；其他 prompt、尺寸與 seed 保持不動，才能做有意義的 A/B。

怎麼把「感覺比較快」變成可比較紀錄？

在另一個終端機每秒記錄 GPU 程序的顯存，生成命令前後用 shell 的 time計時。至少保存模型 revision、GPU 名稱、驅動版本、steps、CFG、尺寸、seed、總時間與觀察到的峰值。若執行失敗，也要保留完整錯誤；「OOM 發生在哪一階段」比單寫一個顯存數字更能幫下一次調整。

# 終端機 A：每秒觀察執行中的 GPU 程序
nvidia-smi --query-compute-apps=pid,used_memory --format=csv -l 1

# 終端機 B：在原本命令前加 time
time env HF_REPO_ID=inclusionAI/LLaDA-Image-Turbo-FP8 \
HF_REVISION=664a975e4b4980fb750fd47b2f87e1874bb14bd7 \
STEPS=4 GUIDANCE_SCALE=1.0 SEED=42 \
bash scripts/run_llada_image.sh "你的固定 prompt"

參考圖改圖：不是一般 img2img 強度滑桿

官方 pipeline 的改圖入口是 generation_mode=editing，必須提供參考圖片。文字與 VQ 生成的寬高要能被 16 整除；editing 的寬高要能被 32 整除。先用 1024×1024 避開尺寸錯誤，並選擇你有權使用的圖片。

GENERATION_MODE=editing \
HF_REPO_ID=inclusionAI/LLaDA-Image-Turbo-FP8 \
HF_REVISION=664a975e4b4980fb750fd47b2f87e1874bb14bd7 \
HEIGHT=1024 WIDTH=1024 STEPS=4 GUIDANCE_SCALE=1.0 SEED=42 \
bash scripts/run_llada_image.sh \
"Change only the coffee maker from red to cobalt blue; preserve camera angle, table, lighting and every other object" \
/absolute/path/reference.png

好的驗收不是只問「漂亮嗎」，而是逐項看：指定顏色有沒有改、構圖有沒有漂移、非目標物件是否被重畫、文字是否拼對。若要測人物一致性，使用本人或已授權素材，並把髮型、衣服、姿勢、背景分開評分；2026 年 9 月 3 日版官方論文的公開評測表沒有列出直接的 Base／Turbo 人物身份一致性盲測數字，因此本文不替模型下「哪個一定更像」的結論。

ComfyUI 怎麼接？把它當成非官方、會變動的整合

截至 2026 年 9 月 5 日，inclusionAI 的釘選 repository tree 與 README 提供的是 Diffusers／Python 流程；下列節點來自 RealRebelAI 的獨立 ComfyUI 整合，其 README 也明確表示不是上游 repository。ComfyUI 官方文件提醒，自訂節點會執行第三方程式，安裝前要檢查來源與依賴；因此先複製一份乾淨環境，不要直接塞進工作中的 production graph。

cd /path/to/isolated/ComfyUI/custom_nodes

git clone https://github.com/city96/ComfyUI-GGUF.git
git -C ComfyUI-GGUF checkout 6ea2651e7df66d7585f6ffee804b20e92fb38b8a
python -m pip install -r ComfyUI-GGUF/requirements.txt

git clone https://github.com/RealRebelAI/LLaDa-Image_ComfyUI.git ComfyUI-LLaDA-Image
git -C ComfyUI-LLaDA-Image checkout 12597edf68b0e5d27842a1a970a769692e63aca9

上面的 python必須是啟動這份隔離 ComfyUI 的同一個直譯器；Windows portable 要改用其 python_embeded。RealRebelAI 這個節點快照本身沒有 requirements.txt，但程式會呼叫 Diffusers、Transformers、Accelerate、Safetensors、Hugging Face Hub，並依賴 City96 的 ComfyUI-GGUF。重啟 ComfyUI 後先看啟動 log，任何 import failed都先停下處理，不要靠反覆升降整個環境套件來碰運氣。

只下載 Turbo 的三個必要大檔

社群 Turbo 模型庫快照 abfa94e中，INT8 transformer、Q4_K_M 文字編碼器與 VAE 合計約 15.9 GB。這仍是檔案量而非 VRAM。先下載到暫存資料夾，再分別放進 models/diffusion_models、models/text_encoders、models/vae：

hf download realrebelai/LLaDa-Image-Turbo_ComfyUI \
LLaDA-Image-Turbo-INT8.safetensors \
LLaDA-Image-Turbo-text_encoder-Q4_K_M.gguf \
LLaDa_VAE.safetensors \
--revision abfa94e506b4901198e8cda42aa6370165cfebea \
--local-dir ./llada-turbo-files

注意首日整合已有檔名漂移：GitHub README／範例 workflow 仍寫過含 transformer或 -v3的名稱，但上述 Hugging Face 快照實際檔案沒有那兩段。匯入 workflow 後若 loader 變紅，請在下拉選單重新指定剛下載的三個實際檔名，而不是把檔案硬改成不存在的舊名稱。

1. 新增 LLaDA Image Loader，選 INT8 transformer、Q4_K_M text encoder、VAE；先用預設 bfloat16、sequential_cpu_offload與 VAE tiling On。
2. 生圖接 LLaDA Image Text to Image，Turbo 設 steps=4、guidance_scale=1.0、seed=42、1024×1024，再接 Save Image。
3. 改圖則接 Load Image → LLaDA Image Edit，寬高維持 32 的倍數；不要尋找傳統 denoise-strength 滑桿。
4. 完成後接 LLaDA Image Unload。若 OOM，先保留錯誤紀錄，再比較 sequential offload、較小尺寸與 VAE tiling，而不是同時改五個設定。

節點在載入時還會從官方 Turbo 模型庫抓 scheduler、tokenizer、QueryFormer、text projection 與 SigVQ 等輔助元件；目前程式沒有把這次 snapshot_download固定到特定 revision，所以它的版本固定程度仍比前面的官方釘選命令弱。這正是先隔離、保留 log 與記錄 commit 的理由。

Base 50-step vs Turbo 4-step：用固定 seed 做盲測

2026 年 9 月 3 日版官方論文中的作者評測提供方向，但不是你硬體上的保證。其 Qwen-Image-Bench 使用 1,000 個分層 prompt，Base 的英文／中文 overall 為 53.53／53.38，Turbo 為 50.98／50.27；GEdit-Bench 的 606 個案例、11 類任務中，Base 英文／中文 overall 為 7.336／7.294，Turbo 為 7.024／6.898。這些是作者報告數字，表內不同模型有不同版本或取值來源，不適合拿來宣稱全面領先。

自己的 A/B 每題至少跑同一組 prompt、輸入圖、尺寸與 seed；Base 保留 50／5.0，Turbo 保留 4／1.0，因為那是各自的推薦設定。輸出隨機改名為 A、B，再請不知道模型版本的人按 0–2 分評四項：

• 指令遵循：該改的元素是否真的改到。
• 非目標保留：背景、姿勢、物件數量是否被意外重畫。
• 身份／主體一致性：人物或產品的識別特徵是否保留。
• 文字與細節：拼字、手指、邊界、重複物件是否出錯。

論文另一個誠實訊號是 GenEval 的 counting 子項：Base 為 0.53、Turbo 為 0.42。若你的工作經常要求精確物件數量，就把「兩隻杯子、三顆蘋果」納入固定題；不要只測最容易成功的單一主體美圖。想把這套評分做得更穩，可以延伸閱讀 AI 評測怎麼設計。

五個最常踩的坑

1. 把模型庫 GB 當成最低 VRAM

解法是分開記錄。下載量寫 GB，執行時才記峰值 GPU memory、系統 RAM、offload 與解析度。兩者不在同一欄，就不會把指定官方文件未列出的數字寫成顯存門檻。

2. Base 與 Turbo 混用 steps／CFG

解法是把模型與參數綁成 preset。Base＝50 / 5.0，Turbo＝4 / 1.0。先照官方推薦建立基線，再一次只改一個變數。

3. 改圖尺寸不是 32 的倍數

解法是先規格化輸入。把寬高調成 768、1024、1280 等 32 的倍數，並在縮放前決定要裁切、補邊還是拉伸，避免把前處理失真誤判成模型問題。

4. 把社群節點寫成官方 ComfyUI 支援

解法是保留來源邊界。官方 Python 用 inclusionAI commit；ComfyUI 用 RealRebelAI commit，兩份 log 分開存。若要比較別的節點式本機流程，可參考 MiniMax H3 ComfyUI 本機教學。

5. 只留成功圖，不留失敗條件

解法是每題保存 manifest。檔名至少帶 model、revision、mode、steps、CFG、seed 與尺寸，旁邊放 prompt 和錯誤 log。日後模型更新，才看得出改善來自權重、參數還是運氣。

最後怎麼選：Turbo、Base，還是先暫緩？

• 選 Turbo：你要快速迭代 prompt、批量挑方向，且 4-step 輸出已通過自己的盲測門檻。
• 選 Base：你願意用 50 steps 換取作者評測中較高的整體生成／改圖分數，並在自己的關鍵題目也確認差異值得等待。
• 選官方 Python：你要最清楚的上游基準、精確 revision 與容易比對的參數。
• 選社群 ComfyUI：你接受早期節點、檔名漂移與版本固定程度較弱的代價，並已在隔離環境通過安全與依賴檢查。
• 先暫緩：你的裝置不是目前官方快速開始所記載的 CUDA 路徑，或關鍵需求是穩定人物身份、精確計數，而固定題仍未達門檻。

如果只做一次，最務實的順序是：Turbo FP8 跑通 → 固定兩個生成題與兩個改圖題 → 加入 Base 對照 → 最後才決定是否搬進 ComfyUI。這樣即使節點隔天更新，你仍有一條官方 Python 基準線，不會把介面問題錯當成模型能力。想繼續練習圖片工作流，可接著看 Prompt as Code 圖片工作流、圖片轉 3D 教學，或到 AlphaLab 課程建立更完整的實作路線。

LLaDA-Image 本機生成 FAQ

1. 新手第一個版本該選 Base 還是 Turbo？

先從 Turbo FP8 跑通流程。它的官方推薦設定是 4 steps、CFG 1.0，適合縮短環境除錯與 prompt 迭代時間；確認生成與改圖都能完成後，再加入 Base 50 steps、CFG 5.0 做同題對照。

2. LLaDA-Image 至少需要多少 VRAM？

目前不要引用一個沒有官方依據的最低數字。截至 2026 年 9 月 5 日，本文核對的釘選官方 README 與 v1 論文沒有按顯卡型號列最低 VRAM；請在自己的解析度、offload 與精度設定下，用 nvidia-smi記錄峰值。

3. 下載 FP8 就一定不會 OOM 嗎？

不一定。約 27.6 GB 是官方 FP8 模型庫的檔案總量，只能協助估算下載與硬碟空間；執行時還受解析度、中間張量、VAE、文字編碼器、offload、系統 RAM 與軟體版本影響。

4. Base 一定比 Turbo 畫質好嗎？

不能只憑版本名稱保證。作者報告的整體生成與編輯分數由 Base 較高，但你的主體、文字、計數與一致性需求可能不同；保留各自官方推薦參數，再用固定題與盲測門檻決定。

5. 固定同一個 seed，Base 與 Turbo 會生成同一張圖嗎？

不把「同 seed」理解成「同像素輸出」。固定 seed 的用途是少改一個隨機變因；Base 與 Turbo 本來就是不同推理版本，評分時應比較指令遵循、非目標保留、主體一致性與瑕疵，而不是要求兩張圖長得一樣。

6. 文中的 ComfyUI 節點是 inclusionAI 官方版本嗎？

不是；本文使用的是 RealRebelAI 標示為獨立、非上游的社群整合。把官方 Python commit 與社群節點 commit 分開記錄，先在隔離副本檢查程式碼、依賴與啟動 log，再決定是否放進日常 workflow。

7. LLaDA-Image 適合做人物臉部一致性改圖嗎？

先用已授權素材做自己的盲測，別直接承諾身份保真。2026 年 9 月 3 日版官方論文的公開評測表沒有列出直接的 Base／Turbo 人物身份一致性盲測數字；把臉部特徵、髮型、姿勢、服裝與背景分項評分，未達門檻就暫緩採用。

8. Mac 或 AMD 顯卡可以照抄本文命令嗎？

不要直接照抄並期待相同路徑。截至 2026 年 9 月 5 日，本文核對的官方腳本預設 DEVICE=cuda，指定 README 與 v1 論文也沒有提供可由本文驗證的 Apple MPS／AMD 快速流程；這不代表社群移植不存在，但需要另做相容性驗證。