企业官网建设流程全解析

1. 五个模型摆在面前，到底该怎么选

最近半年，文生图模型圈子热闹得有点不像话。前脚刚把 FLUX.2 的工作流跑通，后脚 Seedream（即梦）就更新了版本；Z-image 的 base 模型刚放出权重，Qwen-Image 和 GLM-Image 又各自带着新特性挤进来。后台被问得最多的问题从"SD 还能不能打"变成了"这五个到底选哪个、怎么配、显存够不够"。

我自己从 FLUX.1 时代就开始折腾，一路踩坑到现在，手里跑过的图少说也有几万张。这篇文章不打算写成官方文档的复读机，而是把这五个模型的核心机制、显存账本、实操配置和常见翻车点一次性讲透。不管你是刚装好 ComfyUI 的新手，还是想给团队做技术选型的老手，看完应该都能直接上手干活。

先说结论性的定位，方便你对号入座：FLUX.2是当前综合画质和指令遵循的标杆，适合追求极致细节和复杂提示词的场景；Seedream（即梦）在中文语义理解和东方审美上优势明显，做国风、电商、海报类内容很顺手；Z-image主打轻量和速度，base 和 turbo 两个版本覆盖了从快速预览到成图的不同需求；Qwen-Image背靠通义体系，在文字渲染和结构化图像生成上有独到之处；GLM-Image则在中文场景和特定风格化任务里表现稳定。下面逐个拆。

2. FLUX.2 核心机制与实操配置

2.1 架构层面的关键变化

FLUX.2 相比前代最核心的改动在于文本编码器和注意力机制的协同方式。它依然采用双流架构，但在文本侧引入了更强的语义对齐模块，简单说就是"你写的提示词，模型理解得更准了"。这个变化带来的直接好处是：以前需要堆一长串质量词才能出好图，现在提示词可以写得更自然、更接近日常描述。

从参数量看，FLUX.2 的完整版本依然是个"大块头"，这也是它画质好的代价。实际部署时，fp8 量化版本几乎是必选项，除非你手里有 24G 以上的显存可以挥霍。我实测下来，fp8 版本在绝大多数场景下和全精度版本的肉眼差异极小，但显存占用能砍掉将近一半，这笔账非常划算。

2.2 显存账本与硬件门槛

很多人卡在第一步就是显存不够。我把常见配置的实测数据整理成表，方便你对照自己的机器：

注意：显存占用会随分辨率线性增长。1024x1024 是甜点区，直接上 2048 会让显存需求翻倍甚至更多，建议先用低分辨率出草图再放大。

这里有个经验：如果你用的是 12G 显存的卡，别硬上全精度，直接 fp8 起步。我见过太多人为了"画质无损"死磕全精度，结果 OOM 报错刷屏，最后连图都出不来，纯属跟自己过不去。

2.3 ComfyUI 工作流搭建要点

FLUX.2 在 ComfyUI 里的标准工作流节点顺序是：双文本编码器加载 → 提示词编码 → 潜空间采样 → VAE 解码。几个容易出错的点：

第一，FLUX.2 用的是两个文本编码器（CLIP 和 T5 系列），两个都要正确加载，缺一个就会报维度不匹配。第二，采样器的步数建议在 20-30 之间，步数太低细节糊，太高收益递减还费时间。第三，guidance scale 这个参数对 FLUX.2 影响很大，建议从 3.5 开始调，超过 5 容易过曝和色彩失真。

# FLUX.2 采样参数参考配置 sampler = "euler" scheduler = "simple" steps = 25 guidance_scale = 3.5 cfg_scale = 1.0 # FLUX 系列通常不需要传统 CFG

2.4 提示词写法的实战心得

FLUX.2 对自然语言提示词的友好度是它的一大卖点。我的建议是别再用 SD 时代那种逗号堆砌的写法，改成完整的句子描述。比如不要写"1girl, masterpiece, best quality, detailed face"，而是写"一位年轻女性站在窗边，午后阳光从侧面照进来，皮肤有细腻的质感"。后者出来的图明显更自然，光影关系也更合理。

另外，FLUX.2 对否定提示词的响应比较弱，与其写一堆"不要什么"，不如把"要什么"描述清楚。这是架构决定的，不是参数能调回来的。

3. Seedream（即梦）中文场景的落地打法

3.1 中文语义理解为什么强

Seedream 也就是大家常说的即梦，它最大的差异化优势在于中文提示词的原生理解能力。很多模型处理中文时其实是先翻译成英文再理解，中间会丢信息，而 Seedream 在训练阶段就大量使用了中文语料，所以像"水墨风格的远山，留白意境，淡雅"这种充满中文审美的描述，它能直接吃进去并还原出来。

这一点在做国风插画、传统节日海报、电商主图时特别明显。我拿同一段中文提示词分别喂给 FLUX.2 和 Seedream，前者出来的图偏西式审美，后者在配色和构图上更贴近东方人的视觉习惯。

3.2 典型应用场景拆解

Seedream 我主要用在三类任务上。第一类是电商和营销物料，比如产品主图、活动海报，它对文字排版区域的理解比较到位，留白位置合理。第二类是国风和传统文化内容，山水、工笔、敦煌配色这些它拿捏得比较准。第三类是需要快速迭代的创意草图，因为它的出图速度相对友好，适合头脑风暴阶段大量试错。

实操上，Seedream 的提示词建议中英混写：主体和风格用中文描述，技术性参数（如镜头、光照术语）用英文补充。这样既发挥了它的中文优势，又借了英文术语的精确性。

3.3 参数调优与常见误区

Seedream 的采样步数不需要太高，15-25 步通常就够，再往上加提升有限。它的 guidance 参数对画面风格影响较大，偏低时画面柔和但可能不够锐利，偏高时对比强烈但容易失真，建议在 4-7 之间找平衡。

一个常见误区是拿 Seedream 去跑纯英文的复杂提示词，然后抱怨效果不如 FLUX。这就像拿筷子吃西餐，工具和场景没匹配上。选模型要看任务，不是看谁名气大。

4. Z-image 轻量路线的正确打开方式

4.1 base 与 turbo 的定位差异

Z-image 分 base 和 turbo 两个版本，很多人搞不清该用哪个。简单说：base 版本追求画质和稳定性，turbo 版本追求速度。turbo 通过蒸馏技术把采样步数压到极低（4-8 步就能出图），适合快速预览和批量生成；base 版本步数需求正常，画质更扎实，适合出终稿。

我的工作流通常是：用 turbo 快速出十几张草图选构图，锁定方向后再用 base 精修。这样既省时间又保证质量。

4.2 "生成的图是黑的"问题排查

热词里"z-image base 生成的图是黑的"这个问题我遇到过不止一次，这里重点讲。黑图问题通常有三个原因：

第一，VAE 不匹配。Z-image 必须用它配套的 VAE，如果你误用了其他模型的 VAE，解码出来就是全黑或者噪点。检查方法很简单，看工作流里 VAE 加载节点指向的文件名对不对。

第二，采样步数过低。base 版本如果步数设成个位数，潜空间还没去噪干净就解码，出来就是黑的。base 建议至少 20 步起步。

第三，精度问题。如果你用的是 fp16 但显卡对某些算子支持不好，也可能出黑图。换成 fp32 或者换量化版本试试。

排查顺序建议按"VAE → 步数 → 精度"来，从最常见的原因查起，别一上来就怀疑模型文件损坏。

4.3 turbo 版本的下载与部署

关于 turbo 版本的获取，我的建议是优先从官方或可信的模型仓库下载，注意核对文件哈希值。网上流传的一些二次打包版本可能被改过，跑出来的效果和官方不一致，排查起来很痛苦。下载后先跑一张标准测试图，确认输出正常再投入正式使用。

部署上，turbo 对显存要求低，8G 显存的卡也能跑得动，是入门玩家的友好选择。但要注意 turbo 的提示词遵循能力比 base 弱一些，复杂提示词可能还原不全，这是速度换来的代价。

5. Qwen-Image 与 GLM-Image 的差异化能力

5.1 Qwen-Image 的文字渲染优势

Qwen-Image 最让我惊喜的是图像内文字渲染能力。做海报、信息图、带文字的封面时，很多模型生成的文字是鬼画符，而 Qwen-Image 能把中英文文字相对准确地"画"进图里。这个能力在需要图文一体的场景下价值极高。

它的工作流在 ComfyUI 里和标准流程类似，但要注意它对提示词里的文字内容要单独标注，比如明确写出"画面中央有'限时优惠'四个字"，模型才会去渲染文字。不写清楚它可能就当成普通纹理处理了。

5.2 openvino 加速与跨平台部署

热词里提到的"openvino qwen-image"值得单独说。OpenVINO 是面向特定硬件的推理加速工具链，用它跑 Qwen-Image 可以在部分平台上获得明显的速度提升，尤其是在没有独立显卡的环境里。配置的核心是先把模型转换成 OpenVINO 支持的格式，再通过对应的推理接口调用。

这条路的好处是降低了对特定显卡的依赖，坏处是转换过程有一定门槛，且不是所有算子都能完美支持。我的建议是：如果你有成熟的显卡环境，优先用常规方案；只有在硬件受限时才考虑 OpenVINO 路线。

5.3 GLM-Image 的适用边界

GLM-Image 在中文场景和特定风格化任务上表现稳定，尤其是需要理解复杂中文指令的场景。它的定位和 Seedream 有一定重叠，但风格取向上略有差异。实际选型时，我建议同一批提示词分别跑两个模型，用结果说话，而不是看参数表做决定。模型这东西，纸面参数和实际手感经常对不上。

6. 跨模型协作与工作流整合

6.1 什么时候该混用模型

单一模型很难在所有任务上都最优，混用是常态。我的常用组合是：Seedream 出中文创意草图 → FLUX.2 精修细节 → Qwen-Image 补文字。三个模型各司其职，最后拼出来的成品质量比单打独斗高不少。

混用的关键是中间产物的格式统一。建议统一用 PNG 无损保存，避免多次压缩导致画质损失。另外，模型之间的风格衔接要自然，别让一张图里出现两种明显不同的画风。

6.2 ComfyUI 多模型工作流组织

在 ComfyUI 里整合多个模型，建议用模块化思路：每个模型封装成一个子工作流，通过图像输入输出串联。这样调试时能快速定位是哪个环节出了问题，也方便替换单个模型而不影响整体。

节点命名要规范，别用默认的"Load Checkpoint"这种名字，改成"FLUX2_Loader""Seedream_Loader"，图一复杂你就知道规范命名有多重要了。

6.3 显存与速度的平衡策略

多模型工作流对显存压力更大。我的策略是串行执行而非并行，一个模型跑完释放显存再加载下一个。虽然总时间变长，但避免了显存爆掉。如果显存实在紧张，可以在模型切换时手动清理缓存。

速度方面，把 turbo 类模型放在流程前端做快速筛选，把高质量模型放在后端做终稿，整体效率最高。

7. 常见问题速查与避坑清单

7.1 高频报错对照表

7.2 环境配置的坑

Ubuntu 20.04 上跑 ComfyUI 加 Qwen-Image 这类组合，最容易踩的坑是依赖版本冲突。PyTorch、CUDA、各类自定义节点的依赖经常打架。我的建议是用独立的虚拟环境，别在系统 Python 里乱装。装之前先看清楚每个节点要求的版本范围，冲突的节点宁可不用也别硬凑。

另外，模型文件路径别用中文和空格，这是老生常谈但每年都有人栽在这上面。

7.3 我的三条硬核心得

第一，别追新追到失去判断。新模型出来先看它解决什么问题，而不是无脑替换现有流程。第二，参数没有万能值，别人的甜点参数到你这可能就翻车，一定要自己小批量测试。第三，保留可复现的工作流，每次出好图把工作流和参数存下来，不然过两天想复现就抓瞎了。

这套东西我摸索了大半年，从最开始被显存折磨到半夜，到现在能稳定产出，中间踩的坑基本都写在这了。模型会一直更新，但选型逻辑、显存账本、排查思路这些底层经验不会过时。你把这几个模型的脾气摸透了，后面再出新模型，上手也就是一两天的事。