Ming-Image заработала в ComfyUI: поддержка генерации и редактирования, готовые INT8-веса

Зачем это для локального запуска

Раньше оригинальный репозиторий предлагал собственный Python-инференс. Теперь тот же стек можно собрать в узлах ComfyUI: генерировать изображение по описанию и, согласно примерам автора PR, использовать референсную картинку для редактирования. Узел допускает до восьми входных изображений; при подключённом VAE они также кодируются в референсные латенты, а последующие картинки приводятся к размеру первой. Без VAE изображения остаются условием для vision-части энкодера — это следует из кода узла, а не из наших тестов s1 s6.

Два сценария важно не смешивать. Design предназначена для генерации/редактирования графики, а Design-Layer — для работы с прозрачными слоями. У PR есть приложенные автором JSON-примеры для text-to-image и image editing, но отдельного независимого теста точности слоёв или замеров скорости новых INT8-вариантов Modelium не проводил s1 s3 s5.

Как попробовать

1. Используйте ComfyUI из основной ветки с включёнными PR #16482 и исправлением #16514; одна лишь стабильная v0.37.0 ещё не подходит. Если модель не определяется, сначала проверьте наличие исправления 41c83ee7 s1 s2 s4.
2. В репозитории Comfy-Org выберите один файл diffusion_models/ming_image_0.1_design_*.safetensors для генерации или ming_image_0.1_design_layer_*.safetensors для варианта Layer. Не загружайте обе точности одновременно без нужды. Для первого знакомства можно выбрать BF16 или INT8 ConvRot; последний — опубликованная конверсия, не подтверждение равного качества или конкретного ускорения s3.
3. Поместите выбранный диффузионный файл в ComfyUI/models/diffusion_models/, соответствующий файл из text_encoders/ — в ComfyUI/models/text_encoders/, а ming_image_vae_bf16.safetensors — в ComfyUI/models/vae/. Для текстового энкодера есть BF16, INT8 ConvRot и W4A8; в репозитории указаны отдельные *_layer_* файлы. Не перепутайте Design и Design-Layer при подборе компонентов s3.
4. Возьмите JSON-примеры из описания PR #16482 и проверьте отображение узла Text Encode Ming Image Edit в своей сборке. Примеры и демонстрации предоставлены авторами PR; работоспособность конкретной комбинации файлов на вашем железе надо проверять отдельно s1 s6.

Упомянутые в списке файлы измеряются гигабайтами, но размер на диске не равен минимальному объёму RAM или VRAM. Comfy-Org не публикует на странице пакета независимые сравнительные тесты BF16, INT8 и W4A8, поэтому выбирать конфигурацию по обещанию скорости или памяти было бы некорректно s3.

Лицензия и ограничения

Исходные веса Ming-Image-0.1-Design и Design-Layer выпущены inclusionAI под MIT; в пакете Comfy-Org метаданные также указывают MIT и обе исходные модели как base_model. MIT допускает коммерческое использование с сохранением copyright-уведомления и текста лицензии. Код ComfyUI распространяется отдельно под GPL-3.0; лицензия кода не заменяет лицензию весов s3 s5 s7.

Главное ограничение сейчас — отсутствие нового стабильного релиза ComfyUI с этой интеграцией. Возможны изменения реализации до следующего тега, а заявленная совместимость и примеры идут от разработчиков. О самих исходных моделях, задачах генерации и разложения на RGBA-слои мы уже писали отдельно; нынешнее событие — именно интеграция с ComfyUI и готовые файлы для неё s1 s4 s5.